Factor estrico (P) es un trmino utilizado en teora de la colisin.
Se define como el cociente entre el valor experimental de la constante de velocidad y la
predicha por la teora de colisin. Tambin se puede definir como la relacin entre el factor de preexponencial y la frecuencia de colisin , y es ms a menudo menor que la unidad. el factor estrico puede interpretarse como la relacin de la seccin transversal de las colisiones reactivas a la seccin transversal total de colisiones. or lo !eneral, cuanto ms comple"o es el reactivo molculas , el menor de los factores estricos. Sin embar!o, al!unas reacciones presentan factores estricos mayor que la unidad# el arpn reacciones , que implican que los electrones de los tomos de cambio, produciendo iones. $a desviacin de la unidad puede tener diferentes causas# las molculas no son esfricas, diferentes !eometras as son posibles, no toda la ener!a cintica se entre!a en el lu!ar correcto, la presencia de un disolvente %cuando se aplica a las soluciones& ... 'uando la teora de las colisiones se aplica a las reacciones en la solucin de la "aula de disolvente tiene un efecto sobre las molculas de reactivo, ya que varias colisiones pueden tener lu!ar en un solo encuentro, lo que lleva a predecir factores preexponencial ser demasiado !rande. ( valores mayores que la unidad se puede atribuir a las favorables contribuciones entrpica. or lo !eneral, no hay forma sencilla de calcular con exactitud los factores estricos sin trayectoria o realizar clculos de dispersin. )n cintica qumica , el factor preexponencial o factor A es la constante pre* exponencial de la ecuacin de +rrhenius , una relacin emprica entre la temperatura y coeficiente de velocidad . or lo !eneral, desi!nado por + cuando se determina a partir de experimento, mientras que , se suele de"ar de frecuencia de colisin . ara una reaccin de primer orden que tiene unidades de s*-, por eso a menudo se llama factor de frecuencia. )l factor de frecuencia, +, depende de la frecuencia con las molculas chocan cuando todas las concentraciones son de - mol . $ y de si las molculas estn bien orientadas cuando chocan. frecuencia de colisin se define en la cintica qumica , en el fondo de la cintica terica, ya que el n/mero medio de colisiones entre las molculas de reaccionar por unidad de tiempo. Su smbolo es ,. + diferencia del factor de preexponencial , +, que es una ma!nitud emprica, , es una ma!nitud terico, calculado desde un principio. 'uanto ms se acerque a la ,, me"or una determinada teora de la cintica qumica. ara una fase de !as de reaccin bimolecular , es N A es el n/mero de tomos de 0 por unidad de volumen %m 1 2&
AB es la reaccin de la seccin transversal k B es constante de 0oltzmann
AB es la masa reducida de los reactivos Teora de Colisiones De acuerdo a la Teora de Colisiones las reacciones ocurren cuando hay choques efectivos entre molculas donde la rapidez de la reaccin es proporcional al nmero de choques por unidad de tiempo multiplicada por la fraccin del nmero total de choque que son efectivos. Los choques efectivos dependen de la naturaleza de los reactivos y su concentracin, la orientacin cuando ocurre el choque y la temperatura que afecta la energa cintica de las molculas. Ejemplo: 2 molculas en la reaccin A + B P que ocurre en un solo paso, podemos esta!lecer la ley de rapidez de segundo orden y con molecularidad de dos como r = k [A] [B] "i la reaccin ocurre en un solo paso a travs de choques moleculares, podemos predecir a !ase de la teora de colisin la ley de rapidez de reaccin. Ejemplo: #fecto de orientacin. $a teora de las colisiones explica que la velocidad de una reaccin qumica es funcin del n/mero de choques que se efect/an entre las molculas de reactivos con determinada ener!a. 3ma!inemos un recipiente cerrado en el cual introducimos dos !ases, A y B, a temperaturas ba"as las molculas se mezclan homo!neamente en funcin de sus densidades4 as si los dos !ases son li!eros, como N2 y O2 la composicin ser la misma en cualquier punto. Si calentamos este recipiente las molculas aumentan su ener!a y en consecuencia se llevarn a cabo un mayor n/mero de choques dentro del recipiente. + una temperatura determinada la fuerza y el n/mero de choques es tal que las molculas de A y B tendern a disminuir y a la vez un nuevo tipo de molculas aparecern %los productos&. )l n/mero de molculas de A y B o las nuevas que aparecen por combinacin de A y B estn li!adas a travs de la estequiometra y el mecanismo de la reaccin. Si llamamos a la velocidadde la reaccin# rA = rB , [A [B entonces la velocidad de aparicin %o desaparicin de A o B& de las nuevas molculas es funcin del n/mero de choques entre A y B, los cuales a su vez dependen de la concentracin de A y B. )n estudios de cintica se observa que la velocidad de reaccin se ve afectada en la practica con variaciones de presin y de temperatura. Sin embar!o dichos cambios son mucho ms si!nificativos a las fluctuaciones de las temperaturas y por lo tanto se suele hacer el estudio dando prioridad a esta variable y despreciando los cambios que experimenta a las variaciones de presin %esto se apoya en el supuesto de que los cambios de presin aplicados en el sistema son peque5os y por lo tanto se pueden considerar despreciables&. Sin embar!o es muy sensible a la temperatura. $a ecuacin que relaciona la temperatura con la velocidad de una reaccin %constante de velocidad& es la ecuacin de +rrhenius que se expresa mediante# 6onde 7+7 es el factor de frecuencia, 7)a7 es la ener!a de activacin, 8 es la constante de los !ases y 7T7 es la temperatura. 6e acuerdo con +rrhenius, la ecuacin anterior indica que las molculas deben adquirir una cierta ener!a )a antes de que puedan reaccionar, siendo el factor de 0oltzmann, exp%*)a.8T&, la fraccin de molculas que estn en condiciones de alcanzar la ener!a necesaria. Se suele suponer que el factor pre exponencial 7+7 o factor de frecuencia es un valor constante. Sin embar!o como se ver mas adelante, este supuesto no es del todo correcto. 3!ualmente se asume que la ener!a de activacin es un valor constante, pero en la realidad el valor de esta constante es un promedio y cuyo valor se obtiene de# !eor"a de colisiones para las reacciones #aseosas. $as velocidades de reaccin se han medido en soluciones !aseosas, lquidas y slidas. $as ms investi!adas son las lquidas debido a su importancia pero desde un punto de vista terico es ms asequible un enfoque mediante la teora estadstica de !ases. $a primera teora postula para reacciones !aseosas que para tener reaccin, las molculas deben aproximarse unas a otras de modo que colisionen. )n ciertas ocasiones dicha interaccin produce una reor!anizacin de los enlaces qumicos, formando nuevas molculas a partir de las primeras. $a velocidad de reaccin equivale al n/mero de choques por se!undo, multiplicado por la fraccin de choques que se puedan considerar efectivos para producir el cambio qumico. )n este texto se presentan los resultados mas si!nificativos de esta teora, los cuales se presentan a continuacin# 9tros desarrollos nos llevan a una ecuacin del tipo# 6onde es un factor estrico o de probabilidad, que da cuenta de una zona reactiva de interaccin molecular. es menor a la unidad en varios ordenes de ma!nitud. Si los cuerpos son : tomos, estas ecuaciones son bastante precisas. Sin embar!o el defecto fundamental de la teora de colisiones es que considera a las molculas reaccionantes como esferas r!idas mas que como estructuras fluctuantes de n/cleos y electrones. )l factor da cuenta de esta clase de deficiencia. ;aciendo un desarrollo por medio de teora del estado de transicin por medio de comple"o activado de modo que + < 0 %+0&= roductos, se lle!a a un resultado del tipo# $eter%inacin experi%ental del orden de reaccin & de la constante de 'elocidad de reaccin. Sea la reaccin del tipo + roductos. 'omo se vio anteriormente, este sistema es de fcil solucin si la reaccin se lleva a cabo en un paso. ero no siempre se cuenta con este tipo de informacin y es necesario determinar experimentalmente los valores de >?>y 7n7. or tanto se debe resolver la ecuacin del tipo# ara esto se requiere calcular en peque5os intervalos de tiempo las distintas variaciones de concentracin. )s necesario para esto construir una tabla de concentracin en funcin del tiempo. ara medir estas dos variables se requiere de al!una tcnica experimental que permita tomar estos datos. )sto no es siempre posible ya que medir la concentracin en el tiempo de un reactivo o producto puede no ser trivial. @na posibilidad es controlar el p; y por tanto calcular la concentracin de ; 2 9 < o 9; * . 9tra posibilidad es medir por absorbancia. 'ualquiera sea la tcnica, asumiremos que es posible obtener los datos de concentracin en el tiempo. +sumiendo que la expresin de velocidad puede escribirse como intervalos de concentracin sobre intervalos de tiempo y aplicando lo!aritmo natural a la expresin anterior se tiene# )sta expresin corresponde a una ecuacin de una recta del tipo A B nC < b donde# or tanto se puede hacer re!resin lineal sobre 7C7 e 7A7 y as se pueden despe"ar los valores de 7?7 y de 7n7 despe"ando los valores. @na pre!unta interesante es cuestionar que sucede para + < 0 roductos. ara este sistema velocidad de desaparicin de + es del tipo# ara resolver este problema se deben determinar los valores de >?>, >n> y >m>. )s necesario realizar varias corridas de datos de concentracin versus tiempo de modo que al tomar dos corridas de datos, se ten!a para 7+7 concentraciones iniciales distintas y para 707 concentraciones i!uales. 6e este modo para ambas velocidades de reaccin %correspondientes a cada una de las corridas&, la concentracin de 707 tiene la misma incidencia y por tanto los cambios de velocidad son perceptibles solo para 7+7. +s se puede obtener un sistema del tipo# )sta expresin se resuelve del mismo modo que en el caso de tener un solo reactivo, obteniendo el valor de 7n7. 6e i!ual forma se fi"a la concentracin de + para dos nuevas corridas de datos y se vara 0 de modo que se puede obtener el valor de 7m7. Dinalmente, tomando cualquier corrida de datos se puede calcular el valor de 7?7. )sta metodolo!a es aplicable a 2 o ms reactivos, de modo que tan solo una variable vare tomando un n/mero de corridas adecuado. Problema: $os datos si!uientes dan la concentracin del butadieno !aseoso a EFF G en funcin del tiempo. 6etermine el orden de la reaccin y calcular la constante de velocidad. 6atos# t $seg% & $mol'lt% ()* (.+2#,-2 +-. (../#,-2 (2.+ (.2)#,-2 2(0- (.(-#,-2 .(.- 0.)-#,-1 .+** 0.--#,-1 +2(- +.0-#,-1 0(1* *./-#,-1 Solucin# Tomando la ecuacin# Se construye la si!uiente tabla# t $seg% & $mol'lt% d& dt ln$&% 2 3 ln$,d&'dt% 2 4 ()* (.+2#,-2 +-. (../#,-2 ,(.*-#,-1 .-) ,..22- ,(2.*(+ (2.+ (.2)#,-2 ,(.0-#,-1 +.2 ,..1*( ,(2./0* 2(0- (.(-#,-2 ,(.)-#,-1 )1. ,..*(- ,(1.(-* .(.- 0.)-#,-1 ,2.(-#,-1 ()+- ,../22 ,(1././ .+** 0.--#,-1 ,).--#,-. *(* ,..020 ,(1.2*/ +2(- +.0-#,-1 ,(.2-#,-1 (*** ,..))( ,(..-/* 0(1* *./-#,-1 ,(.(-#,-1 ()2* ,*.(+/ ,(..1/* ;aciendo re!resin lineal sobre los valores de C e A se construye el si!uiente !rfico y se tiene despe"ando los valores de >?>y >n># ln $,d&'dt% 2 ,.,*1)0 5 (,0)11 ln$&% &orrelacin -,)*( &ovarianza -,222 Luego 6 2 (,-+/#,2 y n 2 (,0) es apro7imadamente 2. (strate#ia pro)a)il"stica* el dia!nstico mdico y la interpretacin de las pruebas de laboratorio poseen frecuentemente un considerable nivel de incertidumbre, lo cual puede ser representado como asociacin probabilstica entre variables clnicas. 8ara vez, poseemos certeza absoluta en medicina, e"ercemos de hecho, una ciencia inexacta e incierta. $a medicina es una ciencia de probabilidades y un arte de mane"ar la incertidumbre %SirHillian 9sler& %I,-F&. 'uando los mdicos usamos el interro!atorio y la exploracin fsica para lle!ar a un dia!nstico, expresamos esta incertidumbre o probabilidad no en forma de un porcenta"e real, sino ms bien en trminos como Jcasi siempreK, JfrecuentementeK, Ja vecesK o Jrara vezK. Sin embar!o, por no ser cuantitativos estos trminos, no se les puede asi!nar un si!nificado estandarizado. $a tcnica ms satisfactoria para interpretar los datos clnicos es el uso formal de probabilidades, la relacin de probabilidades y la combinacin cuantitativas de ellas. ara combinar los hallaz!os clnicos en forma de probabilidades se requiere una ri!urosa definicin de enfermedad. )sta definicin, referida como la prueba de oro, se basa !eneralmente en hallaz!os radiol!icos, histol!icos, bioqumicos o muchas veces en criterios clnicos /nicamente. $a primera tarea en la aplicacin de la estrate!ia probabilstica es estimar la probabilidad inicial de todas las enfermedades de inters a partir de los datos demo!rficos del paciente %!nero, edad, pas, !rupo poblacional, factores de ries!o& y de la presentacin de los hallaz!os clnicos. )l anlisis cuidadoso de esta probabilidad es crtico, porque su valor va a influenciar en !rado importante la interpretacin de cualquier hallaz!o clnico o pruebas de laboratorio posteriores. $a se!unda tarea es determinar la frecuencia de los hallaz!os asociados con la enfermedad ba"o hiptesis y con las enfermedades alternas. Se trata de responder pre!untas sobre la frecuencia de asociacin de un hallaz!o con la entidad clnica. $a sensibilidad y especificidad de los hallaz!os asociados con las hiptesis dia!nsticas !eneran las probabilidades condicionales. $os hallaz!os clnicos y los resultados de laboratorio pueden ser interpretados de acuerdo con principios matemticos. )l resultado del anlisis cuantitativo, despus de interpretar las ayudas dia!nsticas teniendo en cuenta la probabilidad inicial y las probabilidades condicionales, conduce a estimar la probabilidad de que el paciente presente la enfermedad, concepto conocido como probabilidad posterior. $os valores numricos de estos clculos estn basados en las cifras de prevalencia de cada enfermedad hipottica, en las condiciones del paciente y en la sensibilidad o especificidad de las pruebas dia!nsticas relativas a la enfermedad en las condiciones del laboratorio. )sta informacin puede estar disponible en estadsticas re!ionales, en la literatura o en estimativos de las probabilidades condicionales, cuando no se conocen. $a estrate!ia probabilstica puede ser una herramienta /til, porque proporciona un si!nificado explcito de la interpretacin del hallaz!o o prueba dia!nstica y por consi!uiente ayuda a !uiar el proceso dia!nstico, o en casos de mayor comple"idad, !enera hiptesis dia!nsticas a partir de la frecuencia de asociacin de los hallaz!os clnicos. 6ada la rica interrelacin de nuestro razonamiento clnico, nosotros utilizamos todas las estrate!ias. + causa de que nuestra prctica clnica !eneralmente es repetitiva y sencilla, muchas de nuestras decisiones son !uiadas por re!las determinsticas aprendidas. )l razonamiento probabilstico o el determinstico puede ser /til para iniciar inferencias de las causas de los efectos observados o para identificar hiptesis razonables que formarn el contexto del razonamiento causal. )n !eneral, las estrate!ias de razonamiento son complementarias. $os modelos probabilsticos, son fuertes en la !eneracin de hiptesis dia!nsticas, crticamente dependiente de la prevalencia de la enfermedad en el !rupo de poblacin del paciente, pero una vez la hiptesis ha sido propuesta el razonamiento causal permite verificar la causa que explique la observacin. +unque el razonamiento probabilstico ha dominado la discusin del proceso dia!nstico, a causa de la propuesta de corroboracin iterativa de hiptesis, nuestro conocimiento del proceso dia!nstico a/n permanece muy limitado. (l proceso dia#nstico )l proceso dia!nstico, se!/n la epidemiolo!a clnica, es un proceso de estimacin probabilstica. $a recoleccin de datos %sntomas, si!nos, pruebas dia!nsticas&, termina en una expresin probabilstica que estima la probabilidad de que un paciente determinado, ten!a la enfermedad %)&, y se encuentra entre F %certeza absoluta ausencia de enfermedad& y - %certeza absoluta de su presencia& %Di!ura -&. $a medicina no es una ciencia exacta por ello los mdicos rara vez pueden predecir un resultado con absoluta certeza. $a incertidumbre acompa5a tanto el proceso dia!nstico como teraputico y el modo de cuantificar esta incertidumbre es mediante las probabilidades. Lo todos los pacientes con !lucemia elevada son diabticos, ni una san!re oculta positiva en heces si!nifica con se!uridad un cncer de colon %--, -:&.
F MMMMMMMMMMMMMMMMMMMMMMMMMM- %)&
Fi#ura+. )l dia!nstico, una estimacin probabilstica de enfermedad. ;ay dos maneras principales de entender el concepto de probabilidad %-2&# Drecuentista %ob"etiva&# la probabilidad de ocurrencia de un suceso, puede definirse como la proporcin de veces %frecuencia relativa& que ocurrira dicho suceso si se repitiese un experimento o una observacin en un n/mero !rande de ocasiones ba"o condiciones similares. Si por e"emplo, de cada -FFF personas de NF a5os EF desarrollan cncer !strico. $a probabilidad de este cncer en esta poblacin es# EF.-FFF# F.FE #EO 0ayesiano %sub"etivo&# refle"a el !rado de certeza que se posee sobre un suceso. )s personal. 'uando un individuo lle!a a nuestra consulta, tenemos una idea a priori sobre la probabilidad de que ten!a una enfermedad %Los ayudamos de la incidencia o prevalencia&. @na vez se aplica una prueba dia!nstica, nos aportar una nueva informacin. $a misma prueba ha sido evaluada con anterioridad en sanos y enfermos. +s, de modo frecuentista se ha estimado sensibilidad %verdaderos enfermos& y especificidad %verdaderos sanos&. )n funcin del nuevo resultado tenemos una nueva idea %a posteriori& sobre la probabilidad de que est enfermo. Luestra opinin a priori ha sido modificada por el resultado de un experimento %con ayuda de los ndices predictivos, a travs del teorema de 0ayes&. $a inferencia bayesiana es de !ran utilidad en la valoracin de pruebas dia!nsticas en la toma de decisiones clnicas dentro del proceso del dia!nstico clnico, y re!resaremos a l posteriormente. $as pruebas dia!nsticas se aplican para aumentar el conocimiento sobre la probabilidad de una enfermedad en el paciente, pero es imprescindible conocer cmo vara esa probabilidad a medida que se adquiere mayor informacin y ello va li!ado a un principio bsico# la interpretacin de cualquier resultado de una prueba dia!nstica depende de la probabilidad de la enfermedad antes de realizar las pruebas, es decir la probabilidad a priori o probabilidad pre*prueba o previa. Pro)a)ilidad pre,prue)a (+-) $a probabilidad de presentar la enfermedad antes del examen se llama probabilidad pre* prueba o probabilidad pre*examen. Si un individuo es totalmente asintomtico para al!una enfermedad, la probabilidad pre*prueba es i!ual a la prevalencia de la condicin en la poblacin %revalencia poblacional&. ero, si es un individuo que se presenta con una dolencia, la probabilidad pre* examen ser dada por cada uno de los apartes de la historia clnica y del examen fsico4 cada dato ser una prueba dia!nstica que aumentar o disminuir la probabilidad de un trastorno ob"etivo. + la hora de estimar la probabilidad de una enfermedad, la experiencia personal es la que ms influye, pero tambin depende de la experiencia publicada y de las caractersticas particulares de cada paciente. .uestreo pro)a)il"stico $os mtodos de muestreo probabilsticos son aquellos que se basan en el principio de equiprobabilidad. )s decir, aquellos en los que todos los individuos tienen la misma probabilidad de ser ele!idos para formar parte de una muestra y, consi!uientemente, todas las posibles muestras de tama5o n tienen la misma probabilidad de ser ele!idas. Slo estos mtodos de muestreo probabilsticos nos ase!uran la representatividad de la muestra extrada y son, por tanto, los ms recomendables. 6entro de los mtodos de muestreo probabilsticos encontramos los si!uientes tipos# )l mtodo otor!a una probabilidad conocida de inte!rar la muestra a cada elemento de la poblacin, y dicha probabilidad no es nula para nin!/n elemento. $os mtodos de muestreo no probabilisticos no !arantizan la representatividad de la muestra y por lo tanto no permiten realizar estimaciones inferenciales sobre la poblacin. %)n al!unas circunstancias los mtodos estadsticos y epidemiol!icos permiten resolver los problemas de representatividad aun en situaciones de muestreo no probabilistico, por e"emplo los estudios de caso*control, donde los casos no son seleccionados aleatoriamente de la poblacin.& )ntre los mtodos de muestreo probabilsticos ms utilizados en investi!acin encontramos# Puestreo aleatorio simple Puestreo estratificado Puestreo sistemtico Puestreo polietpico o por con!lomerados * : * .uestreo aleatorio si%ple* )l procedimiento empleado es el si!uiente# -& se asi!na un n/mero a cada individuo de la poblacin y :& a travs de al!/n medio mecnico %bolas dentro de una bolsa, tablas de n/meros aleatorios, n/meros aleatorios !enerados con una calculadora u ordenador, etc.& se eli!en tantos su"etos como sea necesario para completar el tama5o de muestra requerido. )ste procedimiento, atractivo por su simpleza, tiene poca o nula utilidad prctica cuando la poblacin que estamos mane"ando es muy !rande. .uestreo aleatorio siste%/tico* )ste procedimiento exi!e, como el anterior, numerar todos los elementos de la poblacin, pero en lu!ar de extraer n n/meros aleatorios slo se extrae uno. Se parte de ese n/mero aleatorio i, que es un n/mero ele!ido al azar, y los elementos que inte!ran la muestra son los que ocupa los lu!ares i, i<?, i<:?, i<2?,...,i<%n*-&?, es decir se toman los individuos de ? en ?, siendo ? el resultado de dividir el tama5o de la poblacin entre el tama5o de la muestra# ?B L.n. )l n/mero i que empleamos como punto de partida ser un n/mero al azar entre - y ?. )l ries!o este tipo de muestreo est en los casos en que se dan periodicidades en la poblacin ya que al ele!ir a los miembros de la muestra con una periodicidad constante %?& podemos introducir una homo!eneidad que no se da en la poblacin. 3ma!inemos que estamos seleccionando una muestra sobre listas de -F individuos en los que los E primeros son varones y los E /ltimos mu"eres, si empleamos un muestreo aleatorio sistemtico con ?B-F siempre seleccionaramos o slo hombres o slo mu"eres, no podra haber una representacin de los dos sexos. .uestreo aleatorio estratificado* Trata de obviar las dificultades que presentan los anteriores ya que simplifican los procesos y suelen reducir el error muestral para un tama5o dado de la muestra. 'onsiste en considerar cate!oras tpicas diferentes entre s %estratos& que poseen !ran homo!eneidad respecto a al!una caracterstica %se puede estratificar, por e"emplo, se!/n la profesin, el municipio de residencia, el sexo, el estado civil, etc.&. $o que se pretende con este tipo de muestreo es ase!urarse de que todos los estratos de inters estarn representados adecuadamente en la muestra. 'ada estrato funciona independientemente, pudiendo aplicarse dentro de ellos el muestreo aleatorio simple o el estratificado para ele!ir los elementos concretos que formarn parte de la muestra. )n ocasiones las dificultades que plantean son demasiado !randes, pues exi!e un conocimiento detallado de la poblacin. %Tama5o !eo!rfico, sexos, edades,...&. $a distribucin de la muestra en funcin de los diferentes estratos se denomina afi"acin, y puede ser de diferentes tipos# Afi0acin 1i%ple* + cada estrato le corresponde i!ual n/mero de elementos mustrales. Afi0acin Proporcional* $a distribucin se hace de acuerdo con el peso %tama5o& de la poblacin en cada estrato. Afi0acin Opti%a* Se tiene en cuenta la previsible dispersin de los resultados, de modo que se considera la proporcin y la desviacin tpica. Tiene poca aplicacin ya que no se suele conocer la desviacin. * 2 * .uestreo aleatorio por con#lo%erados* $os mtodos presentados hasta ahora estn pensados para seleccionar directamente los elementos de la poblacin, es decir, que las unidades mustrales son los elementos de la poblacin. )n el muestreo por con!lomerados la unidad muestral es un !rupo de elementos de la poblacin que forman una unidad, a la que llamamos con!lomerado. $as unidades hospitalarias, los departamentos universitarios, una ca"a de determinado producto, etc., son con!lomerados naturales. )n otras ocasiones se pueden utilizar con!lomerados no naturales como, por e"emplo, las urnas electorales. 'uando los con!lomerados son reas !eo!rficas suele hablarse de Qmuestreo por reasQ. )l muestreo por con!lomerados consiste en seleccionar aleatoriamente un cierto numero de con!lomerados %el necesario para alcanzar el tama5o muestral establecido& y en investi!ar despus todos los elementos pertenecientes a los con!lomerados ele!idos. * R * .todos de %uestreo no pro)a)il"sticos + veces, para estudios exploratorios, el muestreo probabilstico resulta excesivamente costoso y se acude a mtodos no probabilsticos, aun siendo conscientes de que no sirven para realizar !eneralizaciones, pues no se tiene certeza de que la muestra extrada sea representativa, ya que no todos los su"etos de la poblacin tienen la misma probabilidad de se ele!idos. )n !eneral se seleccionan a los su"etos si!uiendo determinados criterios procurando que la muestra sea representativa. 2 .uestreos No Pro)a)il"sticos* de 'onveniencia de Suicios por 'uotas de 0ola de Lieve 6iscrecional .uestreo por cuotas* Tambin denominado en ocasiones QaccidentalQ. Se asienta !eneralmente sobre la base de un buen conocimiento de los estratos de la poblacin y.o de los individuos ms QrepresentativosQ o QadecuadosQ para los fines de la investi!acin. Pantiene, por tanto, seme"anzas con el muestreo aleatorio estratificado, pero no tiene el carcter de aleatoriedad de aqul. )n este tipo de muestreo se fi"an unas QcuotasQ que consisten en un n/mero de individuos que re/nen unas determinadas condiciones, por e"emplo# :F individuos de :E a RF a5os, de sexo femenino y residentes en Ti"n. @na vez determinada la cuota se eli!en los primeros que se encuentren que cumplan esas caractersticas. )ste mtodo se utiliza mucho en las encuestas de opinin. .uestreo opin/tico o intencional* )ste tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras QrepresentativasQ mediante la inclusin en la muestra de !rupos supuestamente tpicos. )s muy frecuente su utilizacin en sondeos preelectorales de zonas que en anteriores votaciones han marcado tendencias de voto. .uestreo casual o incidental* Se trata de un proceso en el que el investi!ador selecciona directa e intencionadamente los individuos de la poblacin. )l caso ms frecuente de este procedimiento el utilizar como muestra los individuos a los que se tiene fcil acceso %los profesores de universidad emplean con mucha frecuencia a sus propios alumnos&. Bola de nie'e* Se localiza a al!unos individuos, los cuales conducen a otros, y estos a otros, y as hasta conse!uir una muestra suficiente. )ste tipo se emplea muy frecuentemente cuando se hacen estudios con poblaciones Qmar!inalesQ, delincuentes, sectas, determinados tipos de enfermos, etc. * E * Puestreo 6iscrecional U + criterio del investi!ador los elementos son ele!idos sobre lo que l cree que pueden aportar al estudio. U )". # muestreo por "uicios4 ca"eros de un banco o un supermercado4 etc. 3enta0as e incon'enientes de los distintos tipos de %uestreo pro)a)il"stico '+8+'T)83ST3'+S V)LT+S+S 3L'9LV)L3)LT)S Aleatorio si%ple Se selecciona una muestra de tama5o n de una poblacin de L unidades, cada elemento tiene una probabilidad de inclusin i!ual y conocida de n.L. Sencillo y de fcil comprensin. 'lculo rpido de medias y varianzas. Se basa en la teora estadstica, y por tanto existen paquetes informticos para analizar los datos 8equiere que se posea de antemano un listado completo de toda la poblacin. 'uando se traba"a con muestras peque5as es posible que no represente a la poblacin adecuadamente. 1iste%/tico 'onse!uir un listado de los L elementos de la poblacin 6eterminar tama5o muestral n. 6efinir un intervalo ?B L.n. )le!ir un n/mero aleatorio, r, entre - y ? %rB arranque aleatorio&. Seleccionar los elementos de la lista. Dcil de aplicar. Lo siempre es necesario tener un listado de toda la poblacin. 'uando la poblacin est ordenada si!uiendo una tendencia conocida, ase!ura una cobertura de unidades de todos los tipos. Si la constante de muestreo est asociada con el fenmeno de inters, las estimaciones obtenidas a partir de la muestra pueden contener ses!o de seleccin (stratificado )n ciertas ocasiones resultar conveniente estratificar la muestra se!/n ciertas variables de inters. ara ello debemos conocer la composicin estratificada de la Tiende a ase!urar que la muestra represente adecuadamente a la poblacin en funcin de unas variables Se ha de conocer la distribucin en la poblacin de las variables utilizadas para la estratificacin. poblacin ob"etivo a hacer un muestreo. @na vez calculado el tama5o muestral apropiado, este se reparte de manera proporcional entre los distintos estratos definidos en la poblacin usando una simple re!la de tres. seleccionadas. Se obtienen estimaciones ms precisa Su ob"etivo es conse!uir una muestra lo ms seme"ante posible a la poblacin en lo que a la o las variables estratificadoras se refiere. 4on#lo%erados Se realizan varias fases de muestreo sucesivas %polietpico& $a necesidad de listados de las unidades de una etapa se limita a aquellas unidades de muestreo seleccionadas en la etapa anterior. )s muy eficiente cuando la poblacin es muy !rande y dispersa. Lo es preciso tener un listado de toda la poblacin, slo de las unidades primarias de muestreo. )l error estndar es mayor que en el muestreo aleatorio simple o estratificado. )l clculo del error estndar es comple"o.