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.