TEORIA DEL MUESTREO

1. INTRODUCCION
En la prctica profesional, el mdico se enfrenta con frecuencia ante la necesidad de conocer realidades respecto al proceso salud enfermedad en la persona humana, una enfermedad, un medicamento, una tcnica quirrgica, niveles de educacin e informacin; cuando ello se necesita conocer en un grupo poblacional, sera necesario examinar todos los miembros de ese grupo con el fin de observar el comportamiento de las variables en estudio. Sin embargo, muchas veces, el grupo en estudio es tan grande que hace difcil, casi imposible el examen de todos sus miembros, por lo que se procede comnmente a examinar un determinado nmero de individuos u objetos, observar el comportamiento de las variables en estudio en este conjunto limitado para luego extender los resultados al conjunto total, con cierto grado de confianza. Es entonces, importante conocer que se puede estudiar un sub conjunto de la poblacin para luego inferir los resultados al conjunto total de elementos con un cierto grado de precisin el cual depender de la seleccin de los elementos del sub conjunto a estudiar y de los mtodos de inferencia para la obtencin de premisas generales. Esto es la teora del muestreo, la seleccin adecuada en cantidad y calidad de los individuos que constituirn el grupo de observacin, para ello es necesario tener conceptos muy claros respecto a poblacin o universo y muestra.

2. CONCEPTO DE UNIVERSO O POBLACION Y MUESTRA

Antes de describir algunos de los mtodos de muestreo ms habituales, es necesario plantear algunas definiciones importantes en este contexto:

POBLACIN: Es todo conjunto de elementos, finito o infinito, definido

por una o ms caractersticas, de las que gozan todos los elementos que lo componen, y slo ellos. En muestreo, se entiende por poblacin a la totalidad del universo que interesa conocer, y que es necesario que est bien definido para que se sepa en todo momento qu elementos lo componen. Conviene recordar que poblacin es el conjunto de elementos a los cuales se quieren inferir los resultados.

UNIVERSO: El trmino es empleado generalmente como sinnimo de

poblacin. No obstante, cuando se realiza un trabajo puntual, conviene distinguir entre universo ideal: conjunto de elementos a los cuales se quieren extrapolar los resultados, y universo muestral: conjunto de elementos accesibles en nuestro estudio. Todo universo o poblacin debe definirse sin ambigedades, es decir debe ser posible decidir cundo un individuo pertenece o no al universo bajo consideracin. a. Universo: Pacientes asmticos con deficiente grado de conciencia de la importancia de su enfermedad. b. Universo: Pacientes con EDA menores de 1 ao, atendidos en el Hospital Beln.

CENSO: En ocasiones resulta posible estudiar cada uno de los

elementos que componen la poblacin, realizndose lo que se denomina un censo, es decir, el estudio de todos los elementos que componen la poblacin. La realizacin de un censo no siempre es posible, por diferentes motivos: a) Economa: el estudio de todos los elementos que componen una poblacin, sobre todo si esta es grande, suele ser un problema costoso en tiempo, dinero, etc. b) Que las pruebas a las que hay que someter a los sujetos sean destructivas. c) Que la poblacin sea infinita o tan grande que exceda las posibilidades del investigador. Si la numeracin de elementos, se realiza sobre la poblacin accesible o estudiada, y no sobre la poblacin terica, entonces el proceso recibe el nombre de marco o espacio muestral.

MUESTRA: En todas las ocasiones en que no es posible o conveniente

realizar un censo, lo que hacemos es trabajar con una muestra, entendiendo por tal una parte representativa y adecuada de la poblacin. Para que una muestra sea representativa, y por lo tanto til, debe de reflejar las semejanzas y diferencias encontradas en la poblacin, ejemplificar las caractersticas y tendencias de la misma. Cuando decimos que una muestra es representativa indicamos que rene aproximadamente las caractersticas de la poblacin que son importantes para la investigacin. Cuando decimos que una muestra es adecuada, nos referimos a que contiene el nmero de unidades de estudio, tal que permita aplicar pruebas estadsticas que den validez a la inferencia de los resultados a la poblacin.

Por ejemplo, supongamos que deseamos medir el rendimiento acadmico de los nios escolares en la secundaria en Per, pero por problemas econmicos slo es posible acceder a los nios de zonas urbanas. - A quin deseo generalizar los resultados? : Todos los nios peruanos de la secundaria (universo ideal). - A quien puedo acceder en el estudio? : Todos los nios escolares en zonas urbanas (universo muestral o poblacin en estudio). -Cmo puedo acceder a ellos? : Numerando los sujetos accesibles (espacio o marco muestral). -Quin forma parte del estudio? : Un grupo de sujetos elegido (muestra).

3. VENTAJAS Y DESVENTAJAS DEL MUESTREO

A. En estudios que implican tcnicas destructivas o de uso que imposibilidad de utilizacin posterior de lo analizado. B. El trabajo con una muestra y no con el universo implica eficiencia, pues significa ahorro de recursos, esfuerzos y tiempo C. Con el uso del muestreo se pueden obtener resultados razonablemente ms precisos que el estudio de todo el universo, pues para el estudio de slo una muestra, el personal mnimo necesario puede ser mejor preparado para recoger informacin ms detallada y elaborada. D. Como desventaja se debe mencionar el error de muestreo, producto de la variabilidad intrnseca que poseen los elementos de todo universo o poblacin. El trmino error no debe entenderse como sinnimo de equivocacin. Ejemplo: Estatura de nios: 117, 120, 125, 125, 130 Tamao 2 2 2 3 3 3 4 4 Valores muestrales 117, 120 125, 130 125, 120 125, 130, 125 125, 125, 120 125, 117, 125 120, 117, 125, 125 130, 117, 125, 125 Media muestral 118.50 127.50 122.50 126.66 123.33 122.33 123.00 124.25

117, 125, 125, 120 123.4

121.75

Media poblacional

E. Tambin suelen introducirse errores por otras vas, los cuales se denominan errores sistemticos: Los cuales son: - Imputables al observador. - Imputables al mtodo de observacin o medicin. - Imputables a lo observado (unidad de muestreo).

4. CONDICIONES DE UNA BUENA MUESTRA

En todo proceso de muestreo, los elementos de la muestra deben escogerse adecuadamente, de tal manera que los resultados que se observen en ella, puedan inferirse al resto de la poblacin a la que pertenece la muestra. Para ello debe tenerse en cuenta: a) Tamao de la muestra, que da la caracterstica de muestra adecuada. El tamao de la muestra depende de la homogeneidad de la poblacin. b) Condiciones de seleccin de la misma, de tal manera que todos los miembros de la poblacin tengan la misma probabilidad de ser seleccionados como parte de la muestra, sta es la caracterstica de muestra representativa. Estas dos caractersticas darn valor estadstico a los resultados y permitirn la inferencia a la poblacin. Varios aspectos relacionados con las caractersticas y tendencias de los sujetos que componen la poblacin inciden en su determinacin y dificultan a la vez su valoracin objetiva: A. Objetivos que se persiguen. B. Grado de aproximacin que se pretende alcanzar. C. La heterogeneidad de la poblacin Ello implica que existe una estrecha relacin entre: Varianza de la media muestral, tamao de la muestra y varianza poblacional

5. TAMAO DE LA MUESTRA
A la hora de determinar el tamao que debe alcanzar una muestra hay que tomar en cuenta varios factores: el tipo de muestreo, el parmetro a estimar, el error muestral admisible, la varianza poblacional y el nivel de confianza. Por ello antes de presentar algunos casos sencillos de clculo del tamao muestral delimitemos estos factores. PARAMETRO: Son las medidas o datos que se obtienen sobre la poblacin. ESTADISTICO: Los datos o medidas que se obtienen sobre una muestra y por lo tanto una estimacin de los parmetros. ERROR MUESTRAL, de estimacin o standard: Es la diferencia entre un estadstico y su parmetro correspondiente. Es una medida de la variabilidad de las estimaciones de muestras repetidas en torno al valor de la poblacin, nos da una nocin clara de hasta dnde y con qu probabilidad una estimacin basada en una muestra se aleja del valor que se hubiera obtenido por medio de un censo completo. Siempre se comete un error, pero la naturaleza de la investigacin nos indicar hasta qu medida podemos cometerlo (los resultados se someten a error muestral e intervalos de confianza que varan muestra a muestra). Vara segn se calcule al principio o al final. Un estadstico ser ms preciso en cuanto y tanto su error es ms pequeo. Podramos decir que es la desviacin de la distribucin muestral (por distribucin muestral se entiende la distribucin de frecuencias de los valores de un estadstico en infinitas muestras iguales) de un estadstico y su fiabilidad. NIVEL DE CONFIANZA: Probabilidad de que la estimacin efectuada se ajuste a la realidad. Cualquier informacin que queremos recoger est distribuida segn una ley de probabilidad (Gauss o Student), as llamamos nivel de confianza a la probabilidad de que el intervalo construido en torno a un estadstico capte el verdadero valor del parmetro. VARIANZA POBLACIONAL: Cuando una poblacin es ms homognea la varianza es menor y el nmero de entrevistas necesarias para construir un modelo reducido del universo, o de la poblacin, ser ms pequeo. Generalmente es un valor desconocido y hay que estimarlo a partir de datos de estudios previos. LA FRMULA PARA EL TAMAO DE LA MUESTRA DEPENDER SI SE ESTIMA LA MEDIA DE LA POBLACIN O LA PROPORCIN DE LA VARIABLE.

6. TIPOS DE MUESTREO
Los autores proponen diferentes criterios de clasificacin de los diferentes tipos de muestreo, aunque en general pueden dividirse en dos grandes grupos: mtodos de muestreo probabilstico y mtodos de muestreo no probabilstico.

6.1. MTODOS DE MUESTREO PROBABILSTICO

Los mtodos de muestreo probabilstico son aquellos que se basan en el principio de equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente, todas las posibles muestras de tamao n tienen la misma probabilidad de ser elegidas. Slo estos mtodos de muestreo probabilstico nos aseguran la representatividad de la muestra extrada y son, por tanto, los ms recomendables. Dentro de los mtodos de muestreo probabilstico encontramos los siguientes tipos: 6.1.1. MUESTREO ALEATORIO SIMPLE 6.1.2. MUESTREO ALEATORIO SISTEMTICO 6.1.3. MUESTREO ALEATORIO ESTRATIFICADO 6.1.4. MUESTREO ALEATORIO POR CONGLOMERADOS

6.2. MTODOS DE MUESTREO NO PROBABILSTICO:

A veces, para estudios exploratorios, el muestreo probabilstico resulta excesivamente costoso y se acude a mtodos no probabilstico, aun siendo conscientes de que no sirven para realizar generalizaciones, pues no se tiene certeza de que la muestra extrada sea representativa, ya que no todos los sujetos de la poblacin tienen la misma probabilidad de se elegidos. En general se seleccionan a los sujetos siguiendo determinados criterios procurando que la muestra sea representativa.