TEMA 8. TEORÍA DE MUESTRAS. TIPOS DE MUESTREO. TEORÍA DE LA ESTIMACIÓN. TAMAÑO DE LA MUESTRA

¡Buenas tardes! 

La entrada de hoy está dedicada al octavo tema del temario. En éste principalmente tratamos conceptos teóricos sobre los diferentes tipos de muestreos aunque al final aprenderemos a calcular tamaños de las muestras en función de diferentes parámetros que iremos viendo. 

ESTIMACIÓN E INFERENCIA ESTADÍSTICA 

Las técnicas de muestreos son el conjunto de procedimientos que permiten elegir muestras (inferencia) de tal forma que éstas reflejen las características de la población general, para representar a una mayor o menor población existen diversas técnicas.

Hay que tener en cuenta ante todo que simepre que tomamos una muestra debemos asumir cierto error. 

• Si la muestra se elige por un procedimiento de azar , el error podrá ser evaluable. La técnica empleada será la de muestreo probabilístico o aleatorio, donde el error se denomina aleatorio. 
• En los muestreos no probabilísticos no es posible evaluarse el error. 

TÉCNICA DE MUESTREO O PROCEDIMIENTO MUESTRAL 

Método por el cual al escoger a una muestra, podamos lograr que en ésta exista un alto grado de probabilidad de existencia de las características de la población general estudiada. 

                        TIPOS 

• No probabilístico. No usan el azar por lo cual no permiten evaluar el error aleatorio. En estos procedimientos se suelen cometer sesgos de selección
• Probabilístico. Introducen el azar por lo cual permiten dimensionar el error aleatorio. Nos permiten conocer la inferencia. 

1. NO PROBABILÍSTICOS 

La muestra es considerada como NO representativa de una población puesto que no sigue un proceso aleatorio, se desconoce la probabilidad de que un sujeto participe en el estudio. Se caracteriza por consiguiente en que el investigador selecciona la muestra siguiendo unos criterios identificados para los fines del estudio que quiere realizar. Se clasifican en: 

• Por conveniencia: el investigador integra elementos en la muestra según sus objetivos. 
• Por cuotas: el investigador selecciona la muestra considerando algunos fenómenos o variables a estudiar (sexo, raza, religión...) 
• Accidental: consiste en utilizar para el estudio a las personas disponibles en el momento dado. Es la más deficiente de las tres.

       2. PROBABILÍSTICOS 

 

 Todos los componentes de la muestra tienen una probabilidad calculable y conocida de ser elegidos para ésta. Se clasifican en: 

• Aleatorio simple: cada unidad tiene una probabilidad equitativa de ser incluida en la muestra
• De sorteo o rifa: por ejemplo coger a 50 personas de 200. La desventaja es que no puede usarse con un universo/población muy grande. 
• Tabla de números aleatorios: consiste en una base de datos con asignación numérica dentro de un censo. Es más económico y requiere menor tiempo. 
• Aleatorio sistemático: similar al anterior peor con menor fiabilidad, cada unidad del universo tiene la misma probabilidad de ser seleccionada.
• Ejemplo: si queremos seleccionar a 100 personas de 500; 
• Dividimos 500/100 = 5. Éste sería el intervalo de selección de cada unidad de la muestra. Mediante un proceso aleatorio elegimos el primer número, y a partir de éste vamos sumando 5 unidades hasta conseguir las 100 unidades de las 500. 
• Estratificado: se caracteriza por la subdivisión de la población en subgrupos debido a que las variables principales que deben someterse a estudio presentan cierta distribución conocida que puede afectar a los resultados. 
• Ejemplo: De una N= 250 seleccionamos una n=50. Pero como en las variables clínicas pueden haber diferencias por sexos, averiguamos la distribución de ésta en la población; 180 mujeres (72%) y 70 hombres (28%)

                    Por lo tanto, en la muestra de 50 miembros, tendremos que extrapolar éstos porcentajes;                      50x0,72= 36 mujeres y 50x0,28= 14 hombres 

• Por conglomerados: es el menos eficiente. Se utiliza cuando no se dispone de una lista detallada y enumerada de las subunidades del universo y es muy complicado elaborarla. En este tipo en lugar de escogerse unidades, se toman subgrupos. El investigador no conoce la distribución de la variable. 

                   TAMAÑO 

A la hora de tomar el tamaño de una muestra deberemos de tener en cuenta diferentes factores: 

1. El error aleatorio (estándar) 
2. La mínima diferencia entre los grupos de comparación que se consideran importantes en los valores de la variable a estudiar. 
3. La varianza 
4. El tamaño de la población

Podemos calcular el tamaño de una muestra de dos maneras distintas en función de  lo qeu el enunciado de nuestro problema (a efectos prácticos de examen) nos pida; según queramos estimar al media o la prevalencia. 

• Para estimar la media de un universo. 
  
• Z = valor que depende del nivel de confianza que  se quiere dar a los intervalos calculados a partir de los estimadores de la muestra 
• Confianza del 95% = Z = 1,96
• Confianza del 99% = Z = 2,58
• S = varianza poblacional 
• e = error máximo aceptado por los investigadores en las diferencias entre los grupos de comparación de la variable a estudiar, es decir, en cuantos puntos máximo quiero equivocarme. 
• Si tras la operación se cumple que N>n(n-1), el cálculo de la muestra ha finalizado. 
• Si no se cumple que N>n(n-1); tendremos que calcular el nuevo tamaño de la muestra a través de la siguiente fórmula: 

                                                                  

• Para estimar una prevalencia: 

• p = dato dado procedente de un estudio precedente. 
• 1-p = proporción de la otra categoría. 
• Z = valor que depende del nivel de confianza. 
• N = tamaño de la población. 
• e = error máximo aceptado por los investigadores entre los grupos de comparación de la variable a estudiar.
• Esta fórmula se realizará SIEMPRE en tanto por 1. 

¡Y hasta aquí el octavo tema! Espero que queden claro todos lo conceptos y problemas trabajados; si tienes alguna no dudes en escribirme. 

Un saludo! Lorena S. 😊