1.
INTRODUCCION
En
la práctica profesional, el médico se enfrenta con frecuencia ante la
necesidad de conocer realidades respecto al proceso salud enfermedad en la
persona humana, una enfermedad, un medicamento, una técnica quirúrgica,
niveles de educación e información; cuando ello se necesita conocer en un
grupo poblacional, sería 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 difícil,
casi imposible el examen de todos sus miembros, por lo que se procede comúnmente
a examinar un determinado número 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 población para luego inferir los resultados al conjunto total
de elementos con un cierto grado de precisión el cual dependerá de la
selección de los elementos del sub conjunto a estudiar y de los métodos de
inferencia para la obtención de premisas generales.
Esto
es la “teoría del muestreo”, la selección adecuada en cantidad y calidad
de los individuos que constituirán el grupo de observación, para ello es
necesario tener conceptos muy claros respecto a población o universo y
muestra.
2.
CONCEPTO DE UNIVERSO O POBLACION Y MUESTRA
Antes
de describir algunos de los métodos de muestreo más habituales, es necesario
plantear algunas definiciones importantes en este contexto:
POBLACIÓN:
Es todo conjunto de elementos, finito o infinito, definido por una o más
características, de las que gozan todos los elementos que lo componen, y sólo
ellos. En muestreo, se entiende por población a la totalidad del universo que
interesa conocer, y que es necesario que esté bien definido para que se sepa
en todo momento qué elementos lo componen. Conviene recordar que población
es el conjunto de elementos a los cuales se quieren inferir los resultados.
UNIVERSO:
El término es empleado generalmente como sinónimo de población. 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 población debe definirse sin ambigüedades, es decir debe ser
posible decidir cuándo un individuo pertenece o no al universo bajo
consideración.
a.
Universo: Pacientes asmáticos con deficiente grado de conciencia de la
importancia de su enfermedad.
b.
Universo: Pacientes con EDA menores de 1 año, atendidos en el Hospital
Belén.
CENSO:
En ocasiones resulta posible estudiar cada uno de los elementos que componen
la población, realizándose lo que se denomina un censo, es decir, el estudio
de todos los elementos que componen la población. La realización de un censo
no siempre es posible, por diferentes motivos:
a)
Economía: el estudio de todos los elementos que componen una población,
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 población sea infinita o tan grande que exceda las
posibilidades del investigador.
Si
la numeración de elementos, se realiza sobre la población accesible o
estudiada, y no sobre la población teórica, 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 población.
Para
que una muestra sea representativa, y por lo tanto útil, debe de reflejar las
semejanzas y diferencias encontradas en la población, ejemplificar las
características y tendencias de la misma. Cuando decimos que una muestra es
representativa indicamos que reúne aproximadamente las características de la
población que son importantes para la investigación.
Cuando
decimos que una muestra es adecuada, nos referimos a que contiene el número
de unidades de estudio, tal que permita aplicar pruebas estadísticas que den
validez a la inferencia de los resultados a la población.
Por
ejemplo, supongamos que deseamos medir el rendimiento académico de los niños
escolares en la secundaria en Perú, pero por problemas económicos sólo es
posible acceder a los niños de zonas urbanas.
-
¿A quién deseo generalizar los resultados? :
Todos
los niños peruanos de la secundaria (universo ideal).
-
¿A quien puedo acceder en el estudio? :
Todos
los niños escolares en zonas urbanas (universo muestral o
población en estudio).
-¿Cómo
puedo acceder a ellos? :
Numerando
los sujetos accesibles (espacio o marco muestral).
-¿Quién
forma parte del estudio? :
Un
grupo de sujetos elegido (muestra).
3.
VENTAJAS Y DESVENTAJAS DEL MUESTREO
A.
En estudios que implican técnicas destructivas o de uso que
imposibilidad de utilización 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 más
precisos que el estudio de todo el universo, pues para el estudio de sólo una
muestra, el personal mínimo necesario puede ser mejor preparado para recoger
información más detallada y elaborada.
D.
Como desventaja se debe mencionar el error
de muestreo, producto de la variabilidad intrínseca que poseen los
elementos de todo universo o población. El término error
no debe entenderse como sinónimo de equivocación. Ejemplo:
Estatura
de niños: 117, 120, 125, 125, 130
Tamaño
Valores muestrales
Media
muestral
2
117, 120
118.50
2
125, 130
127.50
2
125, 120
122.50
3
125, 130, 125
126.66
3
125, 125, 120
123.33
3
125, 117, 125
122.33
4
120, 117, 125, 125
123.00
4
130, 117, 125, 125
124.25
4
117, 125, 125, 120
121.75
Media
poblacional 123.4
E.
También suelen introducirse errores por otras vías, los cuales se
denominan errores sistemáticos:
Los cuales son:
-
Imputables al observador.
-
Imputables al método de observación o medición.
-
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 población a la que pertenece la muestra. Para
ello debe tenerse en cuenta:
a)
Tamaño de la muestra, que da la característica de muestra
adecuada. El tamaño de la muestra depende de la homogeneidad de la
población.
b)
Condiciones de selección de la misma, de tal manera que todos los
miembros de la población tengan la misma probabilidad de ser seleccionados
como parte de la muestra, ésta es la característica de muestra
representativa.
Estas
dos características darán valor estadístico a los resultados y permitirán
la inferencia a la población.
Varios
aspectos relacionados con las características y tendencias de los sujetos que
componen la población inciden en su determinación y dificultan a la vez su
valoración objetiva:
A.
Objetivos que se persiguen.
B.
Grado de aproximación que se pretende alcanzar.
C.
La heterogeneidad de la población
Ello
implica que existe una estrecha relación entre: Varianza de la media
muestral, tamaño de la muestra y varianza poblacional
5.
TAMAÑO DE LA MUESTRA
A
la hora de determinar el tamaño que debe alcanzar una muestra hay que tomar
en cuenta varios factores: el tipo de muestreo, el parámetro a estimar, el
error muestral admisible, la varianza poblacional y el nivel de confianza. Por
ello antes de presentar algunos casos sencillos de cálculo del tamaño
muestral delimitemos estos factores.
PARAMETRO:
Son las medidas o datos que se obtienen sobre la población.
ESTADISTICO:
Los datos o medidas que se obtienen sobre una muestra y por lo tanto una
estimación de los parámetros.
ERROR
MUESTRAL, de estimación o standard: Es la diferencia entre un estadístico y
su parámetro correspondiente. Es una medida de la variabilidad de las
estimaciones de muestras repetidas en torno al valor de la población, nos da
una noción clara de hasta dónde y con qué probabilidad una estimación
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
investigación nos indicará hasta qué medida podemos cometerlo (los
resultados se someten a error muestral e intervalos de confianza que varían
muestra a muestra). Varía según se calcule al principio o al final. Un estadístico
será más preciso en cuanto y tanto su error es más pequeño. Podríamos
decir que es la desviación de la distribución muestral (por distribución
muestral se entiende la distribución de frecuencias de los valores de un
estadístico en infinitas muestras iguales) de un estadístico y su
fiabilidad.
NIVEL
DE CONFIANZA: Probabilidad de que la estimación efectuada se ajuste a la
realidad. Cualquier información que queremos recoger está distribuida según
una ley de probabilidad (Gauss o Student), así llamamos nivel de confianza a
la probabilidad de que el intervalo construido en torno a un estadístico
capte el verdadero valor del parámetro.
VARIANZA
POBLACIONAL: Cuando una población es más homogénea la varianza es menor y
el número de entrevistas necesarias para construir un modelo reducido del
universo, o de la población, será más pequeño. Generalmente es un valor
desconocido y hay que estimarlo a partir de datos de estudios previos.
LA
FÓRMULA PARA EL TAMAÑO DE LA MUESTRA
DEPENDERÁ SI SE ESTIMA LA MEDIA DE LA POBLACIÓN O LA PROPORCIÓN DE LA
VARIABLE.
6.
TIPOS DE MUESTREO
Los
autores proponen diferentes criterios de clasificación de los diferentes
tipos de muestreo, aunque en general pueden dividirse en dos grandes grupos: métodos
de muestreo probabilístico y métodos de muestreo no probabilístico.
6.1. MÉTODOS DE MUESTREO PROBABILÍSTICO
Los
métodos de muestreo probabilístico 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 tamaño n
tienen la misma probabilidad de ser elegidas. Sólo estos métodos de muestreo
probabilístico nos aseguran la representatividad de la muestra extraída y
son, por tanto, los más recomendables. Dentro de los métodos de muestreo
probabilístico encontramos los siguientes tipos:
6.1.1.
MUESTREO ALEATORIO SIMPLE
6.1.2.
MUESTREO ALEATORIO SISTEMÁTICO
6.1.3.
MUESTREO ALEATORIO ESTRATIFICADO
6.1.4.
MUESTREO ALEATORIO POR CONGLOMERADOS
6.2.
MÉTODOS
DE MUESTREO NO PROBABILÍSTICO:
A
veces, para estudios exploratorios, el muestreo probabilístico resulta
excesivamente costoso y se acude a métodos no probabilístico, aun siendo
conscientes de que no sirven para realizar generalizaciones, pues no se tiene
certeza de que la muestra extraída sea representativa, ya que no todos los
sujetos de la población tienen la misma probabilidad de se elegidos. En
general se seleccionan a los sujetos siguiendo determinados criterios
procurando que la muestra sea representativa.
6.2.1.
MUESTREO POR CUOTAS
6.2.2.
MUESTREO OPINÁTICO O INTENCIONAL
6.2.3.
MUESTREO CASUAL O INCIDENTAL
6.2.4.
BOLA DE NIEVE
