Universidad San Martin de Porrres

Escuela Acadmica de Obstetricia

Tema: Teora del Muestreo

CURSO DE BIOESTADISTICA

Profesora: Obst. Mnica Vidaln

01/06/16

Muestra
Es un subconjunto
de la poblacin

01/06/16

nn

Diseo Muestral
Procedimiento especificado

Antes de recolectar los datos

para obtener
Muestra de una
Poblacin dada
01/06/16

Utilidad de una Muestra

Una muestra sirve para hacer
Inferencias
acerca de

Parmetros de una poblacin

En base a la informacin
Obtenida de una muestra
01/06/16

Diseo de una Muestra

Representatividad
Caractersticas globales de la poblacin
Similitudes y diferencias
Rene aprox las caractersticas pob. importantes para la
investigacin

Confiabilidad
La probabilidad de un hecho =
relacin entre el nmero de casos favorable

Costos

Sesgos

01/06/16

Tamao de la Muestra
Depende del grado de homogeneidad
del Universo
Del Investigador
Grado de Confianza: 90% 95% 99%
Error admisible : cuanto acepto equivocarme

De la poblacin

Homogeneidad de la poblacin

01/06/16

Por lo tanto
>Grado de confianza

> Tamao de Muestra

>Error admisible

< Tamao de muestra

>Variacin de la
Poblacin

> Tamao de Muestra

01/06/16

Clases de Muestreo
1)

No probabilstico

No permite inferencia estadstica

No se tiene certeza que la muestra extrada sea
REPRESENTATIVA.

No todos los sujetos de la pob. tienen la misma

probabilidad de ser elegidos

01/06/16

2) Probabilstico
Nos aseguran REPRESENTATIVIDAD de la muestra
extrada
los ms recomendables

a. Muestreo Aleatorio Simple

b. Muestreo Aleatorio Estratificado
c. Muestreo por conglomerados o racimo
01/06/16

a.

Muestreo Aleatorio Simple

Tipo de muestreo ms conocido

Caractersticas

Todos los elementos de la poblacin

igual probabilidad de ser escogidos para formar
parte de la muestra.

Todas las muestras posibles tienen la misma

probabilidad de ser recolectada

01/06/16

10

Formas de realizar el MAS

1)

Por medios mecnicos

Sorteo, bingo o loteria

2)

Por medio de una tabla de dgitos

aleatorios

2)

Uso de calculadoras electrnicas

Las que generan N aleatorios o al azar

01/06/16

11

b.

Muestreo Aleatorio Estratificado

El Marco Muestral se divide en grupos
HOMOGENEOS

La poblacin se divide en subpoblaciones

llamadas ESTRATOS.

Los estratos son:

homogneos dentro de s
heterogneos entre s

01/06/16

12

Ejemplo:
Se quiere estandarizar un test de inteligencia
nuevo, a los estudiantes de Universidades
Particulares de Lima. Dividimos la poblacin en
tres estratos segn el monto de pensiones que
pagan los estudiantes.

Alto:
Medio:
Bajo:
01/06/16

Universidad Cayetano Heredia,

Lima,
Pacfico
Universidad Catlica, San Martn,
Ricardo Palma
Universidad Garcilazo de la Vega,
Norbert Wiener
13

c.

Muestreo por conglomerado o

racimo
Marco muestral se divide
en grupos no homogeneos

Por las caractersticas peculiares de la poblacin

Dividimos a la pob. en grupos o racimos. Luego

seleccionamos una muestra aleatoria

Es menos confiable que el muestreo estratificado y el

muestreo aleatorio simple

01/06/16

14

Clculo del tamao de la Muestra

Nivel de Confianza
Probabilidad de que la estimacin efectuada se
ajuste a la realidad.
90%
95%
99%

Error admisible
Nos d 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
L = 3% 5% de la Media

01/06/16

15

Valores de Grado de Confianza y Error

admisible
Valores de Z
%

Valores de L
0.5

90 1.64 2.72 98

2.5 5

50

100

200

25

1 392.04 98.01

95 1.96 3.84 138 35

1 553.19 138.30 34.57

99 2.57 6.66 240 60

10 1 958.52 239.63 59.91

01/06/16

24.50

16

Manejo Estadstico
Muestreo

Aleatorio Simple

(variable cuantitativa continua)

n = Z S
L
n = muestra
Z = margen de confianza
S = desviacin estandar
L = error admisibles

01/06/16

17

Ejemplo

Se desea disear una MUESTRA para estimar el peso

promedio de una poblacin conformada por 4000 RN,
con un margen de confianza de 95% y un error admisible
de 100gr.
En un estudio parecido, se obtuvo una Desviacin
Estndar de 600 gr.
N = 4,000 RN
Z = 95%
Z = 3.84
L = 100
S = 600

01/06/16

18

Aplicando la frmula
n=Z S
L
n = 3.84 x ( 600 ) =
(100)

3.84 x 360000
10000

n = 138.24

01/06/16

19

Factor de correccin
n=

n=

n
1+n/N

138.24
=
1 + 138.24 / 4000

n= 138.24 =
1.035

138.24
1 + 0.035

133.57
n = 134

01/06/16

20

Muestreo Aleatorio Simple

(Variable cualitativa : proporciones)
n = Z ( pq )
L
n = muestra
Z = grado de confianza
L = error admisible
p = proporcin p + q = 1
q = proporcin

01/06/16

21

Ejemplo

En una poblacin de 35,000 habitantes, se desea

estimar la proporcin del sexo masculino con un grado
de confianza de 99% y un error admisible de 5%.
En una encuesta piloto el % o proporcin de sexo
masculino era de 0.53.

N = 35,000
Z = 99% Z = 6.66
L = 5%
p = 0.53 p + q = 1 q = 1 p
q = 0.47 q = 1 0.53

01/06/16

22

Reemplazando la frmula
n = Z ( pq )
L
n = 6.66 ( 0.53 x 0.47)
( 0.05 )
n = 6.66 ( 0.25 ) =
0.0025

1.67
0.0025

n = 668
01/06/16

23

Factor de Correccin
n=

n=

668
1 + 668 / 35,000

n = 668
1.019

01/06/16

n
1+n/N
= 668
1 + 0.019

= 655.54
n = 656
24