¿CÓMO

SELECCIONAR
UNA MUESTRA?
INTRODUCCION:
 La muestra es una porción representativa de una población.
Cuando se realizan tesis con enfoques cuantitativos, es decir,
con análisis numéricos quizás debamos hacer un censo. Por
ejemplo, si queremos hacer un estudio sobre métodos de
enseñanza en niños en edad escolar, de un determinado
distrito; no vamos a efectuar la investigación con todos los
niños de la comunidad. Primero, se hace un censo para luego
tomar la muestra significativa de ese universo de infantes.
 REQUISITOS DE UNA BUENA
MUESTRA
• UNIDAD DE
OBSERVACION
• POBLACION OBJETIVO
• MUESTRA
• POBLACION
MUESTREADA
• UNIDAD DE MUESTREO
• MARCO DE MUESTREO
SESGO DE SELECCION

Una buena muestra estará a salvo de presentar un sesgo

de selección; este ocurre cuando alguna parte de la
población objetivo no está en la población muestreada.

¿Qué tan buenas son las muestras con sesgo de

selección?
 Sesgo De Selección
 Se introducen durante la selección o el seguimiento de la población en estudio y que
propicia una conclusión equivocada sobre la hipótesis en evaluación
 Los errores de selección pueden ser originados por el mismo investigador o ser el
resultado de relaciones complejas en la población en estudio que pueden no ser
evidentes para el investigador y pasar desapercibidas
 Una posible fuente de sesgo de selección puede ser cualquier factor que influya sobre la
posibilidad de los sujetos seleccionados esté relacionado con la exposición o con el
evento en estudio.
 Los sesgos de selección pueden ocurrí en cualquier estudio epidemiológico, sin
embargo, ocurren con mayor frecuencia en estudios retrospectivos y en particular en
estudios transversales o de encuestas.
 Sesgo De Medición
En los estudios epidemiológicos y en la investigación en
general, se persigue la validez, precisión y confiabilidad de la
medición. Una buena muestra tiene respuestas precisas para
los puntos de interés. El sesgo de medición o erros de medición
ocurre cuando el instrumento con el que se mide tiene una
tendencia a diferir el valor verdadero en alguna dirección
 La obtención de respuestas precisas es un reto en todo tipo de
encuestas, pero en particular en las que se trabaja con personas:
 A veces las personas no dicen la verdad

 Las personas no siempre comprenden las preguntas.

 Las personas se olvidan.

 Las personas dan distintas repuestas a diferentes entrevistadores.

 Las personas pueden decir lo que piensan que un entrevistador quiere escuchar o lo que
piensan que impresionara al entrevistador.
 Un investigador puede afectar la precisión de las respuestas, al leer mal las preguntas, al
registra las repuestas de manera equivocada o al polemizar con el entrevistado.
 Ciertas palabras significan cosas distintas para personas diferentes.

 La Formulación y el orden de las preguntas tiene un gran efecto sobre las respuestas obtenidas.

 En algunos casos la precisión puede aumentar mediante un diseño cuidadoso de los

cuestionarios.
 Reducción De Errores

 Para disminuir los errores causados por el Método De

Observación, se procura selección las mejores
técnicas conocidas estandarizar los métodos a
emplear y controlar constantemente el funcionamiento
de los aparatos utilizados.
Como Mejorar La Medición.

 Definir adecuadamente los variables.

 Validar los instrumentos de medición.
 Estandarizar los procesos de medición.
 Entrenar y certificar a los observadores
 Automatizar instrumentos
 Utilizar datos válidos y confiables.
Diseño De
Cuestionarios

 Es importante formular una

pregunta de investigación y, en
función de ella, plantear una
hipótesis que sea clara y precisa
para entonces llegar a una
conclusión específica sobre una
asociación entre las variables del
estudio
Pasos Para El Diseño De Cuestionarios
 Decida lo que quiere descubrir, este es el paso más importante para
redactar un cuestionario.
 Siempre verifique sus preguntas, antes de realizar la encuesta.
 Elabore las preguntas de manera sencilla y clara.
 Utilice preguntas específicas en vez de preguntas generales, las buenas
preguntas surgen de una buena redacción.
 Relacione las preguntas que elabore con el concepto de interés.
 Decida si debe utilizar preguntas abiertas o cerradas. Una pregunta abierta
permite a los entrevistados formar sus propias categorías de respuestas, en
una pregunta abierta (opción múltiple) el entrevistado elige entre un
conjunto de categorías leídas o enumeradas en una tarjeta
 Informe sobre la pregunta que se planteó realmente.
 Evite preguntar que induzcan o motiven al entrevistado a decir lo que usted
quiere escuchar. Estas preguntas se llaman con frecuencia preguntas
intencionadas.
 Utilice preguntas de opción forzosa, en vez de a favor / en contra.
 Plantee solo un concepto en cada pregunta. evite lo que a veces se llama
preguntas con doble cañón.
 Preste atención al efecto del orden de las preguntas. Si plantea más de
una pregunta sobre un tema, por lo general, es mejor (aunque no siempre)
elaborar primero la pregunta más general y después las preguntas
específicas.
Errores De Muestreo Y Que No Son De
Muestreo

La mayor parte de las encuestas de opinión informan de un

margen de error, muchas simplemente dicen que el margen de
error es de 3 puntos porcentuales, el margen de error dado en
las encuestas es una expresión del error de muestreo.

El sesgo de selección y la imprecisión de las respuestas son

ejemplos de los errores que no son de muestreo, los cuales no
se pueden atribuir a la variabilidad entre las muestras.
¿Por Qué, En Fin, Una Muestra?

Con la abundancia de las encuestas mal realizadas, no debe

sorprendernos que algunas personas sean escépticas respecto
a las encuestas. Después de todo dicen nunca me han pedido
mi opinión, así que ¿cómo podrían afirmar que los resultados de
la encuesta me representan? el cuestionamiento público de la
validez de las encuestas se intensifica después de que una
encuesta comete un enorme error al predecir los resultados de
una selección.
 Existe tres justificaciones principales
para el uso del muestreo
 El muestreo puede proporcionar información confiable con costos mucho
menores que los de un cenSo. Con las muestras probabilísticas usted
puede cuantificar el error de muestreo a partir de una encuesta. en
algunos casos, una unidad de observación debe ser destruida para ser
observada.
 Los datos se pueden reunir más rápido, de modo que las estimaciones se
pueden publicar de una manera programada.
 Por último, y esta razón no es tan conocida, las estimaciones basadas en
las encuestas y sus respectivas muestras son, con frecuencia, más
precisas que las basadas en un censo, pues los investigadores pueden
tener más cuidado al reunir los datos.
Tipos de muestra
de muestra de
probabilidad
 Tipos de muestra de muestra
de probabilidad
Muestra aleatoria simple. Es la forma mas
sencilla de realizar un muestreo
probabilístico. Se obtiene una muestra
simple de tamaño n cuando cualquier
subconjunto posible de unidades n en la
población tiene la misma probabilidad de
ser seleccionado para componer una
muestra. Al extraer una muestra aleatoria,
el investigador mezcla el hecho la
población antes de sacar n unidades.
Muestra aleatoria estratificada. La
población se divide en subgrupos llamados
Muestra por conglomerados. Las unidades
estratos. Al llevar a cabo esta división, se
de observación que componen una
extrae una muestra aleatoria simple de
población se reúnen en unidades de
cada estrato la cual se escoge de manera
muestreo de mayor tamaño, llamadas
independiente. Los estratos son, con
conglomerados.
frecuencia, subgrupos de interés para el
investigador.
Marco de referencia para el
muestreo poblacional
 En el muestreo de probabilidad, cada
muestra posible de la población tiene una
probabilidad dada de ser elegida y la suma
de las probabilidades de las posibles
muestras es igual a 1. La extracción de una
muestra de probabilidad es mucho más
difícil que la extracción de una muestra de
conveniencia, pero el procedimiento de
muestreo de probabilidad garantizada que
cada unidad de la población pueda
aparecer en la muestra y proporciona
información útil para evaluar la precisión del
estadístico calculado a partir de la muestra.
 Dentro del marco de referencia del
muestreo de probabilidad, podemos
cuantificar qué tan probable es que
nuestra muestra sea “buena”. No es
posible garantizar que una sola
muestra de probabilidad sea
representativa de la población con
respecto a las características de
interés, pero podemos cuantificar la
frecuencia con que las muestras
cumplirán cierto criterio de
representatividad. El concepto es el
mismo de los intervalos de confianza
Muestreo aleatorio
simple
 El muestreo aleatorio simple es la forma mas sencilla de muestreo de
probabilidad y proporciona la base teórica de las formas mas complejas. Existe
dos formas de extraer una muestra aleatoria simple: Con reemplazo, donde la
misma unidad se puede incluir más de unidad se puede incluir más de una vez
en la muestra, y sin reemplazo, donde todas las unidades de la muestra son
distintas.

Una muestra aleatoria simple con reemplazo, de tamaño n, obtenida a partir de

una población de N unidades, se puede pensar como la extracción de n
muestras independientes de tamaño 1.

Una muestra aleatoria simple sin reemplazo de tamaño n se elige de modo que
cada subconjunto posible n unidades distintas en la población tiene la misma
probabilidad de elegido en la muestra.
Estimación de tamaño de la
Intervalos de
muestra
confianza
Al realizar una encuesta con
Una cuestión muy importante en muestreo consiste en
muestras, no basta con saber la
conocer el tamaño de muestra adecuado para cometer un
proporción de la muestra además
determinado error de muestreo. En alguna etapa del diseño
de esto se debe utilizar un
del procedimiento de muestreo, alguien debe tomar una
intervalo de confianza para indicar
decisión acerca del tamaño de la muestra que se
la exactitud de una estimación.
seleccionaría de la población. Como es natural, al aproximar
las características poblacionales mediante estimadores Un intervalo de confianza al 95%
basados en la muestra se comete un error, error que mide la se explica con frecuencia de
representatividad de dicha muestra. Dependiendo del coste manera heurística: si extraemos
del muestreo, del presupuesto disponible y de otros muchos muestras de nuestra población,
factores fijaremos un error de muestreo que en todo caso varias veces construyendo un
debe ser el mínimo posible. Dicho error de muestreo puede intervalo de confianza mediante
venir dado en términos absolutos, en términos relativos o este procedimiento.
sujeto adicionalmente a un coeficiente de confianza dado
(sujeto a unos límites de tolerancia).
Ventajas y desventajas del
muestreo aleatorio simple
Ventajas Desventajas

 Facilidad para armar la muestra.  Una de las limitaciones más

evidentes del muestreo
 Se considera una forma justa de seleccionar ya que todos
aleatorio simple es la
los elementos tienen la misma posibilidad de ser elegidos necesidad de una lista
 Otra característica clave del muestreo aleatorio simple es completa de todos los
la representatividad de la población. En teoría, lo único que miembros de la población.
puede poner en peligro su representatividad es la suerte. Debes tener en cuenta que la
lista de la población debe estar
 Para sacar conclusiones de los resultados de un estudio completa y actualizada. Esta
son importantes una selección aleatoria imparcial y una lista generalmente no está
muestra representativa. disponible en poblaciones
grandes.
Muestreo
estratificado
Si la Variable que nos interesa evaluar se encuentra en diferentes
subpoblaciones, podríamos obtener mas precisas de las cantidades
de la población al tomar en cuenta una muestra estratificada.
Utilizamos el muestreo
estratificado por una o mas
de las siguientes razones:
 Queremos protegernos contra la posibilidad de obtener una
mala muestra.
 Es probable que queramos datos de precisión conocida sobre
los subgrupos. Estos subgrupos serían los estratos, los cuales
coinciden, entonces, con los dominios de estudio
 Una muestra estratificada podría administrarse, de manera
más conveniente, a un menor costo.
 El muestreo estratificado, si se hace correctamente, dará
estimaciones mas precisas para toda la población.
Teoría del muestreo
estratificado
 Las cantidades correspondientes para la
muestra, al utilizar las estimaciones de la
muestra aleatoria simple dentro de cada estrato,
son:
Pesos de
muestreo
Se puede pensar como el numero de
unidades en la población
representadas por el miembro de la
muestra (h, j): i la población tiene
16000 hombres y 400 mujeres y el
diseño de la muestra estratificada
especifica una muestra de 2000
hombres y 2000 mujeres, entonces,
cada hombre de la muestra tiene un
peso de 8 y cada mujer tiene un
peso de 2 .
Observe que la probabilidad de
elegir la unidad del estrato para estar
en la muestra es el peso del
muestreo
Asignación de las
observaciones en los
estratos
En esta sección analizaremos diversos métodos de
asignación de las observaciones en los estratos.

 Asignación proporcional

Se llama así debido a que la cantidad de unidades en la

muestra y encada estrato es proporcional al tamaño del
propio estrato, la probabilidad de selección es la misma
para todos los estratos; en una población de 2400
hombres y 1600 mujeres, una distribución proporcional
con una muestra de 10% implica tomar la muestra de 240
hombres y 160 mujeres
Asignación de las
observaciones en los
estratos
 Asignación óptima

En la práctica cuando realizamos un muestreo de

unidades con distintos tamaños, es probable que
las unidades grandes sean más visibles que las
unidades pequeñas y que las extraigamos en una
proporción mayor.
La distribución óptima funciona mejor para las
unidades de muestreo como empresas, ciudades
y hospitales que varían mucho en tamaño.
También es eficaz cuando algunos de los estratos
son más caros que muestrear que otros.
Definición de los
estratos
El muestreo estratificado casi siempre proporciona una precisión
mayor que el muestreo simple, de manera que se puede pensar
que es mejor su aplicación, pero este muestreo agrega cierta
complejidad al realizar la encuesta.
Se debe tener en cuenta cuantos y cuáles son los miembros de
la población que pertenece a cada estrato, así mismo la
estratificación será mas eficiente cuando las medias de cada
estrato difieren ampliamente.
Estratificación a
posteriori
Este tipo se puede dar cuando se tiene información de una
muestra aleatoria simple, pero se debe tener en cuenta que, si
se comete una intrusión de datos, se puede obtener varianzas
pequeñas si se eligen los estratos después de ver los datos, al
igual que puede tener una significancia estadística si decide
acerca de una hipótesis nula y alternativa después de observar
los datos.
La estratificación a posteriori se utiliza con más frecuencia para
corregir los efectos de la ausencia de respuesta diferencial en
los estratos definidos a posteriori.
Muestreo con
cuotas
La población se divide en distintas subpoblaciones como en el
muestreo aleatorio estratificado, pero con una diferencia
importante: el muestreo de probabilidad no se utiliza para elegir
a los individuos de la subpoblación para la muestra.
En versiones extremas del muestreo con cuotas, la elección de
la unidad en la muestra está basado completamente en el
criterio del entrevistador, de modo que se le elige una muestra
de conveniencia dentro de cada subpoblación.
MUESTREO POR
CONGLOMERADOS
MUESTREO POR CONGLOMERADOS

•El conglomerado es el conjunto de unidades de similares

características.
•También se denomina de etapas múltiples.
•Se utiliza para poblaciones grandes y dispersas.
•No es posible disponer de un listado.
•En lugar de individuos se selecciona conglomerados que están
agrupados de forma
natural(hospitales,provincias,departamentos,etc
•Se selecciona en primer lugar el conglomerado mas alto, a partir
de este se selecciona un subgrupo. A partir de este subgrupo se
selecciona otro subgrupo y así sucesivamente, hasta llegar a las
unidades de análisis.
 MUESTREO POR CONGLOMERADOS
 El conglomerado más utilizado en la investigación es un
conglomerado geográfico.
 Por ejemplo , un investigador desea estudiar el rendimiento
académico de los estudiantes secundarios en Perú.
1. Puede dividir a toda la población (población de Perú) en diferentes
conglomerados (ciudades o departamentos).
2. Luego, seleccionar una serie de conglomerados en función de su
investigación, a través de un muestreo aleatorio simple.
3. Luego, de los conglomerados seleccionados (ciudades o
departamentos seleccionadas al azar) el investigador puede incluir
a todos los estudiantes secundarios como sujetos o seleccionar un
número de sujetos de cada conglomerado a través de un muestreo
aleatorio simple.
4. Lo más importante sobre esta técnica de muestreo es dar a todos los
conglomerados iguales posibilidades de ser seleccionados.
 EJEMPLO 2:

1. Si se desea estudiar a los hipertensos atendidos en los

hospitales de nivel de ESSALUD.
2. Nuestro primer conglomerado seria las regiones o
departamentos, a partir de estas regiones aleatoriamente
seleccionar un subgrupo.
3. Del subgrupo anterior formar un nuevo conglomerado de
segunda etapa con las provincias. De este conglomerado
seleccionar aleatoriamente un subgrupo de provincias.
4. De este subgrupo de Provincias formar un conglomerado de
hospitales de nivel I. Luego seleccionar aleatoriamente un
subgrupo de hospitales.
5. A partir del grupo de hospitales hacer un listado de los
pacientes hipertensos luego realizar muestreo aleatorio.
MUESTREO POR CONGLOMERADO EN UNA ETAPA

una muestra por conglomerados en una etapa ocurre cuando el investigador

incluye a todos los estudiantes secundarios de todos los conglomerados
seleccionados al azar como muestra.
Los conglomerados son semejantes entre ellos pero diferentes dentro de cada
conglomerado.
El muestreo por conglomerado es una técnica en donde se analizan
conglomerados de elementos y en cada conglomerado los elementos se
estudian en su totalidad.
MUESTREO POR CONGLOMERADO EN DOS
ETAPAS
Se dice que es de dos etapas, ya que se obtiene primero una
muestra de conglomerados y, luego en una segunda etapa.
Si en cada uno de los conglomerados seleccionados en la
primera etapa se realiza también un proceso de muestreo en
lugar de un estudio completo o censo tendremos un muestreo
por conglomerados en dos etapas.
 Muestreo por conglomerados y muestreo
estratificado: diferencias

La diferencia principal entre el muestreo por conglomerados y el

muestreo estratificado es la inclusión de conglomerados o estratos.
En el muestreo aleatorio estratificado, se realiza el muestreo en todos
los estratos de la población, mientras que en el muestreo por
conglomerado el investigador sólo selecciona aleatoriamente un
número de conglomerados de la colección de conglomerados de toda la
población.
Por lo tanto, sólo se realiza una muestra sobre una cantidad de
conglomerados. Los demás quedan sin representación.
 VENTAJAS
Costos
 mas bajos que el aleatorio estratificado
Solo
 se requiere del listado de los elementos individuales dentro de cada grupo.
Se puede estimar las características de cada grupo y de la población completa.

Permite establecer comparaciones entre grupos con iguales características.

 DESVENTAJAS

Mayor error por el tamaño de los grupos.

Si no se definen de manera adecuado los grupos, se pueden
duplicar u omitir elementos de la población.
Requiere de un muestreo en mas de una etapa.
AUSENCIA DE
RESPUESTA
Como enfrentar una ausencia
de respuesta
 Prevención.

 Extracción de una submuestra representativa.

 Utilizar modelos para predecir los valores.

 Ignore la ausencia de respuesta.

Mecanismos para la
ausencia de respuesta
FALTANTE COMPLETAMENTE AL AZAR

 Cuando los datos faltantes no tienen relación alguna con la

variable principal de la muestra.
Ausencia de respuesta
ignorable
 Cuando la ausencia de respuesta depende solo de las variables
observadas.
 Ignorable significa que un modelo puede explicar el mecanismo de
ausencia de respuesta.
Ausencia de respuesta no
ignorable
 Si la probabilidad de la
ausencia de respuesta
depende del valor de la
variable de respuesta y no
puede explicarse por
completo mediante los
valores que se han
obtenido.
Factores que afectan la
ausencia de respuesta
 Colector de datos
 Calificación
 Carga de trabajo
 Método de recolección de datos
Tipo de recolección de datos
• Demográfico
• Salud
• Económico
• Socioeconómico
Facilidad de
tomar datos
• Disponibilidad
• Accecibilidad
• Sustituto
• motivacion
• Contenido de los datos

• Tiempo de recolección de datos

• Método de recolección de datos

• Diseño de cuestionarios

• seguimiento