Equipo:

• Garibay V. Aylin
• González H. Kibsaim
• Lozano F. José Carlos
• Martínez C. Alejandro
• Rodríguez B. Salvador
 Es un número relativamente pequeño de unidades de estudio, que presentan todas
las características específicas del universo de trabajo.

 Para tener una mayor confiabilidad en los resultados, es recomendable que la

muestra sea representativa y tenga un tamaño suficiente.
 Para que la muestra se considere como suficiente, es necesario que sea delimitada
bajo parámetros estadísticos validados con anterioridad.
 Es aquella que tiene todas las características importantes de la población de
donde se tomó.

 Por ejemplo:
 “Si se busca entrevistar a una muestra de 150 pacientes diabéticos habitantes de la
ciudad de Mexicali, para que la muestra sea representativa los pacientes diabéticos
se deben seleccionar de todas y cada una de las colonias que comprenden la ciudad,
no sería conveniente seleccionar pacientes diabéticos de un o dos colonias ya que
esto podría dar una imagen distorsionada de la realidad, tampoco sería conveniente
entrevistar sólo a pacientes diabéticos que acudan a los centros de salud a solicitar
atención, ya que posiblemente los pacientes no acudan con regularidad a la clínica.”
 Existen diversos métodos para poder seleccionar una muestra, los cuales se
clasifican en dos grandes grupos;

 muestreo probabilístico.

 muestreo no probabilística.
Son aquellos muestreos en los cuales no contamos con una lista ordenada y definida
(marco muestral) de cada uno de los elementos de estudio.

 Muestreo por conveniencia.

 Muestreo por cuotas.

Los muestreos no probabilísticos no son de utilidad si el objetivo es generalizar a

todo el Universo de trabajo los resultados obtenidos en la muestra trabajada.
 El muestreo por conveniencia es un método en el que se selecciona a las unidades de
estudio que se encuentran disponibles al momento en que decidimos realizar la
recolección de los datos.

 POR EJEMPLO:
 En un centro de salud se quiere conocer la calidad de atención recibida en pacientes
diabéticos, por lo que en base a la conveniencia del investigador se
establece un día (el lunes) y un horario conveniente (de 09 a 11 hrs.) para entrevistar a
los pacientes diabéticos, ya que en ese espacio de tiempo estarán sentados esperando su
tuno de atención.
 El Muestreo por cuotas asegura que un determinado número de unidades de
muestreo de diferentes categorías aparezcan en la muestra de manera que todas las
categorías queden representadas.

 POR EJEMPLO:
 Por ejemplo:
 En el mismo caso anterior, en el cual se pretende conocer la calidad de atención recibida
en pacientes diabéticos, pero en esta ocasión además deseamos saber, cual es el
comportamiento por turno (matutino y vespertino) y por sexo, por lo que después de
establecer el día y la hora precisa de las entrevistas se asigna una cuota
proporcional de pacientes a cada uno de los turnos de trabajo y se entrevista el
50% del sexo femenino y el 50% del sexo masculino. De esta forma obtendremos la
muestra requerida.
El muestreo probabilístico es aquel que basándose en un marco muestral (lista bien definida de
todas las unidades de estudio), seleccionamos los elementos para trabajar con procedimientos
aleatorios que aseguran a cada unidad del Universo de trabajo, tener la misma probabilidad
de ser incluidas en la muestra. en esta clasificación tenemos cinco principales métodos:

 Muestreo aleatorio simple.

 Muestreo sistemático.
 Muestreo estratificado.
 Muestreo por conglomerados.
 Muestreo multietápico.
 Este tipo de muestreo, es el más simple de los muestreos probabilísticos, y para
seleccionar una muestra aleatoria simple se necesita:

 Tener una lista numerada de todas las unidades de la población del Universo de estudio
(marco muestral).
 Definir el tamaño de la muestra (esto se discutirá en el capítulo, tamaño de la muestra).
 Seleccionar a las unidades de estudio usando un método aleatorio, como la técnica de “la
lotería”.
 En el muestreo sistemático los individuos se seleccionan a intervalos regulares (por
ejemplo uno de cada cinco, del marco muestral). El número para iniciar se selecciona en
forma de lotería.
 Es recomendable establecer los intervalos de muestreo dividiendo el Universo de trabajo
entre el tamaño de la muestra.

 POR EJEMPLO:
 Se hará un muestreo sistemático de una población de estudio de 250 pacientes, y tenemos un
tamaño de la muestra calculado de 50 pacientes. Para obtener los intervalos de la muestra
(Im.) se divide:
 Im. = 250 (Población de estudio) / 50 (Tamaño de la muestra) = 5
 Por lo tanto el intervalo de muestreo sistemático es de 5.
 El muestreo estratificado nos garantiza que la muestra incluya grupos representativos de
unidades de estudio con características diferentes (grupo de edad, sexo, estudiantes de área
rural o urbana).

 Para lograr este propósito es necesario dividir nuestro marco muestral en grupos o estratos de
acuerdo con las características de interés, posteriormente se aplicará una técnica de muestreo
simple o muestreo sistemático a cada estrato, de acuerdo al tamaño de la muestra
predeterminado.

 Una ventaja del muestreo estratificado es que se puede tener una muestra relativamente
grande de un grupo pequeño dentro de la población de estudio. Esta técnica nos permite tener
una muestra de un tamaño suficiente para generar conclusiones válidas, de un grupo
relativamente pequeño, dentro de un universo del trabajo compuesto por otros grupos
relativamente grandes.
 Se desarrolla una encuesta sobre el tipo de alimentación en un municipio de 20,000 familias,
de las cuales 80% (16,000) son familias urbanas y 20% (4,000) son familias rurales. La
hipótesis indica que la alimentación en las familias urbanas es mayor y más balanceada que
en las familias rurales. Para este estudio se decide tomar un tamaño de muestra de 500
hogares, se divide en dos estratos (familias urbanas y familias rurales), y se asigna el
tamaño de la muestra proporcionalmente. 400 familias en área urbana (80% del tamaño de
la muestra) y 100 familias del área rural (20% del tamaño de la muestra).
 La selección de grupos de unidades de estudio en lugar de unidades de estudio individuales
se le llama muestreo por conglomerados.
 los conglomerados son unidades geográficas (municipios, localidades, etc.) o unidades
organizacionales (Hospitales, instituciones, etc.).

 POR EJEMPLO:
 En un estudio sobre los insumos necesarios para el manejo intrahospitalario del paciente
diabético en el municipio de Mexicali. En este caso podemos utilizar un muestreo por
conglomerados, para lo cual primero realizamos un listado de (conglomerados)
hospitales privados y públicos, después se integra una lista seleccionando en forma aleatoria una
muestra representativa de estos conglomerados, y finalmente se realiza una observación en cada
no de los servicios para determinar la suficiencia o no de insumos de atención.
 El muestreo multietápico es aquella técnica de muestreo que se desarrolla en
diferentes fases y habitualmente se utilizan más de un método de muestreo.

 Como los casos en que se desea trabajar en poblaciones muy grandes con
comunidades dispersas y donde los entrevistados son de diferentes localidades,
el muestreo puede realizarse en dos o más etapas.
 POR EJEMPLO:

En un estudio de evaluación de la cobertura del esquema básico de vacunación en menores de

cinco años a nivel nacional, se deben visitar 1500 hogares para entrevistar a los miembros de la
familia, y revisar las cartillas de vacunación.
En este caso podemos realizar un muestreo por etapas:
 Primera etapa: Se integran 32 conglomerados (muestreo por conglomerados) uno por cada uno
de los 31 estados de la republica Mexicana más el D.F. Mediante un muestreo aleatorio simple se
seleccionan los estados que participaran en la evaluación.
 Segunda etapa: Se realiza una clasificación por municipio (muestreo estratificado), se asigna en
forma proporciona un tamaño de muestra, en función del número de AGBS (Área Geo-estadística
Básica) registrado por municipio, se enlistan y en forma aleatoria se seleccionan los AGEBS, uno
por uno hasta alcanzar la cantidad estimada en el tamaño de muestra.
 Tercera etapa: Enlistar todas las localidades y colonias por AGBS, y tomar una muestra tipo
aleatorio simple. Una vez identificada la localidad es posible iniciar el trabajo de campo.
Ventajas principales
 No se necesita un listado de las
unidades de estudio en la población,
en la primera etapa con el listado de
los conglomerados es suficiente.
Solamente se requiere la lista de los
conglomerados seleccionados y de
la muestra de unidades.
Desventajas principales
 Comparado con un muestreo
aleatorio simple, hay mayor
probabilidad de sesgo y tener una
muestra final no sea representativa
del total de la población de estudio.
Ventajas principales
 La muestra es más fácil de
seleccionar que en un muestreo
aleatorio simple de tamaño similar,
ya que las unidades están
físicamente unidas en grupos, en vez
de diseminadas sobre toda la
población de estudio
Desventajas principales
 La probabilidad de que la muestra no
sea representativa depende
básicamente del número de
conglomerados seleccionados en la
primera etapa, a mayor número de
conglomerados, mayor la
probabilidad de que la muestra sea
representativa.
POR EJEMPLO:

Se llevó a cabo un estudio para determinar el

nivel de analfabetismo de una población rural,
y planear actividades de educación para los es un error que se puede
adultos. Sin embargo, un grupo de familias introducir en cualquier
momento de nuestra
indígenas migrantes, que se encontraban investigación incluso en
trabajando fuera de la comunidad, y representa la etapa del muestreo, si
una tercera parte del total dé la población, no realizamos
procedimientos de
fueron consideradas en la muestra y el selección de muestra
analfabetismo de este grupo no se vio reflejado inadecuados.
en el total.
 A) La no respuesta es la causa más común de los sesgos y se hace presente sobretodo en
estudios en que se aplican cuestionarios, ya que la población puede negarse a contestar, o
no encontrarse en el momento de la recolección de datos. El problema radica en que los
individuos que no responden los cuestionarios pueden ser diferentes en forma sistemática
de los que si responden.

 B) Estudiar solo voluntarios, cuando solo los voluntarios quieran participar en el estudio
puede significar que también son diferentes del resto de la población bajo estudio.

 C) Sesgo estacional, las características del problema de estudio pueden ser diferentes según
la estación o las épocas del año. Por esta razón, la investigación en una comunidad con
familias migrantes debería de realizarse durante todas las estaciones del año.

 D) Accesibilidad, seleccionar áreas de estudio en base a la facilidad para su acceso, abre la

posibilidad de que éstas áreas sean sistemáticamente diferentes de las inaccesibles.
 Si las recomendaciones del estudio se implementarán en todo el Universo de
trabajo, se tiene la obligación de tomar una muestra representativa de la misma.

 Si durante el desarrollo de la investigación la evidencia sugiere que no es

representativa, se debe de mencionar en la publicación de los resultados y tener
cuidado de no dar conclusiones o recomendaciones no justificadas.

 Recordar que, sesgo es un error sistemático en los procedimientos de muestreo

que lleva a la distorsión de los resultados.
El tamaño de la muestra con el que se trabaja en un estudio será un equilibrio entre lo
deseable y lo factible.

 Lo deseable, en muchos estudios sería no tener muestra y trabajar con todo el Universo de
trabajo.

 La factibilidad, se refiere a la posibilidad real de realizar el estudio con un tamaño de

muestra que depende de la disponibilidad que tengamos en relación con el tiempo, el
personal, los recursos económicos y la infraestructura de apoyo disponible. Tener en
cuenta que en el caso de las entrevistas realizadas casa por casa, se requerirá de más
tiempo, y una mayor cantidad de recursos durante la recolección, procesamiento y el
análisis de los datos.
 El tamaño de muestra requerido depende de la variación esperada de los datos (de las
variables más importantes), a mayor variación de los datos, mayor el tamaño de la muestra que
se requiere para lograr un mismo nivel de confiabilidad.

 Para estudios exploratorios es importante asegurar un tamaño de muestra lo suficientemente

grande para reflejar variaciones importantes en la población.

 El tamaño de muestra requerido también depende del número de celdillas que se tendrán en
los cruces de variables para realizar el análisis de los datos. Una regla general es tener de 20 a
30 unidades de estudio por celdilla.
 Con manejo de poblaciones relativamente pequeñas (menores de cinco mil elementos),
diferentes herramientas de recolección de la información y aplicación a cantidades
variables de grupos.
 m= Z^2 q/ E^2 p/ 1 + [(1/N (Zˆ2 q/ E^2 p -1)]
 En donde:
 “m” Es el tamaño de la muestra.
 “N” Es el tamaño del Universo del trabajo.
 “Z” Es el nivel de confianza que nos permitirá extrapolar los resultados a todo el
Universo de trabajo.
 ”pq” Representa la variabilidad del fenómeno estudiado. Eso quiere decir el
comportamiento posible de la población estudiada.
 ”E” Es el nivel de precisión ; estimación estadística que permite precisar que la
extrapolación de los resultados estará en limites definidos del área bajo la curva.
 POR EJEMPLO:

 El investigador por experiencia propia tiene una idea del comportamiento de la

población, lo que le permite presuponer que existirá una tendencia en el
comportamiento del Universo de trabajo, tendencia que podemos representar con
(p = 60%) por consiguiente la otra parte del será (q= 40%), si no se tiene la
experiencia en el tema lo ideal es considerar p= 50% y q= 50%
 Estimación estadística que permite precisar que la extrapolación de los resultados
estará en limites definidos del área bajo la curva, que se considera:
 En el área de la salud 0.95, se consideran resultados estadísticamente confiables,
de donde el nivel de precisión (margen de error) aceptado será de 0.5.

 Esta fórmula se desarrolla basada en constantes estadísticas, por lo que es

necesario ajustarla el tamaño de la muestra a través del factor de corrección
finito, después de lo cual se considera un tamaño de muestra corregido.
 Cuando se conoce con exactitud la cantidad del Universo de trabajo es necesario
ajustar el tamaño de la muestra aplicando el factor de corrección finito.

 n= m/ 1+ (m-1/N)

 “m” Es el tamaño de la muestra calculado.

 “n” Es el tamaño de la muestra corregida.
 En el área de la salud 0.95, se consideran resultados estadísticamente confiables, de donde el
nivel de precisión (margen de error) aceptado será de 0.5.
 FORMULA:
 m= Z^2 q/ E^2 p/ 1 + [(1/N (Zˆ2 q/ E^2 p -1)]
 0.95% lo que se presenta con 1.96.
 m= (1.96)^2 (0.5) / (0.5)^2 (0.5) 0.1 / 1+ [(1/ 4,510 ((1.96)^2 (0.5) / (0.5)^2 (0.5) 0.1 -1]
 m= 1.92908/ 0.0125/1+ [(1.9208/0.0125 -1)]
 m=153.66/ 1+ [1+[0.0002217(152.66)]
 m= 153.66/1.03
 m= 149
 Los valores ”pq”y el valor de ”E”fueron factorizados en proporciones y las cifras fueron
redondeadas para facilitar su manejo.
 Los investigadores experimentados pueden incluir el valor real de “N” y substituir
los valores de “pq” y “E”, en función de la complejidad de problema de estudio.
 Para investigadores principiantes se recomienda tomar el 149 como una
constante y aplicar el factor de corrección finito, para ajustar el tamaño de su
muestra, esto evitara los errores al realizar el desarrollo de la fórmula.

 APLICAMOS LA FORMULA:
 n= m/ 1+ (m-1/N)
 El director de una clínica de Medicina Familiar desea conocer cuáles son los factores que
determinan un control inadecuado de la glicemia en un grupo de 250 diabéticos
descompensados adscritos a su unidad. Antes de definir el tipo de muestreo que aplicará,
tiene que definir un tamaño de la muestra adecuado. En este caso por tratarse de una
población menor de cinco mil elementos aplicamos la fórmula:
149
n=
æ 149 - 1 ö
1+ ç ÷
 n= m/ 1+ (m-1/N) è 250 ø

149
n=
 De esta manera el tamaño de la muestra corregida para trabajar æ 148 ö
1+ ç ÷
è 250 ø
es de 94 pacientes diabéticos.
149
n=
1 + (0.592)

149
n= =
1.592

n = 94
 Un investigador desea conocer el nivel de conocimiento sobre su padecimiento de 22,797
pacientes diabéticos adscritos a cinco clínicas de Medicina Familiar del municipio de Mexicali,
B.C.
 Al igual que en todas las investigaciones uno de los primeros pasos que tenemos que dar es
definir el tamaño de la muestra con la que trabajaremos, en este ejemplo por tratarse de una
población mayor a diez ml elementos aplicamos la fórmula:

Z 2 qp
m= 2 m=
(1.96 ) (0.5)(0.5)
2
= 384
E (0.05 ) 2

“m” Es el tamaño de la muestra calculado.

Tomando en cuenta el tamaño del Universo de trabajo se aplica el factor de corrección finito:

m 384 384 384

n= n= n=
æ m -1ö
1+ ç ÷ æ 384 - 1 ö æ 383 ö n = 1.0168 n = 378
1+ ç ÷ 1+ ç ÷
è N ø
è 22,797 ø è 22,797 ø “n” Es el tamaño de la muestra corregida.
 Una vez definido el tamaño de la muestra (378) procedemos a su estratificación, asignando a
cada clínica de medicina familiar un número proporcional de casos, en función de su
distribución dentro del Universo de trabajo.
Clínicas de Universo de Por ciento en Muestra
medicina trabajo (N) relación de N estratificada
familiar.
C1 5,660 25% 94
C2 4,185 19% 72
C3 5,170 22% 83
C4 3,990 17% 65
C5 3,792 17% 64
Total 22,797 100% 378

 La última columna (Muestra estratificada) indica el número de pacientes diabéticos que

tendrán que seleccionarse en forma aleatoria para estudiarse por cada una de las clínicas de
medicina familiar.
 Para simplificar el manejo de los datos se redondearon las cifras, por eso los grupos G4 y G5
tienen diferente tamaño de muestra, a pesar que ambos casos tengan el mismo porcentaje de
población.