• Tamaño de muestra para la estimación de

parámetros
• Un tamaño de muestra demasiado grande representa un
desperdicio de recursos, tanto materiales como humanos
(Fuentelsaz [40]). Además la calidad del estudio, dado dicho
incremento, puede verse afectada en sentido negativo
(Fernández [39]).
• Un tamaño demasiado pequeño es un desperdicio de
esfuerzo, pues no podrá detectar un efecto significativo o se
tendrán menos probabilidades de hacerlo.

Formando Lideres para la exportación

Tabla 1. Elementos de la Inferencia Estadística

Formando Lideres para la exportación

Formando Lideres para la exportación
• Población

• Conjunto finito o infinito de elementos, sobre

los que vamos a realizar observaciones.

Formando Lideres para la exportación

 Muestra
Subconjunto finito de una población. El número de elementos que forman la muestra
se denomina tamaño muestral.
a) Tamaño: se establece mediante fórmulas en función del grado de confianza y
precisión que planteemos.
b) Forma de elección: es fundamental para que la muestra sea representativa de la
población de la cual se extrae.

Formando Lideres para la exportación

• Variable: es cada una de las características que pueden observarse de un elemento de la muestra.
Siguiendo con el ejemplo de las piezas se puede medir grosor, peso, resistencia, etc. Además de los
datos a medir es necesario especificar, cuando sea preciso, la unidad de medida (por ejemplo, el grosor
en centímetros o en milímetros).
• Las variables pueden ser clasificadas en dos grupos:
• a) Cualitativas: toman valores no numéricos. Dentro de este grupo diferenciamos:
• Nominativas: no existe ningún orden entre las categorías de variables. Por ejemplo: el grupo sanguíneo
(A, B, AB, 0) o el color del pelo (moreno, rubio, pelirrojo).
• Binarias: cuando toman dos valores posibles -si/no, presencia/ausencia- (por ejemplo: casado sí o no,
tener el carnet de conducir sí o no).
Ordinales: existe un cierto orden entre las categorías de las variables, por ejemplo el nivel de estudios
(sin estudios, básico, secundarios, etc) o categoría dentro de una empresa (peón, encargado, etc.)
• b) Cuantitativas: toman valores numéricos. Dentro de éstas se agrupan en:
• Discretas: tomas valores aislados, normalmente números enteros, por ejemplo número de hermanos o
de hijos.
• Continuas: teóricamente puede tomar cualquier valor numérico por ejemplo: el peso de un individuo.
Aunque en la práctica todas tomarían valores discretos por la imposibilidad de tener aparatos lo
suficientemente sensibles para realizar mediciones intermedias.

• Formando Lideres para la exportación

A. Estudios para determinar parámetros
Con estos estudios pretendemos hacer inferencias a valores poblacionales
(proporciones, medias) a partir de una muestra.
A.1. Estimar una proporción:
Si deseamos estimar una proporción, debemos saber:
a.El nivel de confianza o seguridad (1-a ). El nivel de confianza prefijado da lugar a
un coeficiente (Za ). Para una seguridad del 95% = 1.96, para una seguridad del 99%
= 2.58.
b.La precisión que deseamos para nuestro estudio.
c.Una idea del valor aproximado del parámetro que queremos medir (en este caso
una proporción). Esta idea se puede obtener revisando la literatura, por estudio
pilotos previos. En caso de no tener dicha información utilizaremos el valor p = 0.5
(50%).
Ejemplo: ¿A cuantas personas tendríamos que estudiar para conocer la prevalencia
de diabetes?
Seguridad = 95%; Precisión = 3%: Proporción esperada = asumamos que puede ser
próxima al 5%; si no tuviésemos ninguna idea de dicha proporción utilizaríamos el
valor p = 0,5 (50%) que maximiza el tamaño muestral:
Formando Lideres para la exportación
Formando Lideres para la exportación
donde:
•Za 2 = 1.962 (ya que la seguridad es del
95%)
•p = proporción esperada (en este caso
5% = 0.05)
•q = 1 – p (en este caso 1 – 0.05 = 0.95)
•d = precisión (en este caso deseamos un
3%)

Formando Lideres para la exportación

• Si la población es finita, es decir conocemos el
total de la población y deseásemos saber
cuántos del total tendremos que estudiar la
respuesta seria:
•

Formando Lideres para la exportación

donde:
•N = Total de la población
•Za2 = 1.962 (si la seguridad es del
95%)
•p = proporción esperada (en este
caso 5% = 0.05)
•q = 1 – p (en este caso 1-0.05 = 0.95)
•d = precisión (en este caso deseamos
un 3%).
Formando Lideres para la exportación
• ¿A cuántas personas tendría que estudiar de
una población de 15.000 habitantes para
conocer la prevalencia de diabetes?
• Seguridad = 95%; Precisión = 3%; proporción
esperada = asumamos que puede ser próxima
al 5% ; si no tuviese ninguna idea de dicha
proporción utilizaríamos el valor p = 0.5 (50%)
que maximiza el tamaño muestral.

Formando Lideres para la exportación

Según diferentes seguridades el coeficiente de Za varía, así:
•Si la seguridad Za fuese del 90% el coeficiente sería 1.62
•Si la seguridad Za fuese del 95% el coeficiente sería 1.96
•Si la seguridad Za fuese del 97.5% el coeficiente sería 2.24
•Si la seguridad Za fuese del 99% el coeficiente sería 2.576

Formando Lideres para la exportación

Formando Lideres para la exportación
• A.2. Estimar una media:
• Si deseamos estimar una media: debemos saber:
• El nivel de confianza o seguridad (1-a ). El nivel de confianza
prefijado da lugar a un coeficiente (Za ). Para una seguridad
del 95% = 1.96; para una seguridad del 99% = 2.58.
• La precisión con que se desea estimar el parámetro (2 * d es la
amplitud del intervalo de confianza).
• Una idea de la varianza S2 de la distribución de la variable
cuantitativa que se supone existe en la población.

Formando Lideres para la exportación

Formando Lideres para la exportación
• Ejemplo: Si deseamos conocer la media de la
glucemia basal de una población, con una
seguridad del 95 % y una precisión de ± 3
mg/dl y tenemos información por un estudio
piloto o revisión bibliográfica que la varianza
es de 250 mg/dl

Formando Lideres para la exportación

Formando Lideres para la exportación
• Si la población es finita, como previamente se
señaló, es decir conocemos el total de la
población y desearíamos saber cuantos del
total tendríamos que estudiar, la respuesta
sería:
•

Formando Lideres para la exportación

• Comparación de dos medias

Donde:
n = sujetos necesarios en cada una de las
muestras
Za = Valor Z correspondiente al riesgo deseado
Zb = Valor Z correspondiente al riesgo deseado
S2 = Varianza de la variable cuantitativa que
tiene el grupo control o de referencia.
d = Valor mínimo de la diferencia que se desea
detectar (datos cuantitativos)

Formando Lideres para la exportación

Tabla 2. Valores de Za y Zb más frecuentemente utilizados

Za
a Test unilateral Test bilateral
0.200 0.842 1.282
0.150 1.036 1.440
0.100 1.282 1.645
0.050 1.645 1.960
0.025 1.960 2.240
0.010 2.326 2.576
Potencia
b (1-b) Zb
0.01 0.99 2.326
0.05 0.95 1.645
0.10 0.90 1.282
0.15 0.85 1.036
0.20 0.80 0.842
0.25 0.75 0.674
0.30 0.70 0.524
0.35 0.65 0.385
0.40 0.60 0.253
0.45 0.55 0.126
0.50 0.50 0.000

Formando Lideres para la exportación

• Ejemplo de comparación de dos medias:
• Deseamos utilizar un nuevo fármaco antidiabético y
consideramos que seria clínicamente eficaz si lograse
un descenso de 15 mg/dl respecto al tto. Habitual
con el antidiabético estándar. Por estudios previos
sabemos que la desviación típica de la glucemia en
pacientes que reciben el tratamiento habitual es de
16 mg/dl. Aceptamos un riesgo de 0.05 y deseamos
un poder estadístico de 90% para detectar
diferencias si es que existen.

Formando Lideres para la exportación

precisamos 20 pacientes en cada grupo.

Formando Lideres para la exportación