Universo y muestra

Universidad de Cuenca
Facultad de Ciencias Médicas
Maestría en Investigación de la Salud
Módulo V: Metodología de la investigación
Universo y muestra
Docente: Dr. José Ortiz S.
Mayo de 2010
Universo y muestra
Universo: Conjunto de individuos u objetos de
los que se desea conocer algo en una
investigación y al que se generalizaran los
hallazgos.
Muestra: Parte del universo, igual en sus
características, excepto por una cantidad menor
de individuos en el que se desarrollará la
investigación.
2
Dr. José Ortiz
Universo y muestra
Fases del diseño muestral:
1. Definir el marco muestral o delimitar la población,
quienes van a ser medidos, mediante: listas,
directorios, mapas.
2. El tipo de muestra
2.1. Probabilística: todos los individuos tienen la
misma posibilidad
2.2. No probabilístico
3
Dr. José Ortiz
Tipos de muestreos
• PROBABILÍSTICO
– Aleatorio simple
– Sistemático
– Estratificado
– Conglomerado
• NO PROBABILÍSTICO
– Por conveniencia
– Por cuotas
Para que un muestreo sea probabilístico o aleatorio es requisito
que todos y cada uno de los elementos de la población tengan
la misma probabilidad de ser seleccionados
Muestra
No Probabilística o dirigidas
1) Voluntarios: los cambios no dependen de las características
individuales sino de las condiciones del experimento
2) Expertos: opinión de sujetos idóneos
3) Sujeto tipo o caso típico: estudios exploratorios y cualitativos,
para profundizar sobre un tema
4) Por cuotas: proporción de variables demográficas
3. Cálculo del tamaño muestral, depende de:
1.
2.
3.
4.
5.
5
Variable cuantitativa (muestreo simple)
Variable cuantitativa (muestreo estratificado)
Variable cualitativa (muestreo simple)
Variable cualitativa (muestreo estratificado)
Variables cualitativas y cuantitativas = cualitativa
Dr. José Ortiz
Muestra del tamaño adecuado
Consideraciones:
• Tamaño reducido: limita las conclusiones
• Tamaño grande: malgasto de tiempo, trabajo y
dinero
• Lo necesario para los requerimientos estadísticos
• Lo que se puede hacer
La prueba de una hipótesis estadística es la base
para el cálculo del tamaño de la muestra
6
Dr. José Ortiz
La prueba de una hipótesis permite la inferencia
• Se parte de una hipótesis nula
• La prueba de hipótesis evalúa la validez de la
hipótesis nula
• Decisión: aceptar o rechazar la hipótesis nula
Decisión del
estudio
Errores
7
Hipótesis de nulidad
Verdadera Falsa
Acepta
Decisión Error de
hipótesis nula correcta
tipo II
Rechaza
Error de
Decisión
hipótesis nula tipo I
correcta
Dr. José Ortiz
Potencia estadística de la prueba de hipótesis (1-β)
•Probabilidad de rechazar una hipótesis que es, en efecto
falsa
•Probabilidad de detectar una diferencia en niveles de
exposición o en tratamientos, cuando la diferencia
realmente existe
Nivel de confianza (1-α)
•Probabilidad de aceptar una hipótesis nula, cuando ésta
es cierta
•Probabilidad de no detectar diferencias en la exposición o
en los tratamientos, cuando la diferencia verdaderamente
existe
8
Dr. José Ortiz
Para calcular el tamaño de la muestra
importa:
1. El nivel de significancia (α)
2. La potencia del estudio (β)
3. Si las comparaciones son uni o bilaterales
9
Dr. José Ortiz
Cuadro No. 1
Z α para fórmulas de tamaño de muestra para
valores seleccionados de α
Comparaciones
Unilateral
Bilateral
α
Zα
Zα
0,10
0,05
0,025
0,01
1,28
1,65
1,96
2,33
1,65
1,96
2,24
2,58
10
Dr. José Ortiz
Cálculo de la muestra para estudios descriptivos
•
No se trata de probar una hipótesis
•
Método basado en el concepto de intervalos de
confianza
•
Especificar un nivel de confianza para el intervalo
•
Nivel de confianza: probabilidad de que el intervalo de
confianza contenga a la verdadera proporción de la
población
•
A mayor nivel de confianza, más amplio será el
intervalo de confianza
11
Dr. José Ortiz
Información necesaria para calcular la muestra
d = distancia (o tolerancia): proximidad que se desea obtener en la
estimación con respecto a la proporción que interesa
1- α = nivel de confianza de nuestra estimación está dentro de una
distancia con respecto a la proporción que interesa. Ejem: 0,95.
p = proporción del problema que interesa
Si no tenemos información p = 0,5
Fórmula:
n = p*(1-p)*(Zα/d)2
donde α = 1-nivel de confianza
Z α: Ver columna de comparación bilateral
12
Dr. José Ortiz
Cálculo de la muestra para una ICA
Información previa:
po =
Proporción de participantes en el grupo de tratamiento
control que se espera que presenten el resultado
p1 =
proporción de participantes en el grupo de tratamiento
nuevo que se espera que presenten el fenómeno
2

2 * (Zα + Z β ) * p * (1 − p )
1
n=
*

(1 − f ) 
( po − p1 )

Donde: f = proporción de sujetos que abandonan el estudio
p = (po + p1)/2
Z α = valor del cuadro No. 1
Zβ = valor del cuadro No. 2
13
Dr. José Ortiz
Cuadro No. 1
Z β para fórmulas de tamaño de muestra para
valores seleccionados de potencia (1-β) y β
β
1-β
Zβ
0,50
0,50
0,00
0,40
0,60
0,25
0,30
0,70
0,53
0,20
0,80
0,84
0,15
0,85
1,03
0,10
0,90
1,28
0,05
0,95
1,65
0,025
0,975
1,96
0,01
0,99
2,33
14
Dr. José Ortiz
Muestra para un estudio de cohorte
Información previa:
po =
Proporción de participantes en el grupo no expuesto que
presenten el resultado de interés
p1 =
proporción de participantes en el grupo expuesto que
presenten el resultado de interés
2

2 * (Zα + Z β ) * p * (1 − p )
1
n=
*

(1 − f ) 
( po − p1 )

Donde: f = proporción de sujetos que abandonan el estudio
p = (po + p1)/2
Z α = valor del cuadro No. 1
Zβ = valor del cuadro No. 2
15
Dr. José Ortiz
Muestra para un estudio de casos y controles
Información previa:
p1 =
Estimación de la proporción de individuos entre los casos
p0 =
Proporción esperada de individuos expuestos entre los
controles
RP=
Posibilidad de aparición del resultado entre los expuestos
dividida por las posibilidades del resultado entre los no
expuestos. Ods Ratio ó Razón de Momios
 2 * (Zα + Z β )2 * p * (1 − p ) 
n=

( po − p1 )


Donde: p = (po + p1)/2
Z α = valor del cuadro No. 1
Zβ = valor del cuadro No. 2
16
Dr. José Ortiz
Cálculo de la Muestra con Epi Info
17
Dr. José Ortiz
18
Dr. José Ortiz
19
Dr. José Ortiz
20
Dr. José Ortiz
4. Selección: siempre de manera aleatoria
Dependerá de los recursos disponibles, del mayor tamaño
posible.
De los requerimientos del plan de análisis o de las operaciones
estadísticas que se realizarán.
Para cruce de variables, se requiere 20 a 30 casos en cada
subcategoría de variable independiente.
Procedimientos de selección
1)
Tómbola o fichas en una ánfora
2)
Números aleatorios
3)
Selección sistemática. K= N \ n
4)
Epi Dat
5)
Internet www.randomization.com
21
Dr. José Ortiz