ANÁLISIS DE DATOS Muestras No Probabilísticas A pesar de la superioridad reconocida de los métodos de muestreo probabilístico, hay situaciones en que no se dan condiciones para su implementación, a saber: 1. Costo de implementar un método probabilístico 2. Presencia de un problema específico: Ej. una contingencia ambiental en que sólo es posible: - muestrear a aquellos sujetos expuestos - cuando se sospecha de la presencia de una situación patológica concreta - ej. estudio de brote (cluster) 3. No es posible acceder a la población de origen y se trabaja con datos que se han podido obtener en un proceso. - datos de un programa de vigilancia ambiental Los métodos básicos de muestreo no probabilísticos son: • el muestreo por cuota • el muestreo de juicio • el muestreo de sujetos disponibles a_dat872/jsc ANÁLISIS DE DATOS Muestras No Probabilísticas El muestreo por cuota: En forma discrecional se fijan cuotas de muestreo sobre una matriz de datos confeccionada con elementos distribuidos según características generales de la población; según edad y sexo, por zona urbana y rural, etc. El muestreo de juicio: Se basa en el criterio de un experto que tiene suficiente información acerca de la población El muestreo de sujetos disponibles: Es el que se hace con sujetos que aceptan participar voluntariamente en un estudio, por algún interés personal o por gratificación económica. CONCLUSIÓN: El tipo de diseño a elegir depende del problema que se desee resolver y de las facilidades operativas y económicas de que se disponga. Parece un contrasentido ya que hacemos un muestreo para conocer algo acerca de la población, pero para poder hacer el muestreo bien hecho debemos conocer muy bien la población que queremos muestrear, pero este conocimiento es más bien a nivel global que particular. a_dat873/jsc ANÁLISIS DE DATOS Tamaño de la Muestra Factores que influyen en el tamaño de la muestra: • Precisión • Intervalo de Confianza a_dat874/jsc ANÁLISIS DE DATOS Tamaño de la Muestra PRECISIÓN: Equivale a la mitad del intervalo que se pretende construir; mientras más precisión se exija más corto será el intervalo que se obtenga y por consiguiente mayor será el tamaño de la muestra. [ X ± z S / n1/2 ] precisión >> z S n Intervalo de confianza - IC: Es el rango de posibilidades de encontrar valores de la variable aleatoria de interés (x) y que se expresa en términos del área bajo la curva normal. Por ejemplo si el IC es: 95% α = 0,025 >>> Kα = 1,96 99% α = 0,005 >>> Kα = 2,57 ANÁLISIS DE DATOS Tamaño de la Muestra PRECISIÓN: Ejemplo: Se quiere determinar el nro. de niños(as) que participarán en un estudio de cadmio en pelo en una localidad X. A partir de un estudio previo se encontró un rango aproximado entre 0,002 y 2,544 µg/g de cabello con una varianza de 0,18 y media muestral de 0,08 µg/g. Asuma una especificación de un intervalo del 95% de confianza y que este requerimiento significa trabajar con una precisión de 0,05 µg/g. Resp. Sustituyendo en la fórmula de la precisión P=Z S/n1/2, encontramos: 0,05 = 1,96 (0,18/n)1/2 y resolviendo para n, encontramos que: n = 1,962 (0,18) / 0,052 = 276 personas a_dat876/jsc