ESCUELA SUPERIOR POLITECNICA DE CHIMBORAZO

SALUD pública

Nutrición - Dietética
TEMAS : POBLACIÓN
MUESTRA –TIPOS
UNIDAD 2

MUESTREO ESTADÍSTICO Y TAMAÑO DE MUESTRAL

Tema 1: Población

Tema 2: Muestra

Tema 3: Muestreo Probabilístico

Tema 4: Muestreo no Probabilístico

 CARACTERÍSTICAS

Universalidad


Homogeneidad
Se refiere al conjunto completo de individuos, objetos o Definición Clara
eventos que se quieren estudiar. Es el total de
observaciones o unidades de análisis de interés.

La población abarca todos los elementos relevantes para un estudio. A pesar de sus
variaciones internas, todos sus miembros comparten una característica común.

3
Company development timeline
MARCO MUESTRAL
Cada miembro o componente individual de la
población.
POBLACIÓN FINITA
Una población que tiene un número contable
de elementos

UNIVERSO
POBLACIÓN INFINITA
Otro término para referirse Una población que tiene un número
a la población total de incontable o infinito de elementos.
interés en un estudio

UNIDAD DE ANÁLISIS
Es el principal objeto o entidad sobre el cual
se recopila información en un estudio y se
realiza el análisis.
ELEMENTO
POBLACIÓN OBJETIVO O DE ESTUDIO
Cada miembro o componente
individual de la población Es el principal objeto o entidad sobre el cual se recopila
información en un estudio y se realiza el análisis.
Click to enter the title content

ELEMENTO POBLACIÓN INFINITA

Si se está investigando la ingesta diaria de calorías de individuos Si se quiere estudiar el efecto de un nutriente específico en la
en una ciudad, cada persona encuestada sería un elemento. salud humana a lo largo de todas las generaciones futuras, se
estaría considerando una población infinita.

MARCO MUESTRAL UNIDAD DE ANÁLISIS

Si se quiere hacer un estudio sobre los hábitos alimenticios de los En un estudio sobre hábitos alimenticios de estudiantes, la
estudiantes de una universidad, el marco muestral podría ser una lista
unidad de análisis podría ser el "estudiante individual".
actualizada de todos los estudiantes matriculados en esa universidad.

POBLACIÓN FINITA POBLACIÓN OBJETIVO O DE ESTUDIO

Si se investiga la nutrición de los estudiantes de una escuela Si se realiza un estudio para entender los hábitos alimenticios de las
específica que tiene 500 estudiantes, esos 500 estudiantes mujeres embarazadas en una región específica, entonces las mujeres
constituyen una población finita. embarazadas de esa región serían la población objetivo o de estudio.
 TEMA 2: MUESTRA
Una muestra es un subconjunto seleccionado
de individuos o elementos tomados de una
población más grande. La muestra se
Place Your Picture Here selecciona y estudia con el objetivo de hacer
inferencias o generalizaciones sobre toda la
población.
Estudiar una muestra es generalmente más
rápido y menos costoso que realizar un censo
de toda la población.

En muchos casos, es prácticamente imposible

estudiar a toda la población, por lo que la toma
de muestras permite acceder a una porción
manejable.
 Ejemplo:

MUESTRA Supongamos que un nutricionista quiere investigar los hábitos alimenticios

de los estudiantes universitarios en una gran universidad con 20,000
estudiantes. Realizar encuestas a todos los estudiantes sería una tarea
enorme y costosa. En su lugar, el nutricionista decide seleccionar
aleatoriamente a 1,000 estudiantes y realizar la encuesta con ellos. Estos
1,000 estudiantes constituyen una "muestra" de la población total de
estudiantes de la universidad.
Click to enter the title content

ERROR DE MUESTREO ESTADÍSTICO

Se refiere a la variabilidad que surge debido a que se está observando una muestra y no s una función de las observaciones de una muestra.
la población completa. Se utiliza para estimar o probar hipótesis sobre
parámetros poblacionales.

ERROR DE NO MUESTREO ESTIMADOR

Estos errores no se derivan del proceso de muestreo en sí, sino Es una regla o método para calcular un estimado de
de otras fuentes, como errores en la recopilación de datos, un parámetro poblacional a partir de datos
respuesta incorrecta de los encuestados, o errores de muestrales.
procesamiento TÉRMINOS
DE
SUSTITUCIÓN ARBITRARIA MUESTREO ESTIMACIÓN
Es una técnica utilizada cuando un elemento Es el proceso de determinar el valor de un parámetro
seleccionado para la muestra no está disponible o no poblacional utilizando información de una muestra.
responde, y se sustituye por otro elemento.
Click to enter the title content
ERROR DE MUESTREO
Un investigador realiza una encuesta sobre el consumo de frutas en una ciudad y
encuentra que, en su muestra, el consumo promedio es de 3 frutas al día. Sin embargo,
si hubiera tomado diferentes muestras, podría haber obtenido un promedio de 2.8 o 3.2
frutas al día. Esta variabilidad entre las muestras es el error de muestreo.
ERROR DE NO MUESTREO
En una encuesta sobre hábitos alimenticios, si un encuestado
no entiende la pregunta y proporciona una respuesta
incorrecta, el error resultante en los datos es un error de no
muestreo.
EJEMPLOS
SUSTITUCIÓN ARBITRARIA
En una encuesta sobre hábitos alimenticios, si un
encuestado no entiende la pregunta y proporciona una
respuesta incorrecta, el error resultante en los datos es
un error de no muestreo.
ESTADÍSTICO
Al calcular la media de peso de una muestra de 50
adultos de una comunidad, el valor resultante (por
ejemplo, 70 kg) es un estadístico.
ESTIMADOR
Al calcular la media de peso de una muestra de 50
adultos de una comunidad, el valor resultante (por
ejemplo, 70 kg) es un estadístico.
ESTIMACIÓN
Supongamos que mides la altura de 100 estudiantes
de una escuela que tiene 1,000 estudiantes en total.
Si el promedio de altura de esos 100 estudiantes es
de 1.65 metros, podrías estimar que la altura
promedio de todos los estudiantes de la escuela es
cercana a 1.65 metros.
Tema 2: Muestra
¿Cómo se selecciona una muestra
Tema 2: Muestra
¿Cómo se selecciona una muestra
Tema 2: Muestra

¿Cuál es la muestra?
 Se quiere estudiar al personal de nutricionistas, para lo cual debemos conocer la muestra de una
población conformada de la siguiente manera:
 Auxiliar de enfermería 60
 Licenciados de nutrición 100
 Médicos 30
 Licenciados terapistas respiratorios 40
 Tema 3: Muestreo Probabilístico
El muestreo probabilístico es un método de muestreo (muestreo se refiere al estudio o el análisis de grupos

pequeños de una población) que utiliza formas de métodos de selección aleatoria.

El requisito más importante del muestreo probabilístico es que todos en una población tengan la misma

oportunidad de ser seleccionados.

Tema 3: Muestreo Probabilístico
Este método utiliza la teoría estadística para seleccionar al azar un pequeño grupo de personas

(muestra) de una gran población existente y luego predecir que todas las respuestas juntas coincidirán

con la población en general.

Tema 3: Muestreo Probabilístico
El muestreo aleatorio simple (MAS).- es un método de selección de n (muestra) unidades sacadas de

N (población), de tal manera que cada una de las muestras tiene la misma probabilidad de ser elegida.

En la práctica una muestra aleatoria simple es extraída de la siguiente forma:

Se numeran las unidades de la población del 1 al N, y por medio de una tabla de números aleatorios o

colocando los números 1 a N en una urna, se extraen sucesivamente n números. Las unidades que

llevan estos números constituyen la muestra.

Tema 3: Muestreo Probabilístico
Dependiendo de si los individuos del universo pueden ser seleccionados más de una vez en la muestra

o no, este puede ser muestreo aleatorio simple con reposición o sin reposición.

Fuente: Internet
Tema 3: Muestreo Probabilístico
Pasos

• Definir la población objetivo.

• Identificar un marco de muestreo actual de la población objetivo o desarrolla uno nuevo.
• Evaluar el marco de muestreo para la falta de cobertura, cobertura excesiva, cobertura múltiple y la
agrupación, y haz los ajustes que consideres necesario.
• Asignar un número único a cada elemento de la trama.
• Determinar el tamaño de la muestra.
• Seleccionar al azar el número específico de elementos de la población.
Tema 3: Muestreo Probabilístico
Muestreo estratificado

El muestreo estratificado es un procedimiento de muestreo en el que el objetivo de la población se separa

en segmentos exclusivos, homogéneos (estratos), y luego una muestra aleatoria simple se selecciona de

cada segmento (estrato).

Las muestras seleccionadas de los diversos estratos se combinan en una sola muestra.
Tema 3: Muestreo Probabilístico
Pasos

• Definir la población (total) objetivo

• Elegir las variables de estratificación y cuántos estratos existirán.

• Identifica cada elemento de la población y asigna un identificador único. Cada elemento de la

población debe pertenecer a un único estrato.

• Determina el tamaño de cada estrato

• Se seleccionan al azar los elementos de cada estrato hasta obtener el número específico definido para

cada estrato.
Tema 3: Muestreo Probabilístico
•Proporcionado

Cuando utilizamos el muestreo estratificado proporcional, cada estrato tiene en la muestra el mismo peso

que se observa en la población.

•Uniforme

En la muestra que tomamos, todos los estratos tienen el mismo peso, sin importar el tamaño que tienen

en la población. Siguiendo el ejemplo anterior serían 50% adultos y 50% niños.

Tema 3: Muestreo Probabilístico
• Ejemplo

En una comunidad, se sabe que hay tres grupos etarios con diferentes hábitos alimenticios: niños (0-12

años), adultos (13-59 años) y ancianos (60+ años). Un nutricionista decide seleccionar una muestra

proporcional de cada grupo para estudiar el consumo de proteínas.

Procedimiento: Si hay 300 niños, 500 adultos y 200 ancianos, y se quiere una muestra total de 100

personas, se podría seleccionar a 30 niños, 50 adultos y 20 ancianos de manera aleatoria.

Tema 3: Muestreo Probabilístico
1. Determina la proporción de cada estrato en la población total:

 Niños: 300/1000=0.3
 Adultos: 500/1000=0.5
 Ancianos: 200/1000=0.2

2. Multiplica la proporción de cada estrato por el tamaño de muestra deseado (en este caso,
100) para determinar cuántos individuos seleccionar de cada estrato:

 Niños: 0.3×100=30
 Adultos: 0.5×100=50
 Ancianos: 0.2×100=20

Por lo tanto, seleccionarías 30 niños, 50 adultos y 20 ancianos para obtener una muestra total de
100 personas que sea representativa de la distribución por edad en la comunidad.
Tema 3: Muestreo Probabilístico
Sistemático

El muestreo sistemático es un tipo de muestreo probabilístico donde se hace una selección aleatoria del

primer elemento para la muestra, y luego se seleccionan los elementos posteriores utilizando intervalos

fijos o sistemáticos hasta alcanzar el tamaño de la muestra deseado.

Tema 3: Muestreo Probabilístico
Sistemático

Seleccionar la población: Primero, hay que elegir la población. Este es el paso esencial cuando

investigamos un tema. Tenemos que saber a quién, o a qué, va a ir dirigido nuestro análisis.

Tamaño de la muestra: Una vez hemos realizado el primer paso, toca decidir el tamaño de la muestra.

Existen diferentes fórmulas para calcularlo, todo ello teniendo en cuenta si la población es finita o no.
Tema 3: Muestreo Probabilístico
Sistemático

Ejemplo: Un hospital quiere evaluar la eficacia de un programa de nutrición comunitaria. Tienen una

lista de 1,000 pacientes que han participado en el programa. Deciden seleccionar cada 20º paciente para

realizar un seguimiento.

Procedimiento: Elige un número de inicio aleatorio entre 1 y 20 (por ejemplo, 5). Luego, selecciona el

paciente 5, 25, 45, y así sucesivamente, hasta llegar al paciente 985.

Tema 3: Muestreo Probabilístico
Sistemático

Es un método sencillo de aplicar.

Garantiza un alto grado de representatividad por parte de la muestra.

Toma en cuenta todo el rango de la población, obteniendo una mayor representatividad de la misma.

No requiere realizar cálculos complejos.

Evita posibles influencias y errores sobre los cálculos y estimaciones realizadas.

Tema 3: Muestreo Probabilístico
Conglomerados

El muestreo por conglomerados, también conocido como muestreo por racimos, es un procedimiento de

muestreo probabilístico en que los elementos de la población son seleccionados al azar en forma natural

por agrupaciones (Clusters). Los elementos del muestreo se seleccionan de la población de manera

individual, uno a la vez.

Tema 3: Muestreo Probabilístico
Conglomerados

Los conglomerados deben ser, en la medida de lo posible, lo más heterogéneos que se pueda con el fin

de representar a la población total. Asimismo deben ser mutuamente excluyentes y exhaustivos en

conjunto.

Los individuos que componen los conglomerados son seleccionados de forma indirecta, ya que lo que se

elige primeramente al azar son los cúmulos y no los individuos.

Tema 3: Muestreo Probabilístico
Ejemplo:

Ejemplo: Un investigador quiere estudiar los hábitos alimenticios en

diferentes barrios de una ciudad. En lugar de seleccionar hogares
individuales de toda la ciudad, decide seleccionar 3 barrios al azar y
encuestar a 20 hogares de cada barrio.
Procedimiento: Enumera todos los barrios y selecciona 3 de manera
aleatoria. Luego, en cada barrio seleccionado, elige 20 hogares al
azar para realizar la encuesta.
Tema 4: Muestreo no Probabilístico
El muestreo no probabilístico (o muestreo no aleatorio) es la técnica de muestreo donde los elementos

son elegidos a juicio del investigador. No se conoce la probabilidad con la que se puede seleccionar a

cada individuo.

El muestreo no probabilístico se utiliza cuando es imposible o muy difícil obtener la muestra por

métodos de muestreo probabilístico.

Las muestras seleccionadas por métodos de muestreo no aleatorios intentan ser representativas bajo los

criterios del investigador, pero en ningún caso garantizan la representatividad.

Tema 4: Muestreo no Probabilístico
Implica menores costos y tiempo porque el investigador puede elegir a aquellos sujetos que son de fácil

acceso.

Es posible controlar las características de la muestra, como explicábamos en el muestreo por cuotas.

Es idóneo para estudios sobre poblaciones con características poco comunes o que manejan datos

sensibles. Por ejemplo, personas que están en situación de ilegalidad en un país extranjero. También se

utiliza para estudios pilotos o que nos permiten conocer a grandes rasgos las características de una

población.
Tema 4: Muestreo no Probabilístico
La selección de los sujetos, sobre todo en el caso del muestreo discrecional, puede verse afectada por los

sesgos del investigador. Esto conllevaría a que los datos no sean del todo fiables.

No siempre garantiza la adecuada representación de la población objetivo, de nuevo, sobre todo, si la

selección es discrecional.

Los resultados, dados los puntos mencionados previamente, suelen no ser del todo precisos.
Tema 4: Muestreo no Probabilístico
Muestreo por cuotas

El muestreo por cuotas es un método de muestreo no probabilístico. Se basa en seleccionar la muestra

después de dividir la población en grupos o estratos.

Ejemplo: Un investigador quiere estudiar hábitos alimenticios en diferentes grupos de edad y decide

entrevistar a 10 personas de cada grupo de edad, seleccionando a las personas que están más fácilmente

disponibles hasta alcanzar la cuota.

Tema 4: Muestreo no Probabilístico
Muestreo por conveniencia

El muestreo por conveniencia es un método de muestreo no probabilístico. Consiste en seleccionar a los

individuos que convienen al investigador para la muestra. Esta conveniencia se produce porque al

investigador le resulta más sencillo examinar a estos sujetos, ya sea por proximidad geográfica, por ser

sus amigos, etc.

Ejemplo: Un nutricionista quiere obtener opiniones rápidas sobre un nuevo programa de alimentación y

decide encuestar a los primeros 20 pacientes que visitan su clínica ese día.
Tema 4: Muestreo no Probabilístico
Muestreo por juicio

Todos los individuos de la población que cumplen con un criterio preestablecido son seleccionados.

Ejemplo: Un investigador quiere estudiar los efectos de una dieta sin gluten y selecciona a todos los

individuos de una comunidad que han estado siguiendo una dieta sin gluten durante al menos un año.
 Tema 4: Muestreo no Probabilístico
Muestreo de bola de nieve

El muestreo se realiza sobre poblaciones en las que no se conoce a sus individuos o es muy difícil acceder a ellos.. Se

llama muestreo de bola de nieve porque cada sujeto estudiado propone a otros, produciendo un efecto acumulativo

parecido al de la bola de nieve.

Ejemplo: Un nutricionista quiere estudiar hábitos alimenticios en personas con trastornos alimenticios raros y, debido a la

dificultad de encontrar participantes, comienza entrevistando a un paciente y luego le pide que recomiende a otros que

puedan estar dispuestos a participar.

Bibliografía

Batanero, C., Estepa, A., & Godino, J. D. (1991). Análisis exploratorio de datos: sus posibilidades en
la enseñanza secundaria. Suma, 9(25-31).

Buzai, G. D. (2019). Análisis Exploratorio de Datos Espaciales de los Condicionantes Sociales de la

Salud en la cuenca del río Luján, Argentina.

Castro, E. M. (2019). Bioestadística aplicada en investigación clínica: conceptos básicos. Revista

médica clínica las Condes, 30(1), 50-65.
Bibliografía

Cuartas, D. E., Arango-Londoño, D., Guzmán-Escarria, G., Muñoz, E., Caicedo, D., Ortega, D., ... &
Méndez, F. (2020). Análisis espacio-temporal del SARS-coV-2 en Cali, Colombia. Revista de Salud
Pública, 22(2).

Salas, C. (2008). ¿ Por qué comprar un programa estadístico si existe R?. Ecología austral, 18(2),
223-231.

Vasallo, J. M. (2015). Estadística aplicada a las ciencias de la salud. Elsevier.

CALCULOS DEL MUESTREO
PROBABILISTICO Y NO PROBABILISTICO

 Cuando se desconoce la población

p 0,5 Probabilistico 384,16

q 0,5
No
e 0,05 probabilistico 100
Z 1,96
CUANDO SE CONOCE LA POBLACIÓN
p 0,5
q 0,5
e 0,05
Z 1,96
N 611521

Probabilistico 384

No probabilistico 400
EJERCICIO DE APLICACIÓN

Provincia de Chimborazo

Población 611521

Cantones Población Porcentaje

Alausi 64059 0,10 42
Chambo 17089 0,03 11
Chunchi 20587 0,03 13
Colta 50531 0,08 33

Cumandá 18129 0,03 12

Guamote 46659 0,08 31

Guano 56254 0,09 37

Pallatanga 18327 0,03 12

Penipe 13655 0,02 9

Riobamba 306231 0,50 200

611521 1 400