Universidad Centroccidental “Lisandro Alvarado”

Decanato de Ciencias de la Salud

“Dr. Pablo Acosta Ortiz”
Departamento de Medicina Preventiva y Social
Sección de Epidemiología y Bioestadística
Asignatura: Investigación en Salud

MUESTREO
Material introductorio a estudiantes de la asignatura Investigación en Salud, del decanato
de Ciencias de la Salud de la Universidad Centroccidental “Lisandro Alvarado” (UCLA)

Dra. Yudith Ontiveros

Contenido

Pág.
1 Presentación 1
2 Definiciones básicas 1
3 Métodos de recolección de Datos 3
4 Muestreo 4
5 Muestra representativa o no representativa 6
6 Tipos de muestreo 6
7 Clases de muestreo 7
8 Tamaño de la muestra 16
Referencia Bibliográfica 17

i
 1. Presentación
Esta obra servirá como material introductorio a estudiantes de la asignatura Investigación
en Salud, del decanato de Ciencias de la Salud de la Universidad Centroccidental “Lisandro
Alvarado” (UCLA), cuyo objetivo es que al finalizar el y la estudiante analice los factores y
procedimientos para conformar una muestra representativa en ejemplos que se le presenten,
por lo que tiene que conocer los conceptos básicos, reconocer cuando una muestra es
representativa o no, identificar los tipos y clases de muestreo, así como los elementos que
dependen para realizar el cálculo de muestra.

Es importante resaltar que “Los métodos de muestreo no se presentan por el solo hecho
de hacerlo, sino como medios válidos, científicos y económicos para lograr fines que se
originan en importantes problemas de investigación, especialmente de las ciencias sociales y
en sus aplicaciones” (Kish, 1965), así como en las ciencias de la salud. El objetivo de la
estadística es hacer inferencias acerca de una población con base en la información contenida
en una muestra. “Cuando la estadística no se basa en cálculos precisos, confunde en vez de
guiarnos” (Tocqueville, citado por Lohr, 1999).

El contenido de este trabajo esta ceñido a los objetivos de la asignatura, sin ir más allá
de los elementos que en profundidad requiere esta ciencia, que además de ser útil en el
proceso investigativo, lo es en la realización de la práctica médica.

2. Definiciones básicas

Universo estadístico de elementos: Denota un conjunto hipotético finito o infinito de

elementos, seres o cosas

Población estadística: Las características de los elementos de la población se

transforman en variables Yi mediante las operaciones de medición, así que decimos que un

1
conjunto de valores que toman las variables en estudio para los elementos que conforma el
universo es una población estadística.
Cuando el universo tiene N elementos se dice que la población es de tamaño N. existen
tantas poblaciones como parámetros se desee conocer; ejemplo: Sexo, Edad, Talla, así
sucesivamente.
Sexo: S1, S2,…,SN; Población 1
Edad: E1, E2,…,EN; Población 2
Talla: T1, T2,…,TN; Población 3

Población objetivo: Para definir la población objetivo se debe tener claridad absoluta
sobre el objetivo de la investigación. Así que, Población objetivo es la colección completa
de observaciones que se desea estudiar, la definición de esta población es una parte
importante del estudio, y la elección de la misma afectará profundamente a las estadísticas
resultantes.

Ejemplos de población objetivo: Para medir el nivel de conocimiento sobre “algún

aspecto” de los estudiantes del decanato de Ciencias de la Salud de la UCLA, la población
objetivo son los estudiantes de los programas de enfermería y de medicina del decanato. Si
el objetivo es determinar el índice de masa corporal de los niños del municipio Iribarren, la
población objetivo son todos los niños residentes en el municipio. Si los adultos van a ser
muestreados, entonces se debe definir qué se entiende por adulto (¿mayor de 18 años de
edad? o ¿mayor de 21años de edad?, cuáles adultos, de qué lugar, en qué tiempo. Ésta se va
a denotar por N

Unidades estadísticas:
 Unidades de análisis: corresponde a la unidad que se examina, vale decir de la que
se busca información y su naturaleza depende de los objetivos del estudio. Ej. personas,
parte del cuerpo de un niño, dientes, etc.
 Unidades de investigación: es la que contiene las unidades de análisis; Ej. Hogar, el
niño, boca

2
  Unidades de observación: es a través del cual se obtiene la información, puede o no
coincidir con el elemento (unidad respondiente); Ej. La madre, cédula de identidad, etc.
 Unidades de muestreo: son aquellas de donde se realiza la muestra, a saber las que
contienen las unidades de análisis de la población.

3. Métodos de recolección de Datos

Exhaustiva: Plantea la recolección de información de todas y cada una de las unidades

en el universo en estudio.
 Permite conocer información sobre todas y cada una de las unidades del universo.
 Es posible obtener información sobre áreas pequeñas sin recurrir a modelos
matemáticos.
 Es la opción a seguir cuando el universo es pequeño y el proceso de observación lo
permite.
Ejemplo: Censo Hospitalario

Parcial: Plantea la recolección de información de una muestra de unidades del universo

en estudio.
 Más económica.
 Mayor rapidez.
 Mayor acuracidad: utilizando métodos de muestreo apropiados, se puede garantizar
un menor error total.
 Permite profundizar más el tema objeto de investigación.
 Es factible ante procesos de observación destructivos.
 Es factible en situaciones donde el personal técnico para realizar procesos como el
de observación, es escaso.
Ejemplo: Medir en una muestra de estudiantes de la UCLA el conocimiento sobre SIDA
en el año 2020.
Mixta: Es una combinación de los métodos anteriores; Plantea la recolección de
información sobre un grupo de variables para todas y cada una de las unidades en el universo

3
en estudio y la recolección de información adicional sobre otro grupo de variables de una
muestra de unidades del mismo universo.
Ejemplo: Censo de Población y Vivienda 1990: a toda la población se le solicitó
información sobre algunos aspectos, y 20% de esa población se les solicitó información
adicional sobre otros aspectos.

4. Muestreo

El muestreo es la ciencia y el arte de controlar y medir la confiabilidad de la información

estadística útil a través de la teoría de la probabilidad” (Deming, 1950)
Métodos para seleccionar y observar una parte de la población con el fin de hacer
inferencias acerca de toda la población. (Kish, 1965)
El propósito de la teoría del muestreo es desarrollar métodos de selección de muestras y
de estimación, que proporcionen, al menor costo posible, estimaciones con la suficiente
exactitud para nuestros propósitos. (Cochran, 1977)
Considerado como técnicas de selección de muestras y de estimación de parámetros.

Ventajas:
 Cuando la población sea infinita o tan grande que resulte impráctico o inconveniente
la enumeración completa de cada uno de los elementos o unidades.
 Cuando la población sea suficientemente homogénea que una muestra sea una imagen
aceptablemente representativa de la misma población.
 Cuando el proceso de medidas o investigación de las características de cada elemento
resulte destructivo, es decir, que el estudio de la calidad, afecto o composición de un
elemento, se determina a través de su consumición.
 Economía de tiempo y dinero en todas las etapas de una operación estadística.
 Ampliación del alcance de una investigación.
 Mejor entrenamiento, formación y control del personal que interviene en la
investigación.
 Mayor control de la integralidad y calidad de la enumeración.

4
  Mayor rapidez y eficiencia en el procesamiento y publicación de los datos.
 Menor demanda de personal y de otros recursos.
 Verificaciones posteriores a una investigación.
 Mayor confiabilidad y precisión de los datos obtenidos

Limitaciones:
 No permite hacer cálculos, proyecciones o tabulaciones con respecto a áreas, grupos
o sectores pequeños de una población o cuando se requiere información de cierta índole sobre
cada elemento, ya que las fluctuaciones serían tan importantes que imposibilitarían una
acertada predicción en base de la muestra.
 El cálculo de los resultados está sujeto a los errores del muestreo en sí, además de los
errores que pueden contener los datos y que inclusive aparecen en un enumeración total
(errores ajenos al muestreo)
 Las probabilidades de error se multiplican en las diferentes operaciones y en las
complicaciones que surjan de su propio mecanismo.
 La teoría del muestreo es compleja y no es del dominio de la mayoría de los
investigadores, por lo que con frecuencia deben buscar apoyo en especialistas en la
materia
Marco del muestreo: Para hacer correctamente la selección de una muestra es necesario
contar con una lista o relación actualizada de todos y cada uno de los elementos. El marco
muestral es el que contiene las unidades de muestreo, a saber, base sobre la cual deben
diseñarse los procesos de selección, por ejemplo:
Listas Archivos Base de Mapas Guía
datos telefónica

Marco perfecto: Existe correspondencia biunívoca entre las unidades muestrales y las
físicas que lo conforman, donde no se presenten elementos faltantes, elementos ocultos,
repetidos, extraños, en blanco.

5
 Una muestra, la cual se denota por n, es una colección de unidades seleccionadas de un
marco o de varios marcos, es un subconjunto de una población.

5. Muestra representativa o no representativa:

Una buena muestra reproduce las características de interés que existen en la población
de la manera más cercana posible. Esta muestra será representativa, en este sentido, la
muestra representativa debe contener todos los elementos en la misma proporción en que
existen en el universo del cual se obtuvo. Es aquella que por su tamaño y características
similares a la población objetivo, permite hacer inferencias o generalizar los resultados al
resto de esa población con un margen de error conocido.

6. Tipos de Muestreo: Muestreo probabilístico y no probabilístico

La muestra aleatoria nos permite calcular la probabilidad de error de la inferencia; La

teoría de la probabilidad sólo puede aplicarse a una muestra aleatoria, de lo contrario no hay
modo de medir el grado de confianza que pueda atribuirse a una inferencia obtenida a partir
de una muestra que no sea aleatoria.

El muestreo probabilístico o al azar, está basado en probabilidades, es aquella donde se

conoce de antemano cuál es la probabilidad de obtener cada una de las muestras que sea
posible seleccionar y la equiprobabilidad de elegir un elemento para formar parte de una
muestra

Para que cada una de las unidades tenga las mismas probabilidades de selección deben
cumplir entre otros con los siguientes principios:
 La población y las unidades que la componen deben ser claramente definidas.
 Cada unidad deber ser independiente de las demás, de forma que cuando es elegida
una de ellas, no cambien las probabilidades de selección de las otras.

6
  Una vez que haya sido seleccionada, ninguna de las unidades obtenidas al azar podrá
ser descartada sin que exista el peligro de alterar el universo que la muestra representa.
Entre las ventajas de este método de selección se tienen:

 No es necesario el conocimiento previo de las características del universo.

 Permite comprobar fácilmente la exactitud de las estimaciones, ya que los errores del
muestreo están sometidos a las leyes de probabilidad.
 Permite obtener la información estadísticamente más segura por un costo mínimo.
 Las unidades seleccionadas representan mejor el universo en todos sus aspectos
variables.
 A medida que aumenta el tamaño de la muestra, se incrementa su carácter
representativo.

Desventajas del método probabilístico, entre otras:

 La numeración o identificación de todas las unidades de la muestra resulta oneroso

 No existe la absoluta seguridad de que toda muestra al azar resulte exenta de error

Muestreo no probabilístico
No puede calcularse la probabilidad de extracción de una determinada muestra.

7. Clases de muestreo

Existen diferentes clases de muestreo aleatorio, entre ellos:

 Muestreo aleatorio simple

 Muestreo aleatorio estratificado
 Muestreo aleatorio sistemático
 Muestreo aleatorio por conglomerados o áreas
 Muestro por etapas
 Mixto

7
  Muestreo aleatorio simple

Es la forma más sencilla de muestreo de probabilidad y proporciona la base teórica de

las formas más complejas. Existen dos formas: muestreo con reemplazamiento y sin
remplazamiento. La primera consiste en seleccionar el primer elemento de la población, y
se anota las características del mismo y se vuelve a colocar en la población hasta completar
el tamaño deseado (n). Es importante recordar que el tamaño de la población es N. este tipo
de muestreo puede tener duplicados de la población.
Muestreo sin reemplazamiento o irrestricto; muestreo de poblaciones finitas, cuando se
estudian personas, no aporta información adicional repitiendo la persona dos veces, en este
caso es recomendable una muestra aleatoria sin reemplazamiento, este consiste en
seleccionar n elementos de una población de tamaño N,
En ambos casos cada unidad elegida tiene la misma probabilidad de ser elegida.
El método para seleccionar la muestra es a través de una tabla de número aleatorios, o
por los generadores de números aleatorios. Las tablas de números aleatorios tienen las
propiedades deseadas de aleatoriedad, sin importar el método de elección de la muestra: por
fila, columna, diagonal o irregularmente. La primera tabla fue publicada por un estudiante de
Karl Pearson en 1927, y desde entonces diversas tablas han sido desarrolladas, por ejemplo:

Tabla de números aleatorios

Ejemplo: Dada la siguiente población formada por 80 estudiantes del tercer semestre del
decanato de medicina de la UCLA. Seleccione una muestra aleatoria de tamaño 10 (usando
la tabla de números aleatorios, escoja la tercera fila, primera y segunda columna del segundo

8
bloque) numere la población verticalmente, los alumnos seleccionados serían 23, 62, 26, 47,
34, 22, 66, 80, 27, 54, el 87 no se seleccionaría dado que está por encima de 80 que es el total
de la población.
Ventajas
• Es sencillo para armar las muestras.
• Los procedimientos estadísticos requeridos para analizar los datos y calcular los
errores son más fáciles que los requeridos en otros procedimientos de muestreo
probabilístico.
Desventajas
• Se requiere de una lista completa de todos los miembros de la población objetivo.
• Esta lista debe estar debidamente elaborada, completa y actualizada.
• En las poblaciones grandes es difícil disponer de los datos necesarios para este tipo
de muestreo, por lo que se recomienda utilizar otra técnica.
• Los encuestados pueden estar muy dispersos, por tanto, los costos de la recolección
de datos pueden ser superiores a las de otros diseños de la muestra de probabilidad.
• El muestreo aleatorio simple puede no producir un número suficiente de elementos
de pequeños subgrupos.

 Muestreo aleatorio estratificado

Se obtiene dividiendo los N elementos de la población en G grupos mutuamente

excluyentes, llamados estratos, considerando variables claves, las cuales deben estar
correlacionadas con las variables en estudio, y selección posterior de una muestra aleatoria
de cada estrato.
Es importante resaltar que los estratos formados deben ser homogéneos internamente y
heterogéneos entre ellos, así se garantiza que estén bien definidos los mismos, donde el
reparto del tamaño de la muestra entre los diferentes estratos se le llama afijación. La cual
consiste en:
• Afijación igual o uniforme: repartir por igual la muestra entre todos los estratos
• Afijación proporcional: se distribuye la muestra proporcionalmente al número de
𝑁
elementos de cada estrato.𝑛𝑖 (∑ 𝑖 )
𝑁𝑖

9
 • Afijación óptima: hacer la distribución proporcional al número de elementos y a la
desviación estándar de cada estrato, teniendo en cuenta de ese modo la variabilidad o falta
de homogeneidad del estrato.
Ejemplo: Se desea estimar los niveles de triglicéridos de los 80 estudiantes del tercer
semestre del decanato de medicina de la UCLA por programa. Así que se tiene que dividir
en dos estratos: E1: Enfermería y E2: Medicina.

E1 E2
Estudiantes de Estudiantes de
Enfermería Medicina
(N1=20) (N2=60)

El tamaño de muestra calculado fue de 20 estudiantes.

Sí se hace la distribución uniforme: el tamaño de cada estrato sería n1=10 y n2=10
Sí se hace la distribución proporcional: el tamaño de cada estrato se calcula sustituyendo
𝑁 20 60
en la fórmula 𝑛𝑖 (∑ 𝑁𝑖 ); entonces n1=20 (80)=5 y n2=20 (80)=15
𝑖

Sí se hace la distribución óptima: para este curso no será considerado.

Ventajas
• Tiene una mayor capacidad de hacer inferencia dentro de un estrato y, comparaciones
entre los estratos.
• Tiene errores de muestreo al azar un poco más pequeños para la muestras de mismo
tamaño, por lo que requiere tamaños de muestra más pequeños para el mismo margen de
error.
• Se tiene mayor conocimiento sobre la población de estudio.
• Permite el análisis de los resultados para cada uno de los estratos.
• Es menos costoso que el muestreo aleatorio simple

Desventajas
• La selección de las variables de estratificación puede ser difícil si un estudio implica
un gran número de variables.

10
  Muestreo aleatorio sistemático

Para este método se entiende cuando se toman los elementos de la población de acuerdo
a un cierto orden, a partir de uno de ellos elegido aleatoriamente, a saber, se selecciona
aleatoriamente un elemento de los primeros k elementos en el marco y después cada k-ésimo
elemento se toma de manera sistemática, para ello se procede de la siguiente manera, para un
tamaño de población N se divide en n (tamaño de la muestra) y se obtiene k (intervalo de
selección sistemática), se tomará un número aleatorio entre 1 e k, que se denominará i y de
allí en adelante se toma los elementos que ocupen la misma posición en los k sucesivos, a
saber:
N
 k los elementos seleccionados serían
n
i
iK
i  2k

i  (n  1) K

Ejemplo: Se desea determinar el nivel de conocimiento sobre la forma de transmisión del

covid – 19 que tienen el personal de secretaría del rectorado de la UCLA. El tamaño de la
muestra es de 7. para ello se cuenta con la lista de los nombres
ALTAGRACIA DARIELA

COROMOTO CAROLINA

CARLA RAMÓN

XIOMARA ESPERANZA

SAMARA JOSEFINA

MIGUEL MANUEL

JOSÉ ELENA

JENNIFER GERARDO

DESIREE CANDELARIA

FABIOLA PATRICIO

11
 N 20
Procedimiento: se sustituye en  k así que: k  2,85
n 7
Se toma un número aleatorio entre 1 y 2,85, considerando la primera columna de la tabla
de aleatorios, es 1 que representa a i, ese sería la primera persona seleccionada. Luego se
hacen las cuentas y se toma la parte entera del valor, a saber

1 ALTAGRACIA 11 DARIELA
2 COROMOTO 12 CAROLINA
3 CARLA 13 RAMÓN
4 XIOMARA 14 ESPERANZA
5 SAMARA 15 JOSEFINA
6 MIGUEL 16 MANUEL
7 JOSÉ 17 ELENA
8 JENNIFER 18 GERARDO
9 DESIREE 19 CANDELARIA
10 FABIOLA 20 PATRICIO

El personal seleccionado para hacer el estudio lo conforman: Altagracia, Carla, Miguel,

Desiree, Carolina, Josefina, y Gerardo.

Ventajas
• Recomendable cuando no se dispone de una lista de la población.
• cuando los elementos están en la lista ordenados de manera aleatoria.

12
 Desventaja
• Si las listas de unidades de la población tienen algún orden periódico o cíclico, ya
que, no proporciona necesariamente una muestra representativa.

 Muestreo aleatorio por conglomerado o áreas

Consiste en sustituir las unidades físicas, elementales o últimas a las cuales se refiere el
estudio, por unidades de muestreo que comprendan un grupo de ellas, a saber, un muestreo
por conglomerados es una muestra en la cual cada unidad de muestreo es una colección,
grupo o conglomerado, de elementos.
Se trata de dividir el conjunto total en subconjuntos de elementos. La muestra se expresa
en conglomerados de elementos, los cuales una vez seleccionados se estudia de forma
integral. Es ideal cuando se trabaja con estudios de campo, extensiones territoriales.
Ejemplo: Se pretende determinar el nivel de conocimiento sobre la forma de transmisión
del covid – 19 que tienen los habitantes de la Urb. El Pedregal. Barquisimeto, estado Lara.
Para ello se tiene el mapa:

Se conforman conglomerados de viviendas, dando un total de 13 conglomerados

13
 El tamaño de la muestra es de n=5 conglomerados, los cuales son seleccionados de
manera aleatoria considerando un programa generador de número aleatorios. Dando como
resultado que los conglomerados seleccionados fueron: 10, 2, 12, 5, 8

Y a todas y cada una de las personas que viven en esos conglomerados se le aplicará el
cuestionario, que permitirá determinar el nivel de conocimiento que tienen sobre la forma de
transmisión del covid – 19.
Es importante resaltar que los conglomerados deben ser heterogéneos internamente y
homogéneos entre ellos.
Ventajas
• No hacen falta las listas de los elementos de la población.
• Disminuyen los costos, por la cercanía de las unidades a investigar.
• Es más rápida la búsqueda de la información.
• Se ejerce mejor supervisión.

14
 Desventaja
• Si los conglomerados internamente son homogéneos se presenta sesgo en los
resultados.
• Mayor error por el tamaño de los grupos.

 Muestreo aleatorio por conglomerado o áreas por etapas

En ocasiones se hace una subdivisión de los conglomerados seleccionados en la primera

etapa en nuevos conglomerados, por ejemplo, dividir las manzanas por veredas, y se hace
una nueva selección aleatoria de conglomerados (veredas) de los conglomerados
seleccionados. En este caso se tiene un muestreo aleatorio por conglomerado bietápico. Se
puede hacer en tres o más etapas (polietápico), dependiendo de marco de muestreo a
considerar.

 Muestreo aleatorio mixto

Cuando se combinan varios de los muestreos mencionados, por ejemplo, realizar una
estratificación y luego los estratos de dividen en conglomerados. Esto se realiza dependiendo
de los objetivos de la investigación y del marco muestral con que se cuenta.

 Muestreo no aleatorio
Este tipo de muestreo se utiliza cuando el probabilístico resulta muy costoso, teniendo
presente que no sirve para hacer generalizaciones puesto que no existe certeza de que la
muestra extraída tenga representatividad. En muchas ocasiones se mezclan en sus
denominaciones, lo importante de resaltar que no todos los elementos de la población tiene
la misma probabilidad de ser seleccionados.

 Muestreo intencional intencional: Los elementos de la muestra son seleccionados

directa o intencionadamente de acuerdo a la facilidad de acceso
 Muestreo opinático: Los elementos de la muestra son seleccionados por el
investigador de acuerdo a criterios que él considera de aporte para el estudio.

15
  Muestreo por cuotas: Presupone un buen conocimiento de los estratos de la población
y selecciona a los elementos o individuos más representativos de cada estrato. Para
ello se realiza una clara división por cuotas (estratos) y luego, a cada cuota se aplica
un muestreo discrecional
 Muestreo bola de nieve: Algunos elementos seleccionados de la muestra conducen a
otros y estos a otros hasta conseguir una muestra adecuada en tamaño. Desde éste se
identifica a los sujetos potenciales en estudios en donde los sujetos son difíciles de
encontrar.

8. Tamaño de la muestra para muestreo aleatorio

Para cada clase de muestreo hay una manera de calcular el tamaño de la muestra, además
de considerar lo que se desea estimar, para efectos de esta asignatura sólo se dará a conocer
algunos de los elementos para el cálculo del tamaño de la muestra

1. Tamaño de la población: N
2. Máximo error muestral: Precisión que deseamos para el estudio
3. Nivel de confianza: Porcentaje de seguridad que existe para generalizar los resultados
obtenidos. Comúnmente en las investigaciones se plantea un nivel de confianza alrededor
de 95% el cual es prefijado y da lugar a un coeficiente (zα). Por ejemplo, para una
seguridad del 95%, zα = 1.96, para una seguridad del 99%, zα = 2.58. (Estos valores
provienen de las tablas de la distribución normal Z)
4. La desviación estándar. Es un índice numérico de la dispersión de un conjunto de datos
(o población). Mientras mayor es la desviación estándar, mayor es la dispersión de la
población.
5. Una idea del valor aproximado del parámetro que queremos medir. Esta idea se puede
obtener revisando la literatura, por estudio pilotos previos.

16
 Referencia Bibliográfica

Cochran, W. Técnicas de muestreo. México D.F: Compañía Editora Continental,

S.A; 1982.

Gabladón, N. (1969). Algunos conceptos de muestreo. Instituto de Investigaciones

Económicas y Sociales. Caracas. Venezuela

Kish, L. (1982). Muestreo de encuestas. México. Editorial Trillas

Lohr, S. (2000). Muestreo: Diseño y Análisis. Editores International Thomson. México D.F
Editorial Color, S. A. de CV

Scheaffer, R., Mendenhall, W. y Ott, L. (1986) Elementos de muestreo. México D.F: Grupo
Editorial Iberoamericano SA de CV.

Seijas, F. (1999). Investigación por Muestreo. Caracas. Venezuela. Ediciones de la

Biblioteca. Ediciones FACES-UCV.

17