Método de recolección de datos método de la encuesta o cuestionario entrevista
observación
Introducción
La recolección de datos es una fase crucial en cualquier investigación científica,
social o de mercado, ya que permite obtener la información necesaria para analizar y resolver
los problemas planteados. Entre los métodos más utilizados para este fin se encuentran las
encuestas y los cuestionarios de entrevista. Ambos métodos poseen características
particulares que los hacen adecuados para diferentes contextos y objetivos de investigación.
Este ensayo analiza las ventajas y desventajas de cada uno, así como sus aplicaciones más
comunes, para brindar una visión integral de su utilidad en la recolección de datos.
Es importante asegurarse de que la recolección de datos sea ética y consensuada con
los participantes, y de que los datos sean confidenciales y protegidos. Además, es necesario
considerar la calidad de los datos, incluyendo su precisión, validez y fiabilidad
Desarrollo
La recolección de datos es un aspecto fundamental de cualquier investigación y
requiere un enfoque cuidadoso y planificado para asegurar la obtención de información
precisa y valiosa. La aplicación de los instrumentos de investigación depende del objetivo de
la investigación y de la naturaleza de la información que se desea recopilar.
Método de la Encuesta
Definición y Características
La encuesta es un método utilizado para recabar información entre la población,
relacionado con el enfoque cuantitativo, que se basa en la utilización de cuestionarios
estandarizados, los cuales son distribuidos a una muestra representativa de la población
objetivo, del cual se puede obtener datos en gran escala de la población determinada.
La encuesta es un método de investigación en el cual se emplean varias técnicas e
instrumentos de recolección de datos, como son la entrevista y el cuestionario. La encuesta
puede realizarse por medio de entrevistas personales (o telefónicas) breves y estructuradas,
donde el entrevistador formula las mismas preguntas a todos los entrevistados y las
respuestas se limitan a unas pocas categorías o por medio de un cuestionario con las mismas
características. Narvaez-Trejo (2007).
Ventajas
1. Cobertura Amplia: Permite llegar a un gran número de personas en un corto período
de tiempo, especialmente si se utilizan plataformas en línea.
2. Estandarización: Al utilizar preguntas fijas, facilita la comparación de resultados
entre diferentes grupos de estudio.
3. Costo-efectividad: Especialmente en su formato en línea, las encuestas pueden ser
económicas en comparación con otros métodos de recolección de datos.
Desventajas
1. Limitación en la Profundidad: Las respuestas suelen ser breves y pueden no
capturar la complejidad de las opiniones de los encuestados.
2. Bajo Índice de Respuesta: Las encuestas, especialmente las no presenciales, pueden
tener un bajo índice de respuesta, afectando la representatividad de los datos.
3. Sesgo de Autoselección: Los individuos que eligen participar pueden tener
características diferentes a aquellos que no lo hacen, lo que puede introducir sesgos en
los resultados.
Cuestionario de Entrevista
Definición y Características
Un cuestionario es un instrumento de recolección de datos a través de una serie de
preguntas que tienen el fin de recopilar información de los participantes en el estudio. Se
utiliza principalmente como instrumento en las encuestas. Sin embargo, tal y como lo
mencionamos, el cuestionario se puede utilizar en la investigación de corte cualitativo
siempre y cuando su diseño sea cuidadosamente llevado a cabo y se evite, "poner palabras en
la boca de los participantes". (Htm, W. C. E. M. (s/f). Las Encuestas y la Investigación
Cuantitativa).
Por ejemplo, se puede debatir el uso del cuestionario en un estudio de tipo etnográfico
que pretende conocer los usos y costumbres de un determinado grupo. No es posible que el
investigador llegue con un cuestionario previamente elaborado a recabar información de
dicho grupo sin tener idea de su objeto de estudio. En dado caso, el cuestionario debe ser el
producto de una primera fase en la cual se recabó información utilizando otros métodos
(observación, entrevistas o grupos focales). Por ejemplo, si ya se tiene suficiente información
y los datos indican ciertos patrones o temas, puede que quieras expandir el número de
participantes diseñando un cuestionario basado en lo que los datos te indican. Éste sería el
caso siempre y cuando estuvieras interesado en ampliar tu muestra para verificar si lo que tus
participantes te han informado es compartido por más gente.
Ventajas
· Ayudan a recabar información general de los participantes (edad, antecedentes).
· Son útiles para obtener opiniones.
· Son confiables, pueden aplicarse antes y después de eventos y comparar respuestas.
· El análisis de datos se facilita.
· Se pueden incluir preguntas abiertas, con la consiguiente dificultad para hacer el
análisis.
Desventajas
· Que necesitan pilotearse antes de que se apliquen.
· Los participantes tienden a resistirse a contestarlo.
· Los participantes no lo regresan, por lo que hay que estar solicitándolos
constantemente.
· Normalmente dictan la agenda, por lo que se dificulta descubrir lo que los
participantes piensan y lo que es importante para ellos.
Las encuestas son particularmente útiles en estudios de opinión pública, investigación
de mercado y evaluación de servicios, donde se busca obtener una visión general y
cuantitativa. Por otro lado, los cuestionarios de entrevista son preferidos en estudios
cualitativos, investigación etnográfica y estudios de casos, donde el objetivo es profundizar
en las experiencias y percepciones de los individuos.
Conclusión
Tanto las encuestas como los cuestionarios de entrevista son herramientas valiosas
para la recolección de datos, cada una con sus propias ventajas y limitaciones. La elección del
método adecuado depende de los objetivos específicos de la investigación, los recursos
disponibles y el tipo de información que se desea obtener. Comprender las fortalezas y
debilidades de cada método permite a los investigadores diseñar estudios más efectivos y
obtener datos de alta calidad.
Bibliografía
Medina, M., Rojas, R., Bustamante, W., Loaiza, R., Martel, C., & Castillo, R.
(2023). Metodología de la investigación: Técnicas e instrumentos de investigación. Instituto
Universitario de Innovación Ciencia y Tecnología Inudi Perú.
[Link]
editorialinudi/catalog/download/90/133/157?inline=1
Introducción a la Investigación: guía interactiva. (s/f). [Link].
Recuperado el 30 de mayo de 2024, de
[Link]
(S/f). [Link]. Recuperado el 30 de mayo de 2024, de
[Link]
Htm, W. C. E. M. (s/f). Las Encuestas y la Investigación Cuantitativa. [Link].
Recuperado el 30 de mayo de 2024, de
[Link]
[Link]
POBLACIÓN Y MUESTRA MUESTREO PROBABILISTICO Y NO
PROBABILISTICO
Proyecto: Población y Muestra: Muestreo Probabilístico y No Probabilístico
Introducción
La recolección de datos es esencial para la investigación científica, y una parte crucial
de este proceso es la selección de una muestra representativa de la población de interés.
Existen dos grandes categorías de técnicas de muestreo: probabilístico y no probabilístico.
Este proyecto examina estas categorías, proporcionando definiciones, características,
ventajas, desventajas y ejemplos de aplicación.
Uno de los puntos que más a conflictuado a los comunicadores es el identificar cuánto
es la población y cuánto la muestra, y el determinar los criterios que serán usados para
seleccionar a los componentes de la muestra.
Todas las ciencias hacen uso del muestreo. Para algunos el objeto de estudio es la
población, para otros, como los agrónomos serán los árboles frutales, parcelas o para los
médicos la muestra son pacientes con determinados síntomas patológicos; para los
comunicadores la población de estudio no sólo son personas sino también videos, películas,
artículos de prensa, programas de radio, programas de televisión, cartillas informativas y
otros.
En esta parte de la revista se tratará de comprender y diferenciar los conceptos
importantes de población, muestra y muestreo. En muchas investigaciones el tamaño de la
población es grande y no es posible analizarla en su totalidad por los costos elevados que
demandaría, ¿se imaginan una población de 10 mil persona? ¿se podrá hacer 10 mil
encuestas?, ¿ cuánto dinero gastaría?, está fuera del presupuesto para un estudiante de
comunicación. La muestra y el muestreo permite estudiar sólo una parte de ella que va ser
representativa al resto de la población, al final poder generalizar los resultados a toda la
población.
Desarrollo
Población
Es el conjunto de personas u objetos de los que se desea conocer algo en una
investigación. "El universo o población puede estar constituido por personas, animales,
registros médicos, los nacimientos, las muestras de laboratorio, los accidentes viales entre
otros". (PINEDA et al 1994:108) En nuestro campo pueden ser artículos de prensa,
editoriales, películas, videos, novelas, series de televisión, programas radiales y por supuesto
personas.
Muestra
Es un subconjunto o parte del universo o población en que se llevará a cabo la
investigación. Hay procedimientos para obtener la cantidad de los componentes de la muestra
como fórmulas, lógica y otros que se vera más adelante. La muestra es una parte
representativa de la población.
Por ejemplo, si en la población de estudio hay un 55% de mujeres y un 45% de
hombres, la muestra deberá aproximarse a esta proporción. Es evidente que la mejor forma de
estar seguro de esa representatividad sería estudiando toda la población, sin embargo, esto no
siempre es posible o conveniente. En el caso de estar formada por una cantidad ilimitada de
unidades, la imposibilidad de estudiarlo todo surge por no conocerse su magnitud.
En general, en la investigación se trabaja con muestras y a pesar de que no hay
garantía de su representatividad, hay una serie de ventajas que se pueden destacar:
· Permite que el estudio se realice en menor tiempo.
· Se incurre en menos gastos.
· Posibilita profundizar en el análisis de las variables.
· Permite tener mayor control de las variables a estudiar.
Se tendrán en cuenta los conceptos de validez interna y validez externa, pues de lo
contrario queda comprometido el desarrollo del estudio. La validez interna es la validez del
propio estudio. Hace referencia a que éste no presente errores y sea desarrollado con el rigor
científico necesario, que la muestra sea elegida correctamente, que los criterios de selección
sean bien definidos, que sea representativa de la población y de acuerdo a un diseño
apropiado.
La validez externa está relacionada con la generalización de los resultados, es decir,
con la extrapolación de los resultados de la muestra a la población diana (la muestra debe,
para ello, tener las mismas características que la población de origen).
La muestra a seleccionar tiene que ser representativa de esa población para poder
hacer generalizaciones válidas. Se estima que una muestra es representativa cuando reúne las
características principales de la población en relación a la variable o condición particular que
se estudia.
La representatividad de una muestra está dada por su tamaño y por la forma en que el
muestreo se ha realizado.
Muestreo
Es el método utilizado para seleccionar a los componentes de la muestra del total de la
población. Consiste en un conjunto de reglas, procedimientos y criterios mediante los cuales
se selecciona un conjunto de elementos de una población que representan lo que sucede en
toda esa población.
El realizar el diseño muestral es importante porque:
a) Permite que el estudio se realice en menor tiempo.
b) Se incurre en menos gastos.
c) Posibilita profundizar en el análisis de las variables.
d) Permite tener mayor control de las variables a estudiar.
Otro aspecto que genera gran inquietud en los investigadores es el tamaño de la
muestra que se desarrollará a continuación.
Muestreo Probabilístico Y No Probabilístico
Lo primero que hay que hacer es definir la unidad de análisis (individuos,
organizaciones, periódicos, comunidades, situaciones, eventos, etc.). Aquí el interés se centra
en “qué o quiénes”, es decir, en los participantes, objetos, sucesos o comunidades de estudio
(las unidades de análisis), lo cual depende del planteamiento de la investigación y de los
alcances del estudio.
Ahora bien, generalmente no toda la población accesible será válida para el estudio,
por lo que los investigadores deben especificar los criterios que definen quienes deben
incluirse y quiénes no. Este proceso de selección va a delimitar a la población elegible.
En ocasiones, cuando la población que se estudia es reducida, no es difícil obtener
información de todos sus miembros, pero los resultados no podrán aplicarse a ningún otro
grupo que no sea el estudiado.
Existen dos grandes tipos de muestreo. Cada uno de ellos ofrece varias formas de
extraer muestras de una población. Los dos tipos de muestreo son el Muestreo
Probabilístico y el Muestreo No Probabilístico.
Muestreo Probabilístico
En el muestreo probabilístico o aleatorio, la muestra es aquella extraída de una
población de tal manera que todo miembro de ésta tenga una probabilidad conocida de estar
incluido en la muestra. Por lo tanto, conocemos la probabilidad de que un individuo sea
elegido para la muestra.
El modelo de selección de la muestra más eficaz es el muestreo probabilístico, en el
que cada unidad de muestreo tiene una probabilidad conocida de ser incluido en el estudio.
Nos indica cuál es el error de muestreo y dentro de estos el muestreo estratificado es el más
preciso.
Los principales tipos de muestro probabilístico son:
· Muestreo aleatorio simple (MAS). Es el más sencillo, eficaz y usado. Otorga a todos
los sujetos de una población la misma probabilidad de ser incluidos en la muestra.
Tras haber asignado un número a cada sujeto, se utilizan números aleatorios para la
obtención de la muestra. Son seleccionados por sorteo o mediante una tabla de
números aleatorios que puede ser en formato papel, pero normalmente son generados
por ordenador y se utilizan las tablas que incluyen los programas informáticos
estadísticos (o la función “[Link]” de la hoja de cálculo ExcelR de
Microsoft). Este procedimiento es simple y eficaz, pero tiene un inconveniente, ya
que no se puede utilizar si el universo es muy grande.
· Muestreo aleatorio sistemático. Este procedimiento exige, como el anterior, numerar
todos los elementos de la población, pero en lugar de extraer n números aleatorios,
sólo se extrae uno. Se parte de este número aleatorio i (comprendido 1 yk=coeficiente
de elevación, que es un número elegido al azar).Los elementos que integran la
muestra son los que ocupan los lugares i, i+k, i+2k, i+3k,..., es decir se toman los
individuos de k en k, donde k es el resultado de dividir el tamaño de la población
entre el tamaño dela muestra: k=N/n. Por ej. Tenemos 10000 pacientes en una lista
(N) y necesitamos obtener una muestra de 200 (n).
Primero elegimos al azar un paciente entre los 10000/200=50 primeros (supongamos
que salga el 25). Por tanto i=25 y k=50
Después, el primer paciente es el que tiene asignado el número 25. El segundo
paciente será i+k (25+50=75), el siguiente será el i+2k (25+100=125), y así
sucesivamente.
El riesgo de este tipo de muestreo está en los casos en que se dan periodicidades en la
población, y sólo obtengamos representantes de una clase o proporciones distintas en
la muestra de la que realmente tienen en la población. Esta situación comprometería la
representatividad de la muestra.
· Muestreo aleatorio estratificado. Se divide la población en diferentes estratos (grupos
homogéneos de sujetos) y se hace un muestreo aleatorio simple dentro de cada estrato,
de forma que en la muestra queden representados todos los segmentos que nos
interesen. Por ejemplo, si en una población muy heterogénea en cuanto a edad
interesa que todos los grupos de edad estén representados, la solución es realizar un
muestreo aleatorio simple dentro de cada grupo de edad. A la hora de necesitar este
tipo de muestreo, conviene tener en cuenta No hacer muchos estratos y no estratificar
con respecto a muchas variables.
· Muestreo por conglomerados. Simplifica el muestreo cuando una población está
agrupada en conglomerados (localidades, edificios, manzanas). Se utiliza cuando no
se cuenta con un listado detallado de las unidades de la población, y/o se tiene
dificultad de organizar las unidades muestrales. En estas circunstancias no podemos
utilizar el muestreo estratificado. Por ello se procede a formar grupos o conjuntos de
unidades (conglomerados) que los investigadores definen. Se puede elegir a la
totalidad de los individuos de un conglomerado o a una muestra aleatoria simple del
mismo. Este tipo de muestreo es el menos fiable.
Por ejemplo, si deseamos conocer el grado de satisfacción de los pacientes con las sesiones
de Educación para la Salud, necesitamos una muestra de 1.000 sujetos. Ante la dificultad de
acceder individualmente a estos sujetos se decide hacer una muestra por conglomerados.
Sabiendo que el número de participantes por Área de Salud han sido 100, los pasos serían los
siguientes:
o Recoger un listado de todas las Áreas de Salud.
o Escoger las Áreas de Salud por muestreo aleatorio simple o sistemático.
o Elegir por muestreo aleatorio simple o sistemático los 10 centros
(1000/1000=10) que nos proporcionarán los 1000 pacientes que necesitamos.
Ventajas y Desventajas
Ventajas:
· Permite la generalización de resultados.
· Menor sesgo en la selección de la muestra.
· Los errores de muestreo pueden ser calculados.
Desventajas:
· Puede ser costoso y complicado de implementar.
· Requiere una lista completa de la población.
Muestreo No Probabilístico
En el muestreo no probabilístico, “muestreo por conveniencia” o no aleatorio, no se conoce
esa probabilidad, y por lo tanto la posibilidad de que existan sesgos es mayor. Eso implica,
entre otras cosas, que en principio no se pueden extrapolar los resultados a la población. A
pesar de ello, en ocasiones no queda otra elección que utilizarlos.
· Muestreo por cuotas. También denominado en ocasiones “accidental” (no confundir
con el muestreo incidental). Se asienta sobre la base de un buen conocimiento de los
estratos de la población y/o de los individuos más “representativos” o “adecuados”
para los fines de la investigación. Mantiene, por tanto, semejanzas con el muestreo
aleatorio estratificado, pero no tiene el carácter de aleatoriedad de aquél. En este tipo
de muestreo se fijan unas cuotas que son un número de individuos que reúnen unas
condiciones determinadas. Una vez determinada la cuota se eligen los primeros que se
encuentren que cumplan esas características. Es el método de elección en las
encuestas de opinión. Por ejemplo, necesitamos 120 individuos adictos a drogas de 25
a 40 años, de sexo femenino y residentes en Madrid. Los servicios sociosanitarios de
la Comunidad de Madrid proporcionan un listado por núcleos de residencia con todos
los sujetos de la Comunidad distribuidos que reúnen esos criterios. Por último, se
escogen los primeros de cada listado hasta completar los 120 sujetos que necesitamos.
· Muestreo opinático o intencional. Este tipo de muestreo se caracteriza por un esfuerzo
deliberado de obtener muestras “representativas” mediante la inclusión en la muestra
de grupos supuestamente típicos. Es muy frecuente su utilización en sondeos
preelectorales de zonas que en anteriores votaciones han marcado tendencias de voto.
· Muestreo casual o incidental. Se trata de un proceso en el que el investigador
selecciona directa e intencionadamente los individuos de la población. El caso más
frecuente de este procedimiento el utilizar como muestra los individuos a los que se
tiene fácil acceso (los profesores de universidad emplean con mucha frecuencia a sus
propios alumnos) o el caso particular de los voluntarios.
· Cadena o bola de nieve. Se localiza a algunos individuos, los cuales conducen a otros,
y estos a otros, y así hasta conseguir una muestra suficiente. Este tipo se emplea
frecuentemente cuando se hacen estudios con poblaciones “marginales”, delincuentes,
sectas, pacientes de difícil localización por su “marginalidad”, etc.
Ventajas y Desventajas
Ventajas:
· Más rápido y menos costoso.
· Útil para estudios exploratorios y cualitativos.
· No requiere una lista completa de la población.
Desventajas:
· Alta probabilidad de sesgo.
· Resultados no generalizables a toda la población.
· No permite calcular el error de muestreo.
Conclusión
La elección del método de muestreo depende de los objetivos de la investigación, la
naturaleza de la población, los recursos disponibles y el tipo de análisis que se planea
realizar. Tanto el muestreo probabilístico como el no probabilístico tienen sus propias
ventajas y limitaciones. Un entendimiento claro de estos métodos permite a los
investigadores seleccionar la técnica más adecuada para sus estudios, asegurando la validez y
fiabilidad de los resultados.
Este esquema proporciona una estructura clara y detallada para el desarrollo del
proyecto, respaldada por citas bibliográficas relevantes para garantizar la solidez y
credibilidad de la información presentada.
Bibliografia
López, P. L. (s. f.). POBLACIÓN MUESTRA y MUESTREO.
[Link]
Técnicas de muestreo. (s. f.). [Link]
metodologia-de-la-investigacion/tema-4-tecnicas-de-muestreo
-. (s/f). [Link]. Recuperado el 31 de mayo de 2024, de
[Link]
0276200400010001200005&lng=es
UCB-Cbba., C. S. D. (s/f). Pedro Luis Ló pez. [Link]. Recuperado el 31 de
mayo de 2024, de [Link]
LIBRO PINEDA, Beatriz; DE ALVARADO, Eva Luz; DE CANALES,
Francisca 1994 Metodología de la investigación, manual para el desarrollo
de person al de salud, Segunda edición. Organización Panamericana de la
Salud. Washington.
Pineda, E. B., de Alvarado, E. L., & de Canales, F. H. (1994). Metodologia de la
investigación: Manual para el desarrollo de personal de salud. Serie PALTEX para
Ejecutores de Programas de Salud;35. [Link]
ESTIMACIÓN DEL TAMAÑO DE LA MUESTRA
Introducción
Saber cómo determinar el tamaño de la muestra antes de comenzar una investigación
es un principio estadístico que nos ayuda a evitar el sesgo en la interpretación de los
resultados obtenidos.
La estimación del tamaño de la muestra es una etapa crítica en el diseño de
investigaciones cuantitativas. Determinar el tamaño de la muestra adecuado es esencial para
asegurar la validez y precisión de los resultados. Un tamaño de muestra insuficiente puede
llevar a conclusiones erróneas, mientras que un tamaño excesivo puede resultar en el uso
ineficiente de recursos. El tamaño de la muestra es una porción significativa de la población
que cumple con las características de la investigación reduciendo los costos y el tiempo.
Un aspecto relevante en la metodología de la investigación, es la estimación o cálculo
de la cantidad de participantes que deben incluirse en un estudio. La primera reflexión que
surge es ¿para qué sirve el cálculo del tamaño de la muestra? Permite a los investigadores
saber cuántos individuos son necesarios estudiar, para estimar un parámetro determinado con
el grado de confianza deseado o el número necesario para detectar una determinada
diferencia entre los grupos de estudio, suponiendo que existiese realmente.
La inclusión de un número excesivo de sujetos encarece el estudio en varios aspectos.
Un estudio con un tamaño insuficiente de la muestra estimará un parámetro con poca
precisión o será incapaz de detectar diferencias entre los grupos, conduciendo a conclusiones
erróneas.
En este documento se revisan los aspectos sobresalientes del tema, incluyendo los
matemáticos utilizados para estimar el tamaño de la muestra.
Desarrollo
El tamaño de la muestra de una encuesta es muy importante para poder realizar una
investigación de manera correcta, por lo que hay que tener en cuenta los objetivos y las
circunstancias en que se desarrolle la investigación. Es la probabilidad de que un estudio de
un determinado tamaño detecte como estadísticamente significativa una diferencia que
realmente existe.
Recuerda que la finalidad es que las personas completen la encuesta y te otorguen los
datos que estás buscando.
El cálculo del tamaño de la muestra no es una simple operación aritmética que nos
proporcione un valor. Es una función matemática, por lo tanto, el cambio de una variable,
necesariamente se acompaña del cambio de la otra considerada en la ecuación. Permite una
mejor aproximación al número que se requiere, ajustando a su vez el poder estadístico con
otros parámetros.
Se denota por: y = f(x) donde:
y = variable dependiente (atributo o característica cuyo cambio es el que interesa
medir, también se le denomina resultante o desenlace. En el cálculo del tamaño de la muestra,
es el número de participantes que se necesitan).
x = variable independiente (atributo o característica que explica o predice el cambio
en la variable dependiente. En el cálculo del tamaño de la muestra, un ejemplo es el poder
estadístico que se requiere y que el investigador fija con antelación).
f = función (es una colección de pares de valores ordenados, que pertenecen a
diferentes conjuntos. En el cálculo del tamaño de la muestra, los conjuntos se pueden
ejemplificar con el poder estadístico y el número muestral resultante).
f (x) = regla de correspondencia (expresa que para cada elemento de un conjunto se
relaciona solamente con un elemento de otro conjunto En el cálculo del tamaño de la muestra,
para un elemento del poder estadístico se relaciona solamente con un número muestral).
Rigor en el cálculo del tamaño de muestra en ciencias
En las diferentes áreas de la investigación científica se debe tener rigor metodológico
tanto para la elaboración del protocolo, como para el desarrollo de las diferentes fases de la
investigación. En este orden de ideas, es exigible la misma severidad para estimar el tamaño
de la muestra en investigación en educación médica, que en otras áreas del conocimiento. Lo
anterior aplica para la mayoría de los estudios contenidos en la brújula o compás de la
investigación en educación médica.
¿En dónde se anota el desarrollo del cálculo del tamaño de la muestra?
Los sitios en donde se desglosa este proceso son: el protocolo de la investigación,
también aparece en las tesis de Maestrías y Doctorados en Ciencias Médicas y de la Salud y
eventualmente en las de licenciatura. Pero no aparece en los artículos publicados, se da como
un valor entendido que se realizó con rigor metodológico. Lo que aparece en los artículos
científicos es la muestra en el estudio, pero no las variables y sus valores que se consideraron
para la estimación del número.
Factores para la determinación del tamaño de la muestra
Los factores que condicionan el tamaño de muestra, son de orden logístico o
estadístico. Entre los primeros se encuentran las limitantes financieras o la disponibilidad
de participantes. Los siguientes son los factores de orden estadístico que se desglosarán
a continuación:
1. Hipótesis.
2. Error tipo I o error α.
3. Error tipo II o error β.
4. Poder estadístico.
5. Variabilidad.
6. Pérdidas en el seguimiento del estudio.
7. Relevancia del tamaño del efecto y significancia estadística.
1. Hipótesis
De acuerdo con el tipo de estudio de investigación, puede ser necesario formular una
o más hipótesis. Si se trata de un estudio tipo descriptivo, ésta no es necesaria. En los estudios
de tipo comparativo es necesario establecerlas. En ambos casos, es necesario contrastar las
hipótesis y determinar si se aceptan o se rechazan. Para ese contraste, las hipótesis toman el
nombre de nula (H0) o alternativa (H1). El investigador desea probar la hipótesis alternativa,
que significa rechazar la hipótesis nula. Al valor α (error tipo I) se le conoce como la
probabilidad de que se rechace H0 (se acepte H1) cuando H0 es cierta. Al valor β se le conoce
como la probabilidad de que se acepte H0 cuando es falsa (H1 es cierta).
El tipo de contraste de hipótesis puede ser unilateral (una cola) o bilateral (dos colas).
Una hipótesis unilateral especifica la dirección de la asociación (mayor o menor) de las
variables; en la bilateral se puede afirmar la asociación entre las variables, pero no especifica
la dirección. En el contraste bilateral el tamaño de muestra es más grande, estos contrastes
también poseen mayor robustez y se prefieren a los de una cola. Cabe mencionar que el valor
de Z de una distribución normal (distribución en el que el valor de la media igual a 0 y
desviación estándar igual a 1) cambia dependiendo el tipo de contraste de hipótesis.
2. Error tipo I o error α
En un contraste de hipótesis, al valor α (error tipo I) se le conoce como la
probabilidad de que se rechace H0 (se acepte H1) cuando H0 es cierta. Es decir, P(aceptar H1 |
H0 es cierta) = α. Al valor (1 - α)*100 se le conoce como el nivel de confianza de la prueba.
El valor de α varía dependiendo del nivel de confianza que se quiera de la prueba; el criterio
más usado en la literatura biomédica es aceptar un riesgo de α < 0.05.
3. Error tipo II o error β
A la probabilidad de que se acepte H 0 cuando ésta es falsa (H1 es cierta), se le conoce
como error tipo II o error β, es decir: P(aceptar H0 | H1 es cierta) = β. El valor de β tolerable
de mayor aceptación en la comunidad científica va de 0.1 a 0.2.
4. Poder estadístico
Es la probabilidad de que un estudio de un determinado tamaño detecte como
estadísticamente significativa una diferencia que realmente existe.
Se define como 1 - β. Es decir, P(aceptar H1 | H1 es cierta) = 1 -β
Su valor depende del error tipo II que se acepte. Si β = 0.2, se tendrá una potencia de
1 - β = 0.8. En términos porcentuales se dice que la prueba tiene una potencia del 80%, que es
el mínimo aceptado en la literatura biomédica.
Cuanto menores sean los riesgos calculados para los errores alfa y beta, mayor será el
tamaño muestral requerido. Cuanto menor sea la variabilidad, menor será la muestra
estimada. A menor diferencia que se desea detectar, mayor será el número de participantes.
5. Variabilidad
Es la dispersión esperada de los datos. Se evalúa dependiendo de la variable de
interés. Si éstas son numéricas continuas (grupo de valores infinitos que incluyen decimales),
el tamaño de muestra estará determinado por la variable con el mayor coeficiente de
variación (CV) [CV (Ȳ) = (SY/Ȳ)], donde SY es la desviación estándar y Ȳ es la media. Por otra
parte, cuando las variables de interés son categóricas, por convención se recomienda utilizar
la estimación de la proporción que más se acerque a 0.5, ya que proporciona el mayor número
muestral. Para determinar la variabilidad se debe recurrir a la literatura publicada de la
variable de interés, cuando el dato no está disponible se usarán datos de pruebas piloto y en
última instancia a estimaciones hechas por expertos.
6. Pérdidas en el seguimiento del estudio
Durante la realización del estudio, puede haber pérdidas de participantes por diversas
razones. El tamaño mínimo de muestra necesario para obtener resultados estadísticamente
significativos está pensado, de acuerdo con en el número de sujetos al final del estudio y no
con el inicial. Es recomendable adicionar al cálculo inicial, un 10% a 20% de participantes.
Una forma sencilla de estimar el cálculo es: n(1/1-R), donde n representa el número de
participantes sin pérdidas, y R es la proporción de pérdidas esperadas.
7. Relevancia del tamaño del efecto y significancia estadística
La magnitud de la diferencia del efecto que se desea detectar entre los grupos
evaluados, es la condicionante más importante para el cálculo del tamaño de la muestra. Con
frecuencia, la obtención de una diferencia estadísticamente significativa (diferencia en los
resultados al contrastar dos o más valores o grupos con una prueba estadística, generalmente
se fija un punto de corte para decir que si hay diferencias entre los valores. Por convención,
lo más frecuente es aceptar la propuesta de Karl Pearson, que hay diferencias significativas
cuando el valor de p es ≤0.05) no resulta relevante para el área en que se está investigación,
práctica clínica, educación médica, etc. El investigador debe determinar si la magnitud de esa
diferencia es relevante para el área de interés, independientemente de que haya sido
estadísticamente significativa. Se espera que cualquier diferencia de relevancia también sea
estadísticamente significativa.
Si en un estudio se han considerado los factores arriba descritos, pero no se ha
anticipado que el resultado sea relevante en educación médica, pierde utilidad. Para
ejemplificar: se realizó un estudio cuyo objetivo fue medir el conocimiento en medicina
familiar de dos muestras de estudiantes que tomaron clases con profesores distintos, y el
instrumento de medición del nivel de conocimiento fue un examen de opción múltiple de 100
ítems. Al momento de analizar estadísticamente los datos, se encontraron diferencias entre
ambos grupos (p<0.05), pero en el análisis se identificó que las diferencias fueron solamente
del valor de dos respuestas, por lo anterior, se puede afirmar que hay diferencias
estadísticamente significativas, pero carece de relevancia para la toma de decisiones
educativas.
Al calcular el tamaño de la muestra se utilizan fórmulas matemáticas que consideran
en forma simultánea varios de los siete factores estadísticos antes descritos, para la mayoría
de ellos ya existen valores aceptados por convención o incluso asignados de manera
arbitraria; al momento de sustituir valores en tales fórmulas nos encontramos que los rubros
de variabilidad y tamaño del efecto requieren revisión bibliográfica, estudios piloto o la
opinión de expertos para asignar un valor apropiado.
Objetivos del Proyecto
1. Comprender la importancia de la estimación del tamaño de la muestra.
2. Identificar los factores que influyen en la determinación del tamaño de la muestra.
3. Presentar métodos y fórmulas para calcular el tamaño de la muestra.
4. Proporcionar ejemplos prácticos de estimación del tamaño de la muestra en diferentes
contextos de investigación.
Importancia de la Estimación del Tamaño de la Muestra
La estimación adecuada del tamaño de la muestra es fundamental para:
· Asegurar la representatividad de la muestra.
· Minimizar el error de muestreo.
· Garantizar la significancia estadística de los resultados.
· Optimizar los recursos disponibles.
Factores que Influyen en la Determinación del Tamaño de la Muestra
a. Nivel de Confianza
El nivel de confianza refleja la seguridad con la que se puede afirmar que el intervalo
de confianza contiene el parámetro poblacional. Comúnmente se utilizan niveles de confianza
del 95% o 99%.
b. Error de Muestreo
El error de muestreo (o margen de error) es la diferencia máxima permitida entre la
estimación de la muestra y el parámetro poblacional. Se expresa en porcentaje y
generalmente se acepta un margen de error del 5%.
c. Variabilidad Poblacional
La variabilidad dentro de la población afecta el tamaño de la muestra. Mayor
variabilidad requiere una muestra más grande para obtener estimaciones precisas.
d. Tamaño de la Población
El tamaño total de la población también influye, especialmente en poblaciones finitas.
En poblaciones grandes, el tamaño de la muestra es menos sensible al tamaño de la
población.
Métodos y Fórmulas para Calcular el Tamaño de la Muestra
a. Fórmula para Poblaciones Finita
n=N⋅Z2⋅p⋅(1−p)e2⋅(N−1)+Z2⋅p⋅(1−p)n=e2⋅(N−1)+Z2⋅p⋅(1−p)N⋅Z2⋅p⋅(1−p)
Donde:
· nn = Tamaño de la muestra.
· NN = Tamaño de la población.
· ZZ = Valor crítico de Z correspondiente al nivel de confianza.
· pp = Proporción estimada de la población (se suele usar 0.5 si no se
conoce).
· ee = Margen de error.
b. Fórmula para Poblaciones Infinita
n=Z2⋅p⋅(1−p)e2n=e2Z2⋅p⋅(1−p)
Ejemplos Prácticos
Ejemplo 1: Encuesta de Opinión
· Población: 10,000 personas.
· Nivel de confianza: 95% (Z = 1.96).
· Margen de error: 5%.
· Proporción estimada: 0.5.
n=10,000⋅(1.96)2⋅0.5⋅(1−0.5)
(0.05)2⋅(10,000−1)+(1.96)2⋅0.5⋅(1−0.5)≈370n=(0.05)2⋅(10,000−1)+(1.96)2⋅0.5⋅(1−0.5)1
0,000⋅(1.96)2⋅0.5⋅(1−0.5)≈370
Ejemplo 2: Investigación Médica
· Población infinita.
· Nivel de confianza: 99% (Z = 2.576).
· Margen de error: 2%.
· Proporción estimada: 0.5.
n=(2.576)2⋅0.5⋅(1−0.5)(0.02)2≈6,657n=(0.02)2(2.576)2⋅0.5⋅(1−0.5)≈6,657
Conclusión
La estimación precisa del tamaño de la muestra es esencial para garantizar la validez y
fiabilidad de los resultados de la investigación. Al considerar factores como el nivel de
confianza, el margen de error, la variabilidad poblacional y el tamaño de la población, los
investigadores pueden determinar el tamaño de muestra adecuado para sus estudios. El uso de
fórmulas adecuadas y la comprensión de los conceptos subyacentes permiten a los
investigadores optimizar sus recursos y obtener resultados significativos.
Este esquema proporciona una estructura clara y detallada para el desarrollo del proyecto,
respaldada por citas bibliográficas relevantes para garantizar la solidez y credibilidad de la
información presentada.
Bibliografia
Tamaño de la muestra. Qué es y cómo calcularla. | QuestionPro. (s. f.).
[Link]
García-García, J. A., Reding-Bernal, A., & López-Alvarenga, J. C. (2013). Cálculo
del tamaño de la muestra en investigación en educación médica. InvestigacióN En EducacióN
MéDica/InvestigacióN En EducacióN MéDica(En LíNea), 2(8), 217-224.
[Link]
(S/f). [Link]. Recuperado el 31 de mayo de 2024, de
[Link]
