PASO 5 - CONCEPTOS DE MUESTREO E INFERENCIA ESTADÍSTICA
Leonardo Scarpetta Claros
Valery Yuliana Bernal Gómez
Wilfer Silva Aguirre
Jesica Ramos Velasco
Grupo:
151003_20
BIOESTADISTICA
Tutor:
Paula Andrea Fernández Solarte
Universidad Nacional Abierta y a Distancia UNAD
Escuela De Ciencias De La Salud ECISA
Regencia de Farmacia
Enero de 2025
INTRODUCCION.
El muestreo y la inferencia estadística son herramientas fundamentales en el análisis de
datos, especialmente cuando se busca comprender y generalizar características de una
población sin necesidad de examinarla en su totalidad. A través del muestreo, se
selecciona una parte representativa de la población que permite, mediante
procedimientos estadísticos, realizar estimaciones y conclusiones aplicables al conjunto
completo. La inferencia estadística, por su parte, utiliza métodos para analizar los datos
obtenidos de la muestra y proporcionar interpretaciones con un grado de certeza
medible.
En este trabajo, se exploran los conceptos clave del muestreo y la inferencia estadística,
destacando su importancia en la toma de decisiones basadas en datos y su aplicabilidad
en diversos contextos. Además, se reflexiona sobre la relación entre la calidad de la
muestra y la precisión de las inferencias, aspectos que resultan críticos para garantizar
1
resultados confiables en cualquier estudio estadístico.
OBJETIVOS.
Identificar y describir el tema principal y los conceptos fundamentales necesarios para
entender el desarrollo del trabajo.
Explorar información previa y preguntas relacionadas con el tema, destacando aquellos
aspectos que son clave para comprender su impacto en el desarrollo de la actividad.
Dividir el contenido en partes específicas que permitan una exploración clara y
desarrollo de los puntos más importantes, asegurando una comprensión.
Relacionar los conceptos y datos presentados para generar un discurso coherente entre
nosotros que desarrolle los temas tratados.
Realizar un análisis final que conecte todas las referencias y los puntos desarrollados,
proporcionando una conclusión personal que resuma lo aprendido.
2
1. ¿Qué se entiende por muestra?
Una muestra es una pequeña parte o porción que se toma de algo más grande, como un
grupo de personas, objetos o datos, con el propósito de estudiarla y sacar conclusiones
que puedan aplicarse al conjunto completo. Es como elegir un pedacito representativo
de un pastel para probar su sabor sin tener que comerlo todo. En el caso de tu trabajo,
podría referirse a un grupo seleccionado de pacientes o medicamentos para hacer
análisis o evaluaciones específicas.
2. ¿Diferencias en muestra probabilística y una muestra no probabilística?
Muestra probabilística:
Se selecciona de forma aleatoria, lo que significa que cada elemento del grupo tiene la
misma probabilidad de ser elegido.
Es más representativa del total, ya que evita sesgos y asegura que los resultados sean
más confiables para generalizar.
Ejemplo: Si quisieras evaluar la efectividad de una educación sobre medicamentos en tu
población, seleccionarías pacientes al azar de distintas edades o áreas rurales.
Muestra no probabilística:
Se elige de manera intencional o por conveniencia, lo que significa que no todos los
elementos tienen las mismas probabilidades de ser seleccionados.
Es más fácil y rápida de obtener, pero puede no ser representativa del total, lo que
limita la generalización de los resultados.
Ejemplo: Si decides evaluar solo a pacientes que visitaron la IPS en una semana
específica porque es más práctico para ti.
3. Describa los tipos de muestreo probabilístico y no probabilístico
Tipos de Muestreo Probabilístico:
Aleatorio Simple
Sistemático
Estratificado
Por Conglomerados
Tipos de Muestreo No Probabilístico:
Por Conveniencia
Intencional
Por Cuotas.
Bola de Nieve
4. Qué tipo de muestra es la adecuada para hacer inferencias a una población.
Explique.
3
La muestra probabilística es la más adecuada para hacer inferencias porque asegura
que todos los elementos de la población tengan la misma probabilidad de ser
seleccionados. Esto garantiza representatividad, reduce sesgos y permite generalizar
los resultados a toda la población. Además, al usar métodos aleatorios, se pueden
calcular márgenes de error y niveles de confianza, lo que hace que las conclusiones
sean más precisas y confiables.
5. De acuerdo con el artículo que encuentra en el siguiente enlace: Enlace del artículo
identifique la población de estudio, la muestra y el tipo de muestreo utilizado.
POBLACIÓN DE ESTUDIO: 134 auxiliares de enfermería.
MUESTRA: 90 participantes.
TIPO DE MUESTREO: Muestreo Probabilístico
6. ¿Qué tipo de muestra es la correspondiente a las 5 personas de su grupo
colaborativo, si se toma como población el grupo total de estudiantes de
bioestadística de este semestre? Suponga que para la conformación de los grupos se
tuvo en cuenta el estrato socioeconómico de los participantes.
La muestra correspondiente a las 5 personas de su grupo colaborativo, si se toma como
población el grupo total de estudiantes de bioestadística de este semestre, sería una
muestra no aleatoria
7. Dibuje y analice una gráfica de la distribución de Gauss (normal) y señale sus
principales características.
Características
Simétrico: La curva es simétrica respecto a la media, lo que significa que la mitad de los
4
datos se encuentran a la izquierda y la otra mitad a la derecha de la media.
La simetría permite asumir que la distribución de los datos sigue un patrón predecible,
lo que facilita la evaluación de probabilidades y riesgos en situaciones como estudios
clínicos, donde se busca determinar si un tratamiento tiene efectos consistentes entre
los grupos de población.
Cola: Las colas de la distribución se acercan al eje horizontal pero nunca tocan el cero,
lo que indica que siempre hay una pequeña probabilidad de observar valores extremos
(tanto positivos como negativos).
Las colas indican que los eventos raros aún tienen una probabilidad de ocurrir, lo que es
crucial para la planificación de riesgos. Por ejemplo, en la evaluación de efectos
secundarios de un medicamento, aunque poco frecuentes, los eventos extremos deben
ser considerados en la toma de decisiones regulatorias y de salud pública.
Media: La media de la distribución se encuentra en el centro de la gráfica representada
por la línea roja discontinua.
La media es un indicador clave para resumir los datos, como en el análisis de la eficacia
de un tratamiento. Si se observa que la media de los resultados se encuentra dentro de
un rango esperado, se pueden hacer recomendaciones basadas en esa tendencia
central.
Desviación estándar: La amplitud de la curva está determinada por la desviación
estándar, a medida que aumenta la curva se vuelve más ancha y baja y si disminuye la
curva se estrecha y se eleva.
La desviación estándar es fundamental para evaluar la variabilidad de los datos. Por
ejemplo, en un estudio sobre un nuevo medicamento, una desviación estándar baja
indicaría que los resultados son consistentes, mientras que un alta sugiere que los
efectos varían mucho entre los individuos. Esta información es crucial para determinar
si un tratamiento es adecuado para una población amplia o si necesita personalización.
8. ¿Qué son los intervalos de confianza?
Un intervalo de confianza se utiliza para estimar un rango de valores dentro del cual se
espera encontrar un parámetro poblacional (la media, la proporción, …) con un nivel de
confianza; Como lo mencionamos anteriormente para estimular los parámetros
poblacionales, estos están basados en los datos de una muestra.
El intervalo de confianza está asociada a un nivel de confianza, que es la probabilidad
de que el intervalo encierre el verdadero valor del parámetro poblacional.
El intervalo de confianza se calcula a partir de la estadística de la muestra y un margen
de error, que se basa en la variabilidad de los datos y el tamaño de la muestra.
Un intervalo de confianza no nos garantiza que el parámetro poblacional este dentro del
intervalo, sino que proporciona una estimación basada en la muestra.
9. ¿Qué quiere decir que la tasa de mortalidad por cáncer es de 90 por 10.000
habitantes y su intervalo de confianza del 95% es de 65-132?
Tasa de mortalidad: En la comunidad que fue estudiada, se estima que hay 90 muertes
por cáncer por cada 10.000 habitantes en un periodo determinado (es una estimación
5
puntual). Esta tasa es una medida de la frecuencia con la que ocurren las muertes por
cáncer en esa comunidad.
Intervalo de confianza: Se dice que el intervalo de confianza es del 95% (65-132), aquí
nos proporciona un rango de la cual se espera encontrar la verdadera tasa de
mortalidad por cáncer en la población general con un 95% de confianza. Si se llegara a
repetir el estudio, hubiera un aproximado del 95% de los intervalos calculados y con
esto se incluirían la verdadera tasa de mortalidad. Al hablar del intervalo de 65-132 se
indica que hay incertidumbre en esta estimación, lo que podría indicar que la tasa
estaría más debajo de 65 o mas alta de 132 muertes por 10.000 habitantes.
6
CONCLUSIONES.
Este proceso nos permitió descubrir que el verdadero valor del trabajo en equipo radica
en la combinación de nuestras fortalezas y en el aprendizaje que surge de las
diferencias. Cada aporte fue una pieza clave para dar forma a nuestras ideas, y juntos
logramos superar retos que quizá de manera individual habrían sido más desafiantes.
Más allá del resultado final, nos llevamos la experiencia de construir algo en conjunto,
aprendiendo a escuchar, aportar y crecer como grupo. Este ejercicio nos recordó que la
colaboración no solo multiplica las ideas, sino también las oportunidades de
aprendizaje y desarrollo
