Skip to Main Content

Introducción

Las exigencias en la investigación actual han creado la necesidad de profundizar en muchos aspectos estadísticos. Es práctica común pedir a los alumnos de maestría y doctorado que calculen el tamaño de la muestra del estudio que realizan. Para ello deben escoger las variables que han utilizado para la hipótesis de trabajo y deben diferenciar las variables de respuesta (dependientes) y las predictoras (independientes).

Para realizar un cálculo adecuado del tamaño de muestra, el investigador debe conocer con amplitud las variables que debe analizar. Cada variable tiene su propia distribución probabilística y algunas cuentan con formas muy particulares. Por ejemplo, las concentraciones en suero de triglicéridos y leptina tienen distribuciones sesgadas a la derecha (consúltese el capítulo 15, El sesgo en la investigación) y es común que la desviación estándar tenga un valor muy parecido al promedio respectivo. La transformación logarítmica es muy utilizada con estas variables. Este conocimiento contribuye a que los cálculos se hagan de manera adecuada con los logaritmos y no con las variables originales.

Estas técnicas estadísticas para la investigación se utilizan en casi todas las áreas del conocimiento, con un auge importante en salud. Existen varias razones para seleccionar una muestra; el objetivo fundamental es hacer inferencias estadísticas (estimaciones de uno o más parámetros acerca de una población finita de interés). Esta población es la que se desea investigar y a la que se le denomina población de interés, población blanco o población diana. Para que la extrapolación (inferencia estadística) tenga validez, la muestra debe ser representativa y la representatividad alude a que el estimador muestral de las variables de interés debe tener una distribución con comportamiento similar a las de la población de las que proviene.1 Para cumplir con este supuesto de representatividad es deseable que la muestra sea probabilística y para calcular su tamaño se deben tomar en cuenta varios factores: estructura de la hipótesis, error tipo I (error alfa), error tipo II (error beta), poder estadístico deseado, variabilidad, pérdidas en el seguimiento del estudio, diferencia clínicamente significativa y tipo de estudio epidemiológico utilizado en determinada investigación.

Aspectos básicos en el proceso de muestreo

Población es el conjunto total de elementos del que se puede seleccionar la muestra y está conformado por elementos denominados unidades de muestreo o unidades muestrales, con cierta ubicación en espacio y tiempo. A estas unidades se les llama elementales si son el objeto último del que se pretende obtener información y no elementales si están constituidas por grupos de unidades elementales.1 Las unidades de muestreo pueden ser individuos, familias, compañías, etcétera.2

Muestra de la población de interés

Es deseable que la población de interés se encuentre registrada en un medio físico, conocido como marco de muestreo o marco muestral. Éste puede ser un directorio, un mapa, un listado, un archivo o cualquier otro material aceptable, ...

Pop-up div Successfully Displayed

This div only appears when the trigger link is hovered over. Otherwise it is hidden from view.