Metodología de la Investigación
Etapas del Diseño Metodológico:UNIVERSO Y MUESTRA
Dra. Orietta Segura BNut. Miguel Ángel López Espinoza
Relator: Prof Nut Miguel Ángel López Espinoza, BCs
DISEÑO METODOLÓGICO
UNIVERSO
También suele llamarse Población, al conjunto total de individuos que presentan ciertas características que lo hacen aglutinarse en un grupo definido de personas.
POBLACIÓN DIANA
POBLACIÓN ACCESIBLE
DIFÍCIL:• Razones
geográficas, • costo,• manipulación de
variables
Generalización ideal
• Generalización real
DISEÑO METODOLÓGICO
Es tarea del investigador estudiar muy bien a la población en la cual desea trabajar, para conocer sus limitaciones, ventajas. También con ello podrá discernir cuál es la población diana y la accesible
CRITERIOS PARA
ESTUDIAR
COSTOSTIEMPO DURACIÓN
ACCESIBILIDADNÚMERO DE ENCUESTADORES
CANTIDAD DE MATERIALCOMPLEJIDAD DE VARIABLES
POBLACIÓN ACCESIBLE
MUESTRA
DISEÑO METODOLÓGICO
Si se decide por realizar un muestreo, debe conocer que los resultados deben representar a la población (inferir).
Si los resultados no representa a la población, sólo serán validos a la muestra.
POBLACIÓN DIANA
POBLACIÓN ACCESIBLE
MUESTRA
Representa directamente
Representa indirectamente(necesita varios
estudios)
DISEÑO METODOLÓGICO
Conjunto de elementos que presentan condición común observable
Parte de los elementos
de un universo
que se elige para el estudio
Selección de muestra
Universo
* Generalización de resultados
INFERENCIA
Diseño del Muestreo
Tamaño de la Muestra
•Probabilístico *
•No Probabilístico
•Ecuaciones
Unidad de Análisis
DISEÑO METODOLÓGICO
Para que los resultados obtenidos por una muestra pueda representar a la población accesible, la muestra debe pasar por dos fases:
1. Diseño de muestreo
2. Cálculo del tamaño muestral
Si no realiza estos dos pasos, los resultados no van a ser inferibles, por lo tanto, representarán sólo a la muestra.
DISEÑO METODOLÓGICO
Diseño de la muestra. Es preciso que el investigador decida cómo pretende muestrear a los sujetos de estudio
UNIDAD DE ANÁLISIS
MUESTREO
Probabilístico
No Probabilístico
Aleatorio
Estratificado
Por conglomerados
Azar simple
Azar sistemático
De sujetos voluntarios
Por cuotas
Por conveniencia
Monoetápico
Bietápico
Multietápico
DISEÑO METODOLÓGICO
Muestreo Al azar Simple. El azar es quien se encarga de decidir qué individuo entrará a la muestra. Permite asegurar que todas las unidades de análisis tengan la misma posibilidad de ser incluidos en la muestra.
Se usa en poblaciones donde las unidades de análisis no presentan un ordenamiento
Se usa en poblaciones con una cantidad moderada de unidades de análisis (no mayor a 1000 sujetos)
Se usa:
TómbolaTabla de Números AleatoriosExcelCalculadora
DISEÑO METODOLÓGICO
Al Azar Sistemático. Cada cierta cantidad de unidades de análisis que forman la población, se debe extraer un sujeto de estudio que participará como muestra. Se aplica cuando las unidades de análisis están previamente ordenadas dentro de la población.
Se deben realizar cuatro pasos:
1°. Tener a mano el listado enumerado desde 1 a N de todos los individuos (población) Se conoce el tamaño de la población (N)
2°. Cálculo de la expresión k
3°. Determinar el número de arranque. Es un número al azar entre el primero de la lista y K.
4°. Elegir cada K personas el sujeto que formará parte de la unidad de análisis
K=N/n
DISEÑO METODOLÓGICOEj: Se desea estudiar la hipercolesterolemia en escolares de 7° año de una escuela.
Se desea muestrear a 10 escolares de 50 niños del 7° año básico
1° Paso: Se sabe que la población tiene un orden listado alfabético de los alumnos (libros de clases)
2° Paso: K=50/10 = 5
3° Paso: Elegir al azar un número entre 1 y 5. El azar decidió que el número es= 3 número de arranque
4° Paso: El primer seleccionado es el alumno n°3 de la lista; el segundo se extrae de la suma entre 3 + 5= 8 de la lista, luego: 8 + 5 =13 , luego 13 + 5 = 18, luego 18+ 5=23, luego 23 + 5=28, luego 28 + 5 = 33, luego 33 + 5 =38, luego 38 + 5 =43, luego 43 + 5= 48.
DISEÑO METODOLÓGICO
Consideración:
Hay que estudiar bien la población, para descartar el hecho de conductas de repetición sistemática dentro de los sujetos de la población, y pudiera afectar la calidad de la muestra.
Estratificado. Se aplica cuando sabemos que hay ciertos factores (variables, subpoblaciones o estratos) que pueden influir en el estudio y queremos asegurarnos de tener cierta cantidad mínima de individuos de cada tipo, por ejemplo, un poco de jóvenes, de niños, de ancianos, de mujeres, etc.
DISEÑO METODOLÓGICO
UNIVERSOCARACTERÍSTICAS
Homogéneos las unidades de análisis
Heterogérneos entre estratos
Estrato: División de la población, cuya estratificación se realiza por una variable. Ej Al estudiar la población de una cuidad, los habitantes tienden agruparse en un solo sector (Variable estratificadora: nivel socioeconómico)
ABC1 ABC
AB
A1
B1
C3
C2 C1DE
BC2
BC
DISEÑO METODOLÓGICOEjemplo: Se decide diseñar el método estratificado el muestreo para un estudio sobre perfil ocupacional de las nutricionistas recién egresadas de un país caribeño
Regiones Nº Nutris MuestraMetropolitana 74Región A 60Región B 53Región C 4TOTAL 191
Por tanto, se define a la población en estudio N=191La muestra que se decide estudiar es de n= 50
1° Paso: Calcular el índice de muestreo IM= n/N IM=50/191=0,2618
la muestra representa el 26,18% de la población de estudio población accesible
DISEÑO METODOLÓGICO
2° Paso: Usar el IM multiplicándolo por el tamaño de la población de cada estrato
Regiones Nº Nutris IM MuestraMetropolitana 74 0,2618 19Región A 60 0,2618
16Región B 53 0,261814Región C 4 0,2618 1TOTAL 191 50
El muestreo donde se multiplica en cada estrato el IM se denomina muestreo estratificado con afijación
proporcional.
3° Paso: Ahora, se debe escoger las unidades de análisis de cada estrato de forma aleatoria: puede ser al azar simple, o azar sistemático, dependiendo de cómo se comporta la población (diseño multietápico)
DISEÑO METODOLÓGICO
Muestreo por Conglomerados.
Se aplica cuando es difícil tener una lista de todos los individuos que forman parte de la población de estudio, pero sin embargo sabemos que se encuentran agrupados naturalmente en grupos.
Se realiza eligiendo varios de esos grupos al azar, y ya elegidos algunos podemos estudiar a todos los individuos de los grupos elegidos o bien seguir aplicando dentro de ellos más muestreos por grupos, por estratos, aleatorios simples.
DISEÑO METODOLÓGICO
Conglomerado
División natural de la población o que no intervenga una variable como estratificadora (Ej: cuadras de una ciudad).
Se procede censar el conglomerado completo
DISEÑO METODOLÓGICO
1° Paso: Se dividen la población en conglomerados.2° Paso: Se elije al azar una cierta cantidad de conglomerados (depende del tiempo, costo).3° Paso: Se procede a muestrear a todos los individuos de los conglomerados seleccionados.
Si todavía la cantidad de sujetos es alta, se procede:
1° Paso: de los conglomerados seleccionados, se seleccionan unidades de muestreo (casas, edificios, cuadras, etc).2° Paso: de los integrantes de cada unidad de muestreo, seleccionar la unidad de análisis, por medio del azar (sistemático o simple) sujetos de estudio.
MonoetápicoBietápico
multietápico
DISEÑO METODOLÓGICO
Hay que tener en cuenta el todos los conglomerados de la población deben presentar sujetos que representen a la población. Sólo así se puede proceder a la selección de conglomerados, ya que se parte del supuesto que todos tienen la misma probabilidad de formar parte de la muestra.
El diseño por conglomerado también se puede combinar con un diseño estratificado.
DISEÑO METODOLÓGICOResumen:
* * * ** * *
* * * ** *
* *
Muestreo al Azar o Sistemático •Muestrear
* * * * ** * * *
* * * ** *
* * * * *
Muestreo Estratificado
Muestreo por Conglomerado
* * * * ** * * *
* * * ** *
* * * * *
* * * *
* *
* *
• Aglomerar
• Elegir por azar conglomerados
• Muestrear conglomerados
• Estratificar
• Muestrear por cada estrato
DISEÑO METODOLÓGICO
Diseño no probabilístico.
Si desea realizar un estudio con alguno de estos modelos, debe saber que los resultados no representarán o inferirán a la población accesible, y sólo serán válidos a la muestra.
De sujetos voluntarios. Se trata de muestras fortuitas. Las personas se ofrecen ser parte del estudio. Si una persona se ofrece, puede sobrevalorar u subvalorar los resultados.
DISEÑO METODOLÓGICO
Por cuotas. El muestreo por cuotas consiste en un muestreo de juicio, con la restricción de que la muestra incluye un número mínimo de cada subgrupo específico dentro de la población. El paso inicial es determinar la cantidad o “cuota” de sujetos de estudio a incluirse y que poseen las características indicadas.
Ejemplo: Encuesta de opinión pública, en que los encuestadores proceden a buscar las personas hasta cubrir la cuota previamente fijada, sin preocuparse por áreas geográficas, zonas u otro criterio.
Por conveniencia. El investigador decide, según sus objetivos los elementos que integrarán la muestra, considerando aquellas unidades supuestamente “típicas” de la población que desea conocer.
DISEÑO METODOLÓGICOCálculo de la Muestra.
El tamaño de la muestra se calcula, teniendo en cuenta:
Objetivo General. Ej: Si el OG: Conocer la prevalencia de Cáncer de próstata en el Hospital xxx implica calcular un porcentaje
Tipo de Estudio. El tamaño de muestra es distinto si uno quiere estudiar desde la perspectiva de un estudio descriptivo o un caso y control o un cohorte.
Universo. Si conoce el universo se usa una fórmula, si no conoce el universo se usa otra.
El cálculo de la muestra para el porcentaje es distinto si se desea conocer
un promedio.
DISEÑO METODOLÓGICOCálculo de la Muestra.
El tamaño de la muestra implica conocer:
•Error de muestreo. Lo impone el investigador (del 1 al 15%)
•Nivel de Confianza (90 – 95 – 99%) Potencia (80%, 90%)
•Conocimiento de un estadígrafo de un estudio anterior
Si no se tiene conocimiento del estadígrafo en un estudio anterior:
• Se escribe un estadígrafo teórico (p=0,5)• Se calcula a través de la información recolectada en la prueba
piloto• Se estima
DISEÑO METODOLÓGICOCálculo de la Muestra.
Potencia estadística
El nivel de confianza y la potencia estadística son las probabilidades de que un estudio de un determinado tamaño detecte como estadísticamente significativa una diferencia que realmente existe (Altman, 1991).
1 - beta
Nivel de Confianza
alpha
Beta= probabilidad aceptada a priori de cometer un error tipo II
El resultado es significativo cuando realmente lo es
Alpha= Probabilidad aceptada a priori de cometer un error tipo IAfirmar que existen diferencias
significativas cuando realmente no la hay
DISEÑO METODOLÓGICOCálculo de la Muestra.
Potencia estadística1 - beta
Nivel de Confianzaalpha
Beta Alpha Alpha Cola:
representa sujetos que se escapan
de lo normal, casos
extremos.
Representa a la mayoría
de los sujetos de
una población
cualquiera. Implica que
los resultados
representan a la mayoría
Entre más grande el valor de alpha (mayor es el nivel de confianza), se hace más chico el valor de beta (mayor es la
potencia)
DISEÑO METODOLÓGICOCálculo de la Muestra.
Alpha z Beta z
0,1 1,65 0,2 0,84
0,05 1,96 0,1 1,28
0,01 2,58 0,05 1,65
VALORES DE INTERVALOS DE CONFIANZA Y POTENCIA ESTADÍSTICA
95% 90%
Intervalo de Confianza
Potencia Estadística
DISEÑO METODOLÓGICO
Cálculo de la Muestra si el objetivo de la Investigación tiene que ver con Proporción (P)
CÁLCULO
No se conoce el tamaño de N
Sí se conoce el tamaño de N
2
2 )1(
d
ppzn
Cálculo de la Muestra.
)1()1(
)1(22
2
ppzNd
ppNzn
DISEÑO METODOLÓGICO
Cálculo de la Muestra si el objetivo de la Investigación tiene que ver con la Media
CÁLCULO
No se conoce el tamaño de N
Sí se conoce el tamaño de N
2
22
d
szn
222
22
)1( szNd
szNn
Cálculo de la Muestra.
DISEÑO METODOLÓGICO
Unidad de Análisis.
Como se ha mencionado anteriormente, la Unidad de Análisis son los sujetos sobre el cual se estudia.
Ejemplos:•Niños macrosómicos•Adultos mayores de ambos sexos entre 70 a 80 años•Embarazadas•Embarazadas Preeclámpsicas
Necesita delimitar la Unidad de Análisis
Criterios de Inclusión
Criterios de Exclusión
DISEÑO METODOLÓGICO
Criterios de Inclusión son todas las características que debe poseer todos los individuos que forman parte de la muestra.
Criterios de Exclusión son las características que el investigador no desea que las unidades de análisis presenten.Con ello se pretende “limpiar” y evitar sesgos en resultados.
Así se controlan mejor las variables que se estudian, evitando que la Unidad de Análisis sea el origen de resultados falsos, y por ende, conclusiones que no
representan al Universo ni a la realidad de la propia muestra.
Top Related