BIOESTADISTICA

TRABAJO COLABORATIVO TRES

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD)

ESCUELA DE CIENCIAS DE LA SALUD
ADMINISTRACION EN SALUD
BOGOTA. COLOMBIA
NOVIEMBRE DE 2016
 CUESTIONARIO

1. Que se entiende por muestra. Que diferencia una muestra probabilística de una
muestra no probabilística.
Básicamente una muestra es un subconjunto o subgrupo de la población, que es seleccionada de
manera tal que represente la población mayor, por tanto es importante definir la población, que
sería entendida como el conjunto de todos los casos que concuerdan con una serie de
especificaciones.
La muestra es un subconjunto de elementos que pertenecen a un conjunto mayor definido en sus
características al que llamamos población.

Hernández. Metodología de la investigación. McGraw-Hill. 5 Edicion.1997.

Es importante no confundir población con muestra, existen varias razones por las cuales se
estudia una muestra y no la población entera, entre las cuales tenemos que las muestras se
estudian mucho más rápido y por lo tanto arrojan resultados a corto plazo, además el estudio de
una muestra es mucho menos costoso que si se pretendiera estudiar la población entera, en la
mayor parte de las situaciones el estudio de una población entera es prácticamente imposible, con
mayor frecuencia se obtiene que los resultados de una muestra son más precisos que los que se
basan en una población, para lo cual es indispensable establecer que se va a medir, como se
delimita la población y como seleccionaremos la muestra, si las muestras se seleccionan
adecuadamente es posible utilizar métodos efectivos y reducir la heterogeneidad del estudio;
concluyendo el estudio de una población completa, no infiere que necesariamente sea el método
más adecuado para el desarrollo de un estudio, el proceso de planear el tamaño de la muestra se
conoce como determinar la fuerza del estudio.
Básicamente tenemos 2 tipos de muestra o dos grandes ramas: las muestras probabilísticas y las
muestras no probabilísticas. Su diferencia radica en:
En las muestras probabilísticas, todos los elementos de la población tienen la misma posibilidad
de ser escogidos, se obtiene definiendo las características de la población, el tamaño de la
muestra y a través de selección aleatoria y/o mecánica de las unidades de análisis, mientras que
en las muestras no probabilísticas, los elementos seleccionados no dependen de la probabilidad,
sino de causas relacionadas con las características del investigador o del que hace la muestra, este
procedimiento no es mecánico, ni basado en fórmulas de probabilidad, en este caso depende de la
toma de decisiones de las personas, las muestras no probabilísticas son más adecuadas para
estudios de investigación exploratoria, que su fin no es concluir sino documentar, generan
hipótesis y datos para investigaciones más precisas, mientras que en el estudio a través de
muestreo probabilístico se hace asociación entre las variables, y los resultados del estudio en este
caso si sirven para tomar decisiones, puesto que la información puede ser generalizada a la
población estimando el error de manera precisa al realizar la generalización de los datos.
Se puede concluir que la elección entre el muestreo probabilístico y no probabilístico depende de
los objetivos del estudio, el esquema de la investigación y lo que se pretende obtener con el
estudio.

2. Enumere y describa brevemente los tipos de muestra probabilística.

Los cuatro métodos probabilísticos empleados en medicina son: aleatorio simple, sistemático,
estratificado y conglomerado.
Muestreo aleatorio simple:
En este método se asigna un número a cada individuo de la población a través de algún medio ya
sea mecánico o por una tabla o lista de números aleatorios generada por computador, que sería la
forma más recomendada, se eligen los sujetos que sean necesarios para completar la muestra, es
un método sencillo, se calculan rápidamente medias y varianzas y dispone de programas
informáticos para analizar los datos.
Muestreo sistemático:
En este método se numeran todos los elementos de la población, pero en este caso en lugar de
extraer n números aleatorios solamente se extrae uno, el objeto seleccionado que llamaremos K,
se determina como menciona Dawson (1997), “dividiendo el número de objetos o personas en el
marco de muestreo entre el tamaño de la muestra deseada” (p.81).
Como primera medida tomamos un numero aleatorio entre 1 y K y de este partimos para la
secuencia numérica, como vemos en el ejemplo del libro, 3400 rx dividido entre 200 nos da 17
que es K pero tomamos un numero aleatorio entre 1 y 17 en este caso 12, por tanto nuestro serial
iniciaría en 12 pero posteriormente cada 17 por lo cual el serial quedaría así:
12,29,46,63,80,97 etc, siempre sumando 17 al próximo número.
Este muestreo no se puede emplear en repeticiones cíclicas que tengan relación directa con el
marco de muestreo, por ejemplo los meses del año.
Muestreo estratificado:
Este muestreo considera categorías típicas diferentes entre sí o estratos que poseen gran
homogeneidad, es decir, primero divide a la población en estratos pertinentes y luego, de cada
estrato selecciona una muestra aleatoria. Las medidas seleccionadas o estratos como el sexo, la
edad, la etapa de la enfermedad entre otros deben relacionarse con los valores que interesan, de
esta manera este muestreo es muy eficaz y requiera muestras más pequeñas.
La distribución de la muestra en función de los diferentes estratos se denomina afijación y puede
ser simple, proporcional y óptima.
Muestreo conglomerado:
Una muestra aleatoria en conglomerado se obtiene como menciona Dawson (1997), “ en un
proceso de dos etapas en donde la población se divide en conglomerados y de estos se selecciona
un subconjunto.” (p.82). En general, estos conglomerados se basan en áreas geográficas o
distritos, por lo cual se emplea más en estudios epidemiológicos clínicos.

3. Enumere y describa brevemente los tipos de muestra no probabilística.

Las muestras no probabilísticas, o también llamadas muestras dirigidas suponen un
procedimiento de selección informal y un poco arbitrario, recordando que este tipo de muestra la
selección depende de la decisión de un investigador o grupo de investigadores. Las siguientes son
las clases de muestras dirigidas:
Muestra de sujetos voluntarios:
En estas el investigador elabora conclusiones sobre especímenes que llegan a sus manos de
manera casual, de manera fortuita, este tipo de muestra es empleada en laboratorio.
Muestra de expertos:
Este muestreo es frecuente en estudios cualitativos y exploratorios donde es necesaria la opinión
de un experto en un tema determinado.
Muestra los sujetos-tipos:
También se utiliza en estudios exploratorios e investigación cualitativa, su objetivo es la riqueza,
profundidad y calidad de la información, y no la cantidad y la estandarización.
Muestra por cuotas:
La muestra debe estar dispersa por toda la población y ha de contener la misma proporción de
objetos o individuos con determinadas características que se han detectado o seleccionado en la
población entera, este tipo de muestra se emplea en estudios de opinión y mercadotecnia.

4. Qué tipo de muestra es la adecuada para hacer inferencias a una población.

Explique.
Primero me parece importante aclarar que el proceso de aplicar las conclusiones tomadas a partir
del estudio de una muestra, al universo o población de referencia es lo que denominamos
inferencia. Aclarado este punto, para que un estudio arroje mediante el muestreo buenos
resultados, debe basarse en una técnica estadística matemática adecuada al problema y que
además pueda ser validada, emplear una muestra representativa de la población y que por tanto se
puedan obtener conclusiones con base en medidas estadísticas.
La principal característica de la inferencia es cuando se puede concluir generalizando dichos
resultados de una muestra elegida de manera correcta y en proporción adecuada a una población,
puesto que estas muestras tienen fundamento matemático y estadístico, y por tanto, dicha muestra
nos arroja resultados válidos para la población, dentro de unos límites de error y probabilidad que
son determinados estadísticamente.
Por todo lo anteriormente expuesto se entiende que la mejor forma de asegurar que una muestra
nos arrojara inferencias válidas y confiables, son las muestras de probabilidad, en donde se
conoce la probabilidad de cada sujeto de la población de ser incluido en la muestra, además que
el tamaño de la muestra se calcula con base a la varianza de la población y la varianza de la
muestra, esta última expresada en términos de probabilidad de ocurrencia. La varianza de la
población se calcula con el cuadrado del error estándar, por tanto, entre menor sea el error
estándar mayor será el tamaño de la muestra.

5. ¿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? Tenga en cuenta que para la conformación de los
grupos se tuvo en cuenta la cercanía geográfica de los participantes.
El tipo de muestra correspondiente al grupo colaborativo de 5 personas es muestreo aleatorio
estratificado, puesto que en este método se divide primero a la población en estratos pertinentes
(subgrupos) que poseen una gran homogeneidad respecto a una característica, en este caso, la
característica del lugar de residencia y su cercanía geográfica con los demás participantes, por lo
tanto este método asegura que todos los estratos se vean representados de manera adecuada con el
interés común, que en este caso es la cercanía geográfica y de esta manera facilitar el trabajo
grupal de los estudiantes.

6. Haga una gráfica de la distribución de Gauss (normal) y señale sus principales

características.
 X Y
-3 0,0044 DISTRIBUCION DE GAUSS (NORMAL)
-2,5 0,0175 0.4500
-2 0,0540
0.4000 0.3989
-1,5 0,1295
0.3500 0.3521 0.3521
-1 0,2420
-0,5 0,3521 0.3000
0 0,3989 0.2500 0.2420 0.2420
0,5 0,3521 0.2000
1 0,2420 0.1500
0.1295 0.1295
1,5 0,1295 0.1000
2 0,0540 0.0500 0.0540 0.0540
2,5 0,0175 0.0175 0.01750.0044
0.0000 0.0044
3 0,0044 1 2 3 4 5 6 7 8 9 10 11 12 13

Principales características:
La distribución de Gauss es continua, es decir, puede tomar cualquier valor numérico, no
solamente enteros como en las distribuciones binomial y de Poisson, básicamente es una curva
lisa en forma de campana, simétrica, alrededor de la media de la distribución que se simboliza
con la letra griega μ(mu), la desviación estándar de la distribución se simboliza con la letra griega
σ(sigma) y es la distancia horizontal entre la media y el punto de inflexión de la curva. En esta
grafica juegan un papel muy importante la media y la desviación estándar, puesto que son los dos
parámetros de la distribución normal.
La campana de Gauss es una distribución de probabilidad, por tanto, el área bajo la curva es igual
a uno y como es una distribución simétrica las dos mitades, la izquierda y la derecha están al lado
de la media.
La variable puede tomar cualquier valor entre -∞ y +∞, la fórmula del área bajo la curva es:

En la abscisa se encuentran los valores de tipo cuantitativo continuo, denominados genéricamente

como valores z, que es de lo que hablaba anteriormente el valor entre -∞ y +∞.
El promedio de todos los valores z de la abscisa equivale a cero, pues la mitad son negativos y la
mitad positivos. En el sitio de la abscisa que corresponde al cero, es decir, el promedio, se
encuentra la parte más alta de la curva, donde además se encuentra la mediana de todos los
valores z de la abscisa.
La curva es asintótica, es decir, sus extremos en teoría nunca tocan la abscisa, por ello la longitud
de la misma podría ser infinita.

7. ¿Qué son los intervalos de confianza?

Los intervalos de confianza se emplean porque un solo punto estimado simple en una
investigación no indica la variabilidad que una estimación podría tener en otras muestras, por
tanto, para indicar esta variabilidad, se emplean estimados de intervalos, estos estimados de
intervalos se llaman intervalos de confianza, lo cuales definen un límite superior y un límite
inferior con una probabilidad relacionada, los extremos del intervalo de confianza se denominan
límites de confianza.
En resumen la estimación por intervalo consta de dos valores numéricos que definen un rango
dentro del cual se pretende encontrar un parámetro de interés con un cierto grado de confianza. A
este intervalo se le conoce como intervalo de confianza y generalmente se expresa con un nivel
de 95%, aunque también se pueden emplear otros niveles de confianza, como lo son el 90% y el
99%.
Algo muy importante a tener en cuenta es que el grado de confianza o probabilidad se establece a
priori de que el intervalo de confianza obtenido contenga el valor verdadero del parámetro de la
población.

8. ¿Qué quiere decir que la presión arterial de un grupo de pacientes se encuentra

entre 110 y 125 con un intervalo de confianza del 95%?
Esto quiere decir que con un 95% de confianza se puede asegurar que la media de la presión
arterial del grupo de pacientes de estudio se encuentra entre 110 y 125.

BIBLIOGRAFIA
 Dawson B (1997). Bioestadistica medica. Editorial Mundo Moderno. 4 Edición. México
D.F., Capitulo 5. Referencias bibliográficas Unidad 3. UNAD.
 Dawson B (1997). Bioestadistica medica. Editorial Mundo Moderno. 4 Edición. México
D.F., Capitulo 6. Referencias bibliográficas Unidad 3. UNAD.
 Hernández Sampieri. Metodología de la investigación. McGraw-Hill. 5 Edicion.1997.
Capítulo 8. Referencias bibliográficas Unidad 3. UNAD.
 Distribución normal. Recuperado de: https://www.google.com.co/url?
sa=t&rct=j&q=&esrc=s&source=web&cd=13&cad=rja&uact=8&ved=0ahUKEwiznuLS1
67QAhVJKyYKHVbkBLEQFghjMAw&url=http%3A%2F%2Fmatap.dmae.upm.es
%2FWebpersonalBartolo%2FProbabilidad
%2F7_distribucion_normal.pdf&usg=AFQjCNEiK6P54n8pJmC7SZEJgccRVz16bg
 Epidemiologia y estadística en salud pública. Antonio Villa Romero/ Laura Moreno
Altamirano y Guadalupe S, García de la Torre. Editorial McGraw-Hill. Edición 30 de
noviembre de 2011. México D.F.