Hipotesis y Muestra
-
Upload
neide-zegarra -
Category
Documents
-
view
231 -
download
0
Transcript of Hipotesis y Muestra
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 1/64
HIPÓTESIS Y MUESTRADR. LUIS FLORIÁN TUTAYA NEONATOLOGO DEL HOSPITAL
ARZOBISPO LOAYZA 2012
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 2/64
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 3/64
ELEMENTOS DEL MÉTODO CIENTÍFICOHIPÓTESIS: Es una suposición o
conjetura verosímil, de relaciones entrehechos o fenómenos, sujeta acomprobación.
VARIABLE: Es una característica opropiedad de un hecho o fenómeno quepuede variar entre unidades o conjuntos.
INDICADORES: Constituyen lassubdimensiones de las variables; serefiere a componentes o índices del hechoo fenómeno que se estudia.
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 4/64
DEFINICIONES
HIPÓTESIS
VARIABLES
DIMENSIONES
INDICADORES
CONCEPTOS
ELEMENTOS DEL MÉTODO CIENTÍFICO
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 5/64
CONCEPTO DE HIPÓTESIS• Son proposiciones de carácter afirmativo
que el investigador plantea con el propósito
de llegar a explicar hechos o fenómenosque caracterizan o identifican el objeto delconocimiento.
• Es una explicación provisional de la relación
entre las variables del problema de estudio,con el fin de constatar o contrastar si escierta o no.
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 6/64
EJEMPLO• LA VITAMINA A ACORTA LA EVOLUCIÓN
DEL CHALAZIÓN.• A MIS PACIENTES LES DESAPARECE
CUANDO LES DOY VITAMINA A.• ENTONCES USEMOS VITAMINA A
…..DESCRIPTIVO • A 100 PACIENTES LE DI VITAMINA A Y AL95% LE DESAPARECIÓ EN 48 HORAS
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 7/64
EJEMPLO• QUE PASA SI A 100 PACIENTES CON
CHALAZIÓN NO LES DOY VITAMINA A Y RESUELVE EL 100% EN 24 HORAS…….ANALÍTICO O
• DE 100 PACIENTES CON CHALAZIÓN QUE
NO RECIBEN VITAMINA A SOLO 20%REMITIÓ EN 96 HORAS…..ANALITICO • INVESTIGACIÓN…….HIPÓTESIS
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 8/64
CONTRASTACIÓN• Si existe una condición situacional que
expresa una relación estable, se expresa
con la expresión:“Si esto ocurre …… entonces losresultados serán…..”
• Si existe una condición de relación
concomitante o de covarianza, serepresenta con la expresión:“Existe una relación R entre……. y………”
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 9/64
INDICA LO QUE ESTAMOS BUSCANDO
ES UNA PROPOSICIÓN QUE TIENE QUE SER PUESTA A PRUEBA PARA DETERMINAR SU VALIDEZ
SE CONSOLIDA A PARTIR DE LAS DEDUCCIONES
SU COMPROBACIÓN PERMITE QUE PUEDA FORMAR PARTE DE UNA CONSTRUCCIÓN TEÓRICA
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 10/64
ELEMENTOS ESTRUCTURALES DE LAHIPÓTESIS• Las unidades de análisis: que pueden ser
individuos, familias, grupos,
instituciones y otros.• Las variables principales en juego: V. Dependiente y V. Independiente.
• Los elementos lógicos: que relacionan lasunidades de análisis con las variables y aestas entre si.
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 11/64
EJEMPLO: EN LA HIPÓTESIS GENERAL:
“Si tratamos por tres días la conjuntivitis en lactantes, con los esquemasde Cloranfenicol vs. Gentamicina, entonces la respuesta clínica ysensibilidad antibiótica será igual. Ambos tratamientos serán eficaces enlos pacientes estudiadas” Las unidades de análisis son los lactantes Las variables son:
*Respuesta clínica Conjuntivitis V. Dependiente
*Sensibilidad antibiótica
Esquemas de tratamiento: CAF vs. GTM V. Independiente
Elementos lógicos: “No existirá diferencia”, “Ambos serán
eficaces”
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 12/64
CRITERIOS PARA LA FORMULACIÓN DEHIPÓTESIS• Deben formularse en forma afirmativa (no
empezar con verbos y no en forma
interrogativa)
• Deben plantear relación entre dos o mas variables
• Deben posibilitar someter a prueba lasrelaciones planteadas
• Deben tener poder predictivo y explicativo
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 13/64
EJEMPLO EN LA HIPÓTESIS ESPECIFICA:“Si tratamos por tres días la conjuntivitis en lactantes, con los esquemas deCloranfenicol vs. Gentamicina, entonces la respuesta clínica y sensibilidad
antibiótica será igual ” El enunciado de la hipótesis está formulado en forma
afirmativa
Se plantea relación entre la V. Dependiente: Conjuntivitis, y la V. Independiente: Esquema de tratamiento.
La relación de variables planteada en la hipótesis si puede sersometida a la prueba de hipótesis, cuando se ejecute lainvestigación.
La suposición de que “La respuesta clínica con GTM serámejor que con CAF”, explica y predice los hechos en larelación de variables.
Una hipótesis bien formulada guía y orienta una investigación y,luego de su comprobación, contribuye a la generación deconocimientos que pasan a formar parte de un campo de saber
científico
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 14/64
TIPOS DE HIPOTESIS A) HIPÓTESIS CENTRAL, PRINCIPAL,
GENERAL O BÁSICA
• Es la parte mas importante o medular delestudio.
• Plantea las relaciones de las variablesprincipales de la investigación en su dimensiónconceptual
• Guarda consistencia o concordancia con elproblema general y con el objetivo general delestudio.
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 15/64
B) HIPOTESIS ESPECIFICAS
• Se desagregan de la hipótesis central o generaldel estudio.
• Plantean las relaciones de las variablesintermedias en su dimensión conceptual quedespués del proceso de operacionalizacion, sus valores son fáciles de medir, de acuerdo con losindicadores e índices propuestos
• Guardan consistencia o concordancia con losproblemas y objetivos específicos del estudio
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 16/64
EJEMPLOS DE HIPÓTESIS
El índice de cáncer pulmonar es mayor en los fumadores que en los no fumadores.
El tiempo de espera para la atención de pacientes en laconsulta externa depende de la especialidad médica.
El descontento de los pacientes que salen de alta esmayor mientras mayor es el tiempo de hospitalización.
El costo del tratamiento de la úlcera péptica es mayor conla administración de omeprazol que con cirugía.
La sobrevida en los pacientes con cáncer gástrico estadio IIes igual en pacientes con resección D2 y D3.
El tratamiento con sildenadil de 25 mg es igual de efectivoen pacientes jóvenes y ancianos.
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 17/64
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 18/64
VARIABLESEl enunciado de una hipótesis requiere la identificación previa y análisis de las variables que resulta de la observación inicial o laformulación del problema
CONCEPTO
• Se denomina variable a todo aquello que es susceptible decambio o modificación, que podemos estudiar, controlar,o medir en una investigación.
• Es una característica de una persona, objeto o fenómeno-unidad de análisis de investigación- que puede adoptardiferentes valores, dentro de una población de estudio.
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 19/64
TIPOS DE VARIABLES
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 20/64
A) según como se expresan los valores:1. Cualitativas: Si sus valores (modalidades) no se pueden asociar
naturalmente a un número (no se pueden hacer operaciones algebraicas conellos) Nominales: Si sus valores no se pueden ordenarSexo, Grupo Sanguíneo, Religión, Nacionalidad, Fumar (Sí/No) Ordinales: Si sus valores se pueden ordenarMejoría a un tratamiento, Grado de satisfacción, Intensidad del dolor
a) DICOTÓMICA Dos valoresEj. Estado de salud (sano/enfermo) b) POLITOMICA Mas de dos valoresEj. Pronostico de una enfermedad (recuperación, cronicidad, muerte)
2. Cuantitativas o Numéricas: Si sus valores son numéricos (tiene
sentido hacer operaciones algebraicas con ellos) Discretas: Si toma valores enterosNúmero de hijos, Número de cigarrillos, Numero de “cumpleaños” Continuas: Si entre dos valores, son posibles infinitos valores intermedios. Altura, Presión intraocular, Dosis de medicamento administrado, edad
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 21/64
B) Cuando se desea obtener una explicación causal del problemao fenómeno estudiado, frecuente en estudios experimentales y
observacionales analíticos en ciencias de la salud.
1. Variable independiente (VI), caracterizada como la causa oexplicación de otro fenómeno, es la variable que puede sermanipulada por el investigador y es por tanto la variable decontrol en la mayoría de los experimentos que se realizanEj. Fumar cigarrillos, en un estudio de la relación entre fumar yel cáncer del pulmón
2. Variable dependiente (VD), el efecto, o fenómeno que debeexplicarse
Ej. Cáncer del pulmón en relación entre fumar cigarrillos,variable de interés, de criterio o principal en el estudio
3. Variable interviniente, es la que aparece durante el proceso deun experimento entre el factor causal y el efectoEj. La tos continua que puede aparecer cuando se auscultan a
los pacientes con Cáncer del pulmón que fuman cigarrillos
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 22/64
C) según distribución de la enfermedad o daño a la salud,frecuente en os estudios epidemiológicos descriptivos
1. Con referencia a las personas V. demográficas: edad, sexo, raza V. sociales: nivel socioeconómico, riesgos ocupacionales y
ambientales, estado civil V. estilos de vida: consumo de tabaco, abuso de alcohol y
drogas, dieta o alimentación inadecuada,actividades físicas inadecuadas, violencia y usoirresponsable de armas.
2. Con referencia a lugar o espacio, distribución geográfica: V. según regiones: Costa, sierra y selva V. según zonas urbanas, periurbanas y rurales
V. según nivel local, regional, nacional e internacional
3. Con referencia a tiempo o memento en que acontece laenfermedad
V. con frecuencia secular (tiempo prolongado) cíclicas (de varios años), estacionales, semanales, diarias y horarias.
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 23/64
HIPÓTESIS Y VARIABLES HIPÓTESIS:
“La administración de ranitidina en dosis adecuadasdurante un periodo de 5 semanas, remite la patologíaulcerosa en el hombre”
Variable independiente (VI), la causa de la posiblecuración es la ranitidina
Variable dependiente (VD), el efecto, es la remisión de la
ulcera
Variable Variable
Independiente Dependiente
(Causa) (Efecto)
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 24/64
VARIABLES INDEPENDIENTES
CAUSA VI EFECTO VD
RANITIDINA
50 mg
RANITIDINA Remisión de
150 mg la Ulcera
RANITIDINA
300mg
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 25/64
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 26/64
EJEMPLO• INFLUENCIA DE LA AMETROPÍA NO
DIAGNOSTICADA SOBRE EL RENDIMIENTO
ESCOLAR.• Dra. Meida Espinoza Ostos
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 27/64
HIPÓTESIS• "La ametropía influye negativamente en el
rendimiento escolar de los niños de 2º y 3º de
Primaria".• Si el niño tiene ametropía entonces tendrá mal
rendimiento escolar
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 28/64
VARIABLE DEPENDIENTE• Rendimiento Escolar
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 29/64
VARIABLE INDEPENDIENTE• Ametropía
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 30/64
VARIABLE INTERVINIENTE• Sexo, edad, grado de estudio
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 31/64
OPERACIONALIZACIÓN DE VARIABLES• AMETROPÍA • Tipo de variable: cualitativa.
Escala de medición: ordinal (sin ametropía, conametropía).Instrumento: cartilla de SnellenBuena visión : 20/20 -Mala visión 20/30 ó peor
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 32/64
OPERACIONALIZACIÓN DE VARIABLES• RENDIMIENTO ESCOLAR • Tipo de variable: cualitativa.
Escala de medición: nominal (BUENRENDIMIENTO O MAL RENDIMIENTO). Rendimiento escolar : calificación académica
• Si tiene A en las áreas de Lógico matemática y
comunicación integral• Si tiene B ó C en las áreas de Lógico matemática y comunicación integral.
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 33/64
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 34/64
VALIDACIÓN DE HIPÓTESIS• EJEMPLO la asociación entre fumar
durante la gestación y el bajo peso del
niño al nacer.• Ho HIPÓTESIS NULA No hay asociación
entre las variables (en el ejemplo, el bajo peso
del niño y el hecho de fumar durante lagestación son independientes, no estánasociados)
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 35/64
VALIDACIÓN DE HIPÓTESIS• H1 HIPÓTESIS ALTERNATIVA Sí hay
asociación entre las variables, es decir, el bajo
peso y el fumar durante la gestación estánasociados.
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 36/64
VALIDACIÓN DE HIPÓTESIS• Si el p-valor es muy pequeño (usualmente se
considera p<0.05) es poco probable que se
cumpla la hipótesis nula y se debería de rechazar• Así, para una seguridad del 95% (α =0.05) el
valor teórico de una distribución chi-cuadrado
con una grado de libertad es 3,84.• Valores mayores de 3,84 entonces rechazamos lahipótesis nula (H0) y aceptamos la hipótesisalternativa (Ha) como probablemente cierta.
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 37/64
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 38/64
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 39/64
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 40/64
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 41/64
POBLACIÓN Y MUESTRA
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 42/64
• Estadística inferencial: Métodos usados paradeterminar algo acerca de la población ,basado en una muestra .
• Población (1) es la colección, o conjunto, deindividuos, objetos o eventos cuyaspropiedades serán analizadas.
• Muestra es un subconjunto de la población
de interés.
(1) Algunos autores utilizan Universo como sinónimo
Estadística Inferencial
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 43/64
Población y Muestra
Población
Muestra
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 44/64
POBLACIÓN Y MUESTRA• A veces se estudian poblaciones enteras:• Elecciones
• Censos• Números “pequeños”: los alumnos de una
facultad, los habitantes de una ciudad, los
miembros de una asociación...• Pero otras muchas veces estudiamos muestras
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 45/64
POBLACIÓN Y MUESTRA• ¿Por qué estudiar muestras y no poblaciones?• Razones económicas
• Tiempo: la variable cambiaría• El estudio altera el objeto (investigaciones
sanitarias o industriales, biológicas...)
• En todos esos casos: muestra
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 46/64
TIPO DE MUESTRA• Preocupación principal al hacer una muestra:
que sea “representativa” de la población
• Que sea una “buena” muestra, que se “parezca”a la población
• Los resultados serán “sensatos” (los parámetros
se parecerán a los estadísticos)• Si seguimos ciertas reglas: podremos calcularmatemáticamente, a partir del estadístico, el valor aproximado del parámetro
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 47/64
MUESTREO ALEATORIO SIMPLE• Mecanismo ideal para la mejor muestra posible:
el muestreo aleatorio simple, muestreo en el que
Cada elemento de la población tiene la mismaprobabilidad de ser escogido.
• Todas las posibles muestras del tamañomuestral escogido (n) tienen la mismaprobabilidad de ser seleccionadas.
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 48/64
MUESTREO ALEATORIO SIMPLEEjemplo teórico:• Todos los nombres en una lista.
• Papeleta o bola por cada nombre.• Mezcla y extracción de las n bolas o papeletas.• Cumple las dos condiciones.
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 49/64
MUESTREO ALEATORIO SIMPLEPropiedades:• Cada número elegido separadamente.
• Igual probabilidad de ser 0, 1, 2, ... 9• Ninguna influencia de unos números en otros.• Escoger los n primeros números aleatorios.
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 50/64
MUESTREO ALEATORIO SIMPLE• Este es el mecanismo ideal.• Estadística inferencial: se basa en este modelo
ideal de muestreo aleatorio simple.• Casi todos los métodos de inferencia: suponen
que la muestra se ha obtenido por este método.
• En la vida real: pocas veces aplicamos estemétodo estrictamente.
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 51/64
MUESTREO SISTEMÁTICO• Población ordenada en lista numerada• Dividimos el tamaño de la población (N) por el
tamaño muestral (n): obtenemos el factor deelevación.
• Ejemplo: población de 25.000, muestra de 500.Factor de elevación= 50.
• Escogemos al azar (números aleatorios) un sujeto
entre el primero y el que ocupa el puesto igual alfactor de elevación. Ejemplo: entre los 50 primeros,el 24.
• Sumar a ese número el factor de elevación hastacompletar la muestra: 24, 74, 124, 174, 224, 274...
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 52/64
MUESTREO SISTEMÁTICO• Es más sencillo que muestreo aleatorio simple• Pero normalmente produce un resultado igual
de bueno: se pueden usar los mismos métodosde estadística inferencial.
• Todos los sujetos igual probabilidad de estar en
la muestra.
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 53/64
MUESTREO SISTEMÁTICO• Peligro de sesgo: si orden en población en forma
de ciclos que coincide con el valor del factor de
elevación• Ejemplo:Estudio de los contenidos de un
periódico, población son los periódicos de cadadía en uno o más años y factor de elevación 7 omúltiplo de 7.
• Todos los días seleccionados serán el mismo díade la semana
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 54/64
MUESTREO ESTRATIFICADO• Dividimos la población en diferentes grupos, o
estratos, y tomamos de cada uno de ellos una
muestra aleatoria simple.• Cuando conocemos que la población contiene
grupos o subpoblaciones que son homogéneosinternamente, pero sospechamos que varíanrespecto a la característica estudiada.
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 55/64
MUESTREO ESTRATIFICADO• Muestreo estratificado proporcional: Ejemplo:
muestra de estudiantes sospechamos que sexoinfluye en respuesta a pregunta.
• Sabemos proporción de hombres y mujeres enpoblación
• Muestreo estratificado proporcional:Calcularnúmero de hombres y mujeres con la proporción enpoblación
• Muestra aleatoria simple de mujeres y hombres• Resultado: “mejor” que muestreo aleatorio simple • Error muestral puede ser menor que en muestreo
aleatorio simple.
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 56/64
MUESTREO ESTRATIFICADO• Muestreo estratificado no proporcional• Ejemplo: estudio comparativo de acceso a servicios
de salud entre personas que viven en distritospequeños, medianos y grandes• Si muestreo aleatorio simple: muy poca gente de
distritos pequeños• Muestra muy pequeña error muestral grande
imposible hacer inferencia y comparación• “Solución”: muestreo estratificado con muestras del
mismo tamaño de personas que viven en distritospequeños, medianos y grandes
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 57/64
MUESTREO POR CONGLOMERADO• Requieren listas (totales o por estratos)• En muchos casos: esas listas no existen (o no son
accesibles legalmente)• Pero sí existen listas de “grupos heterogéneos de
sujetos”, o conglomerados
• Hacemos muestreo aleatorio de conglomerados• Dentro de los conglomerados elegidos: todos loselementos, o muestreo aleatorio simple.
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 58/64
MUESTREO POR CONGLOMERADO• Ejemplo: estudio sobre estudiantes universitarios• No hay lista de todos los estudiantes, ni por estratos
• Pero sí: lista de universidades y facultades• Muestreo por conglomerados:• Muestreo aleatorio simple de universidades• Idem de facultades• Idem de grupos• Dentro del grupo (ya hay lista): todos, o muestreo
aleatorio simple
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 59/64
MUESTREO POLIETAPICO• Combinación de varios métodos de muestreo• Para poblaciones complejas
• Ejemplo:• Distritos de Lima son conglomerados, pero
heterogéneos entre sí• Hacer “estratos de conglomerados” por tamaño de la
población, o por actividad económica dominante• Seleccionar aleatoriamente, dentro de cada estrato,
un número de distritos (muestreo estratificado porconglomerados)
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 60/64
MUESTREO NO PROBABILÍSTICO• No es posible calcular la probabilidad de las diferentes
muestras• NO ES POSIBLE aplicar métodos de estadística inferencial
cuando usamos estos muestreos• Típico ejemplo: muestra voluntaria• Cupón en revista, que pide contestación por correo.• Oyentes de programa de radio o televisión, a los que se pide
que llamen a un teléfono.• Doble distorsión: el programa y el sentimiento intenso sobre
el tema.• NO es una muestra representativa: es una muestra sesgada.• Tiene un error o sesgo de selección• AUNQUE LLAMEN CIENTOS DE MILES DE PERSONAS!!!!
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 61/64
MUESTREO NO PROBABILÍSTICO• Muestreo “de calle”: entrevistador se planta en
una esquina y entrevista a gente que pasa
• Distorsiones o sesgos: lugar, hora, día de lasemana, proceso de “selección” por elentrevistador de a quién entrevistar...
• NO se pueden aplicar métodos de estadísticainferencial
• NO es una muestra representativa
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 62/64
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 63/64
CALCULO DE LA MUESTRA• De una población de 1 176 adolescentes de una
ciudad X se desea conocer la aceptación por los
programas humorísticos televisivos y para ello sedesea tomar una muestra por lo que se necesitasaber la cantidad de adolescentes que debenentrevistar para tener una información adecuadacon error estandar menor de 0.015 al 90 % deconfiabilidad.
7/31/2019 Hipotesis y Muestra
http://slidepdf.com/reader/full/hipotesis-y-muestra 64/64
Según Roberto Hernández Sampieri= 1 176
= 0,015
por lo que