La reducción del tamaño de la muestra sin perder energía se puede lograr mediante uno de los tres principios.
- Mejorar la relación señal / ruido. Para hacer esto, puede reducir el ruido, fortalecer la señal o reducir la variabilidad (lo que reducirá el ruido y fortalecerá la señal).
- Use una mejor técnica estadística. Al hacer esto, puede extraer más información de sus datos.
- Multicine. En un nivel básico, esto implica usar el mismo paciente más de una vez.
Una alternativa a la estratificación es el ajuste presagificado del análisis final para los desequilibrios. Por ejemplo, puede pregrabar en un ensayo de MI que si un grupo tiene más MIS anterior que el otro que el ajuste para tener en cuenta el desequilibrio se realizará (la tasa de mortalidad para el grupo con más MI anterior se ajustará hacia abajo, por ejemplo).
Esto puede reducir la variabilidad y el tamaño de la muestra. Esta técnica tiene toda la deficiencia típica asociada con el análisis multivariado y no soy un defensor de ella.
Similar a la estrategia anterior, puede estratificar a los pacientes. Esto asegura que minimice cualquier posible desequilibrio de referencia, y puede ajustar su análisis para maximizar la potencia del estudio. La estratificación es particularmente útil si la población de pacientes es heterogénea y la heterogeneidad puede afectar significativamente el resultado.
Puede enriquecer a la población de pacientes de manera que reduzca el tamaño de la muestra de manera sustancial.
¿Cómo se determina el tamaño de una muestra aleatoria simple?
Esta lección describe cómo encontrar el tamaño de muestra más pequeño que proporciona
La precisión deseada, cuando el método de muestreo es un muestreo aleatorio simple.
El tamaño de muestra «derecho» para una aplicación particular depende de muchos factores,
incluyendo lo siguiente:
- Consideraciones de costos (por ejemplo, presupuesto máximo, deseo de minimizar el costo).
- Preocupaciones administrativas (por ejemplo, complejidad del diseño, plazos de investigación).
- Nivel mínimo de precisión aceptable.
- Nivel de confianza.
- Variabilidad dentro de la población o subpoblación (por ejemplo, estrato, clúster) de
interés. - Método de muestreo.
Estos factores interactúan de maneras complejas. Aunque una consideración de todo el
Las variaciones están más allá del alcance de este tutorial, el resto de esta lección
cubre una situación que ocurre comúnmente con muestras aleatorias simples: cómo encontrar
El tamaño de muestra más pequeño que proporciona la precisión requerida.
Para otros cálculos no cubiertos en esta lección, considere usar la calculadora de tamaño de la muestra (descrita a continuación).
La calculadora de tamaño de muestra de Stat Trek puede ayudarlo a encontrar el tamaño de la muestra correcto rápidamente,
fácil y con precisión. Usted especifica su objetivo principal: maximice la precisión, minimice
Costo, etc. Según su objetivo, la calculadora lo solicita para el
Entradas y manejan todos los cálculos necesarios automáticamente, lo que le permite fácilmente
Compare diseños alternativos y tamaños de muestra. La calculadora crea un informe resumido
Eso enumera los hallazgos clave y describe técnicas analíticas. Y la calculadora
está libre. Puede encontrar la calculadora de tamaño de muestra en Stat Trek’s
Menú principal en la pestaña Herramientas de estadísticas. O puede tocar el botón de abajo.
¿Cómo hacer una muestra aleatoria simple?
Una muestra aleatoria simple es un subconjunto de una población estadística en la que cada miembro del subconjunto tiene la misma probabilidad de ser elegido. Una muestra aleatoria simple debe ser una representación imparcial de un grupo.
Un ejemplo de una muestra aleatoria simple serían los nombres de 25 empleados elegidos por un sombrero por una empresa de 250 empleados. En este caso, la población es de 250 empleados y la muestra es aleatoria porque cada empleado tiene las mismas posibilidades de ser elegido. El muestreo aleatorio se usa en la ciencia para realizar pruebas de control aleatorias o experimentos ciegos.
- Una muestra aleatoria simple toma una pequeña porción aleatoria de toda la población para representar todo el conjunto de datos, donde cada miembro tiene la misma probabilidad de ser elegido.
- Los investigadores pueden crear una muestra aleatoria simple utilizando métodos como loterías o antecedentes aleatorios.
- Puede ocurrir un error de muestreo con una muestra aleatoria simple si la muestra no termina para reflejar cuidadosamente la población que se supone que representa.
Los investigadores pueden crear una muestra aleatoria simple utilizando un par de métodos. Con un método de lotería, a cada miembro de la población se le asigna un número, después de lo cual los números se seleccionan al azar.
El ejemplo en el que los nombres de 25 de 250 empleados son elegidos por un sombrero es un ejemplo del método de lotería en el trabajo. A cada uno de los 250 empleados se les asignará un número entre 1 y 250, después de lo cual se eligirán 25 de esos números al azar.
Artículos Relacionados:
