Licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 InternacionalEspinosa-Castro, Jhon-FranklinHernández-Lalinde, JuanBermúdez-Pirela, ValmoreRodríguez, Johel EPenaloza-Tarazona, Mariana-ElenaChacón, GerardoToloza-Sierra, Cristian A.Gómez-Vahos, Jovany2019-01-212019-01-21201826107988http://hdl.handle.net/20.500.12442/2466El artículo tiene por objetivo describir nociones generales de muestreo aplicada a las ciencias en el área de la salud. Analizando definiciones, formulas, procedimientos y datos. En estudios probabilísticos, la población objeto de estudio, esta determina por la muestra a través de un plan de muestreo. En un proceso estadístico, son importantes las unidades primarias, secundarias y terciarias de muestreo. Igualmente, el tipo de muestreo puede ser aleatorio siempre, sistemático estratificado, o conglomerado. Los siguientes criterios requieren claridad y fundamentación: tamo de la población, nivel de confianza, error relativo, efecto del diseño, efecto del diseño ajustado, parámetro de interés, varianza estimada y taza de no respuesta, con la finalidad de cumplir la meta. Permitiendo disminuir costos y tiempo. Asimismo, inducir resultados y hallazgos desde la muestra en función de la población. Para analizar un estadístico y/o parámetro, desde un resultado descriptivo y/o inferencial, requiere de un experto en matemáticas y/o estadística, además con conocimiento en técnica para recolectar, análisis e interpretación de información. Razones que permiten al investigador una mayor valides y confiabilidad de los resultados obtenidos de la investigación.The article aims to describe general notions of sampling applied to the sciences in the area of health. Analyzing definitions, formulas, procedures and data. In probabilistic studies, the population under study is determined by the sample through a sampling plan. In a statistical process, primary, secondary and tertiary sampling units are important. Likewise, the type of sampling can always be random, systematic stratified, or conglomerate. The following criteria require clarity and rationale: population size, confidence level, relative error, design effect, adjusted design effect, interest parameter, estimated variance and non-response rate, in order to meet the goal. Allowing reducing costs and time. Likewise, induce results and findings from the sample according to the population. To analyze a statistic and / or parameter, from a descriptive and / or inferential result, it requires an expert in mathematics and / or statistics, as well as technical knowledge to collect, analyze and interpret information. Reasons that allow the researcher a greater validation and reliability of the results obtained from the investigation.spaPoblaciónMuestreo probabilísticoDatoDiseñoMétodoCiencias de la SaludPopulationProbabilistic samplingFactDesignMethodHealth Sciencesarticleinfo:eu-repo/semantics/openAccess