TCNICAS DE MUESTREO

INTRODUCCIN
El propsito de la Estadstica es extraer conclusiones acerca de la naturaleza de una poblacin.
La informacin estadstica de cualquier poblacin, es de vital importancia para conocer la
situacin real de la misma, y es la base para la toma de decisiones adecuadas y oportunas que
den respuestas efectivas a los problemas que tenga esa poblacin.
Uno de los modelos matemticos ms prcticos y eficientes para generar informacin
estadstica, es el Muestreo Probabilstico o simplemente Muestreo. La aplicacin de este
modelo resulta de bao costo y la informacin estadstica final se obtiene a corto plazo, a!n en
aquellas poblaciones de enorme tama"o.
#ara estudiar una poblacin se puede $acer de dos formas%
&iremos que se $a realizado un estudio exhaustivo o censo cuando la investigacin
se $a $ec$o sobre todos y cada uno de los elementos que constituyen la poblacin.
&iremos que se $a realizado un estudio por muestreo cuando la investigacin se $a
realizado !nica y exclusivamente sobre una muestra 'un subconunto limitado y
convenientemente seleccionado de la poblacin.
La conveniencia del muestreo frente a censos o investigaciones ex$austivas est totalmente
ustificada en las siguientes situaciones%
(uando la poblacin sea tan grande que el censo exceda de las posibilidades del
investigador.
(uando la poblacin sea suficientemente uniforme para que cualquier muestra d) una
buena representacin de la misma.
(uando el proceso de medida o investigacin de las caractersticas de cada elemento
sea destructivo o disminuya su valor, como ocurre al consumir un artculo para uzgar
su calidad, o al determinar una dosis letal o un punto de ruptura.
*dems de los casos extremos anteriores, existen otras razones que pueden $acer ventaoso
el estudiar una poblacin a partir de sus muestras%
Coste reducido: +i los datos que buscamos los podemos obtener a partir de una
peque"a parte del total de la poblacin, los gastos de recogida y tratamiento de los
datos sern menores.
Ejemplo: cuando se realizan encuestas previas a un refer)ndum, es ms barato
preguntar a ,.--- personas su intencin de voto, que a .-.---.---
Mayor rapidez: &isponiendo de ciertos recursos puede obtenerse mediante
muestras informacin ms rpida, frecuente y detallada, lo que aumentar su
utilidad.
Calidad: El muestreo exige, en comparacin con la realizacin de censos y
estudios ex$austivos, menos trabao material pero ms refinamiento y preparacin.
Conceptos bsicos
&enominamos #/0L*(123 a la coleccin de elementos sobre la que quiere examinarse el
comportamiento del experimento considerado. Los elementos de la poblacin se denominan
13&141&U/+. Llamamos 5UE+67* al conunto de individuos de la poblacin de los cuales se
obtiene informacin, si no se puede obtener de todos los individuos que la componen.
En la etapa de seleccin de una muestra a partir de una poblacin los individuos pueden
extraerse de uno en uno o agrupados, dependiendo de la t)cnica de muestreo que se $aya
seguido. *s, por eemplo, en una poblacin $umana la seleccin puede $acerse persona a
persona, familia a familia, edificio a edificio, etc. Una U31&*& 5UE+67*L ser un individuo o
conunto de individuos que se seleccionan en una !nica extraccin. Las unidades muestrales
distintas no deben tener elementos comunes y deben cubrir toda la poblacin. 7ecibe el
nombre de 5*7(/ &EL 5UE+67E/ el conunto de todas las unidades muestrales
consideradas.
#or ejemplo, una encuesta telefnica sobre intencin de voto. 3o todas las familias tiene
tel)fono, de modo que varias personas de la poblacin obetivo de posibles votantes no tendrn
un n!mero telefnico en el marco de muestreo. En algunas casas con tel)fono, los residentes
no estn registrados para votar y, por lo tanto, no son elegibles para la encuesta. *lgunas
personas elegibles en la poblacin del marco de muestreo no responden porque no pueden ser
localizadas, algunas se niegan a contestar a la encuesta y algunas podran estar enfermas o
incapacitadas para responder.
Las poblaciones que vamos a considerar deben ser tales que sobre sus individuos puedan
observarse ciertos rasgos o magnitudes, que varan de unos individuos a otros y que
llamaremos 4*71*0LE+. La informacin usual que se quiere recabar sobre la poblacin se
refiere a algunas caractersticas de estas variables, a las que denominaremos
(*7*(6E78+61(*+ #/0L*(1/3*LE+. Entre )stas, las ms $abituales en los estudios de
6)cnicas de 5uestreo son% la media poblacional, el total poblacional y la proporcin
poblacional.
(uando se extrae una muestra, los datos obtenidos a partir de ella nos permiten inferir unos
valores aproximados de la poblacin en su totalidad. * estos valores aproximados se les
denomina E+615*(1/3E+, las cuales vendrn afectadas por un error que denominamos
E77/7 &E01&/ *L 5UE+67E/. (uanto menor sea )ste, diremos que mayor es la
#7E(1+123 de las estimaciones.
Objetivos de las tcnicas de muestreo
El obetivo de las 6)cnicas de 5uestreo es estudiar procedimientos de seleccin de la muestra
y de estimacin que, con el coste mnimo posible, proporcionen estimaciones con la mayor
eficacia posible.
En cada uno de los procedimientos de muestreo se perseguirn los siguientes obetivos%
Estudiar algunos estimadores puntuales y por intervalo para los parmetros ms
comunes% media, total y proporcin poblacional.
/btener tama"os de muestra ptimos que verifiquen ciertas restricciones.
(omparacin entre las diferentes t)cnicas de muestreo.
ipos de muestreo
&istinguimos dos tipos fundamentales de muestreo%
Muestreo no probabilstico. En este tipo de muestreo, puede $aber clara influencia
de la persona o personas que seleccionan la muestra o simplemente se realiza
atendiendo a razones de comodidad. +alvo en situaciones muy concretas en la que los
errores cometidos no son grandes, debido a la $omogeneidad de la poblacin, en
general no es un tipo de muestreo riguroso y cientfico, dado que no todos los
elementos de la poblacin pueden formar parte de la muestra.
Ejemplo% si $acemos una encuesta telefnica por la ma"ana, las personas que no
tienen tel)fono o que estn trabaando, no podrn formar parte de la muestra.
Muestreo probabilstico. *quel en el que todos los individuos tienen la misma
probabilidad de ser elegidos para formar parte de una muestra 'principio de
equiprobabilidad9 y, consiguientemente, todas las posibles muestras de tama"o n
tienen la misma probabilidad de ser elegidas. +lo este m)todo de muestreo
probabilstico nos asegura la representatividad de la muestra extrada y es, por tanto, el
ms recomendable por ser riguroso y cientfico.
&entro de los m)todos de muestreo probabilsticos encontramos los siguientes tipos%
Muestreo aleatorio
Muestreo sistemtico
Muestreo aleatorio estrati!icado
Muestreo por con"lomerados
/tros procedimientos% 5)todos indirectos de estimacin '#stimadores de $azn y
#stimadores de $e"resin9
MUESTREO ALEATORIO SIMPLE
Muestreo equiprobabilstico% +i se selecciona una muestra de tama"o n de una poblacin de 3
unidades, cada elemento tiene una probabilidad de inclusin igual y conocida de n:3.
%entajas
Es sencillo y de fcil comprensin
(lculo rpido de medias y varianzas
+e basa en la teora estadstica, y por tanto existen paquetes informticos para analizar
los datos.
&esventajas
7equiere que se posea de antemano un listado completo de toda la poblacin.
(uando se trabaa con muestras peque"as es posible que no represente a la poblacin
adecuadamente.
MUESTREO SISTEMTICO
Procedimiento
(onseguir un listado de 3 elementos.
&eterminar un tama"o de muestra n.
&efinir un intervalo de salto ;< = > 3:n.
Elegir un n!mero aleatorio, r, entre ? y ; 'r9> arranque aleatorio9.
+eleccionar los elementos de la lista.
%entajas
@cil de aplicar.
3o siempre es necesario tener un listado de toda la poblacin.
(uando la poblacin est ordenada siguiendo una tendencia conocida, asegura una
cobertura de unidades de todos los tipos.
&esventajas
+i la constante de muestreo est asociada con el fenmeno de inter)s, se pueden
$allar estimaciones sesgadas.
MUESTREO ALEATORIO ESTRATIFICADO
El azar no es una garanta de representatividad. Este muestreo pretende asegurar la
representacin de cada grupo en la muestra. (uanto ms $omog)neos sean los estratos, ms
precisas resultarn las estimaciones.
%entajas
6iende a asegurar que la muestra represente adecuadamente a la poblacin en funcin
de unas variables seleccionadas.
+e obtienen estimaciones ms precisas.
&esventajas
+e $a de conocer la distribucin en la poblacin de las variables utilizadas para la
estratificacin.
Los anlisis son complicados, en muc$os casos la muestra tiene que
ponderarse' asignar pesos a cada elemento9.
MUESTREO POR CONGLOMERADOS Y CON
SUBMUESTREO
Los m)todos presentados $asta a$ora estn pensados para seleccionar directamente los
elementos de la poblacin, es decir, que las unidades muestrales son los elementos de la
poblacin. En el muestreo por conglomerados la unidad muestral es un grupo de elementos de
la poblacin que forman una unidad, a la que llamamos con"lomerado.
#jemplos: Las unidades $ospitalarias, los departamentos universitarios, una caa de
determinado producto, etc., son conglomerados naturales como, por eemplo, las urnas
electorales.
(uando los conglomerados son reas geogrficas suele $ablarse de Amuestreo por reasA.
#jemplo: +i intentamos $acer un estudio sobre los $abitantes de una ciudad, el muestreo
aleatorio simple puede resultar muy costoso, ya que estudiar una muestra de tama"o n implica
enviar a los encuestadores a n puntos distintos de la misma, de modo que en cada uno de ellos
slo se realiza una entrevista. En esta situacin es ms econmico realizar el denominado
muestreo por con"lomerados, que consiste en elegir aleatoriamente ciertos barrios dentro de
la ciudad, para despu)s elegir calles y edificios. Una vez elegido el edificio, se entrevista a
todos los vecinos.
El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto n!mero de
conglomerados 'el necesario para alcanzar el tama"o muestral establecido9 y en investigar
despu)s todos los elementos pertenecientes a los conglomerados elegidos.
&i!erencias con muestreo aleatorio estrati!icado
En muestreo aleatorio estratificado primero se divide la poblacin en estratos, y entonces se
selecciona una muestra aleatoria de cada estrato. El procedimiento en el muestreo por
conglomerados es al rev)s. &espu)s de dividir la poblacin en conglomerados se selecciona al
azar algunos de ellos. &entro de cada conglomerado escogido, se registran todos los
elementos mu)strales. En el muestreo aleatorio estratificado las unidades mu)strales son los
elementos individuales de la poblacin, mientras que en el muestreo por conglomerados las
unidades mu)strales son conglomerados de los elementos.
%entajas
Es muy eficiente cuando la poblacin es muy grande y dispersa. 7educe costes.
3o es preciso tener un listado de toda la poblacin, slo de las unidades primarias de
muestreo.
&esventajas
El error estndar es mayor que en el muestreo aleatorio simple o estratificado.
El clculo del error estndar es compleo.
#jemplo con"lomerado
En una investigacin en la que se trata de conocer el grado de satisfaccin laboral los
profesores de instituto necesitamos una muestra de B-- suetos. *nte la dificultad de acceder
individualmente a estos suetos se decide $acer una muestra por conglomerados. +abiendo
que el n!mero de profesores por instituto es aproximadamente de .C, los pasos a seguir seran
los siguientes%
?. 7ecoger un listado de todos los institutos.
D. *signar un n!mero a cada uno de ellos.
.. Elegir por muestreo aleatorio simple o sistemtico los D- institutos 'B--:.C>D-9 que nos
proporcionarn los B-- profesores que necesitamos.
'ubmuestreo( o muestreo en dos etapas
(uando las poblaciones son muy extensas, o compleas, la simple toma de muestras al azar se
transforma en un gran problema, que suele requerir muc$o tiempo. El tiempo necesario para
obtener una muestra de dimensiones determinadas puede ser muy abreviado mediante el
empleo de un muestreo en dos etapas.
En primer lugar, el conunto de la poblacin puede ser dividido en ) unidades primarias, o
subpoblaciones 'U#9, cada una de las cuales estar formada por Mi unidades secundarias o
submuestras 'U+9, que a su vez son muestras de la poblacin total. El muestreo consistir en
seleccionar n U# '?E etapa del muestreo9 y dentro de cada una de ellas, mi U+ 'DE etapa o
submuestreo de la U#9.
El proceso, evidentemente, puede repetirse de nuevo, por lo que el muestreo por
conglomerados puede considerarse como un proceso multietpico.
Ejemplo Multietpico:F#roduccin de un cierto cerealF< Unidades #rimarias% #rovincias<
Unidades secundarias% #ueblos< Unidades terciarias% (ampos de los pueblos dedicados al
cultivo de ese cereal< Unidades de cuarto orden% #eque"as parcelas del mismo tama"o
dentro de esos campos.
#jemplo% para estimar la captura total a lo largo de una lnea costera, se puede tomar como
unidad bsica cada desembarco. La medicin de una serie de desembarcos tomados al azar a
lo largo de la costa requerira efectuar muc$os viaes, imposibles de realizar< la solucin
consiste en seleccionar 'por eemplo, mediante n!meros al azar9 ciertos lugares de
desembarco en determinados das, y en estos lugares seleccionar una serie de desembarcos.
#or supuesto, el submuestreo se puede realizar en ms de dos etapas. En el eemplo anterior,
podra interesar alg!n dato, como el estado de madurez, para lo cual se tomara una caa de
pescado 'o una parte de la misma9, con lo que el muestreo se $abra realizado en tres 'o
cuatro9 etapas.
La desventaa de un submuestreo consiste, desde luego, en que los individuos de una misma
unidad primaria son probablemente ms parecidos entre s que los del conunto de la
poblacin. &e esta manera, despu)s de examinar un individuo de una unidad, tal como el peso
de la captura de un barco en un lugar determinado, si se siguen examinando individuos de esa
unidad, se obtendr menos informacin del conunto de la poblacin 'por eemplo, la captura
media por barco de todos los lugares de desembarco9 que si se examinan individuos de otras
unidades primarias. El problema consiste en deducir el n!mero ms conveniente de muestras
que se debe tomar en un tiempo dado al emplear un muestreo en dos etapas. En t)rminos
generales, si los individuos dentro de una unidad primaria son muy variables, lo meor ser
tomar muc$as muestras dentro de cada unidad en, comparativamente, pocas unidades
primarias. #or el contrario, si la variacin de los individuos es peque"a dentro de cada unidad,
pero $ay diferencias considerables entre las unidades, entonces debern someterse a
muestreo muc$as unidades primarias, con un peque"o n!mero de individuos por muestra en
cada una de ellas.
#stimadores
La poblacin est formada por 3 U# que constituyen un con"lomerado, el cual a su vez est
formado por 5i U+.

N
i
i
M M
1
0
)*mero total de +' en la poblacin
i
M
j
ij
i
M
y
Y
i

1

i
m
j
ij
i
m
y
y
i

1
Medias poblacional y muestral en una +P
N
Y M
Y
N
i
i i

1

n
y M
y
n
i
i i

1
Medias poblacional y muestral por +P
0
1
M
Y M
Y
N
i
i i

0
1
0

nM
y M N
M
Y
y
n
i
i i

Medias poblacional y muestral por +'
otales poblacionales en la +P
i
M
i
i ij i
Y M y Y
i

1
y en la poblacin
Y N Y M Y Y
N
i
i

0
1
#stimadores de los totales poblacionales en la +P y en la poblacin
i i i
Y M Y

,
y M y N Y
0

#rrores de muestreo
( )
1
1
]
1

,
_

,
_

N
i
c
i
i
i
i
i
N
n
NS
M
m
m
S
M
n M
N
y V
1
2
2
2
0
1 1
1
%arianza de la media estimada
siendo
( )
1
1
2
2

i
M
i
i ij
i
M
Y y
S
i
Varianza en cada UP y
( ) ( )
1 1 1
1
2 2 2
1
2
1
2
2

N
Y N Y M
N
Y Y M
N
Y Y
S
N
i
i i
N
i
i i
N
i
i
c
%arianza entre totales de +P
( ) ( ) ( ) y V M y M V Y V
2
0 0

%arianza estimada del total
#stimador inses"ado de la varianza de la media estimada
( )
1
1
]
1

,
_

,
_

n
i
c
i
i
i
i
i
N
n
NS
M
m
m
S
M
n M
N
y v
1
2
2
2
0
1 1
1

( ) ( ) y v M Y v
2
0

#stimador inses"ado del total
siendo las varianzas muestrales
( )
1 1
1
2 2 2
1
2
2

n
y n y M
n
y Y
S
n
i
i i
n
i
i
c


( )
1 1
1
2 2
1
2
2

i
m
i
i i ij
i
m
i
i ij
i
m
y m y
m
y y
S
i i
Muestreo en una etapa
La situacin ms sencilla, y bastante com!n en la prctica, es aquella en la que la poblacin
est dividida en conglomerados, C
1
,..,CM, de similar comportamiento cada uno de ellos. +e
elige entonces una muestra de tama"o g del conunto de los conglomerados mediante
muestreo aleatorio simple mc> G( ?,..., ( gH, estando la muestra final formada por todos los
elementos que forman los conglomerados elegidos.
#stimadores
En este caso no $ay submuestreo de cada U#, es decir
i i
M m
y slo se realizar el
muestreo de la ?E etapa seleccionando n U#.
i i
i
i
Y y
M
m

,
_

0 1
,
i i i
Y y M
0
1
0
1
nM
Y N
nM
y M N
y
n
i
i
n
i
i i


Media muestral por +'
y M Y
0

#stimador del total
%arianza estimada de la media muestral por +'
( )
( )
1

1
1
1
2
0
2 2
0
2

,
_

n
y Y
n
f
M
N
N
n
n
S
M
N
y v
n
i
i
c

+i los tama"os entre conglomerados son iguales
M M
i

, el clculo de las varianzas de los
estimadores se reduce a t)cnicas de anlisis de la varianza. Este tipo de t)cnicas analiza la
repercusin que tienen los distintos tama"os de los conglomerados y de muestra en la eficacia
de los estimadores.
#stimacin de proporciones
La poblacin quedar dividida en dos grupos, uno con aquellas unidades muestrales que
poseen la caracterstica y el complementario con las que no la poseen. * partir de aqu se
aplicar los estimadores anteriormente citados, con la salvedad de que la variable
ij
y
slo
toma dos valores% ? y -.
+e considera que el tama"o es el mismo 5, para todas las U#%
Proporciones poblacionales
M
A
P
i
i
<
M N
A
N
P
P
N
i
i
N
i
i

1 1
Proporcin estimada en la submuestra de la +P
m
a
p
i
i

%arianza de la proporcin estimada
( )
( ) ( )
N
S
nm
f
M
S
n
f
p V
N
i
i
c

1
2
2
2
2
1
1 1 donde
n
p
p
n
i
i

1
con las
2
1
S y
2
2
S queda ( )
( ) ( )
2
2
2 2
1
1
1 1
S
nm
f
S
n
f
p V

siendo las varianzas para proporciones%

( )
1 1
1
2 2
1
2
2
1

N
P N P
N
P P
S
N
i
i
N
i
i
y
( ) 1
1 2
2

M N
Q P M
S
N
i
i i

( )

n
i
i
n
p p
s
1
2
2
1
1
,
( ) 1
1 2
2

m n
q p m
s
n
i
i i
%arianzas muestrales
( )
( ) ( )
2
2
2
1
2
1
1
1 1
s
nm
f
f s
n
f
p V

#stimador de la varianza de la proporcin muestral

OTROS PROCEDIMIENTOS (MTODOS INDIRECTOS DE
ESTIMACIN):
ESTIMADORES DE RAZN
El estimador de razn es un sistema basado en la relacin existente entre dos variables y y
x que se miden en el mismo conunto de elementos.
i
y
: 4ariable principal
i
x
: 4ariable auxiliar
( )
i i
y x , :par de medidas de cada variable en i
(on los mtodos indirectos de estimacin se meoran las estimaciones tratadas en los
anteriores muestreos. (onsisten en utilizar informacin auxiliar relativa a una variable
correlacionada con la de inter)s para conseguir estimadores ms precisos que los
obtenidos a partir de una muestra de la variable en estudio.
Estimacin directa%
y N Y

Estimacin indirecta%
( ) X X C Y Y
G

0
+
+iendo
0
C
: coeficiente de correccin para meorar el estimador del I y
( ) X X

: diferencia entre los valores del total poblacional y estimado de la variable

auxiliar.
Objetivos
&isminuir el error de la estimacin final
&isminuir el coste de muestreo por reduccin del tama"o de muestra de variable
principal y la mayor sencillez de medicin de la auxiliar
#stimadores de razn en el muestreo aleatorio simple
Los estimadores de razn van a ser tanto ms aproximados cuanto ms prximos a una
recta que pase por el origen est)n los pares 'xi, yi9.
El parmetro poblacional desconocido a estimar es la razn
X
Y
N x
N y
X
Y
x
y
R
N
i
i
N
i
i
N
i
i
N
i
i

1
1
1
1
Propiedades
El estimador de la razn 7 es consistente y asintticamente insesgado, cuando el tama"o
de la muestra n es grande.
[ ] 0

R R E , o bien [ ] R R E

'concepto clsico de estimador insesgado9.

#or otra parte el estimador de 7 es insesgado si los pares 'xi, yi9 se encuentran sobre una
recta que pasa por el origen, es decir y > a J bKx con a > -. #ero esto en la prctica no
ocurre, y lo que $ay es una relacin entre x e y aproximada, por tanto se requerirn de
tama"os de muestra grandes para que tiendan a ser insesgados
.
ama-o de la muestra
+e obtiene de igual manera que en el muestreo aleatorio simple%
N
n
n
n
0
0
1+

siendo
2
2 2
1 ,
0
d
s t
n
u n

#stimadores de razn en muestreo estrati!icado
En cada estrato $ se realizar un m.a.s y se miden dos variables% la de inter)s o principal
hi
y , y la auxiliar
hi
x correlacionadas positivamente con la primera y ms fcil de medir.
Los estimadores de razn para la variable principal pueden ser de dos tipos%
o #stimador de razn separado
o #stimador de razn combinado
La eleccin de uno u otro ser en funcin de la $iptesis que se $aga sobre
h
R
. +i existe
bastante diferencia entre los
h
R de cada estrato se emplea el estimador de razn
separado. I si los
h
R
son similares de forma que la razn se puede suponer constante en
cada estrato, se utiliza el estimador de razn combinado.
#stimador de razn separado
Media
h h
L
h h h
L
h
RS
X R X R
N
N
y

1 1


%arianza estimada
( )
2
1
2
2
1
uh
h
h
L
h
RS
s
n
f
N
N
y v

otal
h h
L
h h
L
h RS
X R X R N Y

1 1


%arianza estimada del total
( )
2
1
2
1

uh
h
h
L
h RS
s
n
f
N Y v

#stimador de razn combinado

$azn

L
h h
L
h h
L
N
hi
L N
hi
L
h
h
c
X N
Y N
x
y
X
Y
X
Y
R
h
h
1
1
1
1
1
de la poblacin

L
h h
L
h h
!st
!st
c
x N
y N
X
Y
R
1
1

de la muestra
Media
X
x
y
X R y
!st
!st
C RC

%arianza estimada
( )
2
1
2
2
1
uh
h
h
L
h
RC
s
n
f
N
N
y v

otal
X
x
y
X
X
Y
X R Y
!st
!st
!st
!st
C RC

%arianza estimada del total
( )
2
1
2
1

uh
h
h
L
h RC
s
n
f
N Y v

ESTIMADORES DE REGRESIN
(uando a los pares ( )
i i
y x se les puede austar una recta de regresin que no pasa por el
origen de coordenadas, la media de la se estimar a partir de la expresin%
( ) x X " y y
#$
+
0
El t)rmino ( ) x X "
0
da una meor aproximacin del valor de la media estimada de y.
+i X x < la correlacin aumentar la estima final
+i X x > la estima de y disminuir.
&esarrollando la anterior expresin tenemos ( ) X " x " y y
#$ 0 0
+
donde ( ) x " y
0
se considera nulo y por tanto
R
x
y
"

0

y
R #$
y y
#stimadores de re"resin en muestreo aleatorio simple
El estimador de regresin de la media es insesgado, es decir [ ] Y y E
#$
y la varianza es
( ) ( )
2 2
0
2
0
2
2
1
x yx y #$
S " S " S
n
f
y V +

El valor que minimiza la varianza del estimador es el Coe!iciente de $e"resin%

( )( )
( )
2
1
2
1
0
x
yx
N
i
i
N
i
i i
S
S
X x
X x Y y
"

( ) ( )
2 2
1
1

y #$
S
n
f
y V
%arianza mnima
donde
x y
yx
S S
S

coeficiente de correlacin de la poblacin entre x e y.
( ) ( )
( )
2
1
2
1
0

x
yx
n
i
i
n
i
i i
s
s
x x
x x y y
" "

#stimacin del coe!iciente de re"resin

#rrores de la media muestral estimada
( ) ( )
#$ #$
y v y s
otal
#$ #$
y N y
( ) ( )
#$ #$
y v N Y v
2

%arianza muestral del total estimado

( ) ( )
#$ #$
y v N Y s

#rror muestral del total estimado

ama-o de la muestra
N
n
n
n
0
0
1+

siendo
( )
2
2 2 2
1 ,
0
1
d
# s t
n
y n

#stimadores de re"resin en muestreo estrati!icado
&e igual manera que ocurra en estimadores de razn aqu tambi)n encontraremos
estimadores de regresin separados y estimadores de regresin combinados
estimadores de regresin separados
#$h
L
h #$h
L
h
#$s
y y
N
N
y


1 1
Media
( ) ( )
#$h
L
h
#$s
y v
N
N
y v

1
2
2
%arianza estimada de la media
( ) ( )
#$s #$s
y v N Y v
2

%arianza estimada del total

estimadores de regresin combinados
Coe!iciente de re"resin poblacional y muestral
( )
( )

L L
h
xh h h
h
yxh h h
c
n
S f N
n
S f N
"
1 1
2 2
2
1
1

( )
( )

L L
h
xh h h
h
yxh h h
c
n
s f N
n
s f N
"
1 1
2 2
2
1
1

Media
( )
!st c !st #$c
x X " y y +


%arianza poblacional y estimada de la media
( ) ( )
2 2 2 2
1
2
2
2
1
xh c yxh c yh
h
h
L
h
#$c
S " S " S
n
f
N
N
y V +

( ) ( )
2 2 2 2
1
2
2
2
1
xh c yxh c yh
h
h
L
h
#$c
s " s " s
n
f
N
N
y v +

otal
#$c #$c
y N y
( ) ( )
#$c #$c
y v N Y v
2

%arianza estimada del total