Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Miguel Diseños de Muestreo
Miguel Diseños de Muestreo
Diseos de Muestreo
PRIMERA PARTE
Conceptos previos
Poblaciones: Una poblacin (U) es un conjunto
de (N) elementos. Un elemento se denotar
por i.
Variables: Cada elemento tiene asociados
valores de variables de inters. Sea yi el valor
de la variable y en el i-simo elemento.
Parmetros: Son valores desconocidos de la
poblacin que nos interesa estimar.
Muestra: Una parte (de tamao n) de la
poblacin. Una muestra se denotar por M.
confianza
Muestreo sistemtico
Muestreo en varias etapas
MUESTREO ALEATORIO
SIMPLE
y
)
i
n 1 iM
2
n
z1- = 1.645
z1- = 1.96
= 0.01
z1- = 2.576
N(z 1- )
n
2
2
2
Ne (z1- )
2
en el MAS es:
Problema: ?
x
Caso b): Se tiene informacin auxiliar sobre x sea X, se usa
esa informacin para estimar el total (o la media de Y)
mediante:
X y Xr
Y
x
Con MAS, r
es un estimador sesgado de la verdadera razn
MUESTREO ALEATORIO
ESTRATIFICADO
h 1
h 1
Por tanto: N h N ; n h n ;
Nh
h
h 1 N
Nh
y est
yh
h 1 N
Y N y est
Nh
sh
va r(y est ) 2 (Nh nh )
nh
h N
N h h
nh n
N h h
h
z 12 N h h
n 2 2 h2
N e z 1 N h h2
h
Muchas gracias
Sesin Tcnica 5
Diseos de Muestreo
SEGUNDA PARTE
Post estratificacin
Concepto: Se desea clasificar las unidades de una
poblacin en grupos a partir de la muestra y luego
de haber realizado la encuesta, pero el diseo no
fue estratificado.
Supongamos que extrajimos n unidades mediante
M.A.S. y luego se desea post-estratificar la
poblacin en L estratos. La diferencia con el M.A.E.
es que los nh pasan a ser variables aleatorias
(cambian de muestra a muestra). Lo interesante ( e
intuitivo) es que el valor esperado de esa variable
aleatoria es: n n NN es decir en promedio la
muestra de n unidades se va a distribuir como en la
asignacin proporcional.
h
j1 k 1
jk
j1
congl
Y
N
M
yr r
y
j 1
n
M
j 1
M
N
j
Ejemplo:
Conglomerado
Tamao (Mj) Mj
Rango asignado
20
20
1-20
10
30
21-30
45
75
31-75
67
142
76-142
50
192
143-192
16
208
193-208
25
233
209-233
13
246
234-246
1 n
y y j
n j1
y
es:
n
y la estimacin de la varianza se simplifica:
n
ppt
j 1
Yppt
M
y j
var(Yppt )
n(n 1) j 1
M
2
Muestreo de reas
Asignada la UPM a su estrato y definido el tamao que tendrn
todos los segmentos de ese estrato queda determinado el
nmero de segmentos (aproximado) de cada UPM. Sea Mjh el
nmero de segmentos de la j-sima UPM del estrato h, en la
poblacin. En la primera etapa elegimos la muestra de UPM con
probabilidad proporcional al nmero de segmentos: Mjh /Mh luego
en la UPM seleccionada elegimos 1 segmento aleatoriamente.
Cul es la probabilidad de inclusin de un segmento del estrato
h en la muestra? Pr(segmento sea seleccionado/sali la
UPM)xPr(UPM) = (1/Mjh)x(Mjh /Mh )=1/Mh es decir es igual a sacar
1 segmento del total de segmentos del estrato.
Y esto simplifica mucho las cosas. VER: FAO: Encuestas
Agrcolas con Mltiples Marcos de Muestreo.Vol 1. (Cap 4)
Eleccin de un diseo
Elementos a considerar:
1) Presupuesto
2) Facilidades computacionales
3) Personal capacitado disponible
4) Informacin de base
5) Marcos disponibles y costo de
elaboracin/actualizacin
6) Niveles de precisin requeridos
7) Nivel de desagregacin de los datos
Estimacin de la varianza(1)
A fin de calcular el error de muestreo (en
cualquier diseo) es necesario estimar la
varianza muestral de los estimadores. En
algunos casos ello no es posible, por ejemplo en
el muestreo sistemtico usual. En otros no hay
una expresin algebraica para la varianza
estimada o sta es muy compleja. Por ello se han
diseado diversos mtodos para estimarla. Los
paquetes estadsticos ms usados en general
incorporan alguno de ellos.
Estimacin de la varianza(2)
Algunos mtodos:
Linearizacin: Estimadores no lineales, se aproximan por el
desarrollo en series de Taylor y se desechan los trminos
mayores a los de primer orden. Caso ms comn: estimacin
de la varianza de estimadores de razn.
Grupos aleatorios (Muestreo replicado): La muestra total de n
se divide en R grupos (de tamao n/R), de manera que cada
grupo es una versin en pequeo de toda la encuesta. Si las
muestras de cada grupo son independientes, y siendo rel
parmetro estimado por la r-sima muestra, se demuestra que
R
un estimador insesgado de la varianza de 1 r es:
V
r 1
1
r Caso ms comn: estimacin de la
R( R 1) r 1
R
Estimacin de la varianza(3)
Replicas balanceadas (BBR): La muestra se divide en H
estratos con 2 unidades por estrato. Hay 2H maneras de
elegir una submuestra de tamao H con una unidad por
estrato. Se toman R de estas muestras asignado los
valores 1 y -1 a cada unidad en cada estrato. Cada
submuestra as obtenida es un vector (r ) de H
componentes 1 y -1 que corresponden a H unidades
etiquetadas con 1 y -1. Se eligen aquellos que sean
ortogonales 2 a 2. Siendo ( r ) el estimador de para el
r-simo vector, una estimacin de la varianza es:
2
R
1
( r )
V
R( R 1) r 1
siendo
R
1
r
R r 1
Estimacin de la varianza(4)
Jacknife: La muestra se divide aleatoriamente en k
grupos de m observaciones cada uno (n=mk). Se estima
el parmetro con toda la muestra () y con las unidades
de k-1 grupos (se omite el grupo -simo). Sea
k
1
k (k 1 )( ) y entonces un
k 1
k
1
k (k 1) 1
Bootstrap: Como las anteriores es una tcnica de remuestreo donde R muestras independientes de tamao
n con reposicin son independientemente extradas de
la muestra de n original y se producen R estimaciones y
se estima la varianza entre elllas.
Software
Muchas gracias