Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Muestreo
Muestreo
on a las t
ecnicas de muestreo
1. Introducci
on.
2. An
alisis de poblaciones por muestreo.
3. Sesgos del muestreo.
4. Muestreo aleatorio simple.
5. Muestreo sistem
atico.
6. Muestreo estratificado.
7. Muestreo por conglomerados.
Introducci
on a las t
ecnicas de muestreo
An
alisis de poblaciones grandes por muestreo
Problema. Cuando la poblaci
on contiene muchos elementos
no es posible ni deseable medir la variable de inter
es en todos
ellos, ya que:
Puede resultar inviable econ
omicamente.
A
un siendo econ
omicamente posible, estudiar todos los
elementos llevara tanto tiempo que la caracterstica en
estudio habra cambiado durante el perodo de estudio,
por ejemplo si se desea estimar la tasa de paro.
El estudio puede implicar alteraciones o destrucci
on del
elemento en estudio, como ocurre en investigaciones
biom
edicas o industriales.
Soluci
on:
Muestreo .
N tama
no de la poblaci
on.
n n
umero de elementos en la muestra, o tama
no de la
muestra.
n fracci
on de muestreo (proporci
on de la poblaci
on repN
resentada en la muestra).
N factor de elevaci
on (unidades en la poblaci
on por cada
n
elemento en la muestra).
i
En el ejemplo reducido sabemos que p =
= 10
= 0.5,
N
20
pero en general p es desconocido y deseamos estimarlo mediante una muestra.
Elegimos una muestra aleatoria con reemplazamiento de n individuos, por tanto X1 , X2 , . . . , Xn son variables aleatorias independientes Bernoulli(p):
Sea T n
umero de personas
Pn a favor entre las n encuestadas, entonces T =
Xi Bin(n, p) y sabei=1
mos que E[T ] = np.
Podemos estimar p como la
proporci
on de respuestas positivas en la muestra,
T.
n
C
omo elegimos la muestra para que sea
representativa de toda la poblaci
on?
El riesgo principal de un procedimiento de muestreo es obtener una muestra sesgada, que significa que no es representativa de la poblaci
on:
Sesgo de selecci
on: algunos miembros de la poblaci
on
tienen una probabilidad m
as alta que otros de estar representados en la muestra.
En el ejemplo: si s
olo preguntamos a las personas que
salen de la estaci
on de tren a primera hora tendramos
una muestra sesgada pues no incluye a los que tienen
coche, a los que vienen en autob
us,
o los que tienen
clases por la tarde . . .
En el ejemplo reducido: si solo preguntamos a los estudiantes de la facultad A.
Soluci
on: Dise
nar la muestra con un procedimiento objetivo que garantice la representaci
on de todos los individuos de la poblaci
on.
Sesgo por no respuesta: una parte de la poblaci
on no
esta representada porque no proporciona respuesta.
En el ejemplo: si enviamos un cuestionario, puede que
no contesten los que no tienen coche propio por sentirse
poco afectados tendramos una muestra sesgada.
Soluci
on: no siempre se puede evitar, pero al menos
se debe controlar (incluir preguntas tipo tienes coche
propio?).
Ejemplo 1 (reducido).
1. Enumeramos los elementos de la poblaci
on de 1 a N .
2. Seleccionamos n n
umeros aleatorios entre 1 y N , en el
ejemplo: 1, 5, 12, 8.
3. Encuestamos a los individuos seleccionados, en el ejemplo: Si, No, No, Si.
Pregunta. Cu
al es la probabilidad de seleccionar s
olo elementos de la facultad A o s
olo elementos de la facultad B en
una muestra de tama
no n = 4?
104
104
+
= 0.0625 + 0.0625 = 0.125
204
204
9
Muestreo sistem
atico - M.S.
umero
En el ejemplo reducido: fe = 20/4 = 5, tomamos un n
aleatorio entre 1 y 5, supongamos que 2, entonces los elementos en la muestra son: 2, 7, 12, 17.
El M.S. es equivalente al M.A.S. si la lista est
a ordenada
al azar.
Si existe alg
un ciclo en la lista puede aparecer un sesgo
de selecci
on.
10
Cuando la poblaci
on se divide en clases o estratos formados
por elementos heterog
eneos (entre estratos) respecto a la
variable, la muestra se toma siguiendo:
1. Se asigna un n
umero de elementos en la muestra a cada
estrato:
(a) Proporcionalmente al tama
no relativo del estrato en
la poblaci
on.
(b) Proporcionalmente a la variabilidad que presenta la
caracterstica que estudiamos dentro de cada estrato.
2. Los elementos que forman la muestra se escogen por
muestreo aleatorio simple dentro del estrato.
Pregunta. Cu
al es la probabilidad de seleccionar s
olo elementos de la facultad o s
olo elementos de la facultad B en
una muestra de tama
no n = 4 utilizando M.A.E.?
Pregunta. Cu
al es la probabilidad de que T = 1, si n = 2 en
un M.A.S.? y en un M.A.E.?
M.A.S. En el ejemplo, tenemos que bajo un muestreo aleatorio simple T Bin(n = 2, p = 0.5), por tanto:
2
0.51 0.521 = 0.5.
1
Pr {T = 1} =
M.A.E. En el ejemplo, tenemos que bajo un muestreo aleatorio estratificado, T = T1 + T2 con T1 Bin(n = 1, p = 0.8)
y T2 Bin(n = 1, p = 0.2), por tanto:
Pr {T = 1}
= Pr {T1 = 1 T2 = 0} + Pr {T1 = 0 T2 = 1}
=
1
1
0.81 0.211
+
1
1
1
1
0.20 0.810
0.80 0.210
1
1
0.21 0.811
12
Cuando la poblaci
on se clasifica en unidades amplias de agrupaci
on fsica, en el espacio o en el tiempo, que llamamos
conglomerados, e idealmente los elementos dentro de cada
conglomerado son heterog
eneos como en la poblaci
on total
respecto a la variable que se estudia (los conglomerados son
unidades representativas).
El muestreo se hace por etapas:
1. Seleccionamos aleatoriamente algunos conglomerados.
2. Si dentro de cada conglomerado existen nuevos conglomerados, seleccionamos aleatoriamente algunos de
ellos.
3. Dentro de cada conglomerado analizamos todos los elementos o una muestra aleatoria simple.
13
Muestreo poliet
apico
Ciclo 1
1, 2, 3, 4, 5
11, 12, 13, 14, 15
Ciclo 2 y 3
6, 7, 8, 9, 10
16, 17, 18, 19, 20