Spss MC Master09p

Introduccion muestrales complejos y muestras complejas Disenos Calculo de los pesos Variables de Estructura. Error de Muestreo.
eo. Efecto del Diseno
SPSS. Modulo de Muestras Complejas Antonio Mayor Gallego Jose

Operativa Departamento de Estad stica e Investigacion Universidad de Sevilla. Facultad de Matematicas
Master en Estad stica Publica Abril de 2009

A. Mayor Gallego. Dpto. Estad Prof. Jose stica e I.O. Universidad de Sevilla SPSS. Modulo de Muestras Complejas 1/33
Introduccion muestrales complejos y muestras complejas Disenos Calculo de los pesos Variables de Estructura. Error de Muestreo. Efecto del Diseno
Contenidos
Introduccion
muestrales complejos y muestras complejas Disenos
Calculo de los pesos Muestreo Aleatorio Simple Basico Muestreo con Probabilidades Variables Basico Muestreo Aleatorio Simple Estraticado Muestreo por Conglomerados en Una Etapa. M.A.S. Muestreo por Conglomerados en Dos Etapa. M.A.S. + M.A.S. Muestreo por Conglomerados en Dos Etapa. PS + M.A.S.
Variables de Estructura. Error de Muestreo. Efecto del Diseno Variables de Estructura Error de Muestreo Efecto del Diseno
A. Mayor Gallego. Dpto. Estad Prof. Jose stica e I.O. Universidad de Sevilla
SPSS. Modulo de Muestras Complejas
2/33
Objetivos Introduccion.
del programa estad En este curso, describiremos la aplicacion stico SPSS en el ambito del muestreo en poblaciones nitas, en su doble vertiente de obtener muestras y analizarlas para calcular estimaciones de parametros como medias, proporciones, etc. Estos procesos estan ntimamente relacionados con, de una encuesta por muestreo: Se parte de una serie de objetivos y El diseno la muestra. condiciones poblacionales para decidir como se obtendra El analisis de los datos: A partir de los datos obtenidos en la muestra, se obtienen las estimaciones de los parametros. Es el objetivo nal en este tipo de investigaciones. SPSS y Muestreo en Poblaciones Finitas SPSS es un clasico Programa Estad stico de amplio espectro: analisis de datos, inferencia, analisis multivariante, series temporales, y un largu simo etcetera. 13, incorpora el modulo al muestreo objetivo A partir de la Version de aplicacion de este curso.
3/33
SPSS. Muestras Complejas
El modulo que realiza las tareas relacionadas con el muestreo se denomina de la terminolog Muestras Complejas, lo que es una traduccion a inglesa Complex Samples, es decir, muestras complejas. y tambien a modo de introduccion a los Para justicar esta denominacion conceptos de la Teor a del Muestreo en Poblaciones Finitas que se van a manejar a este programa, vamos a ver a continuacion una descripcion en relacion generica, empleando ejemplos conectados con la realidad, de los disenos muestrales complejos. a las probabilidades de inclusion , pues a Dedicarmeos la maxima atencion el concepto de peso, que como veremos es partir de ellas se derivara de este potente software. fundamental para la aplicacion
4/33
muestrales complejos y muestras complejas Disenos
Muestral. Denicion formal Diseno de probabilidad sobre las Un conjunto de muestras potenciales, y una distribucion mismas. Muestral. Concepto aplicado Diseno Un conjunto de especicaciones y reglas para seleccionar una muestra (aleatoria) de una poblacion. Muestral Complejo Diseno muestral, o sea, un procedimiento aleatorio para seleccionar una Es un diseno en el cual intervienen distintas estructuras muestra a partir de una poblacion, poblacionales, ya sean naturales, articiales de tipo administrativo, etc.
5/33
muestrales basicos Disenos

basico, comienza En su aspecto mas el proceso de muestreo y estimacion U , un conjunto de elementos que determinan una seleccionando de una poblacion, es aleatoria y se puede hacer de muchas formas, muestra m. Esta seleccion Muestreo Aleatorio Simple. Muestreo de Bernoulli. Muestreo Sistematico Uniforme. Muestreos con Probabilidades Variables: Sampford, Madow, etc. Y un largo etcetera. Referencia La referencia, Fernandez Garc a, F.R. y Mayor Gallego, J.A. (1995a). Muestreo en poblaciones nitas: Curso basico. E.U.B. Ediciones Universitarias de Barcelona. pormenorizada sobre estos procedimientos. contiene informacion
6/33
al Muestreo y la realidad la iniciacion
simple, y para que los estudiantes primerizos lo vayan entendiendo, En su forma mas los muestreos se estudian como si la muestra se extrajera directamente de la es decir, como si la poblacion U fuera un marco directamente accesible, y poblacion, los elementos de la muestra se seleccionaran de dicho marco mediante un procedimiento que se aplica directamente sobre este.
Esto que puede ser factible en algunas ocasiones, y de hecho se hace a veces, es problematico, dif cil o imposible en muchas otras. Veamos dos situaciones paradigmaticas.
7/33
Gran variabilidad o dispersion
presentan mucha variabilidad en relacion a la Los elementos de la poblacion caracter stica que se estudia, lo que produce que las estimaciones presente mucho en partes error de muestreo. Una forma de disminuir este error es dividir la poblacion homogeneas mas y realizar muestreos en todas y cada una de estas partes. Las muestras obtenidas se unen o juntan para producir una unica muestra nal, m. Como puede verse, aqu los elementos no se seleccionan directamente, mediante un original, sino que esta se estructura en partes, y la muestreo, de la poblacion lo que se se realiza en cada parte. Como vemos, en esta situacion seleccion pretende es disminuir el error.
8/33
Accesibilidad a los elementos
no son facilmente De forma directa, los elementos de la poblacion accesibles por determinadas circunstancias. Las cosas no son tan simples en la vida real, y muchas veces no se dan las circunstancias adecuadas para construir una muestra pues no necesariamente se dispone de un marco o ambito bien denido de los elementos de los que se quiere seleccionar aquella. Veamos un ejemplo.
9/33
Accesibilidad a los elementos
Muestreo en Jardines de Hercules formada por Si un encuestador es enviado a Jardines de Hercules [una urbanizacion un considerable numero de grandes torres de apartamentos, en las afueras de Sevilla, cerca del barrio exterior de Bellavista] para hacer una encuesta a las familias que all habitan, puede tener problemas para seleccionar la muestra pues con seguridad no va a disponer de una lista bien elaborada de las unidades familiares. ser Una solucion a seleccionar previamente mediante un muestreo en el conjunto de estudiar cada una de estas torres, por ejemplo tres de las mismas, y a continuacion tres torres seleccionadas, ya sea mediante un analisis exhaustivo de las tres, ya sea realizando nuevamente muestreos [ser an tres] en cada una de ellas. No cabe duda de que el problema se ha simplicado bastante. Como vemos, en esta lo que se pretende es facilitar, o incluso a veces hacer posible, el situacion muestreo.
10/33
Muestreo Estraticado
En una provincia geograca, con gran actividad agr cola y dividida en siete comarcas se quiere realizar un estudio de la produccion de cereal mediante la de similar tamano, de una muestra de granjas en toda la provincia. Para ello, en cada comarca seleccion se realiza un muestreo seleccionando 10 granjas por comarca. Al nal, tenemos una de las muestras obtenidas en cada muestra de 70 granjas formada por la union comarca. Se supone que los siete muestreos basicos son independientes. En este caso, las unidades que se van a estudiar son las granjas de la provincia. Las divisiones que se utilizan, es decir, las comarcas, son de tipo administrativo. Esto es un caso t pico de MUESTREO ESTRATIFICADO y las mencionadas divisiones se denominan ESTRATOS. El muestreo se lleva a cabo de forma que en todas y cada una de las divisiones o estratos se realiza un muestreo. Notese que el muestreo es complejo en el sentido de que para obtener la muestra nal como son las comarcas, y el se ha aplicado una estructura especial de la poblacion muestreo se he realizado realmente en cada una. Al nal tenemos una muestra nal provincial de de 70 granjas que NO se han obtenido directamente de la poblacion de las comarcas. granjas, sino a traves
11/33
Muestreo por Conglomerados. Una Etapa
En un distrito municipal de una gran ciudad se desea realizar una encuesta entre la joven de entre 16 y 25 anos, poblacion para estudiar sus habitos de lectura. Dicho dividido en 47 secciones censales no muy extensas. distrito esta Indiquemos que las secciones censales de un municipio son areas geogracas de tipo administrativo delimitadas o denidas por ejemplo por ciertas calles o plazas. Por ejemplo, el Distrito Sur de Sevilla, en el cual se ubica nuestra Facultad de Matematicas, cuenta con 82 secciones censales. Para seleccionar la muestra de jovenes, se selecciona previamente una muestra de esas cuatro secciones se estudian de cuatro secciones censales. A continuacion, forma exhaustiva o completa, es decir, todos los jovenes de las mismas son entrevistados. As , si las secciones censales de la muestra tienen respectivamente 920 jovenes. 200, 350, 120 y 250 jovenes, la muestra nal tendra
12/33
Muestreo por Conglomerados. Una Etapa
En este caso, las unidades que se van a estudiar son los jovenes del distrito, pero el muestreo se hace inicialmente sobre las secciones, que son divisiones de tipo administrativo. Esto es un caso t pico de MUESTREO POR CONGLOMERADOS. Las secciones censales son los conglomerados. Notese la diferencia entre este ejemplo y el anterior. esta dividida en partes, pero en el anterior, se hace En los dos ejemplo, la poblacion un muestreo EN cada parte, mientras que ahora se hace un muestreo DE partes. que una vez construida la muestra de conglomerados, estos se Notese tambien estudian AL COMPLETO, por ello, este proceso se denomina MUESTREO POR hay una etapa o fase de muestreo, CONGLOMERADOS EN UNA ETAPA, por que solo la de los conglomerados.
13/33
Muestreo por Conglomerados. Dos Etapas
del ejemplo anterior. En un distrito municipal de una gran ciudad se Es una variacion joven de entre 16 y 25 anos, desea realizar una encuesta entre la poblacion para dividido en 75 secciones censales estudiar sus habitos de lectura. Dicho distrito esta cada una de las cuales con un numero considerable de jovenes. Para seleccionar la muestra de jovenes, se selecciona previamente una muestra de en cada una de esas seis secciones se seis secciones censales. A continuacion, realiza un muestreo para seleccionar un conjunto de jovenes. compuesto de 1 + 6 = 7 muestreos distintos. Notese que ahora el muestreo global esta En una primera fase o etapa se obtiene la muestra de secciones, y en una segunda de la muestra anterior, se obtienen muestras de jovenes. fase o etapa, en cada seccion Aqu tenemos un caso t pico de lo que se denomina MUESTREO POR CONGLOMERADOS EN DOS ETAPAS, pues hay dos etapas o fases de muestreo, como se describe en el parrafo anterior.
14/33
Complejos Ideas Fundamentales de los Disenos
Primera Idea Fundamental. Existen dos estructuras basicas: ESTRATOS y CONGLOMERADOS Segunda Idea Fundamental. Estructuralmente, los ESTRATOS y los CONGLOMERADOS son las mismas cosas: PARTES DE LA POBLACION. La diferencia consiste en: Su diferente tratamiento muestral. Se hace muestreo en TODOS Y CADA UNO ALGUNOS conglomerados de entre los DE LOS ESTRATOS. Se seleccionan solo existentes. homogeneos, Su diferente nalidad. Los ESTRATOS, supuestos mas REDUCEN ERROR DE ESTIMACION. Los CONGLOMERADOS PERMITEN y/o FACILITAN el acceso a los elementos que se van a estudiar.
15/33
Complejos Ideas Fundamentales de los Disenos
Tercera Idea Fundamental En la practica no nos vamos a encontrar, usualmente, con un muestreo basico o directo de los elementos. Pero tenemos que decir que ni siquiera nos vamos a encontrar con situaciones menos simples como un muestreo estraticado o un muestreo por conglomerados. O MEZCLA DE usual sera tener una COMBINACION Muy al contrario, lo mas DIFERENTES ESTRUCTURAS Y DISENOS MUESTRALES. a todo esto, hay que anadirle Ademas, las multiples posibilidades que hay al realizar los muestreos basicos, en los que podemos emplear Muestreo Aleatorio Simple, Muestreo Sistematico Uniforme, Muestreo con probabilidades variables en sus variadas formas, y un largo etcetera
16/33
Algunos Ejemplos de Mezclas de Disenos
Un muestreo estraticado, en el cual, en cada estrato, se realiza un muestreo por conglomerados en dos etapas, seleccionando los conglomerados mediante Probabilidades Variables, y los elementos posteriores con Muestreo Aleatorio Simple. Un muestreo por conglomerados en dos etapas, en el cual, la segunda etapa se realiza mediante Muestreo Aleatorio Simple estraticado en cada conglomerado. Un muestreo por conglomerados en dos etapas, en el cual, en la primera etapa se seleccionan los conglomerados Muestreo Sistematico, y la segunda etapa es a su vez un muestreo por conglomerados en dos etapas, ambas mediante Muestreo Aleatorio Simple. Un muestreo estraticado, en el cual, en cada estrato, se realiza un muestreo por conglomerados en dos etapas, y en el cual, a su vez, la segunda etapa se realiza mediante muestreo estraticado en cada conglomerado. combinaciones. Y un largo etcetera de muchas mas
17/33
Muestrales Complejos Disenos

de procedimientos, al En cualquiera de estas situaciones, sea cual sea la combinacion MUESTRAL que es el producto nal de la nal tenemos como resultante UN DISENO muestrales que intervienen. mezcla de todos los disenos muestral de este tipo se denomina diseno muestral complejo. Las Un diseno se pueden por ello denominar muestras muestras obtenidas con tales disenos complejas. El modulo de SPSS denominado precisamente Muestras Complejas nos permite, Construir este tipo de muestras, mediante distintas opciones de muestreo, y suponiendo que intervienen diferentes estructuras, posiblemente combinadas: estratos y conglomerados. Analizar los datos muestrales para obtener estimaciones de parametros, tanto si hemos obtenido la muestra ayudandonos con el propio SPSS como si no. IMPORTANTE Mediante SPSS podemos analizar una muestra que haya sido disenada o construida podemos analizar muestras obtenidas o construidas con el propio SPSS. Pero tambien adecuada. de otra forma, siempre que dispongamos de la informacion
y Pesos Conceptos Fundamentales: Probabilidades de Inclusion

Probabilidades de Inclusion Si queremos estimar parametros a partir de un muestreo realizado con un diseno complejo, por complicado que sea, al nal nos vamos a encontrar con una muestra de elementos, y la clave consiste, basicamente, en calcular las probabilidades de . inclusion de un Total Poblacional Estimacion Si queremos estimar el total de la variable Y a partir de una muestra m, aplicamos el estimador de Horvitz-Thompson, THT (Y ) =
i m
yi = i
i yi
i m
siendo
i =
1 i
i m
Pesos o Ponderaciones i =
1 i
SPSS. Modulo de Muestras Complejas 19/33
de la Media Poblacional Estimacion
Si lo que queremos estimar es la media poblacional de la variable, es decir, el parametro Y , podemos emplear nuevamente el estimador de Horvitz-Thompson, Y HT = el estimador de Hajek, o tambien yi /i Y HJ =
i m
1 N
i m
yi i
1/i
i m
20/33
Estimadores empleados por el SPSS
SPSS estima un total poblacional mediante el estimador de HorvitzThompson, THT (Y ) =

i m
yi = i
i yi
i m
siendo yi la variable que se estudia, y i = 1/i los pesos que suministraremos al programa. mediante el estimador de SPSS estima una media poblacional, o una proporcion, Hajek, yi /i i yi Y HJ =
i m
= 1/i
i m
i
i m
i m
21/33
Cuarta Idea Fundamental
Para realizar estimaciones mediante SPSS tenemos que,
Calcular las Probabilidades de Inclusion y a partir de las mismas Calcular los Pesos
IMPORTANTE Cuando la muestra a analizar ha sido previamente disenada y obtenida mediante sobre los pesos. Si no tenemos los pesos, SPSS, es usual que contenga informacion ya sea por que la muestra ha sido obtenida por otros medios, o por otras razones, vemos algunas situaciones tendremos que calcularlos. A continuacion
22/33
Muestreo Aleatorio Simple Basico Muestreo con Probabilidades Variables Basico Muestreo Aleatorio Simple Estraticado Muestreo por Conglomerados en Una Etapa. M.A.S. Muestreo por Conglomerados en Dos Etapa. M.A.S. + M.A.S. Muestreo por Conglomerados en Dos Etapa. PS + M.A.S.
Muestreo Aleatorio Simple Basico de la poblacion, y n es el tamano de la muestra, las probabilidades Si N es el tamano son, de inclusion n i = N por lo que los pesos son, N i = n
23/33
Muestreo con Probabilidades Variables Basicos de tal forma que Estos muestreos se realizan empleando una variable de TAMANO, GRANDES tengan mas probabilidad de ser seleccionados. Si los elementos MAS de todos los denotamos Xi a dicha variable, T (X ) a la suma, sobre la poblacion, de la muestra, las probabilidades de inclusion son, tamanos, y n al tamano i = nXi T (X ) por lo que los pesos son i = T (X ) nXi
empleados es el metodo Uno de los procedimientos de este tipo mas de Sampford. Dicho metodo permite obtener n elementos muestrales sin reemplazamiento y con variables y proporcionales a Xi . SPSS tiene implementado probabilidades de inclusion este metodo. IMPORTANTE contempla este tipo de muestreo cuando se Sin reemplazamiento, SPSS solo seleccionan conglomerados, y exclusivamente en la primera etapa.
24/33
Muestreo Aleatorio Simple Estraticado N1 y N2 , en los que se Para simplicar supongamos dos estratos, de tamanos seleccionan respectivamente n1 y n2 elementos mediante sendos muestreos son, aleatorios simples en cada estrato. Las probabilidades de inclusion i = n1 n2 en el estrato 1 y i = en el estrato 2 N1 N2
por lo que los pesos son, i = N2 N1 en el estrato 1 y i = en el estrato 2 n1 n2
25/33
de Conglomerados mediante Muestreo por Conglomerados en Una Etapa. Seleccion Muestreo Aleatorio Simple Supongamos que hay M conglomerados, y se seleccionan g . La probabilidad de de un elementos sera la del conglomerados al que pertenece, es decir, inclusion i = por lo que los pesos son, i = M g g M
26/33
de Conglomerados y Muestreo por Conglomerados en Dos Etapas. Seleccion Elementos mediante Muestreo Aleatorio Simple Supongamos que hay M conglomerados, y se seleccionan g . En el conglomerado k , de un elementos con Nk elementos, seleccionamos nk . La probabilidad de inclusion la del conglomerados al que pertenece multiplicada por la del elemento dentro del sera conglomerado, es decir, g nk i = M Nk por lo que los pesos son, i = M Nk g nk
tantos pesos distintos como conglomerados. En general, habra
27/33
de conglomerados con Muestreo por Conglomerados en Dos Etapa. Seleccion Probabilidades Variables, y de Elementos mediante Muestreo Aleatorio Simple se hace, Supongamos que hay M conglomerados, y se seleccionan g . La seleccion de los por ejemplo mediante el metodo de Sampford, empleando el tamano Supongamos que la suma de todos los conglomerados como variable tamano. es N tamanos En el conglomerado k , con Nk elementos, seleccionamos nk mediante muestreo de un elementos sera la del aleatorio simple. La probabilidad de inclusion conglomerados al que pertenece multiplicada por la del elemento dentro del conglomerado, es decir, gnk gNk nk = i = N Nk N por lo que los pesos son, i = N gnk
28/33
Variables de Estructura Error de Muestreo Efecto del Diseno
Variables de Estructura
Estratos una o varias Para denir y manejar una estructura de estratos en SPSS se emplearan dichos estratos. variables, cuyos diferentes niveles determinaran Conglomerados Iguamente, para denir y manejar una estructura de conglomerados en SPSS se una o varias variables, cuyos diferentes niveles determinaran dichos emplearan conglomerados. Subpoblaciones Es usual, al realizar las estimaciones de los parametros, hacerlo tanto para la total, como para partes o subpoblaciones de la misma. Por ejemplo, al poblacion de familias, podemos hacerlo tanto para estimar los ingresos medios en una poblacion total, como desagregando para las familias numerosas o no. la poblacion una o varias variables, Iguamente, para denir subpoblaciones en SPSS se emplearan dichos conglomerados. cuyos diferentes niveles determinaran
Variables de Estructura
Ejemplo de individuos conglomerados Supongamos que se consideran en una poblacion denidos por secciones censales, SC, y estratos denidos por el cruce de SEXO:[H,M] y grupos de EDAD:[A,B,C]. A:jovenes, B:intermedios, C:Mayores. Tendremos multiples las anteriores, variables, y tres de ellas seran
VAR01 VAR02 ...... SEXO EDAD SC VAR09 ....... --------------------------------------------------------------.... .... ...... V B 23 .... ....... .... .... ...... M A 23 .... ....... .... .... ...... M C 23 .... ....... .... .... ...... V B 34 .... ....... .... .... ...... V C 34 .... ....... .... .... ...... M B 34 .... ....... .... .... ...... V B 34 .... ....... .... .... ...... V A 53 .... ....... .... .... ...... ... ... .... .... ....... ---------------------------------------------------------------
Las variables SEXO y EDAD denen pues una estructura de seis estratos. La variable la variable SEXO podr SC dene la estructura de conglomerados. Ademas, a ser utilizada para desagregar las estimaciones.
Error de Muestreo
Error, Intervalo de Conanza, Contrastes de parametros La estimacion a partir de una muestra es un proceso inferencial, y por que no vaya consiguiente conlleva un error. No se concibe una estimacion acompanada de su margen de error. El programa SPSS proporciona una medida del error de muestreo denominandolo t es error t pico, cuyo signicado es la desviacion pica estimada de la estimacion, decir, si es el parametro que se estima, el error t pico es, Error T pico = V [ ] =
proporciona un intervalo de conanza, basado en la distribucion t de Student, Tambien de la forma, g .l . g .l . ( t1/2 , + t1/2 ) Siendo g .l . los grados de libertad calculados como la diferencia entre el numero de unidades muestrales y el de estratos, en la primera etapa. es posible realizar contrastes de hipotesis Tambien sobre medias, totales y razones.
Efecto del Diseno

con el Muestreo Aleatorio Simple Basico Comparacion Cuando se emplean diferentes estructuras de estratos y conglomerados, as como de la muestra distinta del Muestreo Aleatorio Simple, es interesante seleccion comparar el error que se obtiene con el que se obtendr a aplicando Muestreo Aleatorio Simple Basico. calculando el efecto del diseno, que no es otra SPSS puede realizar esta comparacion, cosa que, V EFD = nuestro diseno VM.A.S. basico y del Muestreo es decir, el cociente entre las varianzas estimadas de nuestreo diseno indicativo calcular EFD pues el error t Aleatorio Simple Basico. Aunque es mas pico t viene dado a partir de la desviacion pica. INTERPRETACION: Segun sea menor o mayor que 1, indica si nuestro diseno error que un Muestreo Aleatorio Simple Basico, produce menos o mas que se emplea como referencia.
TEORICA. FIN DE LA EXPOSICION
33/33

Spss MC Master09p

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Spss MC Master09p

Cargado por

Copyright:

Formatos disponibles

Introduccion muestrales complejos y muestras complejas Disenos Calculo de los pesos Variables de Estructura. Error de Muestreo.

eo. Efecto del Diseno

SPSS. Modulo de Muestras Complejas Antonio Mayor Gallego Jose

Master en Estad stica Publica Abril de 2009

muestrales complejos y muestras complejas Disenos

SPSS. Modulo de Muestras Complejas

SPSS. Modulo de Muestras Complejas

SPSS. Muestras Complejas

SPSS. Modulo de Muestras Complejas

muestrales complejos y muestras complejas Disenos

SPSS. Modulo de Muestras Complejas

muestrales basicos Disenos

SPSS. Modulo de Muestras Complejas

al Muestreo y la realidad la iniciacion

SPSS. Modulo de Muestras Complejas

Gran variabilidad o dispersion

SPSS. Modulo de Muestras Complejas

Accesibilidad a los elementos

SPSS. Modulo de Muestras Complejas

Accesibilidad a los elementos

SPSS. Modulo de Muestras Complejas

SPSS. Modulo de Muestras Complejas

Muestreo por Conglomerados. Una Etapa

SPSS. Modulo de Muestras Complejas

Muestreo por Conglomerados. Una Etapa

SPSS. Modulo de Muestras Complejas

Muestreo por Conglomerados. Dos Etapas

SPSS. Modulo de Muestras Complejas

Complejos Ideas Fundamentales de los Disenos

SPSS. Modulo de Muestras Complejas

Complejos Ideas Fundamentales de los Disenos

SPSS. Modulo de Muestras Complejas

Algunos Ejemplos de Mezclas de Disenos

SPSS. Modulo de Muestras Complejas

Muestrales Complejos Disenos

y Pesos Conceptos Fundamentales: Probabilidades de Inclusion

de la Media Poblacional Estimacion

SPSS. Modulo de Muestras Complejas

Estimadores empleados por el SPSS

SPSS estima un total poblacional mediante el estimador de HorvitzThompson, THT (Y ) =

SPSS. Modulo de Muestras Complejas

Cuarta Idea Fundamental

Para realizar estimaciones mediante SPSS tenemos que,

SPSS. Modulo de Muestras Complejas

SPSS. Modulo de Muestras Complejas

SPSS. Modulo de Muestras Complejas

por lo que los pesos son, i = N2 N1 en el estrato 1 y i = en el estrato 2 n1 n2

SPSS. Modulo de Muestras Complejas

SPSS. Modulo de Muestras Complejas

tantos pesos distintos como conglomerados. En general, habra

SPSS. Modulo de Muestras Complejas

SPSS. Modulo de Muestras Complejas

Variables de Estructura Error de Muestreo Efecto del Diseno

Variables de Estructura Error de Muestreo Efecto del Diseno

Variables de Estructura Error de Muestreo Efecto del Diseno

Variables de Estructura Error de Muestreo Efecto del Diseno

Efecto del Diseno

Variables de Estructura Error de Muestreo Efecto del Diseno

TEORICA. FIN DE LA EXPOSICION

SPSS. Modulo de Muestras Complejas

También podría gustarte