3/6/2016

1. FUNDAMENTOS DEL
MUESTREO DE ENCUESTAS

Profesor: Johnny Madrigal Pana. M.Sc.

INTRODUCCIN

El uso del muestreo en la vida diaria

Todos somos expertos en muestreo

Todos somos expertos en muestreo estadstico?

Aclaracin sobre encuesta, encuestas por muestreo y censo

A grandes rasgos, las encuestas se clasifican en:

Descriptivas: se obtiene informacin de grandes grupos
Analticas: se verifican Ho comparando sub-grupos

Haga un listado de todas las encuestas por muestreo que

conozcan los y las estudiantes
2

1
 3/6/2016

ENCUESTAS VERSUS CENSOS

Las encuestas tienen ventajas sobre los censos en varios
aspectos:

Costo: el censo es ms caro

Rapidez: el censo es ms lento
Ms posibilidades de anlisis: censo ofrece menos
Mayor exactitud: la muestra puede producir resultados ms exactos
que la enumeracin completa, entre otros aspectos porque la
capacitacin es ms intensa y la supervisin del trabajo de campo
puede controlarse mejor
Menor volumen de trabajo: por ejemplo, menor manejo de personal y
procesamiento de datos es ms rpido, entre otros.

Entonces cundo se hacen los censos? por qu? para qu?

qu ventajas tienen? 3

Ventajas de los censos

Proporcionan datos para reas pequeas

El sesgo de cobertura puede evaluarse ms fcilmente

No requieren muestristas

Los productos censales son importantes:

Marco muestral de viviendas

Proyecciones de poblacin
Mapas de pobreza
Migracin interna e inmigracin
Crecimiento urbano
Etc.

2
 3/6/2016

QU ES EL DISEO DE MUESTRAS?

Diseo de = Proceso de + Proceso de

muestras seleccin estimacin

Reglas y Estadsticas de
operaciones la muestra, que
para incluir en son
la muestra estimaciones
algunos muestrales de
miembros de la valores
poblacin poblacionales

Qu lugar ocupa el diseo de la muestra en las encuestas por muestreo?

5

ASPECTOS A DEFINIR EN LAS ENCUESTAS (etapas)

1. Objetivos (generales y especficos)
2. Poblacin que ser muestreada (a veces es simple y en ocasiones no lo
es)
3. Definicin de variables de la encuesta (especificar naturaleza de las
caractersticas, categoras de clasificacin, unidades para expresarlas)
4. Mtodos de medicin o recoleccin de datos (medios a utilizar:
entrevista cara a cara, auto-administrada, por internet, telefnica,
correo, etc.) (casos especiales, como por ejemplo, peso, talla y sangre,
estudio de sal, encuestas de ingresos y gastos, etc.)
5. Precisin deseada (se relaciona con los costos)
6. Mtodos de anlisis (procedimientos para resumir resultados que
puedan comprenderse y usarse)
7. Uso de los resultados de la encuesta
8. Marco muestral (contiene la poblacin de estudio)
9. Diseo de la muestra
10. Estudio piloto 6

3
 3/6/2016

11. Organizacin y ejecucin del trabajo de campo

12. Crtica
13. Programa de entrada de datos
14. Digitacin
15. Verificacin
16. Tabulacin
17. Anlisis
18. Redaccin del informe

Reflexiones:
Es el diseo de una encuesta un campo exclusivo del estadstico?
Los objetivos de la encuesta influyen en el diseo muestral y a la inversa.
Eso requiere un dilogo entre el investigador y el experto en muestreo
Para ser un experto en muestreo se debe pensar con el cerebro de otros 7

CONCEPTOS BSICOS Y DEFINICIONES

1. Elemento, unidad de estudio, unidad de anlisis o unidad
elemental:
unidad que es parte de la poblacin
es la unidad en la que se busca la informacin para hacer
inferencias a esa misma poblacin
Ejemplos

2. Poblacin: agregado de elementos. Para definir la poblacin

se debe especificar:
a) Contenido Mujeres en edad frtil (15-49 aos)
b) Unidades que residen en viviendas particulares
c) Extensin en todo el territorio nacional
d) Tiempo a mediados del ao 2013 8

4
 3/6/2016

3. Unidad de muestreo: contiene los elementos.

En el muestreo de elementos cada UM contiene un
elemento
En el muestreo de conglomerados cada UM contiene
varios elementos
Ejemplos de ambos casos

4. Unidad de observacin, unidad de respuesta, unidad de

informacin o informante: se obtiene la informacin.
La unidad informante puede diferir de la unidad de
estudio.
Ejemplos 9

5. Subclase: porcin de la muestra que se considera como

muestra de la porcin correspondiente de la poblacin de
encuesta y no es planeada. Ejemplos

6. Dominio: subclases planeadas especficamente en el diseo

de la muestra. Ejemplos

7. Estratos: divisin de la poblacin en sub-poblaciones para

mejorar los procedimientos de seleccin. Ejemplos

10

5
 3/6/2016

8. Unidades de listado: se usan para identificar y seleccionar

unidades de muestreo. Ejemplos

9. Caractersticas de los elementos: se transforman en variables

Yi mediante las operaciones de medicin. Ejemplos

10. Marco muestral: conjunto de UM que comprenden la

poblacin. Ejemplos

11

Prctica de conceptos y definiciones

ESTUDIO UNIDAD DE UNIDAD DE INFORMANTE MARCO
ESTUDIO MUESTREO MUESTRAL
Encuesta a
miembros del Lista de
Mdico Mdico Mdico
Colegio de asociados
Mdicos
Encuesta a nios
y nias de Nio(a) Kinder Maestra Lista de Kinder
kindergarden
Nmero de Directorio
Encuesta de
Votante telfono del Votante Random digital
intencin de voto
votante dialing (RDD)*
Encuesta Hogar
Unidad Primaria Persona adulta Listado de
Nacional de Persona
de Muestreo calificada UPM**
Hogares
*"Dentro del nmero telefnico: lista de residentes en capacidad de votar, prximo cumpleaos,
Trodahl-Carter
**La lista de UPM normalmente est ordenada de acuerdo con la divisin territorial y para cada
una de dispone de una medida de tamao para seleccionar con PPT
Agregue otros casos similares
Para cada caso en el cuadro defina la poblacin de estudio
Para cada caso en el cuadro defina una sub-clase
Para cada caso en el cuadro defina un dominio de estudio
Para cada caso en el cuadro defina estratos estadsticos 12

6
 3/6/2016

EL OBJETIVO DEL MUESTREO:

INFERENCIA ESTADSTICA

Valor poblacional: valor numrico que sintetiza una o ms

caractersticas de la poblacin de los N elementos de un
poblacin completa

El ejemplo clsico es
=

Otros casos son: proporciones (P), medianas (Me), Modas

(Mo), diferencia entre dos medias (u1-u2), coeficientes de
regresin (B), coeficientes de correlacin (R), razones de
ventaja (logB), etc.

13

Es el valor de la poblacin el valor verdadero o real?

Valor de la Errores de
poblacin - Valor verdadero = observacin
Est sujeto a Se obtendra si Es producto de
errores todos los la imperfeccin
Se obtendra si elementos de la de los procesos
la poblacin poblacin se de medicin
completa fuese midieran sin
medida bajo las error
condiciones
reales de una
encuesta

14

7
 3/6/2016

Estadsticas

Valor de la muestra (estadstica): estimacin que se calcula

con base en n elementos de la muestra.
Ejemplo clsico:
=

es una variable aleatoria que depende del diseo y de los
elementos seleccionados y es una de las estimaciones que
pudieron haberse obtenido con el mismo diseo de muestra.

Otros casos son: proporciones (p), medianas (me), Modas

(mo), diferencia entre dos medias (1- 2), coeficientes de
regresin (b), coeficientes de correlacin (r), razones de
ventaja (logb), etc.

15

Errores de las estadsticas

Errores Porque se
de consulta una parte
muestreo de la poblacin
Las
estadsticas
estn
sujetas a
Porque los
Errores procedimientos de
no de observacin
muestreo (medicin) son
imperfectos
16

8
 3/6/2016

Cmo se evalan
tericamente los errores de muestreo?

proviene de una y adquiere sentido estima a , que es

muestra cuando un valor poblacional

En trminos del lenguaje cotidiano se pregunta: cunto es -? esa

diferencia es grande, pequea o ?

En trminos estadsticos y probabilsticos se pregunta: qu valores de la

media de son posibles y cul es la probabilidad de que suceda cada uno?

Esto significa que {i}, cada uno con su Pi de que ocurra, es la distribucin de
muestreo del estimador, dado un n y un diseo fijo. A qu nos lleva esto?
17

Si asumimos un proceso repetitivo se obtiene que la distribucin de

muestreo de un estimador es la distribucin terica de todos los
valores posibles del estimador, cada uno con su probabilidad de
materializarse. Como resultado:

La media de la distribucin de muestreo es el valor esperado o la

esperanza matemtica del estimador =

Si E()-=0 entonces E()= y se denomina un diseo muestral

insesgado

Si E()<>=0 entonces E() y se denomina un diseo muestral

sesgado (sesgo de muestreo)

En general : :
18

9
 3/6/2016

Por ejemplo, puede corroborarse que y var() en el mia son

estimadores insesgados
Por qu es importante saber si los estimadores son sesgados
o insesgados?
Qu sucede en la prctica? Pueden darse procesos
repetitivos? La ENAHO puede hacerse n veces? Obviamente
no
Por esta razn se han desarrollado frmulas prcticas para
calcular estimaciones de estadsticos (variancias) a partir de
datos de una sola muestra n
2
( y - y )
2

Por ejemplo, para el caso de un mia: Var( y ) = s s =

2 i=1
i

n n-1

A qu nos lleva esto?

19

Observaciones:
El teorema del lmite central
Se requieren tamaos de muestra grandes
La forma normal no es producto de la normalidad de los elementos
La normal es una buena aproximacin de la distribucin de muestreo de 20

10
 3/6/2016

De aqu se obtiene el Error Cuadrtico Medio (ECM)de la

distribucin de muestreo, que se relaciona con la variancia.

Aqu se usa en vez de E().

La frmula respectiva es:

= ( ) 2 = + [()]2 = + 2

, =
,
21

INFERENCIA ESTADSTICA

La inferencia se resume a:
( )
Esto significa que la media de la poblacin est contenida en
el intervalo que va de
[ + ()]
con una probabilidad que es funcin de zp (normal o t-student)

Cundo se usa la normal y cundo la t-student?

Repasar el objetivo del muestreo estadstico: inferencia
estadstica
Recordar a los estudiantes traer siempre calculadora y tablas
estadsticas 22

11
 3/6/2016

Ejemplos

Casos Confianza del 95% Confianza del 99%

Empleo
Li Ls Li Ls
femenino
n= 3.527
p= 0,316 0,316-1,96*0,009=0,298 0,316+1,96*0,009=0,333 0,316-2,57*0,009=0,292 0,316+2,57*0,009=0,339
s()= 0,009

Tabaquismo Confianza del 90% Confianza del 99%

n= 3.527
p= 0,124 0,1085 0,1394 0,114 0,134
s()= 0,006

Explicar el cuadro
Interpretar cada uno de los IC
Pedir magnitudes de fenmenos actuales

23

QU ES MUESTREO PROBABILSTICO?

Es un procedimiento para seleccionar muestras probabilsticas

en el que cada elemento N tiene una probabilidad conocida y
no nula de ser seleccionado y esa probabilidad se obtiene
mediante una operacin mecnica de aleatorizacin

Una propiedad importante de las muestras probabilsticas es

que son medibles
Eso significa que las inferencias estadsticas a valores
poblacionales pueden basarse en medidas de variabilidad,
generalmente por los errores estndar calculados con base en
la muestra
Una de las metas de las muestras probabilsticas es que
resulten en diseos prcticos, econmicos y precisos 24

12
 3/6/2016

TIPOLOGA BSICA DE DISEOS

MUESTRALES PROBABILSTICOS

El muestreo de encuestas se ocupa principalmente de

modificaciones del muestreo aleatorio simple o del mia

Unidad de muestreo
Diseo de Probabilidades de seleccin
Conglomerados
muestreo Elementos
Iguales Desiguales Iguales Desiguales
Muestreo
1 4 8 12 (Mesip) 16
aleatorio simple
Muestreo
2 5 9 13 (Mesip) 17
sistemtico
Muestreo
3 6 10 14 (Mesip) 18
estratificado
15 PPT (dos, 19 PPT (dos,
Muestreo
7 11 tres o + etapas) tres o + etapas)
politpico
es Mesip

25

PROCEDIMIENTOS DE SELECCIN NO ALEATORIOS

El objetivo del muestreo (aleatorio o no) es hacer inferencias,

por lo que se requieren elementos tpicos de la poblacin.
Algunos ejemplos de procedimientos no aleatorios:

Casuales, fortuitas o conveniencia. Los estudios donde

participan voluntarios (ua de gato, condn femenino). Uso en
la historia, arqueologa.
Seleccin experta o de juicio. Se usa en poltica, para
informantes clave, estudios de salarios, estudios de conflictos,
etc.
Cuota. Se usan en estudios de opinin, mercadeo. Hablar de qu
es el muestreo de cuota.
Poblaciones mviles*. Marca-captura-recaptura. Insectos, 26
peces, venados.

13
 3/6/2016

ERRORES DE MUESTREO

Muestreo de juicio Muestreo aleatorio

Los errores son Los errores son

sistemticos y van en aleatorios y se anulan
una sola direccin entre s
Produce lo que se Esos errores pueden
denomina sesgo de medirse con un
seleccin modelo, mediante
errores de muestreo

Comentario: los errores de muestreo y los errores de medicin. De qu

hablan las encuestas? Qu significa el margen de error de la encuesta? 27
Es eso correcto?

MUESTRAS REPRESENTATIVAS:
TRES PREGUNTAS BSICAS
2) Cmo asegurar que una muestra es
1) Qu es una muestra representativa?
representativa?

Es un conjunto de elementos Conociendo la poblacin

que se proyectan a la poblacin Usando mtodos de seleccin
Es un conjunto de elementos de muestras representativas
que se seleccionan usando Aceptando cierto grado de error
muestreo probabilstico y que (confianza del 95%, por
representan a la poblacin en ejemplo)
sus caractersticas de estudio
3) Cmo seleccionar muestras representativas?

El muestreo al azar es preferido porque:

Elimina los sesgos de seleccin
Produce errores de muestreo que pueden medirse con modelos
probabilsticos
Controla los errores de muestreo (incremento de n)
Puede calcularse la precisin de las estimaciones 28

14
 3/6/2016

CRITERIOS PARA EL DISEO DE LA MUESTRA

1. Orientacin hacia la meta. El diseo (seleccin y estimacin) deben

orientarse a los objetivos de la investigacin, hechos a la medida del
diseo de la encuesta y ajustado a las condiciones de la encuesta.

2. Medibilidad. Permite calcular, a partir de la propia muestra,

estimaciones vlidas o aproximadas de su variabilidad de muestreo.

3. Practicidad. Se requiere de cuidado para traducir el modelo de seleccin

terico a un conjunto de instrucciones de oficina y de campo. Las
instrucciones deben ser simples, claras, prcticas y completas. Ejemplo:
localizacin de UPM, seleccin de personas a entrevistar, procedimientos
para viviendas que no estn en el marco, etc.

4. Economa. Se requiere cumplir el objetivo a un costo mnimo. El

problema del costo y la precisin. 29

ALEATORIZACIN

El muestreo probabilstico requiere de un procedimiento

mecnico que asigne las probabilidades deseadas.
La aleatorizacin es una operacin fsica y prctica que debe
ser exacta con un modelo probabilstico.
El procedimiento:
Se tienen
nmeros

Observaciones:
El proceso
Se asignan Suponer que una
nmeros a
contina
las UM poblacin est ordenada
al azar no es sencillo
Cundo es necesario
usar el muestreo
Se
Se
desarrolla
probabilstico? Comentar
selecciona
un procedi-
la primera
miento 30
UM
aleatorio

15
 3/6/2016

MARCO MUESTRAL

Inferencia Muestreo Marco

Medibilidad Aleatorizacin
estadstica probabilstico muestral

Qu es un marco muestral?

Aunque normalmente se concibe como una lista, mapa o detalle

de las unidades de estudio, por medio del cual puede
seleccionarse la muestra, Kish (Seccin 2.7) dice:

"El marco es un concepto ms general: incluye listas fsicas y

tambin los procedimientos que pueden tener en cuenta a todas
las unidades de muestreo sin el esfuerzo fsico de listarlas
efectivamente".
31

Ejemplos

En el muestreo por reas, el marco consiste de mapas, pero ste

puede construirse sin poner en el mapa a la poblacin completa.
Un marco de nios y nias de escuela puede provenir de los
distritos escolares que contienen escuelas, sus aulas y, por
ltimo, los nios y nias. El diseo puede llevarse a cabo en
varias etapas sin obtener una lista completa de todos los nios y
nias.
En la prctica se utiliza como marco una lista de personas o de
direcciones, un mapa con viviendas, una fotografa area, un
directorio telefnico o cualquier material o procedimiento que
permita identificar o localizar a los elementos de la poblacin y
seleccionar la muestra.

32

16
 3/6/2016

COLEGIOS DEL MEP (N=811)

COD NOMBRE PROVINCIA CANTON DISTRITO TOTAL T01 T02 T03 T04 T05 T06
3957 COLEGIO REP. DE MEXICO SAN JOSE SAN JOSE CARMEN 912 247 194 165 176 130 0
3963 JOSE FIDEL TRISTAN SAN JOSE SAN JOSE MERCED 561 267 99 86 72 37 0
3941 SAN JOSE SAN JOSE SAN JOSE MERCED 1422 528 394 143 203 154 0
0000 MARIA AUXILIADORA SAN JOSE SAN JOSE MATA REDONDA 183 41 42 36 28 36 0
3942 LICEO DEL SUR SAN JOSE SAN JOSE HOSPITAL 1362 572 300 195 219 76 0
4154 C.T.P. DON BOSCO SAN JOSE ALAJUELITA CONCEPCION 1305 228 227 225 239 203 183
0000 SAGRADO CORAZON SAN JOSE SAN JOSE CATEDRAL 319 78 69 58 52 62 0
0000 SEMINARIO SAN JOSE SAN JOSE CATEDRAL 398 84 74 92 71 77 0
3938 SUPERIOR DE SEORITAS SAN JOSE SAN JOSE CATEDRAL 1129 351 244 207 209 118 0
3940 LICEO DE COSTA RICA SAN JOSE SAN JOSE CATEDRAL 1177 289 183 281 270 154 0
0000 CRISTIANO ASAM. DE DIOS SAN JOSE SAN JOSE ZAPOTE 85 25 16 16 13 15 0
0000 SALESIANO DON BOSCO SAN JOSE SAN JOSE ZAPOTE 345 84 81 61 57 62 0
3970 EL ROSARIO SAN JOSE SAN JOSE CATEDRAL 460 108 99 93 83 77 0
3947 RODRIGO FACIO BRENES SAN JOSE SAN JOSE ZAPOTE 1191 336 258 216 235 146 0
3950 DR.JOSE MA. CASTRO MADRIZ SAN JOSE SAN JOSE ZAPOTE 1486 539 386 253 186 122 0
3964 JULIO FONSECA GUTIERREZ SAN JOSE SAN JOSE URUCA 755 276 143 131 100 105 0
0000 DR. JAIM WEIZMAN SAN JOSE SAN JOSE MATA REDONDA 90 23 13 17 19 18 0
0000 LA SALLE SAN JOSE SAN JOSE MATA REDONDA 490 104 98 100 89 99 0
0000 LOS ANGELES SAN JOSE SAN JOSE MATA REDONDA 329 110 81 48 47 43 0
0000 YORKIN SAN JOSE CURRIDABAT SANCHEZ 79 13 19 19 15 13 0
4156 C.T.P. EDUC. COM. Y SERV. SAN JOSE SAN JOSE MATA REDONDA 495 0 0 0 162 183 150
3943 LUIS DOBLES SEGREDA SAN JOSE SAN JOSE MATA REDONDA 2015 720 396 327 412 160 0
0000 BRITANICO DE COSTA RICA SAN JOSE SAN JOSE PAVAS 383 72 72 67 62 64 46
0000 HUMBOLDT SAN JOSE SAN JOSE PAVAS 366 80 76 63 68 55 24
3968 LICEO PAVAS SAN JOSE SAN JOSE PAVAS 1105 362 319 165 191 68 0
0000 ADVENTISTA DE COSTA RICA SAN JOSE SAN JOSE HATILLO 403 92 83 88 76 64 0

33

DIRECTORIO DE ESTABLECIMIENTOS COMERCIALES

COD_ DIRECCION TELFONO

ACTIV DESCRIPCION_ACTIVIDAD PATRONO
0000 ACTIVIDAD NO ESPECIFICADA
0117 CULTIVO DE CAA.
0119 CULTIVO DE FLORES.
0119 CULTIVO DE FLORES.
0123 CRA DE GANADO VACUNO (ENGORDE Y LECHE).
0123 CRA DE GANADO VACUNO (ENGORDE Y LECHE).
0123 CRA DE GANADO VACUNO (ENGORDE Y LECHE).
0130 CULT.DE PRODUC.AGRCOLAS EN COMBINACIN CON LA CRA DE ANIMALES.
0140 ACTIVI.DE SERV.AGRCOLAS Y GANADEROS EXCEPTO LAS ACTIVI.VETERINARIAS.
0140 ACTIVI.DE SERV.AGRCOLAS Y GANADEROS EXCEPTO LAS ACTIVI.VETERINARIAS.
0140 ACTIVI.DE SERV.AGRCOLAS Y GANADEROS EXCEPTO LAS ACTIVI.VETERINARIAS.
0140 ACTIVI.DE SERV.AGRCOLAS Y GANADEROS EXCEPTO LAS ACTIVI.VETERINARIAS.
1541 ELABORACIN DE PRODUCTOS DE PANADERA.
1549 ELABORACIN DE OTROS PRODUCTOS ALIMENTICIOS N.C.P.
4100 CAPTACIN, DEPURACIN Y DISTRIBUCIN DE AGUA.
4520 CONSTRUCCION DE EDIFICIOS, VIVIENDAS (O PARTES); OBRAS DE ING.CIVIL
4520 CONSTRUCCION DE EDIFICIOS, VIVIENDAS (O PARTES); OBRAS DE ING.CIVIL
4520 CONSTRUCCION DE EDIFICIOS, VIVIENDAS (O PARTES); OBRAS DE ING.CIVIL
4520 CONSTRUCCION DE EDIFICIOS, VIVIENDAS (O PARTES); OBRAS DE ING.CIVIL
4520 CONSTRUCCION DE EDIFICIOS, VIVIENDAS (O PARTES); OBRAS DE ING.CIVIL
5122 VENTA AL POR MAYOR DE ALIMENTOS, BEBIDAS Y TABACO.
5143 VENTA AL POR MAYOR:MATERIALES DE CONSTRUC.FERRETERA,EQUIPO Y OTROS
5220 VENTA AL POR MENOR DE ALIMENTOS, BEBIDAS Y TABACO
5239 VENTA AL POR MENOR DE OTROS PRODUCTOS EN ALMACENES ESPECIALIZADOS.
5253 VENTA AL POR MENOR EN LOCALES FIJOS O MERCADO.
5520 RESTAURANTES, BARES Y CANTINAS.
5520 RESTAURANTES, BARES Y CANTINAS.
7010 ACTIVIDADES INMOBILIARIAS REALIZADAS CON BIENES PROPIOS O ARRENDADOS.
7414 ACTIVIDADES DE ASESORAMIENTO EMPRESARIAL Y EN MATERIA DE GESTIN.
7523 ACTIVIDADES DE MANTENIMIENTO DEL ORDEN PBLICO Y DE SEGURIDAD.
8512 ACTIVIDADES DE MDICOS Y ODONTLOGOS.
9199 ACTIVIDADES DE OTRAS ASOCIACIONES N.C.P.
9219 OTRAS ACTIVIDADES DE ENTRETENIMIENTO N.C.P.
9241 ACTIVIDADES DEPORTIVAS.
9500 HOGARES PRIVADOS CON SERVICIO DOMSTICO.
9500 HOGARES PRIVADOS CON SERVICIO DOMSTICO.
9500 HOGARES PRIVADOS CON SERVICIO DOMSTICO.
9500 HOGARES PRIVADOS CON SERVICIO DOMSTICO.
9500 HOGARES PRIVADOS CON SERVICIO DOMSTICO.
9500 HOGARES PRIVADOS CON SERVICIO DOMSTICO. 34
9500 HOGARES PRIVADOS CON SERVICIO DOMSTICO.

17
 3/6/2016

Sistema Regional de
Establecimientos Agropecuarios (SIREA)

35

Marco muestral de reas del INEC

Otra
1=U,2=R Provincia Cantn Distrito #Segment o #Viviendas informacin
de inters
1 2 1 1 1 86
1 2 1 1 3 69
1 2 1 1 5 60
1 2 1 1 6 96
1 2 1 1 7 73
1 2 1 1 8 46
1 2 1 1 9 67
1 2 1 1 10 56
1 2 1 1 11 88
1 2 1 1 12 62
1 2 1 1 13 66
1 2 1 1 14 66
1 2 1 1 15 107
1 2 1 1 16 55
1 2 1 1 17 93
1 2 1 1 17 54
1 2 1 1 18 96
1 2 1 1 20 49
1 2 1 1 21 56
1 2 1 1 22 48
1 2 1 1 23 40
1 2 1 1 24 51
1 2 1 1 25 55
1 2 1 1 26 48
1 2 1 1 27 57
1 2 1 1 28 45
1 2 1 1 29 70
1 2 1 1 30 46
1 2 1 1 31 50
1 2 1 1 32 63
1 2 1 1 33 47
1 2 1 1 34 51
1 2 1 1 35 45
1 2 1 1 36 68
1 2 1 1 37 60
1 2 1 1 38 65
1 2 1 1 39 84
36

18
 3/6/2016

Marco muestral de reas del INEC

37

PROBLEMAS EN MARCOS MUESTRALES

Por lo general, los marcos muestrales perfectos no existen

De acuerdo con Kish un marco es perfecto si:
1) todos los elementos
2) aparecen por separado en la lista,
3) cada uno una sola vez y
4) no aparece en la lista ninguna otra cosa.
En la prctica lo usual es encontrar problemas
L - E No hay problema, existe correspondencia entre Listados y Elementos
- E Elementos faltantes, marcos incompletos (1)
E
L Conglomerados de elementos juntos en un mismo listado (2)
E
L
E Listados duplicados (3)
L
L - Blancos o elementos extraos (4)
38

19
 3/6/2016

Un muestrista tiene que:

saber sobre los problemas que tiene el marco a usar y
debe evaluar cuidadosamente su marco, identificar sus fallas y
tomar medidas pertinentes para corregirlas antes del proceso
de seleccin, durante la seleccin o en el proceso de estimacin

Por qu? Para responder recuerde qu es muestreo

probabilstico y repase los problemas de marco

Porque deben buscarse procedimientos para

restaurar las probabilidades de seleccin que
los marcos imperfectos tienden a destruir
39

Procedimientos generales para evitar

problemas de marco
1. Ignrelo y no lo tome en cuenta. Esto se hace si el error es pequeo y
cuando corregirlo resulte muy costoso. Ejemplo: vivienda versus
hogar.

2. Redefinir la poblacin para que se ajuste al marco. Se evita si la

orientacin de la muestra se desva de su meta. Pero si el resultado
es trivial se hace. Ejemplo: encuesta sobre embarazos o personal
recientemente contratado en una empresa.

3. Corregir la lista completa de la poblacin. Esto significa encontrar

elementos faltantes, dividir los conglomerados, eliminar elementos
extraos y los listados duplicados.

Nota: describir en el informe el problema, la magnitud y la solucin.

40
Qu sucede si no podemos hacer lo anterior?

20
 3/6/2016

Procedimientos especficos para evitar

problemas de marco
1. Elementos faltantes, marcos incompletos o de no cobertura. Ejemplos.
Suplemento en un estrato separado. Se hace entonces una seleccin
independiente de las UM. Ejemplo 1: una empresa puede proporcionar
un listado separado de empleados nuevos. Ejemplo 2: Encuesta de
Hogares y marco de nuevas construcciones.
Procedimiento de encadenamiento o intervalo semiabierto. Los listados
se definen para incluir al intervalo hasta el siguiente listado pero sin
incluirlo. Se usa si es costoso construir un estrato separado. Ejemplo 1:
en la nmina de empleados de una empresa que contiene diversos
departamentos se especifica de antemano una posicin nica por
departamento (el ltimo de la lista o el primero) y si cae en la muestra
entonces cualquier empleado nuevo debe listarse e incluirse.
El procedimiento debe incluir los faltantes de una manera clara, prctica
y nica. Ejemplo 2: viviendas que faltan en los listados de las UPMs. Un
intervalo semiabierto le indica al entrevistador que agregue a la vivienda
de la muestra cualquier vivienda nueva hasta la siguiente vivienda
41
listada, pero sin incluirla.

2. Conglomerados de elementos. Puede tratarse como

muestreo de conglomerados si es frecuente y el tamao
promedio del conglomerado no es pequeo. Ejemplos.
Incluir todos los elementos que aparecen en cada listado seleccionado
si son raros o pequeos. Ejemplo 1: una vivienda y dos hogares.
Seleccionar un elemento del conglomerado al azar y ponderar con el
nmero de elementos en el conglomerado. As se compensa el que la
probabilidad recibida en la sub-seleccin es inversamente
proporcional al tamao del conglomerado. Ejemplo 2: jefatura del
hogar compartida.
Listar nuevamente una muestra mayor y seleccionar de ella a los
elementos con igual probabilidad. Ejemplo 3: n=200 personas adultas
y en promedio cada vivienda tiene 2 personas adultas. Se listan 500
viviendas, lo que produce 1.000 personas. Se selecciona con una
fraccin de 1/5 y produce n=200. 42

21
 3/6/2016

3. Blancos o elementos extraos. Son UM que no pertenecen a

la poblacin de estudio. Ejemplos.
Los blancos deben rechazarse y omitirse
Efecto en la muestra? Reduce el tamao
Ejemplo 1: si se desea n=1.200 y luego sabemos que %B=30%,
entonces n=1.200-360=840
Debe tenerse una idea de los blancos para corregir de antemano el
tamao de la muestra
Ejemplo 2: si en el caso anterior se sabe que %B=30% y se desea
n=1.200 cul es el tamao de muestra que debe seleccionase?
Respuesta: nf =n/(1-%B)=1.200/0,7=1.714
Estrategias para conocer previamente el nmero de blancos.
Cul es el efecto de sustituir un blanco por el elemento que le sigue
en la lista?
Incrementa la probabilidad de seleccionar cualquier elemento
en proporcin al nmero de blancos que le preceden al
43
elemento en la lista

Listados duplicados. Dan a cada elemento una probabilidad de

seleccin Pi proporcional al nmero de veces que aparecen en
la lista. Ejemplos.
Ponderacin de cada caso por el recproco de su nmero. Si un
elemento tiene Pi listados se pondera por 1/Pi (y se incluyen las
selecciones duplicadas cuando tiene sentido). Ejemplo: un estudiante
en varios cursos.
Identificacin nica de un regln de listado. Ejemplo: puede definirse
el primero o el ltimo como selector nico de listado de manera que si
cae en la muestra se incluye y en caso contrario se considera blanco
(es fcil si el listado tiene un orden claro). Ejemplo: caso de una
fbrica.
Identificacin nica con marcos separados. Generalizacin del caso
anterior a varios marcos. Ejemplo: encuesta en colegios profesionales.
44

22
 3/6/2016

Ejercicio

1. Defina un objetivo general para una encuesta nacional

2. Defina una poblacin de estudio
3. Supongamos que, por motivos presupuestarios, tenemos
que usar el directorio telefnico como marco
4. Procedimientos generales para enfrentar los problemas
del marco. Cules pueden aplicarse?
5. Ahora revise el objetivo del estudio y la poblacin de
inters
6. Cul es la UM del marco?
7. Cul es la unidad de anlisis?
8. Cul es la unidad informante?
9. Evale el marco muestral

45

Recordar cul es la UM y su funcin en la evaluacin del

marco
Procedimiento para evaluar un marco muestral:
Cul es el problema?
Cunto es la magnitud?
Cul es la solucin?
T - V No hay problema, existe correspondencia entre Telfonos y Viviendas
- V Elementos faltantes, marcos incompletos (1) . Son viviendas sin telfono
V
Conglomerados de elementos juntos en un mismo listado (2) . Un
T
telfono asociado a dos viviendas
V
T
V Listados duplicados (3) . Dos telfonos en una vivienda
T
46
T - Blancos o elementos extraos (4). Un telfono que no es residencial

23
 3/6/2016

TAREA 1

Consulte una encuesta en la que hayan usado muestreo probabilstico

Prepare una presentacin oral en la que incluya lo siguiente:

1. Nombre de la encuesta
2. Institucin que la realiza
3. Objetivo de la encuesta
4. Poblacin de inters
5. Descripcin del marco muestral usado (quin construy el marco,
cundo, cmo, qu contiene el marco, fecha de la ltima
actualizacin, nmero de unidades de muestreo que lo componen)
6. Descripcin de los problemas de marco
7. Unidad de muestreo seleccionada
8. Descripcin de la estratificacin usada (si se hizo)
9. Mencione una subclase de estudio
47

10. Tamao de muestra

11. Cobertura de la muestra
12. Unidad de anlisis
13. Unidad informante
14. Describa las principales caractersticas Yi investigadas
15. Describa resultados generales de esas caractersticas

Gracias
48

24