Notas de Clase Muestreo Biologico

Estimación de una Razón
ty t̂yπ
R= =⇒ R̂π =
tz t̂zπ
Para R se puede proponer una estimación (Estimador) usando el estimador de regresión para
totales. Supongamos que:
Ŷk = x0k β̂ y
con !−1 !
X xk x0 X xk yk
k
β̂ y =
s
σk2 πk s
σk2 πk
Mientras que:
Zk = x0k β̂ z
con !−1 !
X xk x0 X x k zk
k
β̂ z =
s
σk2 πk s
σk2 πk
El estimador de la razón propuesto es:
t̂yr
R̂r =
t̂zr
donde,
Ŷk + Ykπ−kŶk
P P
t̂yr =
P gks Yk s
U
= πk
s
y
Ẑk + Zkπ−kẐk
P P
t̂zr =
P gks Zk s
U
= πk
s
con !−1
0 X xk x0 x0k
k
gks = 1 + tx − t̂x
s
σk2 πk σk2
Cuando una sola variable X explica tanto a Y como a Z, se usa el estimador de razón,
1
entonces bajo un Modelo de Razón - Razón:
t̂yra
R̂r = t̂zra
P yk
s πk
txUP xk
s πk
= P zk
s πk
txU P xk
π
P yk s k
π
s k
= P zk
π
s k
t̂yπ
= t̂zπ
= R̂π
t̂yr
Para el estimador R̂r = t̂zr
se tiene que:
1
AV R̂ = 2 AV t̂yra + R2 · AV t̂zra − 2· R· AC t̂yra , t̂zra

tz
donde,
XX Eyk Ezl
AC t̂yra , t̂zra = 4kl
πk πl
U
con
ty
Eyk = Yk − x0k β y ; β y =
tx
y
tz
Ezl = Zl − x0l β z ; β z =
tx
Así, la aproximación de la varianza se deja escribir:

" #
1 XX Eyk − R· Ezk Eyl − R· Ezl
AV R̂ = 2 4kl
tz πk πl
U
y la g-ponderada varianza estimada es:

" ! !#
1 X X 4kl eyks − R̂· ezks eyls − R̂· ezls
V̂ R̂ = 2 gks gls
t̂zr s
πkl πk πl
donde,
t̂yπ
eyks = Yk − x0k β̂ y ; β̂ y =
t̂xπ
t̂zπ
ezks = Zk − x0k β̂ z ; β̂ z =
t̂xπ
tx
gks = gls =
t̂xπ
2
Veamos la estimación de la Razón para los siguientes casos: Cuando una sola variable X
explica tanto a Y como a Z
t̂yra
1. R̂r = t̂zreg
(Modelo de Razón / Modelo con Intersecto)
t̂yreg
2. R̂r = t̂zra
(Modelo con Intersecto / Modelo de Razón)
t̂yreg
3. R̂r = t̂zreg
(Modelo con Intersecto / Modelo con Intersecto)
1. Razón - Intersecto.
t̂yra
R̂r =
t̂zreg
donde,
P Yk !
πk
s
t̂yra = tx P xk
πk
s
bY
N b
= N XU S
N XS
b b

Y
b
= N XU S
X
b
S
y
t̂zreg = N Zˆ + β̂ X − Xˆ
s 2 U s
con P ˆ ˆ

xk −X s z k −Z s
s
πk
β̂2 = P ˆ 2

xk −X s
s
πk
Así,
t̂yra
R̂r = t̂zreg b
Y
N X U cS
X
=
ˆ +β̂ X −X
S
ˆ

N Z s 2 U s
b
Y
X U cS
X
= S
ˆ +β̂ X −X ˆ

Z s 2 U s
Para la aproximación de la varianza:

1
AV R̂ = 2 AV t̂yra + R2 · AV t̂zreg − 2· R· AC t̂yra , t̂zreg

tz
donde,
3
PP E Eyl
• AV t̂yra = 4kl πyk
k πl
U
con
ty
Eyk = Yk − x0k β y ; βy =
tx
con estimador de varianza:

X X 4kl eyks

eyls

V̂ t̂yra = gyks gyls
s
πkl πk πl
con
t̂yπ
t̂xπ
tx
gyks =
t̂xπ
4kl Eπzk Ezl

PP
• AV t̂zreg = k πl
U
con
β1
Ezk = Zk − x0k β z ; β z =
β2
P
xk − X U zk − Z U
U
β2 = P 2 y β1 = Z U − β2 X U
xk − X U
U
con estimador de varianza:

X X 4kl ezks

ezls

V̂ t̂zreg = gzks gzls
s
πkl πk πl
con !
β̂1
β̂2
P ˆ ˆ

x k −X s zk −Z s
s
β̂2 = πk ˆ − β̂ X
y β̂1 = Z ˆ
P ˆ 2
s 2 s
x k −X s
s
πk
y
ˆ 2

ˆ ˆ

N XU − X s xk − X s 2 1 xk − X s
gzks = 1+ ˆ
 ; S
X
2 XS =
N̂ ˆ N̂ s πk
S XS
4
PP E Ezl
• AC t̂yra , t̂zreg = 4kl πyk
k πl
U
donde,
ty
tx
y
β1
Ezl = Zl − x0l β z ; βz =
β2
P
xl − X U zl − Z U
U
β2 = P 2 y β1 = Z U − β2 X U
xl − X U
U
con estimador
X X 4kl eyks ezls
AC
d t̂y , t̂z
ra reg = gyks gzls
s
πkl πk πl
donde
t̂yπ
t̂xπ
tx
gyks =
t̂xπ
y

β̂1
ezls = Zl − x0l β̂ z ; β̂ z =
β̂2
P ˆ ˆ

x l −X s zl −Z s
s
β̂2 = πl ˆ − β̂ X
y β̂1 = Z ˆ
P ˆ 2
s 2 s
x l −X s
s
πl
ˆ 2
 
X − ˆ
X X − ˆ
X X − X
N U s l s 2 1 l s
 ˆ X
gzls = 1 + 2  ; S XS =
N̂ ˆ N̂ πl
SX s
S
Luego,
h i
1
2
V̂ R̂ = t̂2zreg
V̂ t̂yra − 2· R̂r · AC
d t̂y , t̂z
ra reg
+ R̂r · V̂ t̂ zra
h i
1

= t̂2zreg
V̂ t̂yra − R̂r · AC t̂yra , t̂zreg − R̂r · AC t̂zreg , t̂yra + R̂r2 · V̂ t̂zreg
d d

1
P P 4kl eyks eyls eyks ezls ezks eyls 2 ezks ezls
= t̂2zreg πkl gyks πk gyls πl − R̂r gyks πk gzls πl − R̂r gzks πk gyls πl + R̂r gzks πk gzls πl
U
1
P P 4kl eyks gyls eyls −R̂r gzls ezls ezks gyls eyls −R̂r gzls ezls
= t̂2zreg πkl gyks πk πl − R̂r gzks πk πl
U
1
PP 4kl gyks eyks −R̂r gzks ezks gyls eyls −R̂r gzls ezls
= t̂2zreg πkl πk πl
U
5
donde
t̂yπ
t̂xπ
tx
gyks =
t̂xπ
y

β̂1
β̂2
ˆ 2

ˆ ˆ

N XU − X s xk − X s 2 1 xk − X s
gzks = 1+  ; ˆ
S =
X
2 XS
N̂ ˆ N̂ s πk
S XS
6
2. Intersecto - Razón.
t̂yreg
R̂r =
t̂zra
donde,
t̂yreg ˆ
= N Yˆ s + β̂2 X U − X s
con P ˆ yk −Yˆ s

x k −X s
s
πk
β̂2 = P ˆ
2
xk −X s
s
πk
y
P zk !
πk
s
t̂zra = tx P xk
πk
s

N
bZb
= N XU S
N
bXb
S
Z
b
= N XU S
X
b
S
Así,
t̂yreg
R̂r = t̂z
ra
N Yˆ s +β̂2 X U −X ˆ

s
= b
Z
N X U cS
XS
Yˆ s +β̂2 X U −X
ˆ

s
= b
Z
X U cS
XS

1
AV R̂ = 2 AV t̂yreg + R2 · AV t̂zra − 2· R· AC t̂yreg , t̂zra

tz
donde,
PP E Eyl
• AV t̂yreg = 4kl πyk
k πl
U
con
β1
β2
P
xk − X U yk − Y U
U
β2 = P 2 y β1 = Y U − β2 X U
xk − X U
U
con estimador
X X 4kl eyks eyls
V̂ t̂yreg = gyks gyls
s
πkl πk πl
7
donde
β̂1
β̂2
P ˆ yk −Yˆ s

x1k −X s
s
β̂2 = P
πk
ˆ
2 y β̂1 = Yˆ s − β̂2 X
ˆ
s
x1k −X s
s
πk
ˆ 2

ˆ ˆ

X − X x − X x − X
gyks =
N
1+
U s k s
ˆ2 = 1
 ; S
X k s
2 XS
N̂ ˆ N̂ s πk
S Xs
4kl Eπzk Ezl

PP
• AV t̂zra = k πl
U
con
tz
tx
con estimador
X X 4kl ezks

ezls

V̂ t̂zra = gzks gzls
s
πkl πk πl
donde
t̂zπ
t̂xπ
y
tx
gzks =
t̂xπ
PP E Ezl
• AC t̂yreg , t̂zra = 4kl πyk
k πl
U
donde
β1
Eyk = Yk − x0k β y ; βy =
β2
P
U
β2 = P 2 y β1 = Y U − β2 X U
xk − X U
U
y
tz
tx
8
con estimador
X X 4kl eyks ezls
d t̂y , t̂z
AC reg ra
= gyks gzls
s
πkl πk πl
con
β̂1
β̂2
P ˆ yk −Yˆ s

xk −X s
s
β̂2 = P
πk
ˆ
2 y β̂1 = Yˆ s − β̂2 X
ˆ
s
x k −X s
s
πk
ˆ 2
 
X − ˆ
X x − ˆ
X x − X
gyks =
N U s k s 
ˆ2 1 X k s
1 + 2  ; S XS =
N̂ ˆ N̂ s πk
S X S
y
t̂zπ
ezls = Zk − x0k β̂ z ; β̂ z =
t̂xπ
tx
gzls =
t̂xπ
Luego,
h i
1

V̂ R̂ = t̂2zra
V̂ t̂yreg − 2· R̂r · AC
d t̂y , t̂z
reg ra + R̂r2 · V̂ t̂zra
h i
1

= t̂2zra
V̂ t̂yreg − R̂r · AC
d t̂y , t̂z
reg ra
− R̂r · ACd t̂z , t̂y
ra reg
+ R̂r2 · V̂ t̂zra

1
= t̂2zra πkl gyks πk gyls πl − R̂r gyks πk gzls πl − R̂r gzks πk gyls πl + R̂r gzks πk gzls πl
U
1
P P 4kl eyks gyls eyls −R̂r gzls ezls ezks gyls eyls −R̂r gzls ezls
= t̂2zra πkl gyks πk πl − R̂r gzks πk πl
U
1
= t̂2zra πkl πk πl
U
donde !
β̂1
β̂2
ˆ 2

ˆ ˆ

N XU − X s xk − X s 2 1 x k − X s
gyks = 1+  ; ˆ
S =
X
2 XS
N̂ ˆ N̂ s πk
S XS
y
t̂zπ
t̂xπ
tx
gzks =
t̂xπ
9
3. Intersecto - Intersecto.
t̂yreg
R̂r =
t̂zreg
donde,
t̂yreg ˆ
= N Yˆ s + β̂2y X U − X s

xk −X s
s
πk
β̂2y = P ˆ 2

x k −X s
s
πk
y
ˆ + β̂ ˆ
t̂zreg = N Z s 2z X U − X s
con P ˆ ˆ

xk −X s zk −Z s
s
πk
β̂2z = P ˆ 2

x k −X s
s
πk
Así,
t̂yreg
R̂r = t̂zreg
N Yˆ s +β̂2y X U −X ˆ

s
=
ˆ +β̂

ˆ

N Z s 2z X U −X s
Yˆ s +β̂2y X U −X
ˆ

s
=
ˆ

ˆ

Z s +β̂2z X U −X s
1
AV R̂ = 2 AV t̂yreg + R2 · AV t̂zreg − 2· R· AC t̂yreg , t̂zreg

tz
donde,
PP E Eyl
k πl
U
con
β1y
β2y
P
U
β2y = P 2 y β1y = Y U − β2y X U
xk − X U
U
con estimador
10

X X 4kl eyks eyls
V̂ t̂yreg = gyks gyls
s
πkl πk πl
con !
β̂1y
β̂2y
P ˆ yk −Yˆ s

x k −X s
s
β̂2y = P
πk
ˆ
2 y β̂1y = Yˆ s − β̂2y X
ˆ
s
xk −X s
s
πk
ˆ 2

ˆ ˆ

N XU − X s xk − X s 2 1 xk − X s
gyks = 1+ ˆ
 ; S
X
2 XS =
N̂ ˆ N̂ s πk
S Xs
4kl Eπzk Ezl

PP
U
con
β1z
Ezk = Zk − x0k β z ; βz =
β2z
P
xk − X U zk − Z U
U
β2z = P 2 y β1z = Z U − β2z X U
xk − X U
U
con estimador
X X 4kl ezks

ezls

V̂ t̂zreg = gzks gzls
s
πkl πk πl
con
β̂1z
β̂2z
P ˆ ˆ

x k −X s zk −Z s
s
β̂2z = πk ˆ − β̂ X
y β̂1z = Z ˆ
P ˆ 2
s 2z s
x k −X s
s
πk
ˆ 2

ˆ ˆ

N X U − X s x k − X s 2 1 x k − X s
gzks = 1+ ˆ
 ; S
X
2 XS =
N̂ ˆ N̂ πk
S Xs s
PP E Ezl
• AC t̂yreg , t̂zreg = 4kl πyk
k πl
U
11
con
β1y
β2y
P
U
β2y = P 2 y β1y = Y U − β2y X U
xk − X U
U
y !
β1z
Ezl = Zl − x0l β z ; βz =
β2z
P
xl − X U zl − Z U
U
β2z = P 2 y β1z = Z U − β2z X U
xl − X U
U
con estimador
X X 4kl eyks ezls
AC
d t̂y , t̂z
reg reg
= gyks gzls
s
πkl πk πl
con
β̂1y
β̂2y
P ˆ yk −Yˆ s

x k −X 1s
s
β̂2y = P
πk
ˆ
2 y β̂1y = Yˆ s − β̂2y X
ˆ
s
xk −X s
s
πk
ˆ 2
 
ˆ
XU − X ˆ
xk − X x − X
gyks =
N s s 
ˆ2 1 X k s
1 + 2  ; S XS =
N̂ ˆ N̂ s πk
S XS
y !
β̂1z
β̂2z
P ˆ ˆ

xl −X s z k −Z s
s
β̂2z = πk ˆ − β̂ X
y β̂1z = Z ˆ
P ˆ 2
s 2z s
xl −X s
s
πk
ˆ 2
 
X − ˆ
X x − ˆ
X x − X
N U s k s 2 1 k s
 ˆ X
gzls = 1 + 2  ; S XS =
N̂ ˆ N̂ s πk
S X S
Luego,
12
h i
1

V̂ R̂ = t̂2zreg
d t̂y , t̂z
reg reg
+ R̂r2 · V̂ t̂zreg
h i
1

= t̂2zreg
d t̂y , t̂z
reg ra − R̂r · ACd t̂z , t̂y
reg reg + R̂r2 · V̂ t̂zreg

1
= t̂2zreg πkl g g
yks πk yls πl − R̂ g g
r yks πk zls πl − R̂ g g
r zks πk yls πl + R̂ g g
r zks πk zls πl
U
P P 4kl e

gyls eyls −R̂r gzls ezls

gyls eyls −R̂r gzls ezls
= 1
t̂2zreg πkl gyks πyks
k πl − R̂r gzks eπzks
k πl
U
1
U
1
P P 4kl gyks (eyks −R̂r ezks ) gyls (eyls −R̂r ezls )
U
donde !
β̂1y
β̂2y
P ˆ yk −Yˆ s

xl −X s
s
β̂2y = P
πk
ˆ
2 y β̂1y = Yˆ s − β̂2y X
ˆ
s
x l −X s
s
πk
ˆ 2

ˆ ˆ

N X U − X s x k − X s 2 1 x k − X s
gyks = 1+  ; ˆ
S =
X
2 XS
N̂ ˆ N̂ s πk
S XS
y !
β̂1z
β̂2z
P ˆ ˆ

xl −X s z k −Z s
s
β̂2z = πk ˆ − β̂ X
y β̂1z = Z ˆ
P ˆ 2
s 2z s
xl −X s
s
πk
ˆ 2

ˆ ˆ

X − X x − X x − X
gzks =
N
1+
U s k s
 ; ˆ2
S =
1 X k s
2 XS
N̂ ˆ N̂ s πk
S XS
13
¾Y si se tienen dos variables auxiliares X1 que explica Y y X2 que explica Z?
Caso 1: Razón - Razón

t̂yra
R̂r =
t̂zra
donde,
P Yk !
πk
s
t̂yra = tx1U P x1k
πk
s
P Yk
πk
= N X 1U Ps x1k
πk
s
y
P Zk !
πk
s
t̂zra = tx2U P x2k
πk
s
P Zk
πk
= N X 2U Ps x2k
πk
s
Así,
t̂yra
R̂r = t̂zra
P Yk
s πk
N X 1U P x1k
s πk
= P Zk
πk
N X 2U Ps x2k
s πk
t̂
X 1U t̂ yπ
x1π
= t̂
X 2U t̂ zπ
x2π
1
AV R̂ = 2 AV t̂yra + R2 · AV t̂zra − 2· R· AC t̂yra , t̂zra

tz
donde,
PP E Eyl
k πl
U
con
ty
tx1
con estimador
X X 4kl eyks

eyls

V̂ t̂yra = g1ks g1ls
s
πkl πk πl
con
14
t̂yπ
t̂x1π
y
tx1
g1ks =
t̂x1π
4kl Eπzk Ezl

PP
U
con
tz
tx2
con estimador
X X 4kl ezks ezls
V̂ t̂zra = g2ks g2ls
s
πkl πk πl
con
t̂zπ
t̂x2π
y
tx2
g2ks =
t̂x2π
PP E Ezl
• AC t̂yra , t̂zra = 4kl πyk
k πl
U
con
ty
tx1
y
tz
tx2
con estimador
X X 4kl eyks ezls
AC
d t̂y , t̂z
ra ra
= g1ks g2ls
s
πkl πk πl
con
t̂yπ
t̂x1π
tx1
g1ks =
t̂x1π
15
y
t̂zπ
t̂x2π
tx2
g2ls =
t̂x2π
Luego,
h i
1
2
V̂ R̂ = t̂2zra
d t̂y , t̂z
ra ra
+ R̂ r · V̂ t̂z ra
h i
1

= t̂2zra
V̂ t̂yra − R̂r · AC t̂yra , t̂zra − R̂r · AC t̂zra , t̂yra + R̂r2 · V̂ t̂zra
d d

1
= t̂2zra πkl g g
1ks πk 1ls πl − R̂ g
r 1ks πk 2ls πl g − R̂ g g
r 2ks πk 1ls πl + R̂ g g
r 2ks πk 2ls πl
U
P P 4kl e

g1ls eyls −R̂r g2ls ezls

= 1
t̂2zra πkl g1ks πyks
k πl − R̂r g2ks eπzksk πl
U

1
PP 4kl g1ks eyks −R̂r g2ks ezks g1ls eyls −R̂r g2ls ezls
U
donde
t̂yπ
t̂x1π
tx1
g1ks =
t̂x1π
y
t̂zπ
t̂x2π
tx2
g2ks =
t̂x2π
16
Caso 2: Razón - Intersecto
t̂yr
R̂r =
t̂zreg
donde,
P Yk !
πk
s
t̂yr = tx1U P x1k
πk
s
P Yk
πk
= N X 1U Ps x1k
πk
s
y
t̂zreg = N Zˆ + β̂ X − X ˆ
s 2 2U 2s
con P ˆ ˆ

x2k −X 2s zk −Z s
s
πk
β̂2 = P ˆ
2
x2k −X 2s
s
πk
Así,
t̂yra
R̂r = t̂zreg
P Yk
s πk
N X 1U P x1k
s πk
=
ˆ +β̂ X −X

ˆ

N Z s 2 2U 2s
P Yk
s πk
X 1U P x1k
s πk
=
ˆ +β̂ X −X

ˆ

Z s 2 2U 2s
1
AV R̂ = 2 AV t̂yra + R2 · AV t̂zreg − 2· R· AC t̂yra , t̂zreg

tz
donde,
PP E Eyl
k πl
U
con
ty
tx1
con estimador
X X 4kl eyks eyls
V̂ t̂yra = g1ks g1ls
s
πkl πk πl
con
t̂yπ
t̂x1π
17
y
tx1
g1ks =
t̂x1π
4kl Eπzk Ezl

PP
U
con
β1
Ezk = Zk − x02k β z ; βz =
β2
P
x2k − X 2U zk − Z U
U
β2 = P 2 y β1 = Z U − β2 X 2U
x2k − X 2U
U
con estimador
X X 4kl ezks

ezls

V̂ t̂zreg = g2ks g2ls
s
πkl πk πl
con !
β̂1
ezks = Zk − x02k β̂ z ; β̂ z = ;
β̂2
P ˆ ˆ

x2k −X 2s z k −Z s
s
β̂2 = πk ˆ − β̂ X
y β̂1 = Z ˆ
P ˆ
2 s 2 2s
x2k −X 2s
s
πk
y   2
ˆ
X 2U − X ˆ
X2k − X X − Xˆ
N 2s 2s  2 1 2k 2s
g2ks = ˆ X
1 + 2  ; S X2S =
N̂ ˆ N̂ s πk
S X2
S
PP E Ezl
• AC t̂yra , t̂zreg = 4kl πyk
k πl
U
con
ty
tx1
y
β1
β2
P
x2l − X 2U zl − Z U
U
β2 = P 2 y β1 = Z U − β2 X 2U
x2l − X 2U
U
18
con estimador
X X 4kl eyks ezls
d t̂y , t̂z
AC ra reg
= g1ks g2ls
s
πkl πk πl
con
t̂yπ
t̂x1π
tx1
g1ks =
t̂x1π
y !
β̂1
β̂2
P ˆ ˆ

x2l −X 2s z l −Z s
s
β̂2 = πl
y β̂1 = Z ˆ
ˆ − β̂ X
P ˆ
2 s 2 2s
x2l −X 2s
s
πl
  2
X − ˆ
X x − ˆ
X x − Xˆ
N 2U 2s 2l 2s  ˆ 2 1 X 2l 2s
g2ls = 1 + 2  ; S X2S =
N̂ ˆ N̂ πl
S X2 s
S
Luego,
h i
1
2
V̂ R̂ = t̂2zreg
d t̂y , t̂z
ra reg + R̂ r · V̂ t̂ zra
h i
1

= t̂2zreg
V̂ t̂yra − R̂r · AC t̂yra , t̂zreg − R̂r · AC t̂zreg , t̂yra + R̂r2 · V̂ t̂zreg
d d

1
= t̂2zreg πkl g1ks πk g1ls πl − R̂r g1ks πk g2ls πl − R̂r g2ks πk g1ls πl + R̂r g2ks πk g2ls πl
U
1
P P 4kl eyks g1ls eyls −R̂r g2ls ezls ezks g1ls eyls −R̂r g2ls ezls
= t̂2zreg πkl g1ks πk πl − R̂r g2ks πk πl
U
1
U
donde
t̂yπ
t̂x1π
tx1
g1ks =
t̂x1π
y !
β̂1
β̂2
 2
ˆ ˆ ˆ

N X 2U − X 2s x2k − X 2s 2 1 x 2k − X 2s
g2ks = 1+  ; ˆ
S =
X
2 X2S
N̂ ˆ N̂ s πk
S X2S
19
Caso 3: Intersecto - Razón
t̂yreg
R̂r =
t̂zra
donde,
t̂yreg ˆ
= N Yˆ s + β̂2 X 1U − X 1s

x1k −X 1s
s
πk
β̂2 = P ˆ
2
x1k −X 1s
s
πk
y
P zk !
πk
s
t̂zra = tx2U P x2k
πk
s
P zk
πk
= N X 2U Ps x2k
πk
s
Así,
t̂yreg
R̂r = t̂zra
ˆ
N Yˆ s +β̂2 X 1U −X

1s
= P zk
π
N X 2U Ps x2k
k
s πk
Yˆ s +β̂2 X 1U −X ˆ

1s
= P zk
s πk
X 2U P x2k
s πk
1
AV R̂ = 2 AV t̂yreg + R2 · AV t̂zra − 2· R· AC t̂yreg , t̂zra

tz
donde,
PP E Eyl
k πl
U
con
β1
β2
P
x1k − X 1U yk − Y U
U
β2 = P 2 y β1 = Y U − β2 X 1U
x1k − X 1U
U
con estimador
X X 4kl eyks eyls
V̂ t̂yreg = g1ks g1ls
s
πkl πk πl
20
con !
β̂1
β̂2
P ˆ yk −Yˆ s

x1k −X 1s
s
β̂2 = P
πk
ˆ
2
ˆ
y β̂1 = Yˆ s − β̂2 X 1s
x1k −X 1s
s
πk
y
 2
ˆ ˆ ˆ

N X 1U − X 1s x1k − X 1s 2 1 x 1k − X 1s
g1ks = 1+ ˆ
 ; S
X
2 X1S =
N̂ ˆ N̂ s πk
SX1s
4kl Eπzk Ezl

PP
U
con
tz
tx2
con estimador
X X 4kl ezks

ezls

V̂ t̂zra = g2ks g2ls
s
πkl πk πl
con
t̂zπ
t̂x2π
y
tx2
g2ks =
t̂x2π
PP E Ezl
• AC t̂yreg , t̂zra = 4kl πyk
k πl
U
con
β1
β2
P
U
β2 = P 2 y β1 = Y U − β2 X 1U
x1k − X 1U
U
y
tz
tx2
21
con estimador
X X 4kl eyks ezls
AC
d t̂y , t̂z
reg ra = g1ks g2ls
s
πkl πk πl
con !
β̂1
β̂2
P ˆ yk −Yˆ s

x1k −X 1s
s
β̂2 = P
πk
ˆ
2 y β̂1 = Yˆ s − β̂2 X
ˆ
1s
x1k −X 1s
s
πk
  2
X 1U ˆ ˆ
− X 1s x1k − X 1s  ˆ
x1k − X
N 2 1 1s
g1ks = ˆ X
1 + 2  ; S X1S =
N̂ ˆ N̂ s πk
S X1
S
y
t̂zπ
ezls = Zk − x02k β̂ z ; β̂ z =
t̂x2π
tx2
g2ls =
t̂x2π
Luego,
h i
1
2
V̂ R̂ = t̂2zra
d t̂y , t̂z
reg ra
+ R̂ r · V̂ t̂ zra
h i
1

= t̂2zra
V̂ t̂yreg − R̂r · AC t̂yreg , t̂zra − R̂r · AC t̂zra , t̂yreg + R̂r2 · V̂ t̂zra
d d

1
= t̂2zra πkl g1ks πk g 1ls πl − R̂ r g 1ks πk g 2ls πl − R̂r g2ks πk g1ls πl + R̂ r g2ks πk g2ls πl
U
P P 4kl e


= 1
t̂2zra πkl g1ks πyksk πl − R̂r g2ks eπzksk πl
U
1
P P 4kl g1ks eyks −R̂r g2ks ezks g1ls eyls −R̂r g2ls ezls
U
donde !
β̂1
β̂2
  2
ˆ
X 1U − X ˆ
x1k − X x − ˆ
X
N 1s 1s  2 1 1k 1s
g1ks = ˆ X
1 + 2  ; S X1 =
N̂ ˆ S
N̂ s πk
S X1
S
y
t̂zπ
t̂x2π
tx2
g2ks =
t̂x2π
22
Caso 4: Intersecto - Intersecto
t̂yreg
R̂r =
t̂zreg
donde,
t̂yreg = N Yˆ s + β̂2y X 1U − X
ˆ
1s

x1k −X 1s
s
πk
β̂2y = P ˆ
2
x1k −X 1s
s
πk
y
ˆ + β̂ ˆ
t̂zreg = N Z s 2z X 2U − X 2s
con P ˆ ˆ

s
πk
β̂2z = P ˆ
2
x2k −X 2s
s
πk
Así,
t̂yreg
R̂r = t̂zreg
N Yˆ s +β̂2y X 1U −X ˆ

1s
=
ˆ +β̂

ˆ

N Z s 2z X 2U −X 2s
Yˆ s +β̂2y X 1U −Xˆ

1s
=
ˆ

ˆ

Z s +β̂2z X 2U −X 2s
1
AV R̂ = 2 AV t̂yreg + R2 · AV t̂zreg − 2· R· AC t̂yreg , t̂zreg

tz
donde,
PP E Eyl
k πl
U
con
β1y
β2y
P
U
β2y = P 2 y β1y = Y U − β2 X 1U
x1k − X 1U
U
con estimador
23

X X 4kl eyks eyls
V̂ t̂yreg = g1ks g1ls
s
πkl πk πl
con
β̂1y
β̂2y
P ˆ yk −Yˆ s

x1k −X 1s
s
β̂2y = P
πk
ˆ
2 y β̂1y = Yˆ s − β̂2y X
ˆ
1s
x1k −X 1s
s
πk
y
 2
ˆ ˆ ˆ

N X 1U − X 1s x1k − X 1s 2 1 x 1k − X 1s
g1ks = 1+ ˆ
 ; S
X
2 X1S =
N̂ ˆ N̂ s πk
SX1s
4kl Eπzk Ezl

PP
U
con
β1z
β2z
P
x2k − X 2U zk − Z U
U
β2z = P 2 y β1z = Z U − β2z X 2U
x2k − X 2U
U
con estimador
X X 4kl ezks

ezls

V̂ t̂zreg = g2ks g2ls
s
πkl πk πl
con !
β̂1z
β̂2z
P ˆ ˆ

s
β̂2z = πk ˆ − β̂ X
y β̂1z = Z ˆ
P ˆ
2 s 2z 2s
x2k −X 2s
s
πk
y
 2
ˆ ˆ ˆ

N X 2U − X 2s x2k − X 2s 2 1 x 2k − X 2s
g2ks = 1+ ˆ
 ; S
X
2 X2S =
N̂ ˆ N̂ s πk
SX2s
24
PP E Ezl
• AC t̂yreg , t̂zreg = 4kl πyk
k πl
U
con
β1y
β2y
P
U
β2y = P 2 y β1y = Y U − β2y X 1U
x1k − X 1U
U
y !
β1z
β2z
P
x2l − X 2U zl − Z U
U
β2z = P 2 y β1z = Z U − β2z X 2U
x2l − X 2U
U
con estimador
X X 4kl eyks

ezls

AC
d t̂yreg , t̂zreg = g1ks g2ls
s
πkl πk πl
con !
β̂1y
β̂2y
P ˆ yk −Yˆ s

x1k −X 1s
s
β̂2y = P
πk
ˆ
2 y β̂1y = Yˆ s − β̂2y X
ˆ
1s
x1k −X 1s
s
πk
  2
X 1U ˆ
−X ˆ
x1k − X x − ˆ
X
N 1s 1s  2 1 1k 1s
g1ks = ˆ X
1 + 2  ; S X1S =
N̂ ˆ N̂ s πk
S X1 S
y !
β̂1z
β̂2z
P ˆ ˆ

x2l −X 2s zk −Z s
s
β̂2z = πk ˆ − β̂ X
y β̂1z = Z ˆ
P ˆ
2 s 2z 2s
x2l −X 2s
s
πk
  2
X 2U ˆ
−X ˆ
x2k − X x − ˆ
X
N 2s 2s  2 1 2k 2s
g2ls = ˆ X
1 + 2  ; S X2S =
N̂ ˆ N̂ s πk
S X2
S
Luego,
25
h i
1

V̂ R̂ = t̂2zreg
d t̂y , t̂z
reg reg
+ R̂r2 · V̂ t̂zreg
h i
1

= t̂2zreg
d t̂y , t̂z
reg ra − R̂r · AC
d t̂z , t̂y
reg reg + R̂r2 · V̂ t̂zreg

1
= t̂2zreg πkl g g
1ks πk 1ls πl − R̂ g g
r 1ks πk 2ls πl − R̂ g g
r 2ks πk 1ls πl + R̂ g g
r 2ks πk 2ls πl
U
P P 4kl e


= 1
t̂2zreg πkl g1ks πyks
k πl − R̂r g2ks eπzks
k πl
U
1
U
donde !
β̂1y
β̂2y
 2
ˆ ˆ ˆ

N X 1U − X 1s x1k − X 1s 2 1 X x1k − X 1s
g1ks = 1+  ; ˆ
S =
2 X1S
N̂ ˆ N̂ s πk
S X1S
y !
β̂1z
β̂2z
  2
ˆ
X 2U − X ˆ
x2k − X x − ˆ
X
N 2s 2s  2 1 2k 2s
g2ks = ˆ X
1 + 2  ; S X2 =
N̂ ˆ S
N̂ s πk
S X2 S
26
Estimadores de regresión para muestreo de conglomerados
y muestreo en dos etapas
Valores auxiliares asociados con individuos seran denotados por Xk y aquellos asociados ccn
conglomerados por Ui . Supongamos que U = (U1 , U2 , . . . , Ur , . . . , UJ ) es un vector de los
valores auxiliares, tomando los valores Ui = (U1i , U2i , . . . , Uri , . . . , UJi ) para la i-ésima UPM.
En este contexto se distinguen tres casos:
• CASO A: (UPMs Auxiliares). Los valores Ui estan disponibles para toda UPM, e.e,
∀i∈UI .
• CASO B: (Elementos Auxiliares Completos). El vector de valores auxiliares Xk es

disponible para todo X ∈ U.
• CASO C: (Elementos Auxiliares Limitados). El vector de valores auxiliares Xk es

disponible para todo elemento en la UPM seleccionada.
Resultados:
- En Muestreo de Conglomerados tyi es calculado sin error.
- El Caso C solo tiene sentido cuando se hace submuestreo en los UPMs seleccionados.
- Se pueden combinar casos: Cuando se combina A y C se tienen valores auxiliares Xk , ∀k∈Ui
y valores auxiliares Ui para todo UPM, i ∈ UI .
Se puede trabajar en el caso bietápico si:
CASO A: Ui
P
• es disponible para todo conglomerado seleccionado i ∈ SI y tx = Ui es
UI
conocido.
CASO B: Xk
P
• es disponible para todo k∈S y tx = xk es conocido.
U
CASO C: Xk
P
• puede ser conocido ∀k∈Si y txi = xk es conocido para toda UPM en SI .
Ui
27
Estimadores de regresión para muestreo de conglomerados
(CASO A)
Asumamos que los NI puntos (tyi , Ui ) son descritos por el siguiente modelo:

 E (t ) = U 0 β
ξ yi i I
 V (t ) = σ 2
ξ yi Ii
donde !−1 !
X Ui U 0 X Ui ty
i i
βI = 2 2
σIi σIi
UI UI
Los valores ajustados para cada i ∈ UI son
t0yi = Ui0 β I
y el residuo para el i-ésimo conglomerado es:
Di = tyi − t0yi
yk yk
= t∗yi ; b
P P
Sea tyiπ =
b
πk|i
tyiπ = πk|i
el total estimado en la i-ésima UPM. (Nota: En
si si
conglomerado se tiene t∗yi = tyi ). Entonces,
!−1 !
X Ui U 0 X Ui t∗y
i i
βbI = 2 2
s
π Ii σIi s
π Ii σ Ii
I I
Los valores predichos vienen dados por:
tyip = Ui0 βbI para i ∈ UI

b
y los residuos por:

di = t∗yi − b
tyip para i ∈ SI
Entonces el estimador de regresión para el Caso A es:
X X t∗y − b tyip
i
tyAr =
b btyip +
s
π Ii
UI I
Observación:

P t∗yi P 1
P yk
πIi = πIi πk|i
sI sP
I P si
yk
= πIi πk|i
sP
I si
yk
= πk
s
= b
tyπ
28
Es decir,
!0
X X Ui
tyAr = b
b tyπ + Ui − βbI
s
πIi
UI I
2
Si σIi = λUi para λ una constante y Ui > 0, ∀i∈Ui , entonces:
X di
=0
s
πIi
I
Lo que implica que X

tyAr =
b btyip
UI
Usando los mismos argumentos que en el caso de elementos, se tiene que:

X t∗y
tyAr =
b giSI i
s
πIi
I
con !0 !−1
X X Ui X Ui U 0 Ui
i
giSI = 1 + Ui − 2 π 2
sI
πIi s
σ Ii Ii σIi
UI I
La aproximación de la varianaza es:

AV b
tyAr = AVAU P M + AVAU SM
donde,
XX Di Dj
AVAU P M = 4Iij ; Di = tyi − Ui0 β I
πIi πIj
UI
y
X Vi XX yk yl
AVAU SM = ; Vi = 4kl|i
πIi πk|i πl|i
UI Ui
La varianaza estimada es:

Vb b
tyAr = VbAU P M + VbAU SM
donde,
X X 4Iij di

dj
X
1

1

VbAU P M = giSI gjSI − − 1 gi2SI Vbi ; di = t∗yi − Ui0 βbI
sI
πIij πIi πIj s
πIij πIi
I
y
X Vbi X X 4kl|i yk yl
VbAU SM = gi2SI 2 ; Vbi =
s
πIi s
πkl|i πk|i πl|i
I i
Para el caso de conglomerados:
X
t∗yi = tyi = yk
Ui
y
Vi = Vbi = 0
29
Si el tamaño de muestra en la segunda etapa es aleatorio, entonces es mejor usar:
t∗yi = Ni Y si
con P yk
πk|i
si
Y si = P 1
πk|i
si
y
2 X X
4kl|i eks els

Ni
Vbi =
N
bi
si
πkl|i πk|i πl|i
con
eks = yk − Yb s
Modelos de razón constante para totales de UPMs (CASO

A)
Se considera el siguiente modelo:
(
Eξ (tyi ) = Ui0 β I
Vξ (tyi ) = Ui0 σI2
Donde Ui > 0 , ∀i∈UI . Una pendiente común es asumida para todos los conglomerados de la
población UI .
30

Notas de Clase Muestreo Biologico

Cargado por

Información del documento

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

Notas de Clase Muestreo Biologico

Cargado por

Copyright:

Formatos disponibles

Estimación de una Razón

El estimador de la razón propuesto es:

Así, la aproximación de la varianza se deja escribir:

y la g-ponderada varianza estimada es:

Para la aproximación de la varianza:

con estimador de varianza:

4kl Eπzk Ezl

con estimador de varianza:

Para la aproximación de la varianza:

4kl Eπzk Ezl

Para la aproximación de la varianza:

4kl Eπzk Ezl

Caso 1: Razón - Razón

Para la aproximación de la varianza:

4kl Eπzk Ezl

Para la aproximación de la varianza:

4kl Eπzk Ezl

Para la aproximación de la varianza:

4kl Eπzk Ezl

Para la aproximación de la varianza:

4kl Eπzk Ezl

En este contexto se distinguen tres casos:

• CASO B: (Elementos Auxiliares Completos). El vector de valores auxiliares Xk es

• CASO C: (Elementos Auxiliares Limitados). El vector de valores auxiliares Xk es

Los valores ajustados para cada i ∈ UI son

y el residuo para el i-ésimo conglomerado es:

conglomerado se tiene t∗yi = tyi ). Entonces,

Los valores predichos vienen dados por:

tyip = Ui0 βbI para i ∈ UI

y los residuos por:

Lo que implica que X

Usando los mismos argumentos que en el caso de elementos, se tiene que:

La aproximación de la varianaza es:

La varianaza estimada es:

Para el caso de conglomerados:

Modelos de razón constante para totales de UPMs (CASO

También podría gustarte