Está en la página 1de 340

Licenciatura en Estadistica

Teoria y Tecnicas de Muestreo - Parte A

Augusto E. Hoszowski1
aehoszowski@gmail.com

1 UNTREF

I Cuatrimestre 2017

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 1 / 114


Bibliografı́a

Temario

1 Bibliografı́a
2 El muestreo de poblaciones finitas
3 El Muestreo probabilı́stico
4 Universo , marco de muestreo y muestra
5 Diseños Muestrales Basicos
6 Parámetros poblacionales y estimadores
7 Varianza y Desvı́o Standard de un estimador
8 Intervalos de confianza

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 2 / 114


Bibliografı́a

Muestreo I
Bibliografı́a

G. Cochran (traduc 3a edición en inglés de 1977.


Técnicas de Muestreo,
Primera edición: 1953). CECSA
Muestreo: Diseño y Análisis, S. Lohr (2000) . Thomson
Teorı́a de Muestreo, Y. Tillé. Versión libre en pdf
Model Assisted Survey Sampling, C Sarndal, B Swenson, J Wretman
(1992). Springer
Analysis of Complex Surveys. T. Lumley (2010). Wiley

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 3 / 114


Bibliografı́a

Muestreo I
Bibliografı́a

G. Cochran (traduc 3a edición en inglés de 1977.


Técnicas de Muestreo,
Primera edición: 1953). CECSA
Muestreo: Diseño y Análisis, S. Lohr (2000) . Thomson
Teorı́a de Muestreo, Y. Tillé. Versión libre en pdf
Model Assisted Survey Sampling, C Sarndal, B Swenson, J Wretman
(1992). Springer
Analysis of Complex Surveys. T. Lumley (2010). Wiley

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 3 / 114


Bibliografı́a

Muestreo I
Bibliografı́a

G. Cochran (traduc 3a edición en inglés de 1977.


Técnicas de Muestreo,
Primera edición: 1953). CECSA
Muestreo: Diseño y Análisis, S. Lohr (2000) . Thomson
Teorı́a de Muestreo, Y. Tillé. Versión libre en pdf
Model Assisted Survey Sampling, C Sarndal, B Swenson, J Wretman
(1992). Springer
Analysis of Complex Surveys. T. Lumley (2010). Wiley

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 3 / 114


Bibliografı́a

Muestreo I
Bibliografı́a

G. Cochran (traduc 3a edición en inglés de 1977.


Técnicas de Muestreo,
Primera edición: 1953). CECSA
Muestreo: Diseño y Análisis, S. Lohr (2000) . Thomson
Teorı́a de Muestreo, Y. Tillé. Versión libre en pdf
Model Assisted Survey Sampling, C Sarndal, B Swenson, J Wretman
(1992). Springer
Analysis of Complex Surveys. T. Lumley (2010). Wiley

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 3 / 114


Bibliografı́a

Muestreo I
Bibliografı́a

G. Cochran (traduc 3a edición en inglés de 1977.


Técnicas de Muestreo,
Primera edición: 1953). CECSA
Muestreo: Diseño y Análisis, S. Lohr (2000) . Thomson
Teorı́a de Muestreo, Y. Tillé. Versión libre en pdf
Model Assisted Survey Sampling, C Sarndal, B Swenson, J Wretman
(1992). Springer
Analysis of Complex Surveys. T. Lumley (2010). Wiley

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 3 / 114


El muestreo de poblaciones finitas

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 4 / 114


El muestreo de poblaciones finitas

a1

Temario

1 Bibliografı́a
2 El muestreo de poblaciones finitas
Antecedentes
Los Censos de Población en Europa
Las encuestas pre electorales
Nicolás Kiaer
3 El Muestreo probabilı́stico
4 Universo , marco de muestreo y muestra
5 Diseños Muestrales Basicos
6 Parámetros poblacionales y estimadores
7 Varianza y Desvı́o Standard de un estimador
8 Intervalos de confianza
Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 4 / 114
El muestreo de poblaciones finitas Antecedentes

El muestreo de poblaciones finitas


Antecedentes

El muestreo en la vida cotidiana


Los censos de población en Europa (P.S. Laplace, Louis Messance..)
Las estadı́sticas oficiales (N. Kiaer)
La estadı́stica académica (C. Gini, J. Neyman)
Las encuestas preelectorales (Gallup)
La medición del desempleo

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 5 / 114


El muestreo de poblaciones finitas Antecedentes

El muestreo de poblaciones finitas


Antecedentes

El muestreo en la vida cotidiana


Los censos de población en Europa (P.S. Laplace, Louis Messance..)
Las estadı́sticas oficiales (N. Kiaer)
La estadı́stica académica (C. Gini, J. Neyman)
Las encuestas preelectorales (Gallup)
La medición del desempleo

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 5 / 114


El muestreo de poblaciones finitas Antecedentes

El muestreo de poblaciones finitas


Antecedentes

El muestreo en la vida cotidiana


Los censos de población en Europa (P.S. Laplace, Louis Messance..)
Las estadı́sticas oficiales (N. Kiaer)
La estadı́stica académica (C. Gini, J. Neyman)
Las encuestas preelectorales (Gallup)
La medición del desempleo

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 5 / 114


El muestreo de poblaciones finitas Antecedentes

El muestreo de poblaciones finitas


Antecedentes

El muestreo en la vida cotidiana


Los censos de población en Europa (P.S. Laplace, Louis Messance..)
Las estadı́sticas oficiales (N. Kiaer)
La estadı́stica académica (C. Gini, J. Neyman)
Las encuestas preelectorales (Gallup)
La medición del desempleo

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 5 / 114


El muestreo de poblaciones finitas Antecedentes

El muestreo de poblaciones finitas


Antecedentes

El muestreo en la vida cotidiana


Los censos de población en Europa (P.S. Laplace, Louis Messance..)
Las estadı́sticas oficiales (N. Kiaer)
La estadı́stica académica (C. Gini, J. Neyman)
Las encuestas preelectorales (Gallup)
La medición del desempleo

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 5 / 114


El muestreo de poblaciones finitas Antecedentes

El muestreo de poblaciones finitas


Antecedentes

El muestreo en la vida cotidiana


Los censos de población en Europa (P.S. Laplace, Louis Messance..)
Las estadı́sticas oficiales (N. Kiaer)
La estadı́stica académica (C. Gini, J. Neyman)
Las encuestas preelectorales (Gallup)
La medición del desempleo

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 5 / 114


El muestreo de poblaciones finitas Antecedentes

El muestreo de poblaciones finitas


Antecedentes

El muestreo en la vida cotidiana


Los censos de población en Europa (P.S. Laplace, Louis Messance..)
Las estadı́sticas oficiales (N. Kiaer)
La estadı́stica académica (C. Gini, J. Neyman)
Las encuestas preelectorales (Gallup)
La medición del desempleo

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 5 / 114


El muestreo de poblaciones finitas Antecedentes

El muestreo de poblaciones finitas


Antecedentes

El muestreo en la vida cotidiana


Los censos de población en Europa (P.S. Laplace, Louis Messance..)
Las estadı́sticas oficiales (N. Kiaer)
La estadı́stica académica (C. Gini, J. Neyman)
Las encuestas preelectorales (Gallup)
La medición del desempleo

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 5 / 114


El muestreo de poblaciones finitas Antecedentes

El muestreo de poblaciones finitas


Antecedentes

El muestreo en la vida cotidiana


Los censos de población en Europa (P.S. Laplace, Louis Messance..)
Las estadı́sticas oficiales (N. Kiaer)
La estadı́stica académica (C. Gini, J. Neyman)
Las encuestas preelectorales (Gallup)
La medición del desempleo

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 5 / 114


El muestreo de poblaciones finitas Antecedentes

El muestreo de poblaciones finitas


Antecedentes

El muestreo en la vida cotidiana


Los censos de población en Europa (P.S. Laplace, Louis Messance..)
Las estadı́sticas oficiales (N. Kiaer)
La estadı́stica académica (C. Gini, J. Neyman)
Las encuestas preelectorales (Gallup)
La medición del desempleo

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 5 / 114


El muestreo de poblaciones finitas Antecedentes

El muestreo de poblaciones finitas


Antecedentes

El muestreo en la vida cotidiana


Los censos de población en Europa (P.S. Laplace, Louis Messance..)
Las estadı́sticas oficiales (N. Kiaer)
La estadı́stica académica (C. Gini, J. Neyman)
Las encuestas preelectorales (Gallup)
La medición del desempleo

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 5 / 114


El muestreo de poblaciones finitas Antecedentes

El muestreo de poblaciones finitas


Antecedentes

El muestreo en la vida cotidiana


Los censos de población en Europa (P.S. Laplace, Louis Messance..)
Las estadı́sticas oficiales (N. Kiaer)
La estadı́stica académica (C. Gini, J. Neyman)
Las encuestas preelectorales (Gallup)
La medición del desempleo

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 5 / 114


El muestreo de poblaciones finitas Los Censos de Población en Europa

Antecedentes del Muestreo Probabilı́stico


Los Censos de Población en Europa

Cómo contar la población de un paı́s?


Censo de Población: Operativo muy costoso
No es necesario un valor ’exacto’ (en esa época..)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 6 / 114


El muestreo de poblaciones finitas Los Censos de Población en Europa

Antecedentes del Muestreo Probabilı́stico


Los Censos de Población en Europa

Cómo contar la población de un paı́s?


Censo de Población: Operativo muy costoso
No es necesario un valor ’exacto’ (en esa época..)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 6 / 114


El muestreo de poblaciones finitas Los Censos de Población en Europa

Antecedentes del Muestreo Probabilı́stico


Los Censos de Población en Europa

Cómo contar la población de un paı́s?


Censo de Población: Operativo muy costoso
No es necesario un valor ’exacto’ (en esa época..)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 6 / 114


El muestreo de poblaciones finitas Los Censos de Población en Europa

Antecedentes del Muestreo Probabilı́stico


Los Censos de Población en Europa

Cómo contar la población de un paı́s?


Censo de Población: Operativo muy costoso
No es necesario un valor ’exacto’ (en esa época..)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 6 / 114


El muestreo de poblaciones finitas Los Censos de Población en Europa

Antecedentes del Muestreo Probabilı́stico


Los Censos de Población en Europa

Cómo contar la población de un paı́s?


Censo de Población: Operativo muy costoso
No es necesario un valor ’exacto’ (en esa época..)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 6 / 114


El muestreo de poblaciones finitas Los Censos de Población en Europa

Antecedentes del Muestreo Probabilı́stico


Los Censos de Población en Europa

Cómo contar la población de un paı́s?


Censo de Población: Operativo muy costoso
No es necesario un valor ’exacto’ (en esa época..)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 6 / 114


El muestreo de poblaciones finitas Los Censos de Población en Europa

Antecedentes del Muestreo Probabilı́stico


Los Censos de Población en Europa

Cómo contar la población de un paı́s?


Censo de Población: Operativo muy costoso
No es necesario un valor ’exacto’ (en esa época..)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 6 / 114


El muestreo de poblaciones finitas Los Censos de Población en Europa

Antecedentes del Muestreo


Los censos de población en Francia

El método del multiplicador (1600-1700)


Relación entre nacimientos y población
Relación entre defunciones y población

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 7 / 114


El muestreo de poblaciones finitas Los Censos de Población en Europa

Antecedentes del Muestreo


Los censos de población en Francia

El método del multiplicador (1600-1700)


Relación entre nacimientos y población
Relación entre defunciones y población

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 7 / 114


El muestreo de poblaciones finitas Los Censos de Población en Europa

Antecedentes del Muestreo


Los censos de población en Francia

El método del multiplicador (1600-1700)


Relación entre nacimientos y población
Relación entre defunciones y población

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 7 / 114


El muestreo de poblaciones finitas Los Censos de Población en Europa

Los censos de población en Francia


El método del multiplicador

Método del Multiplicador


p = Población en las comunas seleccionadas
n = Nacimientos en las comunas p
seleccionadas Pb = N ·
n
N = Total de nacimientos en Francia (en
cierto perı́odo)
Pb = Población estimada

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 8 / 114


El muestreo de poblaciones finitas Los Censos de Población en Europa

Los censos de población en Francia


El método del multiplicador

Método del Multiplicador


p = Población en las comunas seleccionadas
n = Nacimientos en las comunas p
seleccionadas Pb = N ·
n
N = Total de nacimientos en Francia (en
cierto perı́odo)
Pb = Población estimada

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 8 / 114


El muestreo de poblaciones finitas Los Censos de Población en Europa

Los censos de población en Francia


El método del multiplicador

Método del Multiplicador


p = Población en las comunas seleccionadas
n = Nacimientos en las comunas p
seleccionadas Pb = N ·
n
N = Total de nacimientos en Francia (en
cierto perı́odo)
Pb = Población estimada

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 8 / 114


El muestreo de poblaciones finitas Los Censos de Población en Europa

Los censos de población en Francia


El método del multiplicador

Método del Multiplicador


p = Población en las comunas seleccionadas
n = Nacimientos en las comunas p
seleccionadas Pb = N ·
n
N = Total de nacimientos en Francia (en
cierto perı́odo)
Pb = Población estimada

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 8 / 114


El muestreo de poblaciones finitas Los Censos de Población en Europa

Los censos de población en Francia


El método del multiplicador

Método del Multiplicador


p = Población en las comunas seleccionadas
n = Nacimientos en las comunas p
seleccionadas Pb = N ·
n
N = Total de nacimientos en Francia (en
cierto perı́odo)
Pb = Población estimada

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 8 / 114


El muestreo de poblaciones finitas Los Censos de Población en Europa

Los censos de población en Francia


El método del multiplicador

Método del Multiplicador


p = Población en las comunas seleccionadas
n = Nacimientos en las comunas p
seleccionadas Pb = N ·
n
N = Total de nacimientos en Francia (en
cierto perı́odo)
Pb = Población estimada

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 8 / 114


El muestreo de poblaciones finitas Los Censos de Población en Europa

Antecedentes del muestreo


El método del multiplicador

Como seleccionar las comunas?


Dos multiplicadores. Comunas urbanas y rurales

En el lenguaje del muestreo: Estimador de razón separado

Porqué el método era en esa época preferible a un censo?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 9 / 114


El muestreo de poblaciones finitas Los Censos de Población en Europa

Antecedentes del muestreo


El método del multiplicador

Como seleccionar las comunas?


Dos multiplicadores. Comunas urbanas y rurales

En el lenguaje del muestreo: Estimador de razón separado

Porqué el método era en esa época preferible a un censo?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 9 / 114


El muestreo de poblaciones finitas Los Censos de Población en Europa

Antecedentes del muestreo


El método del multiplicador

Como seleccionar las comunas?


Dos multiplicadores. Comunas urbanas y rurales

En el lenguaje del muestreo: Estimador de razón separado

Porqué el método era en esa época preferible a un censo?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 9 / 114


El muestreo de poblaciones finitas Los Censos de Población en Europa

Antecedentes del muestreo


El método del multiplicador

Como seleccionar las comunas?


Dos multiplicadores. Comunas urbanas y rurales

En el lenguaje del muestreo: Estimador de razón separado

Porqué el método era en esa época preferible a un censo?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 9 / 114


El muestreo de poblaciones finitas Los Censos de Población en Europa

Antecedentes del muestreo


El método del multiplicador

Como seleccionar las comunas?


Dos multiplicadores. Comunas urbanas y rurales

En el lenguaje del muestreo: Estimador de razón separado

Porqué el método era en esa época preferible a un censo?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 9 / 114


El muestreo de poblaciones finitas Los Censos de Población en Europa

Antecedentes del muestreo


El método del multiplicador

Como seleccionar las comunas?


Dos multiplicadores. Comunas urbanas y rurales

En el lenguaje del muestreo: Estimador de razón separado

Porqué el método era en esa época preferible a un censo?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 9 / 114


El muestreo de poblaciones finitas Los Censos de Población en Europa

Antecedentes del muestreo


El método del multiplicador

El método del multiplicador es en esencia estimar la población


mediante una muestra
No permite estimar la población en área pequeñas....
No permite la construcción de un Marco de Muestreo para las
encuestas a hogares

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 10 / 114


El muestreo de poblaciones finitas Los Censos de Población en Europa

Antecedentes del muestreo


El método del multiplicador

El método del multiplicador es en esencia estimar la población


mediante una muestra
No permite estimar la población en área pequeñas....
No permite la construcción de un Marco de Muestreo para las
encuestas a hogares

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 10 / 114


El muestreo de poblaciones finitas Los Censos de Población en Europa

Antecedentes del muestreo


El método del multiplicador

El método del multiplicador es en esencia estimar la población


mediante una muestra
No permite estimar la población en área pequeñas....
No permite la construcción de un Marco de Muestreo para las
encuestas a hogares

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 10 / 114


El muestreo de poblaciones finitas Las encuestas pre electorales

Las encuestas preelectorales en EEUU


La elección de 1936

Las encuestas preelectorales en EEUU (1890 - )


La elección de 1936 en EEUU: Franklin D Roosevelt - Alf Landon
Literary Digest, George Gallup, Elmo Roper, Archibald Crossely

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 11 / 114


El muestreo de poblaciones finitas Las encuestas pre electorales

Las encuestas preelectorales en EEUU


La elección de 1936

Las encuestas preelectorales en EEUU (1890 - )


La elección de 1936 en EEUU: Franklin D Roosevelt - Alf Landon
Literary Digest, George Gallup, Elmo Roper, Archibald Crossely

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 11 / 114


El muestreo de poblaciones finitas Las encuestas pre electorales

Las encuestas preelectorales en EEUU


La elección de 1936

Las encuestas preelectorales en EEUU (1890 - )


La elección de 1936 en EEUU: Franklin D Roosevelt - Alf Landon
Literary Digest, George Gallup, Elmo Roper, Archibald Crossely

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 11 / 114


El muestreo de poblaciones finitas Las encuestas pre electorales

Las encuestas preelectorales en EEUU


La elección de 1936

Las encuestas preelectorales en EEUU (1890 - )


La elección de 1936 en EEUU: Franklin D Roosevelt - Alf Landon
Literary Digest, George Gallup, Elmo Roper, Archibald Crossely

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 11 / 114


El muestreo de poblaciones finitas Las encuestas pre electorales

La elección de 1936 en EEUU


Proyecciones y resultados

Resultado final de la elección


Alfred Landon 36.5
F. D. Roosevelt 60.8

Las proyecciones para Roosevelt


Literary Digest 42.6
Gallup (AIPO) 54.0
Crossley 54 - 55
Roper 61.7

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 12 / 114


El muestreo de poblaciones finitas Las encuestas pre electorales

La elección de 1936 en EEUU


Proyecciones y resultados

Resultado final de la elección


Alfred Landon 36.5
F. D. Roosevelt 60.8

Las proyecciones para Roosevelt


Literary Digest 42.6
Gallup (AIPO) 54.0
Crossley 54 - 55
Roper 61.7

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 12 / 114


El muestreo de poblaciones finitas Las encuestas pre electorales

La elección de 1936 en EEUU


Proyecciones y resultados

Resultado final de la elección


Alfred Landon 36.5
F. D. Roosevelt 60.8

Las proyecciones para Roosevelt


Literary Digest 42.6
Gallup (AIPO) 54.0
Crossley 54 - 55
Roper 61.7

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 12 / 114


El muestreo de poblaciones finitas Las encuestas pre electorales

La elección de 1936 en EEUU


Proyecciones y resultados

Resultado final de la elección


Alfred Landon 36.5
F. D. Roosevelt 60.8

Las proyecciones para Roosevelt


Literary Digest 42.6
Gallup (AIPO) 54.0
Crossley 54 - 55
Roper 61.7

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 12 / 114


El muestreo de poblaciones finitas Las encuestas pre electorales

La elección de 1936 en EEUU


Proyecciones y resultados

Resultado final de la elección


Alfred Landon 36.5
F. D. Roosevelt 60.8

Las proyecciones para Roosevelt


Literary Digest 42.6
Gallup (AIPO) 54.0
Crossley 54 - 55
Roper 61.7

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 12 / 114


El muestreo de poblaciones finitas Las encuestas pre electorales

La elección de 1936 en EEUU


Proyecciones y resultados

Resultado final de la elección


Alfred Landon 36.5
F. D. Roosevelt 60.8

Las proyecciones para Roosevelt


Literary Digest 42.6
Gallup (AIPO) 54.0
Crossley 54 - 55
Roper 61.7

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 12 / 114


El muestreo de poblaciones finitas Las encuestas pre electorales

La elección de 1936 en EEUU


Proyecciones y resultados

Resultado final de la elección


Alfred Landon 36.5
F. D. Roosevelt 60.8

Las proyecciones para Roosevelt


Literary Digest 42.6
Gallup (AIPO) 54.0
Crossley 54 - 55
Roper 61.7

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 12 / 114


El muestreo de poblaciones finitas Las encuestas pre electorales

La elección de 1936 en EEUU


Proyecciones y resultados

Resultado final de la elección


Alfred Landon 36.5
F. D. Roosevelt 60.8

Las proyecciones para Roosevelt


Literary Digest 42.6
Gallup (AIPO) 54.0
Crossley 54 - 55
Roper 61.7

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 12 / 114


El muestreo de poblaciones finitas Nicolás Kiaer

Antecedentes del Muestreo


Nicolás Kiaer y el ISI de 1895 en Berna

Nicolai Kiaer (15 septiembre 1838 Oslo, 16 abril 1919)


ISI de 1895-Berna Observations and experiences with representative
surveys

Selección de 127 comunas rurales y 23 ciudades representativas


Subselección de personas de ciertas edades (17, 22, 27..)
Aquellos con inicial A, B, C, L, M, N

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 13 / 114


El muestreo de poblaciones finitas Nicolás Kiaer

Antecedentes del Muestreo


Nicolás Kiaer y el ISI de 1895 en Berna

Nicolai Kiaer (15 septiembre 1838 Oslo, 16 abril 1919)


ISI de 1895-Berna Observations and experiences with representative
surveys

Selección de 127 comunas rurales y 23 ciudades representativas


Subselección de personas de ciertas edades (17, 22, 27..)
Aquellos con inicial A, B, C, L, M, N

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 13 / 114


El muestreo de poblaciones finitas Nicolás Kiaer

Antecedentes del Muestreo


Nicolás Kiaer y el ISI de 1895 en Berna

Nicolai Kiaer (15 septiembre 1838 Oslo, 16 abril 1919)


ISI de 1895-Berna Observations and experiences with representative
surveys

Selección de 127 comunas rurales y 23 ciudades representativas


Subselección de personas de ciertas edades (17, 22, 27..)
Aquellos con inicial A, B, C, L, M, N

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 13 / 114


El muestreo de poblaciones finitas Nicolás Kiaer

Nicolás Kiaer y el método representativo

ISI, San Petersburgo 1899


ISI, Berlin 1903

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 14 / 114


El muestreo de poblaciones finitas Nicolás Kiaer

Nicolás Kiaer y el método representativo

ISI, San Petersburgo 1899


ISI, Berlin 1903

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 14 / 114


El muestreo de poblaciones finitas Nicolás Kiaer

Nicolás Kiaer y el método representativo

Roma, 1924
Se crea una comisión compuesta por Arthur Bowlye, Corrado Gini,
Adolphe Jensen, Lucien March..para estudiar el método representativo

ISI 1925, Roma


El método es aceptado siempre que se cumplan ciertas pautas en la
selección de las unidades
No está todavı́a planteada la discusión sobre como seleccionar la muestra.

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 15 / 114


El muestreo de poblaciones finitas Nicolás Kiaer

Nicolás Kiaer y el método representativo

Roma, 1924
Se crea una comisión compuesta por Arthur Bowlye, Corrado Gini,
Adolphe Jensen, Lucien March..para estudiar el método representativo

ISI 1925, Roma


El método es aceptado siempre que se cumplan ciertas pautas en la
selección de las unidades
No está todavı́a planteada la discusión sobre como seleccionar la muestra.

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 15 / 114


El Muestreo probabilı́stico

Temario

1 Bibliografı́a
2 El muestreo de poblaciones finitas
3 El Muestreo probabilı́stico
Jerzy Neyman
Definición y ejemplos básicos
Muestreo no probabilı́stico
4 Universo , marco de muestreo y muestra
5 Diseños Muestrales Basicos
6 Parámetros poblacionales y estimadores
7 Varianza y Desvı́o Standard de un estimador
8 Intervalos de confianza

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 16 / 114


El Muestreo probabilı́stico Jerzy Neyman

El Muestreo Probabilı́stico
Jerzy Neyman

Jerzy Neyman (1934): Muestreo probabilı́stico


On the Two Different Aspects of the Representative Method: The Method
of Stratified Sampling and the Method of Purposive Selection

Estratificación
Asignación no proporcional de la muestra
La muestra no tiene porqué ser un universo en miniatura

Jerzy Neyman (1937)



Intervalo de confianza

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 17 / 114


El Muestreo probabilı́stico Jerzy Neyman

El Muestreo Probabilı́stico
Jerzy Neyman

Jerzy Neyman (1934): Muestreo probabilı́stico


On the Two Different Aspects of the Representative Method: The Method
of Stratified Sampling and the Method of Purposive Selection

Estratificación
Asignación no proporcional de la muestra
La muestra no tiene porqué ser un universo en miniatura

Jerzy Neyman (1937)



Intervalo de confianza

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 17 / 114


El Muestreo probabilı́stico Jerzy Neyman

El Muestreo Probabilı́stico
Jerzy Neyman

Jerzy Neyman (1934): Muestreo probabilı́stico


On the Two Different Aspects of the Representative Method: The Method
of Stratified Sampling and the Method of Purposive Selection

Estratificación
Asignación no proporcional de la muestra
La muestra no tiene porqué ser un universo en miniatura

Jerzy Neyman (1937)



Intervalo de confianza

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 17 / 114


El Muestreo probabilı́stico Jerzy Neyman

El Muestreo Probabilı́stico
Jerzy Neyman

Jerzy Neyman (1934): Muestreo probabilı́stico


On the Two Different Aspects of the Representative Method: The Method
of Stratified Sampling and the Method of Purposive Selection

Estratificación
Asignación no proporcional de la muestra
La muestra no tiene porqué ser un universo en miniatura

Jerzy Neyman (1937)



Intervalo de confianza

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 17 / 114


El Muestreo probabilı́stico Jerzy Neyman

Muestreo probabilı́stico
Qué es lo aleatorio?

Enfoque basado en el diseño: la muestra


Enfoque basado en un modelo: las variables bajo estudio

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 18 / 114


El Muestreo probabilı́stico Jerzy Neyman

Muestreo probabilı́stico
Qué es lo aleatorio?

Enfoque basado en el diseño: la muestra


Enfoque basado en un modelo: las variables bajo estudio

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 18 / 114


El Muestreo probabilı́stico Definición y ejemplos básicos

Muestreo Probabilı́stico

Definicion
Una muestra (o diseño muestral) es ’probabilı́stica’ si todo elemento del
universo U tiene una probabilidad positiva y conocida de ser seleccionado

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 19 / 114


El Muestreo probabilı́stico Definición y ejemplos básicos

Muestreo Probabilı́stico
Ejemplos

Ejemplo I
Selección probabilı́stica de un alumno del curso

Ejemplo II
Selección probabilı́stica = Selección ’azarosa’ ?

Ejemplo III
Porqué el muestreo por cuotas no es probabilı́stico?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 20 / 114


El Muestreo probabilı́stico Definición y ejemplos básicos

Muestreo Probabilı́stico
Ejemplos

Ejemplo I
Selección probabilı́stica de un alumno del curso

Ejemplo II
Selección probabilı́stica = Selección ’azarosa’ ?

Ejemplo III
Porqué el muestreo por cuotas no es probabilı́stico?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 20 / 114


El Muestreo probabilı́stico Definición y ejemplos básicos

Muestreo Probabilı́stico
Ejemplos

Ejemplo I
Selección probabilı́stica de un alumno del curso

Ejemplo II
Selección probabilı́stica = Selección ’azarosa’ ?

Ejemplo III
Porqué el muestreo por cuotas no es probabilı́stico?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 20 / 114


El Muestreo probabilı́stico Definición y ejemplos básicos

Es siempre ’superior’ el MP al MNP?


Ejemplo

Selección de una muestra de tamaño reducido

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 21 / 114


El Muestreo probabilı́stico Definición y ejemplos básicos

Muestreo Probabilı́stico vs Muestreo No Probabilı́stico


El MP qué presupone?

I. Selección de una muestra probabilı́stica de unidades


En la práctica esto exige contar con un Marco de Muestreo

II
Que cada unidad tenga asociada cierta caracterı́stica ’constante’ Y posible
de ser medida

III
Que podamos a la muestra seleccionada medirle la caracterı́stica Y

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 22 / 114


El Muestreo probabilı́stico Definición y ejemplos básicos

Muestreo Probabilı́stico vs Muestreo No Probabilı́stico


El MP qué presupone?

I. Selección de una muestra probabilı́stica de unidades


En la práctica esto exige contar con un Marco de Muestreo

II
Que cada unidad tenga asociada cierta caracterı́stica ’constante’ Y posible
de ser medida

III
Que podamos a la muestra seleccionada medirle la caracterı́stica Y

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 22 / 114


El Muestreo probabilı́stico Definición y ejemplos básicos

Muestreo Probabilı́stico vs Muestreo No Probabilı́stico


El MP qué presupone?

I. Selección de una muestra probabilı́stica de unidades


En la práctica esto exige contar con un Marco de Muestreo

II
Que cada unidad tenga asociada cierta caracterı́stica ’constante’ Y posible
de ser medida

III
Que podamos a la muestra seleccionada medirle la caracterı́stica Y

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 22 / 114


El Muestreo probabilı́stico Definición y ejemplos básicos

No respuesta y muestreo probabilı́stico


Consecuencias de la NR

U = 1, 2,........., i,.........., j,..........., N

Yi = Y1 ,.........,Yi ,........,Yj ,..........,YN

s= i j

r= . Yj

Cuál es la probabilidad de pertenecer a la muestra final?


Qué tasa de no respuesta invalida las inferencias?
Corrección de la no respuesta: Necesidad de hacer supuestos (modelo)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 23 / 114


El Muestreo probabilı́stico Definición y ejemplos básicos

No respuesta y muestreo probabilı́stico


Consecuencias de la NR

U = 1, 2,........., i,.........., j,..........., N

Yi = Y1 ,.........,Yi ,........,Yj ,..........,YN

s= i j

r= . Yj

Cuál es la probabilidad de pertenecer a la muestra final?


Qué tasa de no respuesta invalida las inferencias?
Corrección de la no respuesta: Necesidad de hacer supuestos (modelo)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 23 / 114


El Muestreo probabilı́stico Definición y ejemplos básicos

No respuesta y muestreo probabilı́stico


Consecuencias de la NR

U = 1, 2,........., i,.........., j,..........., N

Yi = Y1 ,.........,Yi ,........,Yj ,..........,YN

s= i j

r= . Yj

Cuál es la probabilidad de pertenecer a la muestra final?


Qué tasa de no respuesta invalida las inferencias?
Corrección de la no respuesta: Necesidad de hacer supuestos (modelo)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 23 / 114


El Muestreo probabilı́stico Definición y ejemplos básicos

No respuesta y muestreo probabilı́stico


Consecuencias de la NR

U = 1, 2,........., i,.........., j,..........., N

Yi = Y1 ,.........,Yi ,........,Yj ,..........,YN

s= i j

r= . Yj

Cuál es la probabilidad de pertenecer a la muestra final?


Qué tasa de no respuesta invalida las inferencias?
Corrección de la no respuesta: Necesidad de hacer supuestos (modelo)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 23 / 114


El Muestreo probabilı́stico Definición y ejemplos básicos

No respuesta y muestreo probabilı́stico


Consecuencias de la NR

U = 1, 2,........., i,.........., j,..........., N

Yi = Y1 ,.........,Yi ,........,Yj ,..........,YN

s= i j

r= . Yj

Cuál es la probabilidad de pertenecer a la muestra final?


Qué tasa de no respuesta invalida las inferencias?
Corrección de la no respuesta: Necesidad de hacer supuestos (modelo)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 23 / 114


El Muestreo probabilı́stico Definición y ejemplos básicos

No respuesta y muestreo probabilı́stico


Consecuencias de la NR

U = 1, 2,........., i,.........., j,..........., N

Yi = Y1 ,.........,Yi ,........,Yj ,..........,YN

s= i j

r= . Yj

Cuál es la probabilidad de pertenecer a la muestra final?


Qué tasa de no respuesta invalida las inferencias?
Corrección de la no respuesta: Necesidad de hacer supuestos (modelo)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 23 / 114


El Muestreo probabilı́stico Definición y ejemplos básicos

No respuesta y muestreo probabilı́stico


Consecuencias de la NR

U = 1, 2,........., i,.........., j,..........., N

Yi = Y1 ,.........,Yi ,........,Yj ,..........,YN

s= i j

r= . Yj

Cuál es la probabilidad de pertenecer a la muestra final?


Qué tasa de no respuesta invalida las inferencias?
Corrección de la no respuesta: Necesidad de hacer supuestos (modelo)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 23 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Métodos no probabilı́sticos

Opinión pública
Muestreo por cuotas
Encuestas telefónicas
Encuestas web
Muestreo de redes

Medicina
Selección por conveniencia

Biologı́a/ Ecologı́a
Captura y recaptura (abudancia animal)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 24 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Métodos no probabilı́sticos

Opinión pública
Muestreo por cuotas
Encuestas telefónicas
Encuestas web
Muestreo de redes

Medicina
Selección por conveniencia

Biologı́a/ Ecologı́a
Captura y recaptura (abudancia animal)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 24 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Métodos no probabilı́sticos

Opinión pública
Muestreo por cuotas
Encuestas telefónicas
Encuestas web
Muestreo de redes

Medicina
Selección por conveniencia

Biologı́a/ Ecologı́a
Captura y recaptura (abudancia animal)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 24 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Métodos no probabilı́sticos

Opinión pública
Muestreo por cuotas
Encuestas telefónicas
Encuestas web
Muestreo de redes

Medicina
Selección por conveniencia

Biologı́a/ Ecologı́a
Captura y recaptura (abudancia animal)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 24 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Métodos no probabilı́sticos

Opinión pública
Muestreo por cuotas
Encuestas telefónicas
Encuestas web
Muestreo de redes

Medicina
Selección por conveniencia

Biologı́a/ Ecologı́a
Captura y recaptura (abudancia animal)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 24 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Métodos no probabilı́sticos

Opinión pública
Muestreo por cuotas
Encuestas telefónicas
Encuestas web
Muestreo de redes

Medicina
Selección por conveniencia

Biologı́a/ Ecologı́a
Captura y recaptura (abudancia animal)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 24 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Poblaciones elusivas

Temáticas sensibles
Poblaciones raras (< 1/ 10,000 ?)
Poblaciones nómades

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 25 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Poblaciones elusivas

Temáticas sensibles
Poblaciones raras (< 1/ 10,000 ?)
Poblaciones nómades

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 25 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Poblaciones elusivas

Temáticas sensibles
Poblaciones raras (< 1/ 10,000 ?)
Poblaciones nómades

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 25 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Poblaciones elusivas

Temáticas sensibles
Poblaciones raras (< 1/ 10,000 ?)
Poblaciones nómades

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 25 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Poblaciones raras, ocultas, elusivas y temáticas sensibles


Algunos ejemplos

Ingreso
Trabajo infantil
Heroinómanos
Población transexual
Personas afectadas de una enfermedad rara
Personas sin techo (Poblaciones nómades)
....

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 26 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Poblaciones raras, ocultas, elusivas y temáticas sensibles


Algunos ejemplos

Ingreso
Trabajo infantil
Heroinómanos
Población transexual
Personas afectadas de una enfermedad rara
Personas sin techo (Poblaciones nómades)
....

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 26 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Poblaciones raras, ocultas, elusivas y temáticas sensibles


Algunos ejemplos

Ingreso
Trabajo infantil
Heroinómanos
Población transexual
Personas afectadas de una enfermedad rara
Personas sin techo (Poblaciones nómades)
....

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 26 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Poblaciones raras, ocultas, elusivas y temáticas sensibles


Algunos ejemplos

Ingreso
Trabajo infantil
Heroinómanos
Población transexual
Personas afectadas de una enfermedad rara
Personas sin techo (Poblaciones nómades)
....

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 26 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Poblaciones raras, ocultas, elusivas y temáticas sensibles


Algunos ejemplos

Ingreso
Trabajo infantil
Heroinómanos
Población transexual
Personas afectadas de una enfermedad rara
Personas sin techo (Poblaciones nómades)
....

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 26 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Poblaciones raras, ocultas, elusivas y temáticas sensibles


Algunos ejemplos

Ingreso
Trabajo infantil
Heroinómanos
Población transexual
Personas afectadas de una enfermedad rara
Personas sin techo (Poblaciones nómades)
....

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 26 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Poblaciones raras, ocultas, elusivas y temáticas sensibles


Algunos ejemplos

Ingreso
Trabajo infantil
Heroinómanos
Población transexual
Personas afectadas de una enfermedad rara
Personas sin techo (Poblaciones nómades)
....

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 26 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Algunos ejemplos de metodologı́as en principio no


probabilı́sticas

Bola de Nieve (Snowball sampling), J Coleman (Relational analysis:


The study of social organizations with survey methods, 1958), Leo
Goodman (Snowball sampling, 1961)
Respondent-Driven Sampling, (D Heckathorn, 1997)
Network Scale-up Method (NSUM, 2009), Russell y McCarty.
(consumo de crak en Brasil)
Captura y re captura

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 27 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Algunos ejemplos de metodologı́as en principio no


probabilı́sticas

Bola de Nieve (Snowball sampling), J Coleman (Relational analysis:


The study of social organizations with survey methods, 1958), Leo
Goodman (Snowball sampling, 1961)
Respondent-Driven Sampling, (D Heckathorn, 1997)
Network Scale-up Method (NSUM, 2009), Russell y McCarty.
(consumo de crak en Brasil)
Captura y re captura

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 27 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Algunos ejemplos de metodologı́as en principio no


probabilı́sticas

Bola de Nieve (Snowball sampling), J Coleman (Relational analysis:


The study of social organizations with survey methods, 1958), Leo
Goodman (Snowball sampling, 1961)
Respondent-Driven Sampling, (D Heckathorn, 1997)
Network Scale-up Method (NSUM, 2009), Russell y McCarty.
(consumo de crak en Brasil)
Captura y re captura

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 27 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Algunos ejemplos de metodologı́as en principio no


probabilı́sticas

Bola de Nieve (Snowball sampling), J Coleman (Relational analysis:


The study of social organizations with survey methods, 1958), Leo
Goodman (Snowball sampling, 1961)
Respondent-Driven Sampling, (D Heckathorn, 1997)
Network Scale-up Method (NSUM, 2009), Russell y McCarty.
(consumo de crak en Brasil)
Captura y re captura

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 27 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Algunos ejemplos de metodologı́as en principio no


probabilı́sticas

Bola de Nieve (Snowball sampling), J Coleman (Relational analysis:


The study of social organizations with survey methods, 1958), Leo
Goodman (Snowball sampling, 1961)
Respondent-Driven Sampling, (D Heckathorn, 1997)
Network Scale-up Method (NSUM, 2009), Russell y McCarty.
(consumo de crak en Brasil)
Captura y re captura

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 27 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Inferencia a partir de muestras probabilı́sticas y no


probabilı́sticas

Muestreo probabilı́stico: posibilidad de inferencia estadı́stica


Inferencia estadı́stica a partir de muestras no probabilı́sticas?
Antes del muestreo probabilı́stico (1934) hubo inferencias cientı́ficas a
partir de muestras no probabilı́sticas?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 28 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Inferencia a partir de muestras probabilı́sticas y no


probabilı́sticas

Muestreo probabilı́stico: posibilidad de inferencia estadı́stica


Inferencia estadı́stica a partir de muestras no probabilı́sticas?
Antes del muestreo probabilı́stico (1934) hubo inferencias cientı́ficas a
partir de muestras no probabilı́sticas?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 28 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Inferencia a partir de muestras probabilı́sticas y no


probabilı́sticas

Muestreo probabilı́stico: posibilidad de inferencia estadı́stica


Inferencia estadı́stica a partir de muestras no probabilı́sticas?
Antes del muestreo probabilı́stico (1934) hubo inferencias cientı́ficas a
partir de muestras no probabilı́sticas?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 28 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Inferencia a partir de muestras probabilı́sticas y no


probabilı́sticas

Muestreo probabilı́stico: posibilidad de inferencia estadı́stica


Inferencia estadı́stica a partir de muestras no probabilı́sticas?
Antes del muestreo probabilı́stico (1934) hubo inferencias cientı́ficas a
partir de muestras no probabilı́sticas?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 28 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Inferencia a partir de muestras no probabilı́ticas


Ejemplos

Muestras por conveniencia en medicina y epidemiologı́a


Muestras no probabilı́stica en encuesta a empresas?
Arqueologı́a
Muestras seleccionadas en forma probabilı́stica pero con alta no
respuesta

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 29 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Inferencia a partir de muestras no probabilı́ticas


Ejemplos

Muestras por conveniencia en medicina y epidemiologı́a


Muestras no probabilı́stica en encuesta a empresas?
Arqueologı́a
Muestras seleccionadas en forma probabilı́stica pero con alta no
respuesta

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 29 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Inferencia a partir de muestras no probabilı́ticas


Ejemplos

Muestras por conveniencia en medicina y epidemiologı́a


Muestras no probabilı́stica en encuesta a empresas?
Arqueologı́a
Muestras seleccionadas en forma probabilı́stica pero con alta no
respuesta

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 29 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Inferencia a partir de muestras no probabilı́ticas


Ejemplos

Muestras por conveniencia en medicina y epidemiologı́a


Muestras no probabilı́stica en encuesta a empresas?
Arqueologı́a
Muestras seleccionadas en forma probabilı́stica pero con alta no
respuesta

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 29 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Inferencia a partir de muestras no probabilı́ticas


Ejemplos

Muestras por conveniencia en medicina y epidemiologı́a


Muestras no probabilı́stica en encuesta a empresas?
Arqueologı́a
Muestras seleccionadas en forma probabilı́stica pero con alta no
respuesta

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 29 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Inferencia a partir de muestras no probabilı́ticas


Ejemplos

Muestras por conveniencia en medicina y epidemiologı́a


Muestras no probabilı́stica en encuesta a empresas?
Arqueologı́a
Muestras seleccionadas en forma probabilı́stica pero con alta no
respuesta

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 29 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Inferencia a partir de muestras no probabilı́ticas


Ejemplos

Muestras por conveniencia en medicina y epidemiologı́a


Muestras no probabilı́stica en encuesta a empresas?
Arqueologı́a
Muestras seleccionadas en forma probabilı́stica pero con alta no
respuesta

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 29 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Leslie Kish

Leslie Kish
1902 Hungrı́a - 2000
EEUU
Census Bureau
Universidad de Michigan
’Encuestas por Muestreo’
(1960)
Efecto Diseño
Tabla de Kish
Selección controlada
......

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 30 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Leslie Kish

Leslie Kish
1902 Hungrı́a - 2000
EEUU
Census Bureau
Universidad de Michigan
’Encuestas por Muestreo’
(1960)
Efecto Diseño
Tabla de Kish
Selección controlada
......

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 30 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Leslie Kish

Leslie Kish
1902 Hungrı́a - 2000
EEUU
Census Bureau
Universidad de Michigan
’Encuestas por Muestreo’
(1960)
Efecto Diseño
Tabla de Kish
Selección controlada
......

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 30 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Leslie Kish

Leslie Kish
Great advances of the most successful sciences - astronomy, physics, chemistry - were
and are, achieved without probability sampling. Statistical inference in these researches
is based on subjective judgment about the presence of adequate, automatic, and natural
randomization in the population . . . No clear rule exists for deciding exactly when
probability sampling is necessary, and what price should be paid for it . . .Probability
sampling for randomization is not a dogma, but a strategy, especially for large numbers.
(pp. 28-29) (1965)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 31 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Ventajas del Muestreo Probabilı́stico

Mecanismo de selección objetivo


Ausencia de sesgos de selección
Inferencia estadı́stica
Posibilidad de estimar medidas de precisión

Se puede a partir de muestras no probabilı́sticas dar medidas de


precisión?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 32 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Ventajas del Muestreo Probabilı́stico

Mecanismo de selección objetivo


Ausencia de sesgos de selección
Inferencia estadı́stica
Posibilidad de estimar medidas de precisión

Se puede a partir de muestras no probabilı́sticas dar medidas de


precisión?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 32 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Ventajas del Muestreo Probabilı́stico

Mecanismo de selección objetivo


Ausencia de sesgos de selección
Inferencia estadı́stica
Posibilidad de estimar medidas de precisión

Se puede a partir de muestras no probabilı́sticas dar medidas de


precisión?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 32 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Ventajas del Muestreo Probabilı́stico

Mecanismo de selección objetivo


Ausencia de sesgos de selección
Inferencia estadı́stica
Posibilidad de estimar medidas de precisión

Se puede a partir de muestras no probabilı́sticas dar medidas de


precisión?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 32 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Ventajas del Muestreo Probabilı́stico

Mecanismo de selección objetivo


Ausencia de sesgos de selección
Inferencia estadı́stica
Posibilidad de estimar medidas de precisión

Se puede a partir de muestras no probabilı́sticas dar medidas de


precisión?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 32 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Ventajas del Muestreo Probabilı́stico

Mecanismo de selección objetivo


Ausencia de sesgos de selección
Inferencia estadı́stica
Posibilidad de estimar medidas de precisión

Se puede a partir de muestras no probabilı́sticas dar medidas de


precisión?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 32 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Ventajas del Muestreo Probabilı́stico

Mecanismo de selección objetivo


Ausencia de sesgos de selección
Inferencia estadı́stica
Posibilidad de estimar medidas de precisión

Se puede a partir de muestras no probabilı́sticas dar medidas de


precisión?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 32 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Ventajas del Muestreo Probabilı́stico

Mecanismo de selección objetivo


Ausencia de sesgos de selección
Inferencia estadı́stica
Posibilidad de estimar medidas de precisión

Se puede a partir de muestras no probabilı́sticas dar medidas de


precisión?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 32 / 114


El Muestreo probabilı́stico Muestreo no probabilı́stico

Ventajas del Muestreo Probabilı́stico

Mecanismo de selección objetivo


Ausencia de sesgos de selección
Inferencia estadı́stica
Posibilidad de estimar medidas de precisión

Se puede a partir de muestras no probabilı́sticas dar medidas de


precisión?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 32 / 114


Universo , marco de muestreo y muestra

Temario

1 Bibliografı́a
2 El muestreo de poblaciones finitas
3 El Muestreo probabilı́stico
4 Universo , marco de muestreo y muestra
5 Diseños Muestrales Basicos
6 Parámetros poblacionales y estimadores
7 Varianza y Desvı́o Standard de un estimador
8 Intervalos de confianza

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 33 / 114


Universo , marco de muestreo y muestra

Del universo bajo estudio a la estimación

Universo bajo estudio

Variable/s bajo estudio - Parámetro/s a estimar (total, media, razón...)

Marco de muestreo
Unidad de muestreo
Unidad de análisis

Diseño muestral / Muestra


Estimador

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 34 / 114


Universo , marco de muestreo y muestra

Del universo bajo estudio a la estimación

Universo bajo estudio

Variable/s bajo estudio - Parámetro/s a estimar (total, media, razón...)

Marco de muestreo
Unidad de muestreo
Unidad de análisis

Diseño muestral / Muestra


Estimador

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 34 / 114


Universo , marco de muestreo y muestra

Del universo bajo estudio a la estimación

Universo bajo estudio

Variable/s bajo estudio - Parámetro/s a estimar (total, media, razón...)

Marco de muestreo
Unidad de muestreo
Unidad de análisis

Diseño muestral / Muestra


Estimador

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 34 / 114


Universo , marco de muestreo y muestra

Del universo bajo estudio a la estimación

Universo bajo estudio

Variable/s bajo estudio - Parámetro/s a estimar (total, media, razón...)

Marco de muestreo
Unidad de muestreo
Unidad de análisis

Diseño muestral / Muestra


Estimador

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 34 / 114


Universo , marco de muestreo y muestra

Del universo bajo estudio a la estimación

Universo bajo estudio

Variable/s bajo estudio - Parámetro/s a estimar (total, media, razón...)

Marco de muestreo
Unidad de muestreo
Unidad de análisis

Diseño muestral / Muestra


Estimador

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 34 / 114


Universo , marco de muestreo y muestra

Del universo bajo estudio a la estimación

Universo bajo estudio

Variable/s bajo estudio - Parámetro/s a estimar (total, media, razón...)

Marco de muestreo
Unidad de muestreo
Unidad de análisis

Diseño muestral / Muestra


Estimador

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 34 / 114


Universo , marco de muestreo y muestra

Del universo bajo estudio a la estimación

Universo bajo estudio

Variable/s bajo estudio - Parámetro/s a estimar (total, media, razón...)

Marco de muestreo
Unidad de muestreo
Unidad de análisis

Diseño muestral / Muestra


Estimador

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 34 / 114


Universo , marco de muestreo y muestra

Universo bajo estudio, Marco de Muestreo, Muestra

Universo y marco de
muestreo
Omisiones
Duplicaciones
Elementos extraños

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 35 / 114


Universo , marco de muestreo y muestra

Universo bajo estudio, Marco de Muestreo, Muestra

Universo y marco de
muestreo
Omisiones
Duplicaciones
Elementos extraños

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 35 / 114


Universo , marco de muestreo y muestra

Universo bajo estudio, Marco de Muestreo, Muestra

Universo y marco de
muestreo
Omisiones
Duplicaciones
Elementos extraños

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 35 / 114


Universo , marco de muestreo y muestra

Universo bajo estudio, Marco de Muestreo, Muestra

Universo y marco de
muestreo
Omisiones
Duplicaciones
Elementos extraños

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 35 / 114


Universo , marco de muestreo y muestra

Marco de Muestreo

Marco de Muestreo
Conjunto de archivos, cartografı́a, etc. que permiten la selección de
unidades
En la práctica puede haber varios niveles de marcos de muestreo, uno
para cada etapa de selección

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 36 / 114


Universo , marco de muestreo y muestra

Marco de Muestreo

Marco de Muestreo
Conjunto de archivos, cartografı́a, etc. que permiten la selección de
unidades
En la práctica puede haber varios niveles de marcos de muestreo, uno
para cada etapa de selección

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 36 / 114


Universo , marco de muestreo y muestra

Marco de Muestreo

Marco de Muestreo
Conjunto de archivos, cartografı́a, etc. que permiten la selección de
unidades
En la práctica puede haber varios niveles de marcos de muestreo, uno
para cada etapa de selección

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 36 / 114


Universo , marco de muestreo y muestra

La Encuesta Permanente de Hogares de INDEC en CABA

La EPH
Muestra probabilı́stica de viviendas
Unidades de análisis: hogares y personas
Universo bajo estudio: hogares y personas que habitan en viviendas
particulares

Marco de Muestreo Primario (de primer etapa)


Listado de radios censales, junto a su cartografı́a e información censal

Marco de Muestreo Secundario (de segunda etapa)


Listado de viviendas particulares de los radios seleccionados en la primer
etapa

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 37 / 114


Universo , marco de muestreo y muestra

La Encuesta Permanente de Hogares de INDEC en CABA

La EPH
Muestra probabilı́stica de viviendas
Unidades de análisis: hogares y personas
Universo bajo estudio: hogares y personas que habitan en viviendas
particulares

Marco de Muestreo Primario (de primer etapa)


Listado de radios censales, junto a su cartografı́a e información censal

Marco de Muestreo Secundario (de segunda etapa)


Listado de viviendas particulares de los radios seleccionados en la primer
etapa

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 37 / 114


Universo , marco de muestreo y muestra

La Encuesta Permanente de Hogares de INDEC en CABA

La EPH
Muestra probabilı́stica de viviendas
Unidades de análisis: hogares y personas
Universo bajo estudio: hogares y personas que habitan en viviendas
particulares

Marco de Muestreo Primario (de primer etapa)


Listado de radios censales, junto a su cartografı́a e información censal

Marco de Muestreo Secundario (de segunda etapa)


Listado de viviendas particulares de los radios seleccionados en la primer
etapa

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 37 / 114


Universo , marco de muestreo y muestra

La Encuesta Permanente de Hogares de INDEC en CABA

La EPH
Muestra probabilı́stica de viviendas
Unidades de análisis: hogares y personas
Universo bajo estudio: hogares y personas que habitan en viviendas
particulares

Marco de Muestreo Primario (de primer etapa)


Listado de radios censales, junto a su cartografı́a e información censal

Marco de Muestreo Secundario (de segunda etapa)


Listado de viviendas particulares de los radios seleccionados en la primer
etapa

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 37 / 114


Universo , marco de muestreo y muestra

La Encuesta Permanente de Hogares de INDEC en CABA

La EPH
Muestra probabilı́stica de viviendas
Unidades de análisis: hogares y personas
Universo bajo estudio: hogares y personas que habitan en viviendas
particulares

Marco de Muestreo Primario (de primer etapa)


Listado de radios censales, junto a su cartografı́a e información censal

Marco de Muestreo Secundario (de segunda etapa)


Listado de viviendas particulares de los radios seleccionados en la primer
etapa

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 37 / 114


Universo , marco de muestreo y muestra

La Encuesta Permanente de Hogares de INDEC en CABA

La EPH
Muestra probabilı́stica de viviendas
Unidades de análisis: hogares y personas
Universo bajo estudio: hogares y personas que habitan en viviendas
particulares

Marco de Muestreo Primario (de primer etapa)


Listado de radios censales, junto a su cartografı́a e información censal

Marco de Muestreo Secundario (de segunda etapa)


Listado de viviendas particulares de los radios seleccionados en la primer
etapa

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 37 / 114


Diseños Muestrales Basicos

Temario

1 Bibliografı́a
2 El muestreo de poblaciones finitas
3 El Muestreo probabilı́stico
4 Universo , marco de muestreo y muestra
5 Diseños Muestrales Basicos
Definición de diseño muestral
Probabilidades de selección
Diseños Muestrales Básicos
6 Parámetros poblacionales y estimadores
7 Varianza y Desvı́o Standard de un estimador
8 Intervalos de confianza

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 38 / 114


Diseños Muestrales Basicos Definición de diseño muestral

Definición de diseño muestral

Diseño Muestral: (U, S, P)


U: Universo finito
S: Muestras posibles (subconjuntos de U)
P: Función de probabilidad sobre U
P > 0, s ∈ S
P(s)
s P(s) = 1

Con la condición
Para todo i ∈ U, ∃ s ∈ S / i ∈ s
En palabras: Todo elemento del universo está en alguna muestra posible

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 39 / 114


Diseños Muestrales Basicos Definición de diseño muestral

Definición de diseño muestral

Diseño Muestral: (U, S, P)


U: Universo finito
S: Muestras posibles (subconjuntos de U)
P: Función de probabilidad sobre U
P > 0, s ∈ S
P(s)
s P(s) = 1

Con la condición
Para todo i ∈ U, ∃ s ∈ S / i ∈ s
En palabras: Todo elemento del universo está en alguna muestra posible

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 39 / 114


Diseños Muestrales Basicos Definición de diseño muestral

Definición de diseño muestral

Diseño Muestral: (U, S, P)


U: Universo finito
S: Muestras posibles (subconjuntos de U)
P: Función de probabilidad sobre U
P > 0, s ∈ S
P(s)
s P(s) = 1

Con la condición
Para todo i ∈ U, ∃ s ∈ S / i ∈ s
En palabras: Todo elemento del universo está en alguna muestra posible

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 39 / 114


Diseños Muestrales Basicos Definición de diseño muestral

Definición de diseño muestral

Diseño Muestral: (U, S, P)


U: Universo finito
S: Muestras posibles (subconjuntos de U)
P: Función de probabilidad sobre U
P > 0, s ∈ S
P(s)
s P(s) = 1

Con la condición
Para todo i ∈ U, ∃ s ∈ S / i ∈ s
En palabras: Todo elemento del universo está en alguna muestra posible

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 39 / 114


Diseños Muestrales Basicos Probabilidades de selección

Probabilidades de Selección

En la práctica no nos interesa la probabilidad P(s) sino la probabilidad de


que un elemento i sea seleccionado
P
Probabilidad de selección de primer orden πi = s3i P(s)

P
Probabilidad de selección de segundo orden πij = s3i,j P(s)

1
Factor de expansión Fi = πi

∆ij = πij − πi πj

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 40 / 114


Diseños Muestrales Basicos Probabilidades de selección

Probabilidades de Selección

En la práctica no nos interesa la probabilidad P(s) sino la probabilidad de


que un elemento i sea seleccionado
P
Probabilidad de selección de primer orden πi = s3i P(s)

P
Probabilidad de selección de segundo orden πij = s3i,j P(s)

1
Factor de expansión Fi = πi

∆ij = πij − πi πj

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 40 / 114


Diseños Muestrales Basicos Probabilidades de selección

Probabilidades de Selección

En la práctica no nos interesa la probabilidad P(s) sino la probabilidad de


que un elemento i sea seleccionado
P
Probabilidad de selección de primer orden πi = s3i P(s)

P
Probabilidad de selección de segundo orden πij = s3i,j P(s)

1
Factor de expansión Fi = πi

∆ij = πij − πi πj

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 40 / 114


Diseños Muestrales Basicos Probabilidades de selección

Probabilidades de Selección

En la práctica no nos interesa la probabilidad P(s) sino la probabilidad de


que un elemento i sea seleccionado
P
Probabilidad de selección de primer orden πi = s3i P(s)

P
Probabilidad de selección de segundo orden πij = s3i,j P(s)

1
Factor de expansión Fi = πi

∆ij = πij − πi πj

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 40 / 114


Diseños Muestrales Basicos Probabilidades de selección

Probabilidades de Selección

En la práctica no nos interesa la probabilidad P(s) sino la probabilidad de


que un elemento i sea seleccionado
P
Probabilidad de selección de primer orden πi = s3i P(s)

P
Probabilidad de selección de segundo orden πij = s3i,j P(s)

1
Factor de expansión Fi = πi

∆ij = πij − πi πj

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 40 / 114


Diseños Muestrales Basicos Probabilidades de selección

Definimos dos variables aleatorias importantes:

n(s) = #s (cantidad de elementos de la muestra s)



1 si i ∈ s
Ii (s) =
0 si i ∈
/s
Se cumple:
E(Ii (s))= πi , Var(Ii (s))= πi · (1 − πi )
Cov(Ii (s),Ij (s)) = πij − πi πj

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 41 / 114


Diseños Muestrales Basicos Probabilidades de selección

Propiedades importantes de las probablidades de selección


Suma de las probabilidades de primer orden

N
X
πi = E (n(s))
i=1

Demostración:

N
X N X
X
πi = P(s) =
i=1 i=1 s3i
XX X X
= P(s) = P(s) 1=
s i∈s s i∈s
X
= P(s)n(s) = E (n(s))
s

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 42 / 114


Diseños Muestrales Basicos Probabilidades de selección

Propiedades importantes de las probabilidades de selección


Suma de las probabilidades de segundo orden

N
X
πij = E (n(s) · (n(s) − 1))
i6=j

Demostración:
N
X N X
X
πij = P(s) =
i6=j i6=j s3i,j
XX X X
P(s) = P(s) 1=
s i6=j s i6=j
i,j∈s i,j∈s
X
P(s) · n(s) · (n(s) − 1) = E (n(s) · (n(s) − 1))
s

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 43 / 114


Diseños Muestrales Basicos Probabilidades de selección

Ejemplo de diseño muestral

U=1, 2, 3 , s1 = 1, 2, s2 = 2, 3 , s1 = 1, 2, 3
P(s1 ) = 0,1 , P(s2 ) = 0,3 , P(s3 ) = 0,6

π1 = π11 = 0,1 + 0,6 = 0,7 π2 = π22 = 0,1 + 0,3 + 0,6 = 1


π3 = π33 = 0,3 + 0,6 = 0,9

π12 = π21 = 0,1 + 0,6 = 0,7 π13 = π31 = 0,6 π23 = π32 0,3 + 0,6 = 0,9
(este diseño no tendrı́a sentido en la práctica: una de las muestras es U y
con P(U)=0.6)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 44 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Muestreo Aleatorio Simple

MAS(n, N)

U: Universo finito

S: Todos los subconjuntos de U de tamaño n

Todas las muestras son equiprobables ⇒

P(s)= 1/ Nn


Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 45 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Muestreo Aleatorio Simple

MAS(n, N)

U: Universo finito

S: Todos los subconjuntos de U de tamaño n

Todas las muestras son equiprobables ⇒

P(s)= 1/ Nn


Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 45 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Muestreo Aleatorio Simple

MAS(n, N)

U: Universo finito

S: Todos los subconjuntos de U de tamaño n

Todas las muestras son equiprobables ⇒

P(s)= 1/ Nn


Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 45 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Muestreo Aleatorio Simple


Cuántas muestras posibles?

 
N
#S =
n

n=2 , N=10 #S = 252

n=20 , N=40
#S = 137, 846, 528, 820

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 46 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Muestreo Aleatorio Simple


Cuántas muestras posibles?

N=10,000 , n=2,000

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 47 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

1655555752355035584608929837527483376968630780990107639501226245279278369803227806624082499
5318806222772111210005426016020418065598071742873644401690919319335377095372278810640478652
0413339850951599929567643032803416164290936680088121145665954509987077953596641237451927908
5366245926365914714564881420608121809337614087081699727977511397993529081097631668957722811
0919596856791192334318746659600262757013932175504380326709133080441488983122983274425603811
7150720178689066894068507531026417815624234453195871008113238128934831837842040515600131726
0960391232798761539165046472416930838295530819010752780423265026993240120148179690854435505
2385528434122170804525355871678981192929859080385594746155471317881539915068852904830622278
6951038548880400191620565711291586700534540755526276938422405001345270278335726581375322976
0146113329991262165505009516699852893226357290535415654659407445246637262058188665134449520
4818520869743805424667419921175000623063780639488267205333549383140708983099413505886737083
3787098758113596190447219426121568324685764151601296948654893782399960327514764114467176417
1250601334540197087007822824805719350208982047634711216849131907359084143018261401250109369
1016194213027790687455272134662680020109302668903599687603532918015047819158239383782473199
4055511844267891121846403164857127885959745644323971338513739214928092232132691519007718752
7194667508917483274048937834514362518058947363924336172894596464292041241297602733962350332
2048092117538605933105935440926734806737558151600385206036037857107552265095615779105884699
3826792047806030332676423336065499519953076910418838626376480202828151673161942289092221049
2839024106999519123661634690999173102393364546370624825997336062993299235897148756965095480
2966835872346542760275822542764463354994480201097335259997004191897152445021872734562272174
4933664742499521140235707102217164259438766026322532351208348119475549696983427008567651685
9213559660367800804157236880443250995626931244887587281027299477537522287857862009983229788
0143251160834154923406732428021436134694019425135786782053546689135601921990424885927739965
7389914429390105240751239760865282709465029549690591863591028864648910033430399

(verificarlo)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 48 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Muestreo Aleatorio Simple

Importancia del MAS


Es un diseño importante teóricamente

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 49 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Muestreo Aleatorio Simple

Importancia del MAS


Es un diseño importante teóricamente

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 49 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Muestreo Aleatorio Simple

Como seleccionar una MAS?


Ordenar ’aleatoriamente’ las N unidades
Seleccionar las n primeras (o las n ultimas) unidades

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 50 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Muestreo Aleatorio Simple

Como seleccionar una MAS?


Ordenar ’aleatoriamente’ las N unidades
Seleccionar las n primeras (o las n ultimas) unidades

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 50 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Muestreo Aleatorio Simple

Como seleccionar una MAS?


Ordenar ’aleatoriamente’ las N unidades
Seleccionar las n primeras (o las n ultimas) unidades

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 50 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Muestreo Aleatorio Simple

Como seleccionar una MAS?


Ordenar ’aleatoriamente’ las N unidades
Seleccionar las n primeras (o las n ultimas) unidades

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 50 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Diseño de Bernoulli

B(λ) 0 < λ < 1

Como seleccionar una muestra B(λ) ?


Generar N números i ’aleatorios’ uniformemente distribuidos en (0,1)
Si 1 < λ entonces 1 ∈ s
Si 2 < λ entonces 2 ∈ s
...
Si N < λ entonces N ∈ s

Para que pedimos que los i ∼ U(0, 1)?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 51 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Diseño de Bernoulli

B(λ) 0 < λ < 1

Como seleccionar una muestra B(λ) ?


Generar N números i ’aleatorios’ uniformemente distribuidos en (0,1)
Si 1 < λ entonces 1 ∈ s
Si 2 < λ entonces 2 ∈ s
...
Si N < λ entonces N ∈ s

Para que pedimos que los i ∼ U(0, 1)?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 51 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Diseño de Bernoulli

B(λ) 0 < λ < 1

Como seleccionar una muestra B(λ) ?


Generar N números i ’aleatorios’ uniformemente distribuidos en (0,1)
Si 1 < λ entonces 1 ∈ s
Si 2 < λ entonces 2 ∈ s
...
Si N < λ entonces N ∈ s

Para que pedimos que los i ∼ U(0, 1)?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 51 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Diseño de Bernoulli

B(λ) 0 < λ < 1

Como seleccionar una muestra B(λ) ?


Generar N números i ’aleatorios’ uniformemente distribuidos en (0,1)
Si 1 < λ entonces 1 ∈ s
Si 2 < λ entonces 2 ∈ s
...
Si N < λ entonces N ∈ s

Para que pedimos que los i ∼ U(0, 1)?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 51 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Diseño de Bernoulli

B(λ) 0 < λ < 1

Como seleccionar una muestra B(λ) ?


Generar N números i ’aleatorios’ uniformemente distribuidos en (0,1)
Si 1 < λ entonces 1 ∈ s
Si 2 < λ entonces 2 ∈ s
...
Si N < λ entonces N ∈ s

Para que pedimos que los i ∼ U(0, 1)?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 51 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Diseño de Bernoulli

B(λ) 0 < λ < 1

Como seleccionar una muestra B(λ) ?


Generar N números i ’aleatorios’ uniformemente distribuidos en (0,1)
Si 1 < λ entonces 1 ∈ s
Si 2 < λ entonces 2 ∈ s
...
Si N < λ entonces N ∈ s

Para que pedimos que los i ∼ U(0, 1)?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 51 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Diseño de Bernoulli

Tamaño de muestra en un diseño B(λ)

Tamaño medio λ · N
U∈S
∅∈S
P(U) = λN
P(∅) = (1 − λ)N

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 52 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Diseño de Bernoulli

Importancia del diseño B(λ)

No es un diseño utilizado en la práctica


−→ Tamaño variable
Importante teóricamente

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 53 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Diseño de Bernoulli

Importancia del diseño B(λ)

No es un diseño utilizado en la práctica


−→ Tamaño variable
Importante teóricamente

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 53 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Diseño de Bernoulli

Importancia del diseño B(λ)

No es un diseño utilizado en la práctica


−→ Tamaño variable
Importante teóricamente

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 53 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Diseño de Bernoulli

Importancia del diseño B(λ)

No es un diseño utilizado en la práctica


−→ Tamaño variable
Importante teóricamente

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 53 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Muestreo de Bernoulli

Como seleccionar con Excel una muestra de Bernoulli?

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 54 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Muestreo Sistemático

Sist(k) k entero, 0 < k , seleccionar uno de cada k elementos

Como seleccionar una muestra sistemática Sist(k) ?


Generar un número entero AA ’aleatorio’ 0 < AA ≤ k
Seleccionar los elementos AA, AA+k, AA+2k...

Tamaño de muestra en un diseño Sist(k)


#s=[N/k] o [N/k]+1
Solo tiene tamaño fijo si k | N

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 55 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Muestreo Sistemático

Sist(k) k entero, 0 < k , seleccionar uno de cada k elementos

Como seleccionar una muestra sistemática Sist(k) ?


Generar un número entero AA ’aleatorio’ 0 < AA ≤ k
Seleccionar los elementos AA, AA+k, AA+2k...

Tamaño de muestra en un diseño Sist(k)


#s=[N/k] o [N/k]+1
Solo tiene tamaño fijo si k | N

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 55 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Muestreo Sistemático

Sist(k) k entero, 0 < k , seleccionar uno de cada k elementos

Como seleccionar una muestra sistemática Sist(k) ?


Generar un número entero AA ’aleatorio’ 0 < AA ≤ k
Seleccionar los elementos AA, AA+k, AA+2k...

Tamaño de muestra en un diseño Sist(k)


#s=[N/k] o [N/k]+1
Solo tiene tamaño fijo si k | N

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 55 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Muestreo Sistemático

Sist(k) k entero, 0 < k , seleccionar uno de cada k elementos

Como seleccionar una muestra sistemática Sist(k) ?


Generar un número entero AA ’aleatorio’ 0 < AA ≤ k
Seleccionar los elementos AA, AA+k, AA+2k...

Tamaño de muestra en un diseño Sist(k)


#s=[N/k] o [N/k]+1
Solo tiene tamaño fijo si k | N

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 55 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Muestreo Sistemático

Sist(k) k entero, 0 < k , seleccionar uno de cada k elementos

Como seleccionar una muestra sistemática Sist(k) ?


Generar un número entero AA ’aleatorio’ 0 < AA ≤ k
Seleccionar los elementos AA, AA+k, AA+2k...

Tamaño de muestra en un diseño Sist(k)


#s=[N/k] o [N/k]+1
Solo tiene tamaño fijo si k | N

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 55 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Muestreo Sistemático

Sist(k) k entero, 0 < k , seleccionar uno de cada k elementos

Como seleccionar una muestra sistemática Sist(k) ?


Generar un número entero AA ’aleatorio’ 0 < AA ≤ k
Seleccionar los elementos AA, AA+k, AA+2k...

Tamaño de muestra en un diseño Sist(k)


#s=[N/k] o [N/k]+1
Solo tiene tamaño fijo si k | N

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 55 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Propiedades del muestreo sistemático

En el muestreo sistemático de intervalo entero I

#S = I

1
πi =
I
Si si y sj son dos muestras entonces:

si ∩ si = ∅ o si = sj

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 56 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Ejemplos de aplicación del muestreo sistemático

Selección de viviendas dentro de un radio censal


Selección de viviendas en una manzana
Selección de personas a partir de un registro
Control de calidad

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 57 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Ejemplos de aplicación del muestreo sistemático

Selección de viviendas dentro de un radio censal


Selección de viviendas en una manzana
Selección de personas a partir de un registro
Control de calidad

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 57 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Ejemplos de aplicación del muestreo sistemático

Selección de viviendas dentro de un radio censal


Selección de viviendas en una manzana
Selección de personas a partir de un registro
Control de calidad

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 57 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Ejemplos de aplicación del muestreo sistemático

Selección de viviendas dentro de un radio censal


Selección de viviendas en una manzana
Selección de personas a partir de un registro
Control de calidad

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 57 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Ejemplos de aplicación del muestreo sistemático

Selección de viviendas dentro de un radio censal


Selección de viviendas en una manzana
Selección de personas a partir de un registro
Control de calidad

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 57 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Ejemplos de aplicación del muestreo sistemático

Selección de viviendas dentro de un radio censal


Selección de viviendas en una manzana
Selección de personas a partir de un registro
Control de calidad

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 57 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Ejemplos de aplicación del muestreo sistemático

Selección de viviendas dentro de un radio censal


Selección de viviendas en una manzana
Selección de personas a partir de un registro
Control de calidad

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 57 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Selección con probabilidades variables

Selección de localidades, Radios Censales, Empresas...


Es más eficiente seleccionarlas con probabilidad proporcional a alguna
medida de tamaño que en forma equiprobable

Localidades
Población o viviendas particulares

Empresas
Facturación, ventas, empleados..

Colegios
Matrı́cula

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 58 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Selección con probabilidades variables

Selección de localidades, Radios Censales, Empresas...


Es más eficiente seleccionarlas con probabilidad proporcional a alguna
medida de tamaño que en forma equiprobable

Localidades
Población o viviendas particulares

Empresas
Facturación, ventas, empleados..

Colegios
Matrı́cula

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 58 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Selección con probabilidades variables

Selección de localidades, Radios Censales, Empresas...


Es más eficiente seleccionarlas con probabilidad proporcional a alguna
medida de tamaño que en forma equiprobable

Localidades
Población o viviendas particulares

Empresas
Facturación, ventas, empleados..

Colegios
Matrı́cula

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 58 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Selección con probabilidades variables

Selección de localidades, Radios Censales, Empresas...


Es más eficiente seleccionarlas con probabilidad proporcional a alguna
medida de tamaño que en forma equiprobable

Localidades
Población o viviendas particulares

Empresas
Facturación, ventas, empleados..

Colegios
Matrı́cula

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 58 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Selección con probabilidades variables

Selección de localidades, Radios Censales, Empresas...


Es más eficiente seleccionarlas con probabilidad proporcional a alguna
medida de tamaño que en forma equiprobable

Localidades
Población o viviendas particulares

Empresas
Facturación, ventas, empleados..

Colegios
Matrı́cula

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 58 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Un diseño muy aplicado: Sistemático de Madow

Madow(n, Xi , Xi > 0)

Generamos e = U(0, 1)
λi = n · PXi (sup λi < 1)
Xk
Calculamos A0 = −e, Ai+1 = Ai + λi+1 , i > 0
i ∈ s si [Vi−1 , Vi ) contiene un entero, i > 1

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 59 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Un diseño muy aplicado: Sistemático de Madow

Madow(n, Xi , Xi > 0)

Generamos e = U(0, 1)
λi = n · PXi (sup λi < 1)
Xk
Calculamos A0 = −e, Ai+1 = Ai + λi+1 , i > 0
i ∈ s si [Vi−1 , Vi ) contiene un entero, i > 1

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 59 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Un diseño muy aplicado: Sistemático de Madow

Madow(n, Xi , Xi > 0)

Generamos e = U(0, 1)
λi = n · PXi (sup λi < 1)
Xk
Calculamos A0 = −e, Ai+1 = Ai + λi+1 , i > 0
i ∈ s si [Vi−1 , Vi ) contiene un entero, i > 1

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 59 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Un diseño muy aplicado: Sistemático de Madow

Madow(n, Xi , Xi > 0)

Generamos e = U(0, 1)
λi = n · PXi (sup λi < 1)
Xk
Calculamos A0 = −e, Ai+1 = Ai + λi+1 , i > 0
i ∈ s si [Vi−1 , Vi ) contiene un entero, i > 1

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 59 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Un diseño muy aplicado: Sistemático de Madow

Madow(n, Xi , Xi > 0)

Generamos e = U(0, 1)
λi = n · PXi (sup λi < 1)
Xk
Calculamos A0 = −e, Ai+1 = Ai + λi+1 , i > 0
i ∈ s si [Vi−1 , Vi ) contiene un entero, i > 1

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 59 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Método de Madow

Caracterı́sticas

Tamaño de la muestra=n (si n · Xi /X < 1 )


Probabilidad de selección proporcional a Xi (si n · Xi /X < 1 )
Las probabilidades de selección dependerán del orden del archivo

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 60 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Método de Madow

Caracterı́sticas

Tamaño de la muestra=n (si n · Xi /X < 1 )


Probabilidad de selección proporcional a Xi (si n · Xi /X < 1 )
Las probabilidades de selección dependerán del orden del archivo

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 60 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Método de Madow

Caracterı́sticas

Tamaño de la muestra=n (si n · Xi /X < 1 )


Probabilidad de selección proporcional a Xi (si n · Xi /X < 1 )
Las probabilidades de selección dependerán del orden del archivo

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 60 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Método de Madow

Caracterı́sticas

Tamaño de la muestra=n (si n · Xi /X < 1 )


Probabilidad de selección proporcional a Xi (si n · Xi /X < 1 )
Las probabilidades de selección dependerán del orden del archivo

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 60 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Método de Madow

Caracterı́sticas

Tamaño de la muestra=n (si n · Xi /X < 1 )


Probabilidad de selección proporcional a Xi (si n · Xi /X < 1 )
Las probabilidades de selección dependerán del orden del archivo

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 60 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Método de Madow

Caracterı́sticas

Tamaño de la muestra=n (si n · Xi /X < 1 )


Probabilidad de selección proporcional a Xi (si n · Xi /X < 1 )
Las probabilidades de selección dependerán del orden del archivo

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 60 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Ejemplo de selección en un diseño de Madow

#S=4
Xi = 3, X2 = 2, X3 = 4, X4 = 5
n=2
Generamos un número e (pseudo) aleatorio uniformemente distribuido en
(0,1)
Supongamos e=0.17. La muestra seleccionada será entonces

V
i X π -0,170 Selec
1 3 0,4286 0,259 1
2 2 0,2857 0,544 0
3 4 0,5714 1,116 1
4 5 0,7143 1,830 0

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 61 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Muestreo con reposición

A cada unidad i se le asigna una probabilidad de extracción Pi


PN
i=1 Pi = 1
Se seleccionan las unidades, una a una, reponiendo las que se van
seleccionando

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 62 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Muestreo con reposición

A cada unidad i se le asigna una probabilidad de extracción Pi


PN
i=1 Pi = 1
Se seleccionan las unidades, una a una, reponiendo las que se van
seleccionando

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 62 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Muestreo con reposición

A cada unidad i se le asigna una probabilidad de extracción Pi


PN
i=1 Pi = 1
Se seleccionan las unidades, una a una, reponiendo las que se van
seleccionando

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 62 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Probabilidades de Selección
En algunos diseños muestrales básicos

MAS(n,N)
n(n−1)
πi = n/N πij = N(N−1) si i 6= j

Sist(I)

πi = 1/I πij = 1/I ∨ πij = 0

B(λ)

πi = λ πij = λ2 si i 6= j

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 63 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Diseños muestrales
Ejemplo de selección de muestras

Ejercicio I

U={1, 2, 3, 4, 5, 6, 7}

En cada uno de los diseños: MAS(3), Sist(2), B(0.43) hallar las


probabilidades de primer y segundo orden y los factores de expansión.
Seleccionar una muestra según cada uno de esos diseños.

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 64 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Diseños muestrales
Ejemplo de selección de muestras

Ejercicio I

U={1, 2, 3, 4, 5, 6, 7}

En cada uno de los diseños: MAS(3), Sist(2), B(0.43) hallar las


probabilidades de primer y segundo orden y los factores de expansión.
Seleccionar una muestra según cada uno de esos diseños.

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 64 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Diseños muestrales
Ejemplo de selección de muestras

Ejercicio II

U={1, 2, 3, 4, 5, 6, 7}

En un diseño de Madow, con probabilidades de selección


proporcionales a Xi=2, 1, 5, 3, 3, 1, 4 y tamaño n=3, hallar las
probabilidades de primer orden y los factores de expansión.
Seleccionar una muestra con ese diseño.

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 65 / 114


Diseños Muestrales Basicos Diseños Muestrales Básicos

Diseños muestrales
Ejemplo de selección de muestras

Ejercicio II

U={1, 2, 3, 4, 5, 6, 7}

En un diseño de Madow, con probabilidades de selección


proporcionales a Xi=2, 1, 5, 3, 3, 1, 4 y tamaño n=3, hallar las
probabilidades de primer orden y los factores de expansión.
Seleccionar una muestra con ese diseño.

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 65 / 114


Parámetros poblacionales y estimadores

Temario
1 Bibliografı́a
2 El muestreo de poblaciones finitas
3 El Muestreo probabilı́stico
4 Universo , marco de muestreo y muestra
5 Diseños Muestrales Basicos
6 Parámetros poblacionales y estimadores
Parámetros Poblacionales
Estimadores muestrales
Propiedades de un estimador muestral
Esperanza, Varianza y Desvı́o Standard de un estimador
Estimadores insesgados
7 Varianza y Desvı́o Standard de un estimador
8 Intervalos de confianza
Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 66 / 114
Parámetros poblacionales y estimadores Parámetros Poblacionales

Variables objetivo y medidas resumen

Variables objetivo
En la práctica, a cada unidad i le mediremos un vector de variables
i ∈ U , i −→ Yi = (Yi1 , Yi2 , ..., Yik )

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 67 / 114


Parámetros poblacionales y estimadores Parámetros Poblacionales

Variables objetivo y medidas resumen

Medidas resumen
Deseamos estimar alguna medida resumen de las Yi (o de algunas de sus
componentes)
PN
Total Y = i=1 Yi

PN
Media Y = i=1 Yi /N

PN
i=1 Yi
Razon R = PN
i=1 Xi

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 68 / 114


Parámetros poblacionales y estimadores Parámetros Poblacionales

Variables objetivo y medidas resumen

Medidas resumen
Deseamos estimar alguna medida resumen de las Yi (o de algunas de sus
componentes)
PN
Total Y = i=1 Yi

PN
Media Y = i=1 Yi /N

PN
i=1 Yi
Razon R = PN
i=1 Xi

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 68 / 114


Parámetros poblacionales y estimadores Parámetros Poblacionales

Variables objetivo y medidas resumen

Medidas resumen
Deseamos estimar alguna medida resumen de las Yi (o de algunas de sus
componentes)
PN
Total Y = i=1 Yi

PN
Media Y = i=1 Yi /N

PN
i=1 Yi
Razon R = PN
i=1 Xi

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 68 / 114


Parámetros poblacionales y estimadores Parámetros Poblacionales

Variables objetivo y medidas resumen

Medidas resumen
Deseamos estimar alguna medida resumen de las Yi (o de algunas de sus
componentes)
PN
Total Y = i=1 Yi

PN
Media Y = i=1 Yi /N

PN
i=1 Yi
Razon R = PN
i=1 Xi

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 68 / 114


Parámetros poblacionales y estimadores Parámetros Poblacionales

Variables objetivo y medidas resumen


Otras medidas resumen

Ingreso medio de los asalariados

Y Y
Cociente de dos totales R = X = X

Ejemplo: U universo de personas que habitan en hogares particulares

R = Ingreso medio percibido por los asalariados en el último mes

Y = masa total salarial percibida el último mes


X = total de asalariados

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 69 / 114


Parámetros poblacionales y estimadores Parámetros Poblacionales

Variables objetivo y medidas resumen


Otras medidas resumen

Ingreso medio de los asalariados

Y Y
Cociente de dos totales R = X = X

Ejemplo: U universo de personas que habitan en hogares particulares

R = Ingreso medio percibido por los asalariados en el último mes

Y = masa total salarial percibida el último mes


X = total de asalariados

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 69 / 114


Parámetros poblacionales y estimadores Parámetros Poblacionales

Variables objetivo y medidas resumen


Otras medidas resumen

Ingreso medio de los asalariados

Y Y
Cociente de dos totales R = X = X

Ejemplo: U universo de personas que habitan en hogares particulares

R = Ingreso medio percibido por los asalariados en el último mes

Y = masa total salarial percibida el último mes


X = total de asalariados

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 69 / 114


Parámetros poblacionales y estimadores Parámetros Poblacionales

Variables objetivo y medidas resumen


Otras medidas resumen

Ingreso medio de los asalariados

Y Y
Cociente de dos totales R = X = X

Ejemplo: U universo de personas que habitan en hogares particulares

R = Ingreso medio percibido por los asalariados en el último mes

Y = masa total salarial percibida el último mes


X = total de asalariados

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 69 / 114


Parámetros poblacionales y estimadores Parámetros Poblacionales

Variables objetivo y medidas resumen


Otras medidas resumen

Ingreso medio de los asalariados

Y Y
Cociente de dos totales R = X = X

Ejemplo: U universo de personas que habitan en hogares particulares

R = Ingreso medio percibido por los asalariados en el último mes

Y = masa total salarial percibida el último mes


X = total de asalariados

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 69 / 114


Parámetros poblacionales y estimadores Parámetros Poblacionales

Variables objetivo y medidas resumen


Otras medidas resumen

Ingreso medio de los asalariados

Y Y
Cociente de dos totales R = X = X

Ejemplo: U universo de personas que habitan en hogares particulares

R = Ingreso medio percibido por los asalariados en el último mes

Y = masa total salarial percibida el último mes


X = total de asalariados

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 69 / 114


Parámetros poblacionales y estimadores Parámetros Poblacionales

Variables objetivo y medidas resumen


Otras medidas resumen

Otras medidas resumen

1 PN
S2 = N−1 · i=1 (Yi − Ȳ )2

1 PN
Sxy = N−1 · i=1 (Yi − Ȳ ) · (Xi − X̄ )

Coeficiente de Gini, Etcétera

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 70 / 114


Parámetros poblacionales y estimadores Parámetros Poblacionales

Variables objetivo y medidas resumen


Otras medidas resumen

Otras medidas resumen

1 PN
S2 = N−1 · i=1 (Yi − Ȳ )2

1 PN
Sxy = N−1 · i=1 (Yi − Ȳ ) · (Xi − X̄ )

Coeficiente de Gini, Etcétera

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 70 / 114


Parámetros poblacionales y estimadores Parámetros Poblacionales

Variables objetivo y medidas resumen


Otras medidas resumen

Otras medidas resumen

1 PN
S2 = N−1 · i=1 (Yi − Ȳ )2

1 PN
Sxy = N−1 · i=1 (Yi − Ȳ ) · (Xi − X̄ )

Coeficiente de Gini, Etcétera

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 70 / 114


Parámetros poblacionales y estimadores Parámetros Poblacionales

Variables objetivo y medidas resumen


Otras medidas resumen

Otras medidas resumen

1 PN
S2 = N−1 · i=1 (Yi − Ȳ )2

1 PN
Sxy = N−1 · i=1 (Yi − Ȳ ) · (Xi − X̄ )

Coeficiente de Gini, Etcétera

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 70 / 114


Parámetros poblacionales y estimadores Estimadores muestrales

Estimadores muestrales

Deseamos estimar un parámetro θ mediante los valores Yi observados en


i ∈s
El parámetro θ será en la práctica alguna de las medidas resumen
habituales: media, total, cociente de dos totales...

Estimadores muestrales
Variable cuyos valor depende de los valores {Yi }i∈s de la muestra

Los estimadores muestrales son variables aleatorias


Sus valores dependen de la muestra seleccionada

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 71 / 114


Parámetros poblacionales y estimadores Estimadores muestrales

Estimadores muestrales

Deseamos estimar un parámetro θ mediante los valores Yi observados en


i ∈s
El parámetro θ será en la práctica alguna de las medidas resumen
habituales: media, total, cociente de dos totales...

Estimadores muestrales
Variable cuyos valor depende de los valores {Yi }i∈s de la muestra

Los estimadores muestrales son variables aleatorias


Sus valores dependen de la muestra seleccionada

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 71 / 114


Parámetros poblacionales y estimadores Estimadores muestrales

Estimadores muestrales

Deseamos estimar un parámetro θ mediante los valores Yi observados en


i ∈s
El parámetro θ será en la práctica alguna de las medidas resumen
habituales: media, total, cociente de dos totales...

Estimadores muestrales
Variable cuyos valor depende de los valores {Yi }i∈s de la muestra

Los estimadores muestrales son variables aleatorias


Sus valores dependen de la muestra seleccionada

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 71 / 114


Parámetros poblacionales y estimadores Estimadores muestrales

Estimadores muestrales

Deseamos estimar un parámetro θ mediante los valores Yi observados en


i ∈s
El parámetro θ será en la práctica alguna de las medidas resumen
habituales: media, total, cociente de dos totales...

Estimadores muestrales
Variable cuyos valor depende de los valores {Yi }i∈s de la muestra

Los estimadores muestrales son variables aleatorias


Sus valores dependen de la muestra seleccionada

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 71 / 114


Parámetros poblacionales y estimadores Estimadores muestrales

Estimadores muestrales: Variables Aleatorias

U + Diseño Muestral + Estimador θ̂

s1 −→ θ̂1 (Y )
s2 −→ θ̂2 (Y )
s3 −→ θ̂3 (Y )
s4 −→ θ̂4 (Y )
s5 −→ θ̂5 (Y )
.........

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 72 / 114


Parámetros poblacionales y estimadores Estimadores muestrales

Estimadores muestrales
Estimacion de la media poblacional

Ejemplo III
Supongamos una variable bajo estudio Yi

Seleccionamos s, una MAS(n,N)


A partir de s, calculamos la media muestral:

X
y= Yi
i∈s

Para cada muestra s tendremos una estimación y

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 73 / 114


Parámetros poblacionales y estimadores Estimadores muestrales

Estimadores muestrales
Estimacion de la media poblacional

Ejemplo III
Supongamos una variable bajo estudio Yi

Seleccionamos s, una MAS(n,N)


A partir de s, calculamos la media muestral:

X
y= Yi
i∈s

Para cada muestra s tendremos una estimación y

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 73 / 114


Parámetros poblacionales y estimadores Estimadores muestrales

Estimadores muestrales
Estimacion de la media poblacional

Ejemplo III
Supongamos una variable bajo estudio Yi

Seleccionamos s, una MAS(n,N)


A partir de s, calculamos la media muestral:

X
y= Yi
i∈s

Para cada muestra s tendremos una estimación y

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 73 / 114


Parámetros poblacionales y estimadores Estimadores muestrales

Estimadores muestrales
Estimacion de la media poblacional

Ejemplo III
Supongamos una variable bajo estudio Yi

Seleccionamos s, una MAS(n,N)


A partir de s, calculamos la media muestral:

X
y= Yi
i∈s

Para cada muestra s tendremos una estimación y

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 73 / 114


Parámetros poblacionales y estimadores Estimadores muestrales

Estimadores muestrales
Estimacion de la media poblacional

Ejemplo IV
Seleccionamos s, una muestra Sist(I)
A partir de s, calculamos la media muestral:

X
y= Yi /n(s)
i∈s

Ejemplo V
Seleccionamos s, una muestra Sist(I)
A partir de s, calculamos :

b = I · XY
Y i
N
i∈s
Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 74 / 114
Parámetros poblacionales y estimadores Estimadores muestrales

Estimadores muestrales
Estimacion de la media poblacional

Ejemplo IV
Seleccionamos s, una muestra Sist(I)
A partir de s, calculamos la media muestral:

X
y= Yi /n(s)
i∈s

Ejemplo V
Seleccionamos s, una muestra Sist(I)
A partir de s, calculamos :

b = I · XY
Y i
N
i∈s
Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 74 / 114
Parámetros poblacionales y estimadores Estimadores muestrales

Estimador de Horvitz-Thompson
Resultado importantes

En el Muestreo Aleatorio Simple...

t̂πy = N · ȳ

ˆt̄πy = ȳ

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 75 / 114


Parámetros poblacionales y estimadores Estimadores muestrales

Estimador de Horvitz-Thompson
Ejercicio I

#U=7, Yi = 2, 2, 6, 3, 8, 2, 12 P
Diseño muestral: Sist(3) Hallar 71 · N
i=1 Yi . Completar el siguiente cuadro

s ȳ ˆt̄πy
1, 4, 7 . .
Para hallar ˆt̄πy calcular
2, 5 . .
previamente los πi
3, 6 . .
Promedio . .

Comparar los promedios con Ȳ

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 76 / 114


Parámetros poblacionales y estimadores Estimadores muestrales

Estimador de Horvitz-Thompson
Ejercicio I

#U=7, Yi = 2, 2, 6, 3, 8, 2, 12 P
Diseño muestral: Sist(3) Hallar 71 · N
i=1 Yi . Completar el siguiente cuadro

s ȳ ˆt̄πy
1, 4, 7 . .
Para hallar ˆt̄πy calcular
2, 5 . .
previamente los πi
3, 6 . .
Promedio . .

Comparar los promedios con Ȳ

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 76 / 114


Parámetros poblacionales y estimadores Estimadores muestrales

Estimador de Horvitz-Thompson
Ejercicio I

#U=7, Yi = 2, 2, 6, 3, 8, 2, 12 P
Diseño muestral: Sist(3) Hallar 71 · N
i=1 Yi . Completar el siguiente cuadro

s ȳ ˆt̄πy
1, 4, 7 . .
Para hallar ˆt̄πy calcular
2, 5 . .
previamente los πi
3, 6 . .
Promedio . .

Comparar los promedios con Ȳ

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 76 / 114


Parámetros poblacionales y estimadores Propiedades de un estimador muestral

Estimadores
Propiedades deseables

Que el promedio (ponderado) de los valores posibles del estimador


coincidan con el parámetro a estimar: Estimador insesgado
Que haya poca dispersión entre los distintos valores que toma el
estimador: Poca varianza
Que los distintos valores del estimador estén cerca del valor a estimar:
Poco error medio cuadrático

⇒ Estimador acurado

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 77 / 114


Parámetros poblacionales y estimadores Propiedades de un estimador muestral

Estimadores
Propiedades deseables

Que el promedio (ponderado) de los valores posibles del estimador


coincidan con el parámetro a estimar: Estimador insesgado
Que haya poca dispersión entre los distintos valores que toma el
estimador: Poca varianza
Que los distintos valores del estimador estén cerca del valor a estimar:
Poco error medio cuadrático

⇒ Estimador acurado

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 77 / 114


Parámetros poblacionales y estimadores Propiedades de un estimador muestral

Estimadores
Propiedades deseables

Que el promedio (ponderado) de los valores posibles del estimador


coincidan con el parámetro a estimar: Estimador insesgado
Que haya poca dispersión entre los distintos valores que toma el
estimador: Poca varianza
Que los distintos valores del estimador estén cerca del valor a estimar:
Poco error medio cuadrático

⇒ Estimador acurado

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 77 / 114


Parámetros poblacionales y estimadores Propiedades de un estimador muestral

Representación gráfica de un estimador


Dispersión, precisión y acuracidad

Varianza Desvı́o Standard


Sesgo
Error Medio Cuadrático

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 78 / 114


Parámetros poblacionales y estimadores Propiedades de un estimador muestral

Representación gráfica de un estimador


Dispersión, precisión y acuracidad

Varianza Desvı́o Standard


Sesgo
Error Medio Cuadrático

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 78 / 114


Parámetros poblacionales y estimadores Propiedades de un estimador muestral

Representación gráfica de un estimador


Dispersión, precisión y acuracidad

Varianza Desvı́o Standard


Sesgo
Error Medio Cuadrático

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 78 / 114


Parámetros poblacionales y estimadores Esperanza, Varianza y Desvı́o Standard de un estimador

Esperanza de un estimador

Esperanza de un estimador
X
E (θ)
b = b · P(s)
θ(s)
s

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 79 / 114


Parámetros poblacionales y estimadores Estimadores insesgados

Estimadores insesgado

Estimador insesgado

Un estimador es insesgado si su valor esperanza coincide con el parámetro


a estimar para cualquier vector Yi = Yi1 , ..., YiN :

E (θ)
b =θ

El sesgo de un estimador será:


b = θ − E (θ)
Sesgo(θ) b

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 80 / 114


Parámetros poblacionales y estimadores Estimadores insesgados

Estimadores insesgados
Ejemplos importantes

En el Muestreo Aleatorio Simple

ȳ es un estimador insegado de la media poblacional Ȳ

s 2 es un estimador insegado de S 2

sxy es un estimador insegado de Sxy

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 81 / 114


Parámetros poblacionales y estimadores Estimadores insesgados

Estimadores insesgados
Ejemplos importantes

En el Muestreo Aleatorio Simple

ȳ es un estimador insegado de la media poblacional Ȳ

s 2 es un estimador insegado de S 2

sxy es un estimador insegado de Sxy

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 81 / 114


Parámetros poblacionales y estimadores Estimadores insesgados

Estimadores insesgados
Ejemplos importantes

En el Muestreo Aleatorio Simple

ȳ es un estimador insegado de la media poblacional Ȳ

s 2 es un estimador insegado de S 2

sxy es un estimador insegado de Sxy

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 81 / 114


Parámetros poblacionales y estimadores Estimadores insesgados

Estimadores insesgados
Ejemplos importantes

En el Muestreo Aleatorio Simple

ȳ es un estimador insegado de la media poblacional Ȳ

s 2 es un estimador insegado de S 2

sxy es un estimador insegado de Sxy

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 81 / 114


Parámetros poblacionales y estimadores Estimadores insesgados

Estimadores insesgados
Estimador de Horvitz - Thompson

t̂πy es un estimador insesgado del total poblacional

Demostración:
Utilizaremos para la demostración las variables indicadoras

X Yi N
X Yi
t̂πy = = Ii (s) · ⇒
πi πi
i∈s i=1

N N
X Yi X Yi
E (t̂πy ) = E ( Ii (s) · ) = E (Ii (s) · ) =
πi πi
i=1 i=1
N N N
X Yi X Yi X
= · E (Ii (s) = · πi = Yi = ty
πi πi
i=1 i=1 i=1

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 82 / 114


Parámetros poblacionales y estimadores Estimadores insesgados

Estimadores insesgados
Algunos ejemplos

En el Muestreo Sistemático:

La media muestral no es un estimador insesgado de la media poblacional,


salvo si I k N

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 83 / 114


Parámetros poblacionales y estimadores Estimadores insesgados

Estimadores insesgados
Algunos ejemplos

En el Muestreo Aleatorio Simple

y
R̂ =
x
no es un estimador insesgado de
Y
R=
X
El sesgo en la práctica es en general despreciable

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 84 / 114


Parámetros poblacionales y estimadores Estimadores insesgados

Estimadores insesgados
Ejercicio II (con Excel)

#U= 4, Yi = 2, 1, 4, 6 ; Xi = 3, 3, 8, 10

Muestreo aleatorio simple, n=3

Listar las 4 muestras posibles


Cuál es la probabilidad de selección de cada muestra?
Verificar que E(ȳ ) = Ȳ
Verificar que E(sy2 ) = Sy2
Verificar que E(syy ) = Sxy

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 85 / 114


Parámetros poblacionales y estimadores Estimadores insesgados

Estimadores insesgados
Ejercicio II (con Excel)

#U= 4, Yi = 2, 1, 4, 6 ; Xi = 3, 3, 8, 10

Muestreo aleatorio simple, n=3

Listar las 4 muestras posibles


Cuál es la probabilidad de selección de cada muestra?
Verificar que E(ȳ ) = Ȳ
Verificar que E(sy2 ) = Sy2
Verificar que E(syy ) = Sxy

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 85 / 114


Parámetros poblacionales y estimadores Estimadores insesgados

Estimadores insesgados
Ejercicio II (con Excel)

#U= 4, Yi = 2, 1, 4, 6 ; Xi = 3, 3, 8, 10

Muestreo aleatorio simple, n=3

Listar las 4 muestras posibles


Cuál es la probabilidad de selección de cada muestra?
Verificar que E(ȳ ) = Ȳ
Verificar que E(sy2 ) = Sy2
Verificar que E(syy ) = Sxy

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 85 / 114


Parámetros poblacionales y estimadores Estimadores insesgados

Estimadores insesgados
Ejercicio II (con Excel)

#U= 4, Yi = 2, 1, 4, 6 ; Xi = 3, 3, 8, 10

Muestreo aleatorio simple, n=3

Listar las 4 muestras posibles


Cuál es la probabilidad de selección de cada muestra?
Verificar que E(ȳ ) = Ȳ
Verificar que E(sy2 ) = Sy2
Verificar que E(syy ) = Sxy

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 85 / 114


Parámetros poblacionales y estimadores Estimadores insesgados

Estimadores insesgados
Ejercicio II (con Excel)

#U= 4, Yi = 2, 1, 4, 6 ; Xi = 3, 3, 8, 10

Muestreo aleatorio simple, n=3

Listar las 4 muestras posibles


Cuál es la probabilidad de selección de cada muestra?
Verificar que E(ȳ ) = Ȳ
Verificar que E(sy2 ) = Sy2
Verificar que E(syy ) = Sxy

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 85 / 114


Parámetros poblacionales y estimadores Estimadores insesgados

Estimadores insesgados
Ejercicio III (con Excel)

#U= 4, Yi = 1, 2, 3, 4 ; Xi = 2, 3, 6, 8

Muestreo aleatorio simple, n=3


Ȳ ȳ
Deseamos estimar R = X̄
mediante R̂ = x̄

Verificar que R̂ no es un estimador insesgado de R


Hallar sesgo y sesgo relativo de R̂

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 86 / 114


Parámetros poblacionales y estimadores Estimadores insesgados

Estimadores insesgados
Ejercicio III (con Excel)

#U= 4, Yi = 1, 2, 3, 4 ; Xi = 2, 3, 6, 8

Muestreo aleatorio simple, n=3


Ȳ ȳ
Deseamos estimar R = X̄
mediante R̂ = x̄

Verificar que R̂ no es un estimador insesgado de R


Hallar sesgo y sesgo relativo de R̂

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 86 / 114


Varianza y Desvı́o Standard de un estimador

Temario
1 Bibliografı́a
2 El muestreo de poblaciones finitas
3 El Muestreo probabilı́stico
4 Universo , marco de muestreo y muestra
5 Diseños Muestrales Basicos
6 Parámetros poblacionales y estimadores
7 Varianza y Desvı́o Standard de un estimador
Varianza y Desvı́o Standard de un estimador
Sesgo y Error Medio Cuadrático
Varianza del estimador de Horvitz-Thompson
Varianza de la media muestral en el MAS
Variables dicotómicas y estimación de proporciones
DS y CV
8 Intervalos de confianza
Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 87 / 114
Varianza y Desvı́o Standard de un estimador Varianza y Desvı́o Standard de un estimador

Varianza y Desvı́o Standard de un estimador

Varianza de un estimador
X
b − E (θ(s))) 2
Var (θ) = (θ(s) b · P(s)
s

Desvı́o standard de un estimador


q
DS (θ) = Var (θ(s))
b

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 88 / 114


Varianza y Desvı́o Standard de un estimador Varianza y Desvı́o Standard de un estimador

Varianza y Desvı́o Standard de un estimador

Varianza de un estimador
X
b − E (θ(s))) 2
Var (θ) = (θ(s) b · P(s)
s

Desvı́o standard de un estimador


q
DS (θ) = Var (θ(s))
b

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 88 / 114


Varianza y Desvı́o Standard de un estimador Sesgo y Error Medio Cuadrático

Sesgo y Error Medio Cuadrático

Sesgo de un estimador
b = θ − E (θ)
Sesgo(θ) b

EMC de un estimador
X
EMC (θ) = b − θ)2 · P(s) = Var + Sesgo 2
(θ(s)
s

En la práctica nos interesará obtener estimadores con poco EMC

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 89 / 114


Varianza y Desvı́o Standard de un estimador Sesgo y Error Medio Cuadrático

Sesgo y Error Medio Cuadrático

Sesgo de un estimador
b = θ − E (θ)
Sesgo(θ) b

EMC de un estimador
X
EMC (θ) = b − θ)2 · P(s) = Var + Sesgo 2
(θ(s)
s

En la práctica nos interesará obtener estimadores con poco EMC

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 89 / 114


Varianza y Desvı́o Standard de un estimador Varianza del estimador de Horvitz-Thompson

Varianza del estimador de Horvitz-Thompson

Se cumple lo siguiente:

X Yi Yj
V (t̂πy ) = ∆ij · · =
Yi Yj
i,j

N
X X
= Yi2 · (1/πi − 1) + Yi Yj · (πij /(πi πj ) − 1)
i=1 i6=j

Y si todos los πij > 0 , un estimador insesgado de V (t̂πy ) será

X ∆ij Yi Yj
V̂ (t̂πy ) = · ·
πij πi πj
i,j∈s

(este estimador puede tomar valores negativos en algunos diseños)


Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 90 / 114
Varianza y Desvı́o Standard de un estimador Varianza del estimador de Horvitz-Thompson

Varianza del estimador de Horvitz-Thompson


Forma de Sen-Yates-Grundy

Si el diseño muestral tiene tamaño de muestra fijo entonces

1X Yi Yj
V (t̂πy ) = − ∆ij ( − )2
2 πi πj
i,j

Que se estima en forma insesgada (si todos los πij > 0) mediante

1 X ∆ij Yi Yi
V̂ (t̂πy ) = − ( − )2
2 πij πi πi
i,j

Condición de S-Y-G: ∆ij < 0

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 91 / 114


Varianza y Desvı́o Standard de un estimador Varianza del estimador de Horvitz-Thompson

Cuando el estimador de H-T tendrá poca varianza?

Tamaño de muestra fijo


Probabilidades de selección (aprox.) proporcionales a Yi

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 92 / 114


Varianza y Desvı́o Standard de un estimador Varianza del estimador de Horvitz-Thompson

Cuando el estimador de H-T tendrá poca varianza?

Tamaño de muestra fijo


Probabilidades de selección (aprox.) proporcionales a Yi

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 92 / 114


Varianza y Desvı́o Standard de un estimador Varianza del estimador de Horvitz-Thompson

Cuando el estimador de H-T tendrá poca varianza?


Ejercicio V

#U= 4, Yi = 10.1, 4.8, 6.9, 8.1

s1 ={1, 2, 3} ; s2 = {1, 2, 4} ; s3 ={1, 3, 4}

P(s1 )=0.2 ; P(s2 )=0.3 ; P(s2 )=0.5

Halar los π
Verificar que E(t̂πy ) = ty
Hallar Var(t̂πy )
Hallar CV(t̂πy )
Hallar las relaciones Yi /pii

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 93 / 114


Varianza y Desvı́o Standard de un estimador Varianza del estimador de Horvitz-Thompson

Cuando el estimador de H-T tendrá poca varianza?


Ejercicio V

#U= 4, Yi = 10.1, 4.8, 6.9, 8.1

s1 ={1, 2, 3} ; s2 = {1, 2, 4} ; s3 ={1, 3, 4}

P(s1 )=0.2 ; P(s2 )=0.3 ; P(s2 )=0.5

Halar los π
Verificar que E(t̂πy ) = ty
Hallar Var(t̂πy )
Hallar CV(t̂πy )
Hallar las relaciones Yi /pii

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 93 / 114


Varianza y Desvı́o Standard de un estimador Varianza del estimador de Horvitz-Thompson

Cuando el estimador de H-T tendrá poca varianza?


Ejercicio V

#U= 4, Yi = 10.1, 4.8, 6.9, 8.1

s1 ={1, 2, 3} ; s2 = {1, 2, 4} ; s3 ={1, 3, 4}

P(s1 )=0.2 ; P(s2 )=0.3 ; P(s2 )=0.5

Halar los π
Verificar que E(t̂πy ) = ty
Hallar Var(t̂πy )
Hallar CV(t̂πy )
Hallar las relaciones Yi /pii

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 93 / 114


Varianza y Desvı́o Standard de un estimador Varianza del estimador de Horvitz-Thompson

Cuando el estimador de H-T tendrá poca varianza?


Ejercicio V

#U= 4, Yi = 10.1, 4.8, 6.9, 8.1

s1 ={1, 2, 3} ; s2 = {1, 2, 4} ; s3 ={1, 3, 4}

P(s1 )=0.2 ; P(s2 )=0.3 ; P(s2 )=0.5

Halar los π
Verificar que E(t̂πy ) = ty
Hallar Var(t̂πy )
Hallar CV(t̂πy )
Hallar las relaciones Yi /pii

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 93 / 114


Varianza y Desvı́o Standard de un estimador Varianza del estimador de Horvitz-Thompson

Cuando el estimador de H-T tendrá poca varianza?


Ejercicio V

#U= 4, Yi = 10.1, 4.8, 6.9, 8.1

s1 ={1, 2, 3} ; s2 = {1, 2, 4} ; s3 ={1, 3, 4}

P(s1 )=0.2 ; P(s2 )=0.3 ; P(s2 )=0.5

Halar los π
Verificar que E(t̂πy ) = ty
Hallar Var(t̂πy )
Hallar CV(t̂πy )
Hallar las relaciones Yi /pii

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 93 / 114


Varianza y Desvı́o Standard de un estimador Varianza del estimador de Horvitz-Thompson

Cuando el estimador de H-T tendrá poca varianza?


Ejercicio V

#U= 4, Yi = 10.1, 4.8, 6.9, 8.1

s1 ={1, 2, 3} ; s2 = {1, 2, 4} ; s3 ={1, 3, 4}

P(s1 )=0.2 ; P(s2 )=0.3 ; P(s2 )=0.5

Halar los π
Verificar que E(t̂πy ) = ty
Hallar Var(t̂πy )
Hallar CV(t̂πy )
Hallar las relaciones Yi /pii

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 93 / 114


Varianza y Desvı́o Standard de un estimador Varianza del estimador de Horvitz-Thompson

Otro estimador usual


Estimador de Hajek

Si el diseño muestra no tiene tamaño fijo un estimador de la media que


puede ser preferible al π estimador es el llamado estimador de Hajek:

El estimador de Hajek para la media es

ˆt̄Hy = P t̂πy
i∈s 1/πi

El estimador análogo para el total será:

t̂Hy = N · ˆt̄Hy

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 94 / 114


Varianza y Desvı́o Standard de un estimador Varianza de la media muestral en el MAS

Varianza de la media muestral en el MAS

En el Muestreo Aleatorio Simple


n S2
Var( ȳ ) = (1 - N) · n

N
1
Donde S 2 = (Yi − Ȳ )2
P
N ·
i=1

De aquı́ se deduce
n S2
Var(N ·ȳ ) = N 2 · (1 − N) · n

En la práctica estimaremos S 2 con s 2

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 95 / 114


Varianza y Desvı́o Standard de un estimador Varianza de la media muestral en el MAS

Varianza de la media muestral en el MAS

En el Muestreo Aleatorio Simple


n S2
Var( ȳ ) = (1 - N) · n

N
1
Donde S 2 = (Yi − Ȳ )2
P
N ·
i=1

De aquı́ se deduce
n S2
Var(N ·ȳ ) = N 2 · (1 − N) · n

En la práctica estimaremos S 2 con s 2

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 95 / 114


Varianza y Desvı́o Standard de un estimador Varianza de la media muestral en el MAS

Varianza de la media muestral en el MAS

En el Muestreo Aleatorio Simple


n S2
Var( ȳ ) = (1 - N) · n

N
1
Donde S 2 = (Yi − Ȳ )2
P
N ·
i=1

De aquı́ se deduce
n S2
Var(N ·ȳ ) = N 2 · (1 − N) · n

En la práctica estimaremos S 2 con s 2

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 95 / 114


Varianza y Desvı́o Standard de un estimador Varianza de la media muestral en el MAS

Varianza de la media muestral en el MAS

En el Muestreo Aleatorio Simple


n S2
Var( ȳ ) = (1 - N) · n

N
1
Donde S 2 = (Yi − Ȳ )2
P
N ·
i=1

De aquı́ se deduce
n S2
Var(N ·ȳ ) = N 2 · (1 − N) · n

En la práctica estimaremos S 2 con s 2

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 95 / 114


Varianza y Desvı́o Standard de un estimador Varianza de la media muestral en el MAS

Varianza de la media muestral en el MAS


Ejercicio IV

#U = 9

Yi = 10 , 12 , 8 , 6 , 5, 14 , 16 , 8 , 3
Diseño muestral: MAS(4)

Cuántas muestras posibles hay?


Cuál es la probabilidad de selección de cada muestra?
Aplicando las fórmulas hallar el Var y DS de ȳ

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 96 / 114


Varianza y Desvı́o Standard de un estimador Varianza de la media muestral en el MAS

Varianza de la media muestral en el MAS


Ejercicio IV

#U = 9

Yi = 10 , 12 , 8 , 6 , 5, 14 , 16 , 8 , 3
Diseño muestral: MAS(4)

Cuántas muestras posibles hay?


Cuál es la probabilidad de selección de cada muestra?
Aplicando las fórmulas hallar el Var y DS de ȳ

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 96 / 114


Varianza y Desvı́o Standard de un estimador Varianza de la media muestral en el MAS

Varianza de la media muestral en el MAS


Ejercicio IV

#U = 9

Yi = 10 , 12 , 8 , 6 , 5, 14 , 16 , 8 , 3
Diseño muestral: MAS(4)

Cuántas muestras posibles hay?


Cuál es la probabilidad de selección de cada muestra?
Aplicando las fórmulas hallar el Var y DS de ȳ

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 96 / 114


Varianza y Desvı́o Standard de un estimador Varianza de la media muestral en el MAS

Covarianza de dos medias complementarias en el MAS


-De U selecccionamos una MAS s1 → ȳ1
-De U-s1 seleccionamos una MAS s2 → ȳ2

Queremos hallar la covarianza entre ȳ1 y ȳ2


Utilizamos esperanza condicional:

Cov (ȳ1 , ȳ2 ) = E (ȳ1 · ȳ2 ) − E (ȳ1 ) · E (ȳ2 )

= Es1 (E (ȳ1 · ȳ1 |s1 )) − Ȳ 2 = Es1 (ȳ1 E (ȳ2 |s1 )) − Ȳ 2


Es1 (ȳ1 · ((Ȳ − W1 ȳ1 )/W 2) − Ȳ 2
Ȳ 2 /W 2 − E (W1 · ȳ12 /W2 ) − Ȳ 2
Ȳ 2 (1/W 2 − 1) − (W1 /W2 )(Var (ȳ1 2 )
= (W1 /W2 ) · Ȳ 2 − (W1 /W2 ) · Var (ȳ1 )

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 97 / 114


Varianza y Desvı́o Standard de un estimador Variables dicotómicas y estimación de proporciones

Variables dicotómicas
Estimación de proporciones


1 si i ∈ C

Yi =

0 si i ∈
/C

ty = #C

#C
t̄y = =P
N

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 98 / 114


Varianza y Desvı́o Standard de un estimador Variables dicotómicas y estimación de proporciones

Variables dicotómicas y MAS


Estimación de proporciones

P = Ȳ , Q =1−P

N n
S2 = · PQ , s2 = · pq
N −1 n−1

n N 1
V (p) = (1 − )· · PQ ·
N N −1 n

n 1
V̂ (p) = (1 − ) · pq ·
N n−1

E (V̂ (ȳ )) = V (ȳ )


Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 99 / 114
Varianza y Desvı́o Standard de un estimador Variables dicotómicas y estimación de proporciones

Variables dicotómicas y MAS


Estimación de proporciones

P = Ȳ , Q =1−P

N n
S2 = · PQ , s2 = · pq
N −1 n−1

n N 1
V (p) = (1 − )· · PQ ·
N N −1 n

n 1
V̂ (p) = (1 − ) · pq ·
N n−1

E (V̂ (ȳ )) = V (ȳ )


Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 99 / 114
Varianza y Desvı́o Standard de un estimador Variables dicotómicas y estimación de proporciones

Variables dicotómicas y MAS


Estimación de proporciones

P = Ȳ , Q =1−P

N n
S2 = · PQ , s2 = · pq
N −1 n−1

n N 1
V (p) = (1 − )· · PQ ·
N N −1 n

n 1
V̂ (p) = (1 − ) · pq ·
N n−1

E (V̂ (ȳ )) = V (ȳ )


Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 99 / 114
Varianza y Desvı́o Standard de un estimador Variables dicotómicas y estimación de proporciones

Variables dicotómicas y MAS


Estimación de proporciones

P = Ȳ , Q =1−P

N n
S2 = · PQ , s2 = · pq
N −1 n−1

n N 1
V (p) = (1 − )· · PQ ·
N N −1 n

n 1
V̂ (p) = (1 − ) · pq ·
N n−1

E (V̂ (ȳ )) = V (ȳ )


Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 99 / 114
Varianza y Desvı́o Standard de un estimador Variables dicotómicas y estimación de proporciones

Estimación con muestras pequeñas


La distribución hipergeométrica

Sea un universo U, #U=n , A ⊆ U, #A=C


Deseamos estimar P = C /N mediante una MAS(n)
Se tiene que Prob(a unidades de C en s)=
     
A N −A N
= · /
a n−a n

Esta distribución permite obtener un intervalo de confianza para estimar


proporciones pequeñas

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 100 / 114


Varianza y Desvı́o Standard de un estimador Variables dicotómicas y estimación de proporciones

Estimación con muestras pequeñas


Intervalos de confianza con muestras pequeñas

Por ejemplo, el lı́mite superior se obtiene ası́:

-Fijamos un nivel α pequeño, por ejemplo α = 0,05


-Hallamos la cantidad a de unidades en la muestra que están en C
-Hallamos el valor ÂU tal que se cumpla:
a
X
Pr (j unidades de C en la muestra|ÂU ) ≈ α
j=0

ÂU será el lı́mite superior del intervalo de confianza

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 101 / 114


Varianza y Desvı́o Standard de un estimador Variables dicotómicas y estimación de proporciones

Estimación de una razón en el Muestreo Aleatorio Simple


R=


R̂ = x̄ (no es un estimador insesgado de R en el MAS)

  1 (1 − f )
Var R̂ ≈ 2 · · (Sy2 + R 2 · Sx2 − 2 · R · Sxy )
X̄ n

= (en el MAS) X̄12 · (1−f


n
) PN
· i=1 (Yi − RXi )2 · N−1 1

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 102 / 114


Varianza y Desvı́o Standard de un estimador Variables dicotómicas y estimación de proporciones

Estimación de una razón en el Muestreo Aleatorio Simple


R=


R̂ = x̄ (no es un estimador insesgado de R en el MAS)

  1 (1 − f )
Var R̂ ≈ 2 · · (Sy2 + R 2 · Sx2 − 2 · R · Sxy )
X̄ n

= (en el MAS) X̄12 · (1−f


n
) PN
· i=1 (Yi − RXi )2 · N−1 1

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 102 / 114


Varianza y Desvı́o Standard de un estimador Variables dicotómicas y estimación de proporciones

Diseño de Midzuno

Se supone una variable auxiliar Xi > 0


1. Se selecciona una unidad con probabilidad Xi /X
2. Se seleccionan mediante un MAS las restantes n-1 unidades

Propiedades del diseño de Midzuno:


-Es un diseño de tamaño fijo n(s)=n
-Probabilidades de selección aproximadamente proporcionales a Xi
Xi
-πi = N−nN−1 X + N−1
n−1

-E (ȳ /x̄) = Ȳ /X̄


-P(s) = X̂ 1
X · (N )
n
-∆ij ≤ 0

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 103 / 114


Varianza y Desvı́o Standard de un estimador DS y CV

Precisión / Variabilidad de un estimador


Desvı́o Standard y CV

Desvı́o Standard
r  
Var θb

En promedio, cuanto se aleja el estimador de su valor medio

Coeficiente de Variación
DS(θ)
b
100 ·
θ
(θ 6= 0)
Nos dice qué proporción del valor a estimar es el DS

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 104 / 114


Varianza y Desvı́o Standard de un estimador DS y CV

Precisión / Variabilidad de un estimador


Desvı́o Standard y CV

Desvı́o Standard
r  
Var θb

En promedio, cuanto se aleja el estimador de su valor medio

Coeficiente de Variación
DS(θ)
b
100 ·
θ
(θ 6= 0)
Nos dice qué proporción del valor a estimar es el DS

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 104 / 114


Varianza y Desvı́o Standard de un estimador DS y CV

Coeficiente de Variación - Ejemplo

θ=280kg

DS(θ)=28kg
b

CV = 10 %

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 105 / 114


Varianza y Desvı́o Standard de un estimador DS y CV

Coeficiente de Variación - Ejemplo

θ=280kg

DS(θ)=28kg
b

CV = 10 %

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 105 / 114


Varianza y Desvı́o Standard de un estimador DS y CV

Coeficiente de Variación - Ejemplo

θ=280kg

DS(θ)=28kg
b

CV = 10 %

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 105 / 114


Varianza y Desvı́o Standard de un estimador DS y CV

Coeficiente de Variación
Algunas propiedades

El CV no tiene unidad de medida: podemos comparar la precisión de


dos estimadores (insesgados)
Estimador del total de Tn de arroz producidas vs Estimador del
ingreso total familiar
No varı́a con un cambio de unidad de medida por un factor > 0
Interpretar con precaución (Un CV alto ⇒ estimación poco
confiable?)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 106 / 114


Varianza y Desvı́o Standard de un estimador DS y CV

Coeficiente de Variación
Algunas propiedades

El CV no tiene unidad de medida: podemos comparar la precisión de


dos estimadores (insesgados)
Estimador del total de Tn de arroz producidas vs Estimador del
ingreso total familiar
No varı́a con un cambio de unidad de medida por un factor > 0
Interpretar con precaución (Un CV alto ⇒ estimación poco
confiable?)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 106 / 114


Varianza y Desvı́o Standard de un estimador DS y CV

Coeficiente de Variación
Algunas propiedades

El CV no tiene unidad de medida: podemos comparar la precisión de


dos estimadores (insesgados)
Estimador del total de Tn de arroz producidas vs Estimador del
ingreso total familiar
No varı́a con un cambio de unidad de medida por un factor > 0
Interpretar con precaución (Un CV alto ⇒ estimación poco
confiable?)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 106 / 114


Varianza y Desvı́o Standard de un estimador DS y CV

Coeficiente de Variación
Algunas propiedades

El CV no tiene unidad de medida: podemos comparar la precisión de


dos estimadores (insesgados)
Estimador del total de Tn de arroz producidas vs Estimador del
ingreso total familiar
No varı́a con un cambio de unidad de medida por un factor > 0
Interpretar con precaución (Un CV alto ⇒ estimación poco
confiable?)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 106 / 114


Varianza y Desvı́o Standard de un estimador DS y CV

Coeficiente de Variación
Ejercicio VI

#U = 4

Yi = 0.101 , 0.2402 , -0.337 , 0.004

Hallar el DS de la serie de 4 valores


Hallar el CV (en %) de la serie de 4 valores
Repetir el ejercicio con la variable Zi = 120 · Yi

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 107 / 114


Varianza y Desvı́o Standard de un estimador DS y CV

Coeficiente de Variación
Ejercicio VI

#U = 4

Yi = 0.101 , 0.2402 , -0.337 , 0.004

Hallar el DS de la serie de 4 valores


Hallar el CV (en %) de la serie de 4 valores
Repetir el ejercicio con la variable Zi = 120 · Yi

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 107 / 114


Varianza y Desvı́o Standard de un estimador DS y CV

Coeficiente de Variación
Ejercicio VI

#U = 4

Yi = 0.101 , 0.2402 , -0.337 , 0.004

Hallar el DS de la serie de 4 valores


Hallar el CV (en %) de la serie de 4 valores
Repetir el ejercicio con la variable Zi = 120 · Yi

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 107 / 114


Intervalos de confianza

Temario

1 Bibliografı́a
2 El muestreo de poblaciones finitas
3 El Muestreo probabilı́stico
4 Universo , marco de muestreo y muestra
5 Diseños Muestrales Basicos
6 Parámetros poblacionales y estimadores
7 Varianza y Desvı́o Standard de un estimador
8 Intervalos de confianza

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 108 / 114


Intervalos de confianza

Distribución de los estimadores usuales


(Supuesto de normalidad )

Bajo el supuesto de que nuestro estimador se distribuye aproximadamente


como una normal

(θb − 1,64 · DS(θ);


b θb + 1,64 · DS(θ))
b

será un intervalo de confianza al 90 % de confianza

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 109 / 114


Intervalos de confianza

Varianza de la media muestral en el MAS


Ejercicio VII

Deseamos estimar la media de edades (Yi ) en un curso con 60 alumnos


Seleccionamos una MAS de 24 alumnos, obteniendo

yi = 30 , 32 , 28 , 36 , 45, 24 , 36 , 38 , 33, 36
42 , 31 , 39 , 35 , 29, 37 , 28 , 29 , 30, 30
39 , 35 , 29 , 37

Estimar con dicha muestra la edad promedio en el curso


Dar un intervalo de confianza al 90 % para la estimación

(suponemos que ȳ sigue en este caso una distribución aproximadamente


normal)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 110 / 114


Intervalos de confianza

Varianza de la media muestral en el MAS


Ejercicio VII

Deseamos estimar la media de edades (Yi ) en un curso con 60 alumnos


Seleccionamos una MAS de 24 alumnos, obteniendo

yi = 30 , 32 , 28 , 36 , 45, 24 , 36 , 38 , 33, 36
42 , 31 , 39 , 35 , 29, 37 , 28 , 29 , 30, 30
39 , 35 , 29 , 37

Estimar con dicha muestra la edad promedio en el curso


Dar un intervalo de confianza al 90 % para la estimación

(suponemos que ȳ sigue en este caso una distribución aproximadamente


normal)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 110 / 114


Intervalos de confianza

Varianza de la media muestral en el MAS


Ejercicio VII

Deseamos estimar la media de edades (Yi ) en un curso con 60 alumnos


Seleccionamos una MAS de 24 alumnos, obteniendo

yi = 30 , 32 , 28 , 36 , 45, 24 , 36 , 38 , 33, 36
42 , 31 , 39 , 35 , 29, 37 , 28 , 29 , 30, 30
39 , 35 , 29 , 37

Estimar con dicha muestra la edad promedio en el curso


Dar un intervalo de confianza al 90 % para la estimación

(suponemos que ȳ sigue en este caso una distribución aproximadamente


normal)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 110 / 114


Intervalos de confianza

Varianza de la media muestral en el MAS


Ejercicio VII

Deseamos estimar la media de edades (Yi ) en un curso con 60 alumnos


Seleccionamos una MAS de 24 alumnos, obteniendo

yi = 30 , 32 , 28 , 36 , 45, 24 , 36 , 38 , 33, 36
42 , 31 , 39 , 35 , 29, 37 , 28 , 29 , 30, 30
39 , 35 , 29 , 37

Estimar con dicha muestra la edad promedio en el curso


Dar un intervalo de confianza al 90 % para la estimación

(suponemos que ȳ sigue en este caso una distribución aproximadamente


normal)

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 110 / 114


Intervalos de confianza

Tamaño de muestra en el MAS I


Estimación de la media poblacional con DS pre asignado

n S2
De la fórmula básica Var (ȳ ) = (1 − N)· n se deduce que el n mı́nimo que

hace que
DS(ȳ ) < c es

S2
n=
V + S 2 /N
(en la práctica redondearemos n a un entero)

En el caso de la estimación de una proporción P, si sabemos que


P1 ≤ P ≤ P2 ≤ 0,5 entonces el caso más ’desfavorable’ (para el DS) es P2
Si 0,5 ≤ P1 ≤ P ≤ P2 , el P más ’desfavorable’ (para el DS) será P1

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 111 / 114


Intervalos de confianza

Tamaño de muestra en el MAS II


Estimación de la media poblacional con CV pre asignado

Si lo que se desea es un n que garantice que el CV (ȳ ) sea menor que


cierto c, entonces deberá ser:

S2
n≥
(c/100)2 · Ȳ 2 + S 2 /N
En la práctica redondearemos n a un entero

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 112 / 114


Intervalos de confianza

Tamaño de muestra en el MAS III


Estimación de una proporción con CV pre asignado

En el caso de la estimación de una proporción P la fórmula anterior queda:

PQ
n≈ =
(c/100)2 · P 2 + PQ/N

Q
(c/100)2 · P + Q/N

En el caso de una población real, Q/N será probablemente despreciable, lo


que muestra que basta que P tienda a cero para que el n necesario tienda
a infinito.

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 113 / 114


Intervalos de confianza

Tamaño de muestra en el MAS IV


Estimación de una proporción con CV pre asignado

En la práctica no conocemos P, pero si sabemos que P1 ≤ P ≤ P2 ≤ 0,5,


entonces el P más ’desfavorable’ (para el CV) será P1

Si 0,5 ≤ P1 ≤ P ≤ P2 , el P más ’desfavorable’ (para el CV) será P2

Augusto E. Hoszowski (UNTREF) Licenciatura en Estadistica I Cuatrimestre 2017 114 / 114

También podría gustarte