Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESCUELA DE ESTADÍSTICA
CURSOS DE MUESTREO
Profesor: M.Sc. Johnny Madrigal Pana
Notación de los libros de Kish, L., Encuestas por muestreo
y de Cochran, W. Técnicas de muestreo
( y - y ) ( y ) 1
2 2
i
1 n i
2
s = = [ wi yi - ]
wi
n-1
2
s =
i=1
= [ yi 2 - i=1
] n-1 n-1
n-1 i=1 n
Error s Total de la
s( y ) = var( y ) = (1- f) variable y
Y=Ny
estándar de
la media n
Error Límites de Media
estándar del confianza
s
total
s y z/2 1 - f
s(N y ) = Ns( y ) = N (1- f) n
n
Total
s
N y z/2 N 1 - f
n
Variancia var( y - x ) = (1- f)( s 2x + s 2y - 2 s x y ) También se 1 s
2
para la puede var( y , x ) = var( d j ) = (1- f) d
diferencia de considerar n n
medias donde
donde
s yx 1 1 n
(d j )
yx 2
n n n-1
2 muestras s y x = cov( y , x ) = = ( y i xi - ) 1
no independ i=1 n 2
s =
d [ d 2j - ]
n-1 n
2 muestras
independ
var( y - x ) = (1- f)( s 2y + s 2x )
Estimación n Variancia de n 2
de razón y
y i la razón ( y - r x )
i i
r= = i=1
n
2
s r = var(r)=
i=1
x x
i=1
i
n-1
2
Error n 2
estándar de
la estimación 1- f ( y i - r xi )
i=1
1- f y i2 - 2r y i xi + r 2 xi2
de razón s r = var(r)= =
nx n-1 nx n-1
Proporciones y a Variancia de
p= y= = una
n n 2 p(1- p)
proporción s p = var(p)= (1- f)
donde a es el número de n-1
elementos que tienen la
característica de estudio
(a=1 o a=0)
Error Límite de
p(1- p) pq 1
estándar de s p = var(p)= (1- f) confianza p [ z/2 1 - f + ]
una n-1 para p n - 1 2n
proporción
Estimación Error
del total en estándar del p(1- p)
Y = Np s Np = var(Np)= N (1- f)
proporciones total en n-1
proporciones
Coeficiente Coeficiente
var( ) sy
de variación. CV = de variación cv y =
Fórmula E( ) por elemento y
general
Coeficiente sy Coeficiente sN y s y
de variación cv y = de variación cvNy = =
de la media y para el total Ny y
Coeficiente
pq
de variación
para una n = q
proporción
cv p =
p np
n n 2
Caso y= yj Caso var( y ) = 2 h sh
general j=1 general n h=1
Media Variancia:
Caso de Caso de
H 2
(1- f) (1- f) H y (n - y h )
n p h q h= 2 h
proporción 1 n proporción nh
n
var(p)=
con p= pj con n
2
h=1 h - 1 n h=1 nh - 1
asignación j=1 asignación
proporcional proporcional
Media Variancia
Asignación Tamaño de
óptima de la nh = n
W h sh / ch
=n
N h sh / ch
muestra para (C - c0 )( N h s h / c h )
( W h s h / c h ) ( N h s h / c h ) n=
muestra costo fijo ( N h s h c h )
Tamaño de ( W h s h ch )( W h s h / ch ) Tamaño de
muestra para n= muestra fijo W h sh N s
1 nh = n =n h h
variancia fija V + W h s 2h (Neyman) W h sh N h sh
N
Variancia Tamaño de 1 W 2h s 2h
mínima para muestra en
n0 =
( W h s h ) W h s 2h
2
n fija general V wh
var( y ) = - (caso de
n N n0
promedio) n=
1
1+ W h s 2h
NV
Caso Caso W h s 2h
W h sh
2
particular de particular de n0 =
asignación n= asignación V
1
óptima V + W h s 2h proporcional n0
supuesto N (caso del n=
(caso del promedio) 1+ n0
promedio) N
Tamaño de Caso
2 2
muestra en particular de
N h sh
general ( N h sh ) 2 asignación
wh
(caso del n= óptima n=
total) V + N h s 2h supuesta V + N h s 2h
(caso del
total)
4
Caso N
particular de n0 = N h s 2h
asignación V
proporcional n0
(caso del n=
total) 1+ n0
N
MUESTREO SISTEMÁTICO
Modelo de Modelo de
selecciones selecciones
1- f n/2
1 - f m
pareadas
( yha - yhb ) pareadas
2
var( y ) = var( y ) = ( y ha - y hb )2
para n par n
2
h para m´ n(2m ) h
pares =
(n+1)/2
(impares)
Modelo de 1 - f n -1
2n(n- 1)
diferencias var( y ) = ( y g - y g+1 )2
g
sucesivas
MUESTREO REPLICADO
Promedio 1 c Variancia
c
( x )
2
1- f 1- f
x= x var( x ) = ( x - x )2 = [ x2 - ]
c(c - 1) c(c - 1) c
5
Submuestreo de conglomerados
Media Variancia 2
sa
y 1 1 a b a var( y ) = (1- f)
y= =
n ab y = y a a
a 1 2
2
sa = [ ( y - y ) ]
a-1
Variancia (1 - f) s 2y
alternativa var( y ) =
a b2
1 ( y ) 2
2 2 2
s = b sa =
y [ y2 - ]
a -1 a
[ ( ac ( y 2h - y 2h )]
H y a
var( y ) = W
h h
2
h [ ( y 2hα - )] proporcional var( y ) = 2
h
ah ( a h - 1)b 2
h α ah n ( ac - 1) h
con afijación
igual ah=ac
Caso de Caso
1- f
selecciones var( y ) = ( y h1 - y h 2 )2 desproporcio 2
W h (1- f h )
pareadas n
2 nado con var( y ) = 2
( y h1 - y h 2 )2
donde ac=2 selecciones n h
pareadas
Componentes A B
( Y - Y )
2
de la variancia 1 ( Y i - Y ) 2
1 A 1 A B
(mia = + =
2
N
2
a
N
= 2
b
AB
=
A
( Y - Y )2 +
AB
( Y - Y )2
conglomerado
s 2 etapas) N -1 2 A-1 2 B -1 2
2 = 2a + b2 = S = Sa+ Sb
N A B
a S2 b S2
var( y ) = (1- ) a + (1- ) b
A a B ab
6
Coeficiente de 1 1 A 2
A a B(B - 1)
correlación = [ ( Y - Y )( Y - Y )]
2
intraclase
b2
2a - 2
= B - 1 = 1- Sb N
2 2
S N -1
=
efd - 1
efd = [1+ (b - 1)]
B -1
MUESTREO DE CONGLOMERADOS DESIGUALES
Estimación de a
Variancia
razón y 1 a x 1 a y
general de 1
r = = y = y = a
var(r)= 2 [var(y)+ r 2 var(x)- 2rcov(y,x)]
x x razón
x
x x
Variancia
asumiendo un (1- f) (1- f) a 2 2
yx
2 y 2 x
mia de var(r)= 2
[ s2y + r 2 s2x - 2r s yx ] = 2
[( y - ) + r
2
( x x - ) - 2r( y x - )]
conglomerados x x a -1 a a a
Se puede 1- f a
aplicar también var(r)= 2
[ y2 + r 2 x2 - 2r y x ]
x a -1
Razón en el H ah H
muestreo y 1 H ah y h y h
x
estratificado: r= = y h = h
H ah
= h
H
x h
x
h
h x
h
h
Variancia de 1 1
razón en var(r) 2
[ var( y h ) + r 2 var( xh ) - 2rcov( y h , xh )] = 2
[ d 2 y h + r 2 d 2 xh - 2r dyh d xh ]
x x
muestreo donde
irrestricto
1- f h ah 1- f h ah
aleatorio 2
d xh = ( a h x2h - x2h ) 2
d yh = ( a h y 2h - y 2h )
estratificado: ah - 1 ah - 1
1- f h ah
d y h dxh = ( a h y h x h - y h x h )
ah - 1
Razón en la y y h ( y h1 + y h 2 ) Variancia de 1- f
var(r)= 2 [ D2 y h + r 2 D2 xh - 2r Dy h D xh ]
selección r= = = razón con
pareada x xh ( xh1 + xh 2 ) selección x
pareada
donde- - Dy h = ( yh1 - yh 2 )
Dxh = ( xh1 - xh 2 )
Diferencia de H H
dos razones
y y y h h
r - r = - y = - h
H
h
H
x x
x x
h h
h h
7
Variancia de 1- f a a -1 a -1 a -1
var(r)= [ D2 y g + r 2 D2 x g - 2r Dy g Dx g ]
razón x
2
2(a - 1) g g g
asumiendo donde
modelo
Dy g = ( y g - y g+1 )
diferencias
sucesivas Dx g = ( x g - x g+1 )
Expansiones Expansiones
con con y y X
X X Y r = Xr = X =X = y
estimaciones Y r = Xr = y= Fy estimaciones x x Fx
de razón x Fx de razón
Caso del total var(Xr)= X 2 var(r) Caso del
promedio
var( X r) = X 2 var(r)