DES [AJ 4 ts RUCTURA DE LAS ENCUESTAS ‘POR MMUESTREO ad eer 3 TONDO De CULTUWA ECONOMICA Wo MiXICODES RAJ LA ESTRUCTURA DE LAS ENCUESTAS POR MUESTREO FONDO DE CULTURA ECONOMICAPRESENTACION Vermos en un mundo donde la mayor de tos pabcsestin ba endo grands econ por elevator isles de sla devo pcb. ‘ara lojrar un deavolsbalanrado, se eabotan y ejecatan en Ua fmayer edidx pole planes culdadoumente.prepradon Para Terie str planes forms centlies, seme coor con techs basics Em trnon munéicn para divers tg et pte y paral pls en conjunc. “Ln pes is pegueoncaecen de rcunos para sevolectar Jo Inechov alo uss ato, de cada penons eableciuento o gran del Duis Aortanndamene, como shor sibcno, no es ese en ‘erin de cada unidad del anivers. pra sence wnt ela ‘ceptable para el totale Uma mura dietada con eidado pale over a informacion necsta para ls dieees reqs por Si pte am cote que el ate poe pe "ut Olina de Eas de as Nahoves Une se ha ocupado 1 fon, dente su orginitiin on 1916, de lor medion econ fats ayidar a Tor goernonnacinales a obtener lo dan eal {os tin indlpenabls pa In plancaion ‘del demo e008 ‘nico y soa, para vga ject convene de Ton programa {para evalua los restos. Tinea tes, lar Nacones Unidas han sid aun en dos foroasimportantee Primero bs rcibido Is apads de la Contsion Etadiisde las Nacones Unidas que ui y amano um fuerte Imulao als promocin yslaoraién de ttodor de muesteo 1 ica el establetiniemo de ofcinas de oes en lo gobierno Iaclonales La comin fae grandemente aula en por el trabajo de su Suikamiin de Muewreo Ex fecomends prinpies que podria guar e desoll emt lop adecutda paral pas en sarola. La composciom de Ia ‘ebcomiién eat que qudaba saqgraa el nivel proisiona ne ska de tas recomendciones Sit Ronald Faber, Prok Pla obi, De. W. E- Deming Dr. Yates, y Prot. G, Dsiots cediton fgencrnsmente tempo pra Ta labora de lon principio Seon En exe trabajo se fey unicron con Iscucaia ion distin iin eager ak vata de lr ines eadiicat nansien tenemos 1a Spleacion de metois de mentee lor problems’ prictcceonsados por tos yates en desnrollo. Fn general tas pater no tte ning ai ron infarc die que pueda caplear emo mes pars el mocsten, Ea ei, faplcaiin de trove deren que iach SSuionsceptalesen als steeions fequcrta ef mar ingen Tat acon Uninet con en av hs experts come 1 De Det Re. ajo el porno de fo se tyonac Assen Tealer deine Nacotes Unids, para PEakdoncs pecs eel compo. F1De- Raj ha vealen tn se SE Gtingdido a alpen fon peinipion telcos a Ls conic~ wee eheces que encontrar pai det sue de Europa y ot de dirs Al Bomentode eit ens Ines cantina ou seviio fe Sue'pat neano,epcilmenteeenado hacia eh alse itz se ecups con gran compendia del iso de encesat yen trea cn fas condiciones de operain excites mie {hoses co esol, xa ton i acne ree {hos ya aco fora neat. Ba va de que ia mayors de (es ae ee! recent aera cada vermis a mites de mace don Patey (ntact de foroacin, ee vo come ua ‘abamay ttle um erature demasiodo ese J, Lorves, Director Oficina de Evadistica Naciones Unis W.®, Leow, ex Director “Otiina de Eadltca Nacnes Unis La rarursta por musteo, Is nueva texnologa de nuestra paca, ha lego er reonocila conmo vn insrumeno erganiodo para onotee los hechon, Sa Imporcnci para In iiiacida moderna ‘eside en el hecho de que puede cmplease para rsumi, como gula fpta fu adminivactn, hechos que de out modo sxfan inacees: ics debido al slejrniento o a Is ossridad de Ls uniades invo- Inetadin-o 2 su abundancia, Camo imuunento de conocimienta tle fos heehon wna eneiasta por mucstreo se ocupa de Ta determi Icign poeca de Derhos regsridos y de su compiaciin y re men, Ee na cares expecaliada, a Ta que se dedicn por entero ee bro. "He dao el significado mis amplio posible a la fase et “die de encuests", nave todos los. preparativos mecesavios para Ia icacion dela ences, a enduecin efectva de ls operaciones, fel procamiento sabuscente de Ios dion la vedaccdn del Tome, Ese libro tata de abnreartodae ls fses dl trabajo de ceusas, En consecuencis, 1 Ineluye el diseto del cuestonaro, Ta'administraciin de Ix encuesta,y ls iitros de proces Y cabutacin, El tataniemo es senilo y conc y elude ly mo Temdticseomplicdas Se hn besho buen uso de Tas ideas basis {lel muctieo sin probar ninguna de lay torma, El Teor intere Sto em ls pruchas debard conwltar el otto volomen del autor, Sompling Theory Tio se compone de cuatro partes. La pimera es intoducto ria Su proposta era expliacon de a naturalera Ye papel de los Thctodee te mocsteo ey tltgoe nwolwcrados eh Ta pstwlacién {ewe infeenciascrta de Ts poblacion a partir de wna muestra Se intoden Tor concepts dal ctor de mutica y el cor de espuesin, y se examina el papel de una encuesta por muesteo Frente al’ de unt enuineracion completa. Se inte al lector = divers tenicas de mstten'y se een lx prinipios bisios fen forinaintitea con In ayuda de ejemplos merméicos iia segunda parte se ccupa de un estudio mis detaiado de la vers edeieas de muesre, Se demvestan fos proceimientos de In sclecciom de muestssy Ia etinacion de ls eraceriticas de I poblacin los enone de muestra correspondents mediante ius fracones obtenidas en diverse fnentes. Mvchos de Tos ejemplos toman de encuestas reles con Ine que me he asociado de tiempo” aeracio fn tempo durante for ion 20 alos. La discon e presenta Sin recurs mates avanaias, con iw eperanca de que Pe sn ge ayo de re fv dn es hdl de Gags Para dar al Tete pdtieay colanea, a final {ealgunee capil sparecen algunos problemas con respuesta roe problemas que surgen en el isefo real de una encucta or mucreo y ef su operaciia forman el tema de Ia tee parte del lira” Se examiinan fondo los pasos lnlcales que inve- [Etsan ta idenieaion de Tor objetivos de I eneusa yas dex Sones reltvat aa poblacion que ve cubvird y 4 Ton métodos de feclectin de I iniormacin. St ha hecho un Intento por velar Ios divers defen a que puede ar sujeto un mare’ Tov pro- Cetimienton que pucten empleae para evitar que tales defeios Sicen Tor rsstadon dela ences, La elaboracin de ty cuestor arose diel dea ust, Ia telecom yet adestramiento de tos enreistads cl procera de ls datoyy la seduction del {nforme, ton lon pon examinados con dtalleeomsierabe parte cota del br es un informe de progres 9 una de caipeida del cata actual de ay complejades encentradas cuando Se recocctan datos cams divers tales coma fa pobacin, Ja Tpuuitrn yf mano de obra. Se devtaca et akance yh Meal Ea det empleo de métodos de moesteo pa la recoleeisn de la Informaciin La istaciones han si sleionadan de una dive fad de fuentes pars dar un send de penpecta. Se hace un Cxsmen cidade, dondeyulera que proce, de los efcon del ‘SCondiciauamicni, Is contraccin y Ia alga sobre la ealidad de tor datorrecletacon Se explca It gia de las definiconey ope rativasempleadas para atrojr luz sobre fendmenos complejo tals ‘ono ls mala sald el desempleo. Se dexriben en sa Tugat ade- ‘nd alga de Is encenan por mivewren importantes que Se rein por todo el mundo. iio ba sido earito para vervir 4 una gran divenidad. de on Loe admiivradores responsable de la comisn de encues {Este interpreta de ton renultadonencontardn en la primera pare tna ols scented ls pnclpon ileos a soguda pa Te del libro serd ‘il para la personas ayo teabajo comista en altar los datos secolectador mediante enc. EM eta 10. ‘nse encuentran lon joven eases profesional) hs ot diantes de ean, Ls enaiticon de muctseo encatgads del dluete de le muestra encontaria pariculamente ales lot tulos VIE y 1X. Quins cin a cargo del Wabajo de campo oe procamlento de lor dato enconraran ene capital X alguna smateia para teflexdn, Un apelin en cl tena, como un dence ilo, pte consular ln cpus pertinent de Ta euarta pate fire cence una ies de Joe problemas de reolclon de Gator Excootraos en nt campos Finaliente, el Ho seri lsrche para fitenes ase Ton resultados de encuestasy deen conocer 9 ie Stestancas en qve puede considerate conabe Ta informac ba. ‘da en moet ‘Gera septicsin cy inevitable cuando un iro rata de digise 1 personas de diferentes antccedentesy ponon ste eslurz0 cS tim encepei. Sin embargo, la ventas el aregl const em que inh ders partes det lilt son malo menos aténoray, No’ fcencal el conociniento dc wa pate parila del Tio pata tender or caption siguientes £1 Tec pute euperse an et salguier pate autor de un Hiro ets agrade¥o com cst todas lo que se hua cupid de campo. Me agrada teconocer mk eda co ods tas pena, mencorait @ 0, ciyon toutes he aprenelod al crib ewe iba. H Hike napus haber sido exo sn Ie portnidad ~pernitkla por ht Nicions Unidas) on gobi Grecia, Esiopa y Nigeia~ de emplear modes dle maeateo ins diverad de poblaciones, Gracia tambien Cornelian Ogu Se por su pacieneé ayuda en Ia mecanografa Dis Ray1. LA NATURALEZA DE LOS METODOS DE MUESTREO 1.1 Eermooveetin {srs Is paca de nt etuitins Lemos en ls die que Ia producién dei induauia en el pls sumxota 4 por cent bee Elo anterior el nimero ve desanpieadon leg shora 85 mi Hones decade cutee slinench ses recto en 2 por Geno, Un demdgraf soniene que Is polaron dl pasha amen {alo 15 por cietto darante eso, estas gue'sl nim de “ihn cata ae de lee na po aio ge {170 por cet de lor odo fms de don ej de atl por ala ete Conontado con ea msn de eases, cl hombre {Senin tc ssombra y emplen 4 regan como se obtenen tas itary 3 que cov ‘Debt coneedere dade el principio que atcitanon as paca tomar dectonescoretas El gobierno las empress y los pro{eio tales baxcan In bse tia ts amplis posible para ix toma de Seconer ‘Ea auneaia de dator sone el Nema, Lt decin que se toma es como un sto en In oseurilad, Necetamos exadtcs fu reaidad evadiica cus ver mejores Machar de lav eva ties que encontratos eh los periics ton el subproducto dela ‘inimiaracin isis, Hay sianoy ston econ Wines elves Al pats que se retolecan de oinario meds semon psi go etn ls evades que se roclectan meds ences or muesteo donde alo se enplen sna fac del vere pats prover inforsacion aces del conju 12 2 mocsnuso oe a8 1a idea bisica es encila, Se necesita informaciin acer de a ‘grupo 0 poblaién de abjeor ter como pertonss, grain, et [reas Examinams so algunos de fos ebfetn extendenoe ni tos hallaygs a tou et grupo, Por ejemplo, pueden wurae sas ania éuaas de una Cada y hacer ita de personas en ca funda de la muestra. Esta Informacia se emplea pars eximar fl mimeo tual de personas en Ia ladad, Oto ejemplo: v toa ‘arlorsrticlos del prodcte manfaturado, se determina ef mi mero de arealosafecwonos mediante a Inspect visual 0 le ‘tro modo, y ae enima Ia proporcion de arises defectuoros enrovtucién tot. En amex caor se toma uma muestra de obetos para acer una inferencn acerea el grup tot Tay tes elementos en el proce: selon de Ia siueta, seo Jeccin de Ia informacion, 9 formulacion de una inferencn acerca de'la poblacdn. Las wes elements no poen conideane em ge neta en forma asada enue sh La seleein de Ia mvesi, I$ ‘oleccén de dites In stinacign exin entrelarados, y cada tm Me elon ene un eect sobre le ottoe LI mtsreo na es una se leecdn expichos elas definidas para Ia seleciin de J mmustr. Pero haben seguido un conju de segs pars Ia selecin de In musta, no podemor consierar el precede timaciéa en forms independiente de tal conjuntes Ia estiancion 6 gula por la forma en que se haya slecioma la mst, 1.5 Enaoass ne sense Yarece a primera vst que el miestico es algo rlegos. $i se em cn una fnuets de entree pars ear cl mimeo eal de por fonas en a idan cmd de in mttaer m5)000 {que el promedio. Fao exgerri ta verdadera poblaion dela Gi dd, Al muesenetin rot, Ia mets pose sta Hie de defects: per hata el 10 por cento el prod cto manufactur puede sr defection. Contedemor etances que Ta cia ebtenda {feta mera ue no tr exacneme gel al perdado valor enh a oe inn arte J no en el todo, Ota forma de dedra yo la eximacion hneswal et sujet a enor de-mectreo 0-2 Macisetnes de Iestco. Sin embargo, como vers el Teeor en captun pots fev eos enone puoten contvolane: La moderna tora dl tes taco ayuda dena Ia ences en form al que Ton enone Io icon pein ’ ais como una maleguordi conta for aoe del mueten Ese 6 un tein inefni que prece exper sco pero en tee lida ey ini. Si signi que a mura debe ern mnacaa dela poblacin en todos sentido, no sabemos eno selena tal muestra En reliad,podemos eogerdelberadmente una muse {ra dtnsinada para hacer una evimacin mejor, Ey comme cla en elie Ro emplenremos tal termine. 1 Exnonas oe araruasta ay muchas dass de erores fnvolucrados cuando se recolectn tor de una mesa de ebjetos 9 de todo cl grupo. Supongunes ue, guns eis a promcli d ead dun grup pregun tad a una muestra de pemonss. Aguas persona pardon Sgaseer ‘eda exacay otras pueden exagcraia cone cucstien de proper ‘tts pueden rchusarte manifest sed: em algunos cons el fsumerador puete registrar eradamente Ia ends te pes, ‘crores de diveon ipo pueden clare en los tulad Estos Ere tes eniten sige ton ua muita 9 se examina 9 cada una de Tay tnidades de 1 poblacién ‘Lit > viene lot eters dervdos de defnicione poxo dares Sopongimes ye sucemor otimar el eve de perunay nu area Que etendenon por "eh admire de pesonsr” en et? ‘Qucreans inclu a qutenesviven normainene al, 0" quienes Baron ia noche smttior en et dra? {Qué hacer conn ivitad fa east, 0 on cl pic qe se encoun de wsje pale iran, o el joven que se encuentra en is excel tna comtan ‘ad vecin? Si queremscontar slo 4 quicnes ven normslecate ali gto defiimos a Ton rideneshabitaales? No podemos de hirtodos nest erminos con exalted matemdtia, de ode que to sabemes exactamente qué quetemor mei. sto genera crrres ‘Algunos de Tos errores de Tor dates ton del tipo alestri es ecru promedo en la muestra es gual aero. Fao ocr cao los crores no son delberados o inenconals, Algynas unidades sobresamarin y oat subesimarin, con el reslada de una dif yencin neta igual acer. Hay otor eros de tipo ssemstio que fon mis raves En uns investzncién reallzads pra etimar el Bie mero met de psucelas trabajadas por los agreony, esos pe Aen sbesimae detberdamente el timero por temor 2 Ys imc tos Este tipo de eror nose cnclara en ef toa de Ia musa, sino que posse. Tale errors se Ilana erteressstemsticos (0 1.5 Acrup Haas L4 otrcets ox watos Demos acepear que los exores etn seme presentes cuando se tecolectan fos tos. Deberos vivir con los extores. Se requicte s cambio de acttud para una aprecacn adectada de ete te En dl ejemplo de Ia extimacon del ndmero de penonas en un fea, no polemos dtinissquiera rigurommente nuestros trains‘Aun si pudigames hacerlo, la poblacign est cambianda en too Imomeno. Por ota pate, Ia encuestao investigacon debe abarcat tin periodo de tiempo, La poblicion debe haber cambisdo pari cLtomento en que Jos reultados queden disponibles. ¥ luego no fot interest tanto Ia posida en el tomenta de la invesigacn tino lo que ser cuando dba tear sobre la bate de I ivesga: ‘in, Hay pues fuerts tasones pra reorentaraos hacia Ia Slsalla ‘dela reclecciin de daton, "Yor suputto, los erores de uaa encueta dependen considera: blemente de las condiciones esencltes en que se conduaca. Si los Tecuros on exaton yuo 4 dpone de personal ealifindo, lw erro tes som grandes eos errore poeden redacise ste aispone de Aineto'y dela else de pesonal aleedado 16 Be vow or. usr ‘Los métados de mueszco se ein empleando cada vermis en east todas lv eafrae de la actividad humana, Hay etudion de poblr ‘a para saber el ndmero de peronas en un res, dita por sexo y edad, el ndmero de nacmlenosy de muerte, y el mono He'la migeaioa Interna Hay etudlot de problema laborales, el himero de horas tabaladasy el roto de'ls sali pagadon sf Tis mujeres ecben slsrion tienes que los hombre elisa vdusti, Ia estructera ocupacional dela pablacion,y el nimere de quienes busean tabaje, Oto campo es el de la agrcultura, El 4rea woul bajo culiv, el pattdn de lo caldvon el tamafo y Is Calidad de fos hatoy, yl himero y ef area de los predion y su {nena son algunos de ls problem’ en que se emplean molar Gemuesueo. Enel sector industrial descann concer el nimero de ‘cxablecinientos por clase, el numero de penionis ocupidss, «t testo de las mattias primes, el valor dela produccon. De igeal fod, se emplean métodor Ge mucsteo para a determinacin de Jas ventas de las tendas al menudeo Y el valor de ss invetaton Fl mucstco se enplea comdnmente para eraluar acide y opt nioues dela poblacin. ¥ ahora se realiza por muetteo ama buena parte de la suditorl de la eventan El campo de apliccién del Inétodo de mucareo es enorme. 1.7 Camacrensricassvrenannres Poeden emplearse métodos de muestieo para cualquier propiito conecbible, peo hay ctr cractritcs de a poblaign que nos Interean de ornare toral de Ia pobcion (como el wimero total de meniigor en una iad, Tamia de pblaccn tomedio de peonan en una fm), a roponioa de i pb Ein el prc det ea clivada deli at may y a an dla poblactn {la tain del gto en rece gut na ‘tenon Lan poblscionesencotrdae en fa pret ok ina pou santo cl imero de aston contenido en line nado ‘Ades de cia esi ‘les como a media Ia proper ‘iin pd intersarnos ods Ia tibasion dena vail, oom in datibucin de ln hogsres te nwa omniado la euce 18a a ers pica ene campus de una univer En tan ‘orcas la meta ern esrfton de a pblai, Hy tambien STgunasstuacones donde Inman expeinencotar or Aue una dnuibucda au certs fora: rQue explea fos hagcs feted tO explica ol apoy y Tn opocion generidor por tn ‘imiento paleo en un crplat “Tumbite peen haber casos on {ue nor interes Is densipom y I explicacio, Por sjmplo, Fropbsito pucie rls deteminaion de cin sexeous le er Eanes sote ua sualony por qué reacimon come lo incon ‘La maoria de ls encuras ton de materalers descipuva, La deripeidn es de dor tpon simple y diferencias, La daibacdn dela requenas a uma progats est eemplo de una deacon simple. Pero cuando evar repose se separa por eld, xn, ingtso,o edacaciin por ejemplo, traleron un caso de desripin Ailrencinda. Se emplen In dexcripign eiercicnda pra ver cme tara i diribcin ene subdivisions, dels pblacion, Muy ‘meno ta deepen diferencias es un pill pars na ii expat. 18 Ease vue Podtla pensarse que el mustreo no cu mito confable y que sélo una enumeraciin complet de toda la poblaciin puede con Siders. ste argumento ha perio ahora su valde: por las 1 ones siguientes (1). En primer Inga, 1s datos obtenidos de un censo no earceen por completo de errores Se requere una organizacién snore pars I vantir un cento de todo un pats Debe eapleste un efit de numeradores, abuladoresy superviones para tcoectar ly dats Yproceatos, Ya que ay un limite sperar en el micro de tales2 INTRODUCCION personas calificadas en un pais, log datos recolectados pueden estar Sujetos a crrores graves. Algunos de cstos crrores de caricter aleatorio tienden a cance- larse, pero hay muchos otros del tipo no alcatorio que tienden a permanecer mis 0 menos fijos y a constituir un error sistematico. Debido a la gran eseala de Jas operaciones, cl censo tiene de ordi- nario un gran error sistemdtico, Por otra parte, el volumen de operaciones de una muestra pequefia ¢s reducido, Es posible reclu- tar mas trabajadores calilicados, proporcionarles mejor adiestra- miento, y mejorar los métodos de medicién y isién, Al me- jorar la calidad del trabajo puede reducirse cl error sistemitico. Y mediante cl empleo de los métodos modernos del disefio de mucs- tras, también el error de muestreo puede reducirse hasta el punto de que sea menos importante que cl error sistemdtico. Llegamos entonces a Ia conclusién signicnte: No hay errores de muestreo un censo, pero el error matemitico es grande. Una encuesta por muestreo estaria sujeta a un error sistemitico relativamente peque- fio y a tn error de muestrco menos importante atin. Por lo tanto, el error total de una encuesta por mucstreo es a menudo mucho menor que el solo error sistematico de un censo. En segundo lugar, cl censo no provee por si mismo medica al- guna del margen de error al que estén sujetos los datos, aunque pueda existir un error considerable. No ocurre asi cn una encuesta por mucstreo bicn organizada, que pucde provect los estimadores y los errores aleatorios a que cstén sujetos (los errores sistematicos pasarin inadvertidos en ambos procedimicntos). Resulta dificil la int ion de las cifras recolectadas con un censo sin un cono- cimiento adecuado de las limitaciones a que estin sujetas. Y luego tenemos la consideracién primordial del costo involucra- do en la recoleccién de datos. Dado cl pequeiio volumcn de las operaciones, una investigacién por muestreo puede realizarse a me- nudo con una fraccién (digamos el dos o cl cinco por cicnto) del costo requerido por un censo cuando se ata de producir totales nacionales. Por la misma razén, los resultados pucden producirse con velocidad considerablemente mayor cuando sc emplea el mé- todo del muestreo. En realidad, muy a menudo hay necesidad de obtencr los resultados de un censo con base cn una mucstra selec- cionada de é1 para poder usarlos antes de que se vuelvan obsoletos. Por ultimo, el alcance de Ia investigacion pucde ampliarse me- diante el proceso del muestreo. Es un censo no recolectarse informacién de tipo més especializado o de naturaleza mis deli- cada, porque el niimero de especialistas es limitado. En cambio, LA NATURALEZA DE LOS METODOS DE MUESTREO 3 tales interrogantes pucden plantearse en una encuesta por mucts treo, Por ejemplo, no podemos someter a todos los habitantes del pais a un examen médico para ta recoleccidn de estadisticas sobre Ja salud, Pero sf podcmos hacerlo en una investigacién mds peque- fia basada en una muestra, Pero no termina aqui la historia, Hay veces en que la encuesta por muestreo no seri eficar. Su que deseamos informa- cién para cada aldea del pais y hay 586 000 aldeas en la poblacién. No podemos disefiar una muestra de tamaiio razonable que pueda. darnos esta informacién para cada aldea. En este caso tendremos que levantar un censo, Un censo cs la unica posibilidad cuando se necesitan datos locales para cada subdivisidm del pals. Y¥ Inego viene Ia cuestién de Ja cobertura. Resulta dificil tener una cobertura completa de Ia poblacidin en una encvesta por mues- treo, Algunas de las mejores encuestas han cubicrto apenas 1 95 por ciento de Ia poblacién. Resulta dificil verificar si se han inclui- do en la muestra todos los que debieran incluirse. En el censo es mas fiicil es: verificacidn puesto que todos deben ser incluidas. 1.9 La ENGUNSEA POR MUESIREO FN UNION DFE CENSO Debemos advertir que Jos papeles de la encuesta por mucstrco y el censo no son siempre competitives, Es muy util contar con un censo de 1a poblacién cada 10 afios, por ejemplo. Esto proveers cstadisticas bxisicas iidicativas del ndmero de personas, su distri- bucién por cdid y sexo, estado civil y coimposicién familiar, El censo da una oportunidad para la recoleccién de datos por mucstreo en renglones de caracter mis relinado, como el empleo, cl ndmero de desempleados y sus caracteristicas, etc. Los dos procedimientos pueden combinarse. En el periodo intercensal se recolectarin natu- ralmente datos sobre la poblacién mediante encuestas por muestreo cuidadosamente disefiadas. Estas encuestas, conducidas a costo bajo, dar informacién al dia y confiable sobre las condiciones y las tendencias cambiantes. Y cl resultado del censo anterior puede emplearse con ventaja para obtener estimaciones firmes de los to- tales de la poblacién. Ademds de ampliar el campo del censo, el método de muestreo pueste emplearse para producir estimaciones avanzadas a partir del censo y para provecr verificaciones posterio- res sobre la calidad y la cobertura. Aunque no és esencial, la prueba precensal de un censo puede planearse también a base de mucs- treo (3).1.10 Conrevaiioan os. uisinso {Cuando ta investigacdn se basa en una mest, Js resultados ob- tenidos dferiin erdinariamente de lor valores verdaeron busca dos En efecto, muesras diferentes produ veulados diferente Peto no podtonjurgat la alder de una sola mestra encontrado cto dire del valor verdadero, que no se conoce. Es todo el Sparato empleado “el procediniento de micsueo, la recolccin dd datos, la forma en que ve lacen las esimaciones— el que de bert jungtve stfactorio'o na, Alortunadamente puede empleatic para ete fn la teorla mitemisies del mieten, sempre que It Imvestra se Slecione adecuadamente. La must mitma pace frientarnos cerca de Ia forma en que diversas mucsuas dieran entre sy puoveer una media de Ton erores de mieten (os eto fer de mustreo dependeran de In varabilidad de a poblecon, el famago de la mugstra el modo de selecién, y ef aetodo de deni) A pats de la misma muesua pademot hacer divers lipos de cities para detlnar la forma mejor de hacer la ft smacién. Es posible exablocer limite a ne magnitudes dels erones fn lot resultados yclaborar medion para damit lox Ute del frror hasta donde se quia. Hl mucatico se comidera shora un Insrumento conflabe y erganieado para el conacimiento de lor hechoe. chain LIT Mursrano roe uct Moxa, Podtfa pensive que la forma mis ripida de slecin de na mute tra es el jucio personal. Por elemplo, si deben seeccionare. 20 Nbros, le un total de 200, pars estimate! mimero mio de pig ts de un libro, alguien podria suger que se eojan lor Minos {que pareacan de tamao matio. La aiGealtad de tal procediniento Gs que en forma consente o lncomsiente el mucsteador tender, 2 cometeretrres de jalelo en la misma divecon selecionande Ja mayoria de los Libros de tamaflo mayor que el promedio oa lnvers. Tale eroressistematcos conducen Joy llsmados vegas ‘Una segunda desventaja conse en que el interralo de vatlacién ‘observa en tal muestia po da wns Buena ides de Ia variabild fn a poblacfa. Esto ocurre porque es improbable que el reste dor seecione unidades muy pets 0 muy grands, aunque t Jes nidads exstan en In poblacin. Ademds, ta sieutidn ome ora sise pile a un mimero mayor de penonas que tleconcn fas amcstan sogin wu juicio peronal Y no hay ningin mliodo ‘jv para pelts juice una persona sobre ede ota Re podchos protic 4 tipo ts datibsidn de os rahe ‘occdoy por un gran nimero de muciradar ai podemor ronostica fs fom equ tales roaton dren del slr et Ta sty bia de moots incapaclad pr mtorr It ne: ta pra een pe aa In aia de que una stad xpeiieada se seleccone en Is rata. Por lo tooo, no polos determina i dtribucion de frecuencia de os tetensdorspredicidon por ete procs. En sinc de tla i formacio, no poate detenainane de ma objetivo cl ero de 112 Musso raonansien La sitvaci cs completamente diferente coando exnpleames {alr de mvestrco probabilsico dnge cats unidad de lx pb ‘in tene una probabilidad conocilay dstnta de cero de ter in slaids en In mies, ‘Tals mucxrs 4 slecionan de orinario fon aya de ttre al rar (Eston meres, que abora exsten por millones, e consruyen a parts del conjunte a 9, donde cla {ino de lor 10 dgitor trea ta misma. pwobabldad de ser seco. ‘do, o ea 1/10) Una ye seleccionad una muestra probabilistic, frodemos empleat la teoria de Ta poobabilidad para etrminar la Uieibacton te frecuencia dete atmaciones devivables del mbes tnea y el procedimiento de etinaciin empleada. En eta forma poeden comparsiee ojetsainente diveros proceimientor. Y, 10 ‘oe e6 muy impostante, puole obtenese objelsamente de Ia pro Dia muestra una moiiia de la vatiacn mural, Pueden obte- ese inferences vida 4 partir de la muestra madiante el empleo de a tora estaditica de fa inferencia (2) 118 Conaseciin ¥ rarestén Una estmacin ealeulada a partir de Ja muestra te Uma preci site serena valor esperado, es decir a Ia cuenta ens toda en ‘ondiciones idénueas Tal esimacia no estard nccsaviamente ee fr del valor verdadero buscado; es dect, no serd-necesariamente erect, Ta praca e refer a la aproninicign al valor espera ‘do. nienras que la cottercin se elev ala apronimacion al Yalorevade. EL valor eperado dileriré del valor verdadero cand los erores presents en los daton no tengan tm promo de exo Timor errretdervan de tcnieat Hnadecuedse de mec, eos narlon delectuavos, concept mal definiloy cts Tals eres pus denser importantes com fo erores de muesrco. Aunque tat mos de obtener Ia mayor correc posible a met solo pede Afarmos uma idea de ls pecson aeshaada. Silo crores no ts luales no son importantes, kx precision y Ty coerce seri fereten,y la mitra por Arojar It sobre Ta orrcsiin de lox reuledon LU La euesti ot costo es recumos pas Ia conduc de una ence por mute son Alone late en comeroar, tern bare procter ton sends y eficenesqve puein complete + depo y que tomen en cea too ot requeimienton adnan, Be ot dina slo se comsideran Ys proeinienon que permitan he ‘er'una edimacién oe de E pec sland pat do Jn‘ misma. Adem los procedimientondebersm poder des trolls de acuerdo con iv eeteaones Tees 8 eee Clea el como de Is encusta, el mjor protien sere ic Prothuca Ta mayer core. Costs ak dkterminado de aoe ‘ono el nvel de la cnre, el cor procaine werd el que te radu en un covosinino de Is ents: Exe princi Chien dl neo de ota 15 Trassotoets we seers Definizemos altora algunos de low teminoncmpleador en el abajo de muearea, ‘Una poblacim ex un grupo de objetos tales como perionas, ett Dlcinients,granjon. Hablimos enonces de una poblacon de seas de eampes, de pects en va estangue, ete Una poblacién init Timitado el nimero de objetosowniades cmtenidon en lls, La mayoria dels poblaciones que manejamos son ints ‘A menu nos interes la etiactin de cantzo eracersicas de 1a pobladanes, que son Le media o el promotio de le poblcin, como et nimero meio de enon por familia, los Ingres medion de on trbajedones fa Fic el fendimfenio medio de tiga por hecivex HL foal de la obici, comm el nme tot de personae en un ‘Stes, el dmero totale evtaleciients dnéstelesJocalndo ‘2 un duit, el momto total de lor gronos allmentiles prod ios en un estado, el ero total de peces en i Lago, 1a propor de tz poblaci, coma Ta proporcin de peronss \sempleais de 1430s. miss properion de etablcimients ‘ave manafaciran aliments, in proponciin de campos donde se clita tale a proporaan te’ wabajadore fates que ganem ‘ener de'§'300 por mee ‘Lavrazin de ly podlaién, como Ia rain del gusto en alimentos a frsto en reat Ia rardn de los sexon (rani de hombres me 1s), adn del volumen de Dienes trasportados por eareten. sl olumen de bienestrnepertads en ott fo, ‘Una poblacin se compone de wnidadr elementsles que y2 no pucten iewomponerse Por ejempto, {a und elemental es un Thaividuo en una poblain humana; wna tare en un smaro de tarjetas un exabletmento en un dteorio de cxablednienon Tismamos grupo % un conjunto de unidades clementaes. Por gfe tener ws grap depen (ali oe ae ganja, xe ‘Sha poblacgn Ina se divide en alot para ts fines de tnselect de ua era de dean alden ela wed mer tru, Eu uns enevesta ane tutera a tnklal mesa pce set tin etablecniento oi compat ‘amamon fracidn muetal3Ta frac de fs poblacion selec «onads en la iar, Por Getpla a faced meatal e110 5 Se Tacluyen en la ruta 1 amie de wn poblacin do 130 Lismamo factor de increnento a reeiproco Ue a fraccin mie sams marco I lisa el mapa © cu acptable de donde se aekeeione Is mess, Gaando se selections ia mesa tomando cats ksi: tablanos de un muenico stemdio. smaios meses af aera aqua en que cada wnidad tenga 1a mis probabilidad de seleccOn to ee permit repeticone, se tata de una muesiasinpte al ara selectionaa an templar, Sie penmiten repetiiones fa muestra se slecon com ren Si the unidade aparece en In cua. con peobsbiidar i vidad,rent decimos qu el meses hice con probabidades devigu {ee Cuando ian potable seat ex lunes median del {Smao de a sidan sata de un mucus cn prbebiidad reond a ete) it was de eximer It peducn oat de os exableciienon indus a pineal orb de interés ca prc, Sin tnbaga poletoetlerifomacion sore ua eiable evar, como el empleo, nla para lgra sna cr evnacion de Is rodacida “Guna polacion ve divide en grup ye terdona una smucrt de exla propo oe rope se Imes aio Ste tye ain mocarn lt mona fscon de cai ean, tendrenor Ua ‘mone on frecnfif (o una slgacén properccealy De oto ‘Soto watt de un muse eon foeada wee Sc oma una mucaa de alets de a total de In pobl cid yw sleclons ua nueva moses de feline aa ed deol ues, tedremon om coo de muse de dou elspa, St $e coma uae mea aver de psonen de eda tls Serer ‘eda suremoyempleaco un dueo de fe etapa, donde Iva dean ion lr uid pina def mes, ke faa omit tnidads de In spends etapa, y Ia pesonay som lav anda de ieresa cape. En ecvone It primera fat de Ia imesigacén ve iia 1 recolcibn de infoaaion avin. Hats ntact empl e ie segunda fae part a etal, taxi, oa earn dels egesn: Ete miedo te lama moves dole Rerearyaiss 2 Raj (0 Sibling They MeCrw Bsk Company, Nie 2 va ee Met i Cen 4 tuoi 88 (0) aly of Sata Dat, FAO, Rom. i Survey, Cae HL PRINCIPIOS BASICOS DEL MUESTREO 21 Iersoovecdse Pansextaneaos en ete capitulo los pincpiosbisicon del muesreo€ Hustarenos cdo funciona el sauezeo en la pretica. Uses ‘ome campo de pruchas una pequeta poblacdn hipetica. 22 Munsitto 4 FAK oe UNA rontAcaON mirortes Consdremes ta siguiente pollacii ipoxtica de 10 stables Ilentos manufactures junto com el niero de empleados Fer feradas ea cada uno (sae el Cuadeo IL) ‘Se trata de eximar € promeio de empleo yor exablecimieno 1 put de uta meta al ar de dos xablecinieatos ay en total 45 mucsras que omtenen dor sablenientn ex ia, Po. demos calealt 1 promedio de empleo obtenila de ed mara Y wrlo como und estimicdn del prometio de la polacin, En {8 Cadro 112 aparece In toalidad de lis sueseas ye promedio de empleo dado por cala ua de ells Es caro que ls atime Sones muestales e eneucntan en el fatevalo de 11) 257.8. mew tra el valor verdadero er 7.0. Algunst moctat dan ona ita ‘muy baja mienas otra dan una eximacon ata Peo el prome: ai de eos le etniconesmesrals ee 270, que eel promedio ‘Cuanno ILA. Poblaisn hipoutca de 10 extablecnientor 7 2 ‘ a 5 2 Feat de mpleedey 260 Promedio de eimpleadon 27.0(Gurna6 1.2, Todt ler muesiras foibles de tamaio 2 a 1 “bs 3 to ie Ma os 2 a ots u a fe 8s iS Smo < Re 2 a ut ako is a Be in ims fd ORS -rIncinios nAScos DEL MUESTREO ao vs0Ko ILS. Proporcién de. as medias mucsinates que queda on Tas dveras laser, Toca 3 egal We 40a Dow om 5 ¢ > BD 6 B 5 2 eon & @ bw so 78 bn m & & 5b oe Boe eH oy 1 he wo fon ee 1 sig a 4 ‘erdaderoen fa poblacn.Pxpresrsmos ete hecho aimand que 1m media mcs cs un extinador no pogo dela eta 0a Place Pero a pear de no er sogada ia meta mac ala Eniderablenenie edo dea mea de la pobacion, ‘meneame cl tat de Ia tucsra x3 br 120 mcrae toa. Podemor encase promo de exple de cada sea 4 bora a dbibusin de eesencas ue mocie el ame Je promedion ssuonale: que quelin en 1s diver civ Ente ‘otedimieno pus repctine fon mucsran de toma = 4,5 vo. En dl Cadre 119 sparen oe rela tego advert que Is concentacin de Ist eximaconesmucarales atretetor de mela venadersaoments Seda gee tne faena lama de a muta, Mena a 190 por ent de Isrmeetesprodajron nna medla entre iy 39 cand cl cana dela must c2,€ porenaje comespondionte 18 porn = 50 param = fs 98 pra = 8 Al hemos berate fn. moto univer La concntaion de prometio moc aumenta {eda ques cement el tat dela mesa Ete hecho {e espe itimando que ia media mucital ee un eimador com Suet dela media ae poblacon Sel aman de mvctee vafktenemente grande, ho hay oan Hg isla en Erpico del etimadbe mac ora cl parc de a plain gris 1091001) 100 100 100 100109 700 25 La vamanea ne Las earusciones SRLESIRALES ‘Ahora nereitamos un media del grado de caucentaciin de tx fstimaciones museaes alrededor de! valor exper Tata roedida 1a prover It sarancn dels estimarenes, La desiacign de ends fe ene el rimero de muestra. sta tla variznva del estiador, Sf todss les ecto ‘es muctals son iguads, la vatianra del emir es car, Ente ‘mayor sea a variana, menor ela eoneentracon ‘En realidad no es necro obtener tas ly mvestas ponies ‘pare conocer extensdn en que lat eitaconesravenrals Seren fel valor buicado, Medianteel empleo de In tcorla del muses Pode demourarse que, maestas al azar de tamafo na vores ste media de la muestra jet dada por’ (1p. 38) voy N evel nimero de unidades de la poblaciin, En ete cso 1 _ 2a rama} Por lo tant, la varia de la media mucstal 5 puede cleaarse pra diversos valores de». Cuando et mato de La muestra eit ‘una, varia dey, la variable de interés, es 2876/10 = 2576, «qe 1 llama Ia vriante dela poblacidm y se enota por OF = Z(H — SPIN. Se lana desiaci esdndar a a rae cuadeada positiva de a satan. el Cundro IL4 aparece In vavianan 7 ()y la devs ‘iim cindar 9 () de en menus al sar de dvetoy auafoe tomadas de ix pobiseisa hipotética del Cuatro IL. Ex atvio el Guadeo 114 que la yariana del etimador muestra dsainuye umentar el tamao de Ie mestra La variana ola devin Sstindar c, pues, una medida de la diperion de los eximaciones ‘muestra alrededor desu valor medio. El recfproco dela varlanes uns medida de concentraion. Hemes mstrado en ia tina clumana del Cuadro IL Is devia: ‘ign esadarteluttao eaeficente de variacin de. Eto © ob ‘ene diviiendo Is desviacon etindar de eatex Yalor perado EG) = 210. Da una idea de la dispersién en telacin con el va for medio. La desiacién estindar Felava cs un nmero puro, Ihre de lis dads en que se mids, ‘Gunma HA, Varianea de ts edie muestrot "9 . ere an 169 trae Ma 756 ‘s 1370 a 709 ts on is 1» oor Podemot dat un paso adelante y eaeular a partir del Cuadio 113 I proporcign de ls eximaciones muctales que diliren del ‘aor xperado menos de 1 desvacin eatindae 2 deviaciones eta- ares, 13 dsvaciones estindares del eximador 5. Eas eras ape tecen on el Cundro ILS (Connno ILS. Concentracisn de lt ertimacione alrededor det ‘alo experado Pepin yi cas on aoe sete aoa ge aati oa x9 1 0 | 10 : & o 100 5 e o% 100 ‘ 2 a 10 ; a o i 5 a 3 400 . » 1% 100 que cerca del 68 por ciento de las enimacioncs 56 ‘encuentran dentto de division estindar de Tn media, el por emo seencuenta dentro de ?desvitcious etandar, ytolay exam Mdentto de 3 deviaciones stindar. De nucto, ate et ua fendmen® bnivenal Pars esta ditibucin, Jos porcentaes en las tes cases ton 685, 955 y 917 respectinament ‘Aqui tenemos entonces uh modo de empleo de lot resultados ervados dela muestra para het usa extiancn se um padinetso ‘dels poblacin, i conacemas la desicién exdndar () de la ‘media mucsualy, podem alrmar que la probabilided de que el Ineralo j= o Gf contenga la mais verdadcra de la poUlacn @ aprenimadamente 68. Ea Ta sum forma, fay und probabil dad mayor de 05 de que el inuervalo 7 = 2'@ Gp contenga a Ia imadia dela poblacin, yes eai wero que el inesvalo 73.6 (9) incuya a la media de’ la poblatin. Estos Intervals se lsu fntcralos de confiansy, y ls probabidades asociadat elon se Taman coefiientes de confisns Delemos contetar un interrogante mis em ca etapa, ¢Gésno saben cuil es In devacion atindar @ ( Ee devia que no laconocemos Pero podemos eximasls a patir de Ts moestra at fom hemes exinado Ta malia de la pobladia partir de Ta truer. Ta tots del miuereo nos ayuds a obtener tal eximacibn La Gimaciéa mejorara a medida que aumenta el tama de Is suesta. Debe advertise que los cofidemtes de confiana no son ‘acto pero som sproximadsmnente corrector cxando se emplen Ia fuetra pura estinur la devviciin eta 'H lector podria formarse fairest, a partir del Condo 11.4, de que Ia disminvcidn de In yarinia dena del hecho de que 1 scion mueatal (a propercion de la poblacin ineluida en ‘seta)aumienta al sotentar el tamafo se Ia musta, No es a Supongemor una pobacion may grande que conteng, por ejem IO, Hijoop wnndesSen'S)"— 500, Stel tomato de a muestra (100, 1a wasanva de Is media rosa 1 100 wo (*~“rm) 8 Sid tamafio de la muestra aumnenta a 200, 1a varianaa se vuelve zo (sper) * La disninucion de la varianan nose debe al hecho de que ella tor de mulliplicacién taje de 0009 2 0988 cisndo v6 duplica el tamafo de Ie musts, 2s el aumento del umafo de la tnvextra Toque ha prodicido In cieminsciin de Is eariansa te scommxsnones 24 Monsrara con rkomasitiogo ore Hay oto metodo con el que « memido podemos obtener unt con ‘centracion mayor dels enimacones musrals alrededor del valor Ssperada‘Tosemos por eemplo Ix pablacin, del Guadro TL. Supongamos que tenemos snformaciim de una investigaeiin ante flor accrea del numero de emplesds em elon Gtableineaton en tum fecha anterior Sea eta inloramcin ausiliar « que aperece ‘en ls columns 9 del Cuatro IL. Selecionamon una tucsia de 8 =I csablecimiemo con probabildad proporcional al nimero ‘de emplendos x. Eto pce lograreeasgrand tanton meron ‘euabléciniento come tea el valor de x exogiendo Tego un ot Conon ILG. Mucsrco com probeblidades desguates iain > 7 7 Boa o w o a ° 2 » saa z @ » ust 3 = i un 4 8 @ zi « ° te 2a 7 2 ey m0 : s 6 277 * 2 = 2200 Decimento mediante fe coma de a tabla de nde a ame (Sec 38), Por ejemplo, ln probebidad de gue el esublecinon 6 ve velecione en In muta 10/290 = 135.21 promelio de ‘plea en ta fecha anesior es R= 25. ara esimae cl empleo Sct dividimey > entre Ia probabiidad con que hn slecrons. oct csublecnieea Por foto, el dvior dun exablecniento brane es grande el dew ehablecnieno pequcho € peg Eee indodo tine cl electo de normaliar i comcoscide de on ‘tablcimento sa ertimsion seat, (Enel mucac alata ‘th cvablecimieno.gramle empuje Ie mia hata aria ya ‘ablecmiemo pequeto ia enptja hacia abajo cvando, queda ‘4 meta). la columna 5 el Casdeo ILO aparcen la 10 c= Uinciony de a media de ls pobiscin con wecones dieener Adverts que ts probabiidad cs ahora 225/250 = 0.0 de que ‘i esimaciin muestal sc limite a ineralo 2529, En el mucslea on proabiidaesiuale ea probablidad era sito de O10. Eto Sentoias upc cence ana oncenradan cone ‘mente mayor de hy exithaionet steconand la mucin eon ‘obabildades daigules i ‘Lr misma conelonidn be obtiene si caeulos ta yarianen del estima, Sabemos por la teria (ep #0) que la vata del Timor (8/m)8 /x) en mueatat te tatate ‘eed dads porTiers En auctzo ejemplo, Ne Yom xaae E tesa GL (xD Hy) 2m ‘As! pues, la arian del estimaor esd dada por 203885 jm En Inuelias de tamaiho usitari, Ia vaiana es 204, mientras que Tiga 287.60 en el caso del mivesreo con probabiiddesigoaes (Stas el Caadro ILA) La dloperstn de ls etimaciones mest 16s se ha vueli fancincamente pequeda Hay icso tego en el caplet estima de cr pra fro dea po Podemos advert que Ia raxin de la consdersble reduced de la varanea log ef ete aso et Ia extencia de una proporsio. ‘aldad casi exaca ence Ia variable principal y la vatable sux Iiar x. Shel grid de proporcionlidad noes lo, los revalts og serin menos especacilaer 25 Enmwncidy ron UFERENGA wo modo par lograr mayor precnn ese siguiente. S see ciona Ta muestra con probablidads igule. Se empl In ini ‘macion aun para etimar at cambio Is difeencia de lst me sin 79a arma a maa eI poblacign par a vaableauiise x: Entonees ef esinador es (7 )-+ 50 lana ‘imadot por diferencia Cann el tama de a mocara elt 10 eatimactone dela media 7 de Ia pobiacin det Cusdro 16 son 25,25, 8 £7, 26,28, 2,27, 28 y 27. Ahora Bde las 10 estimaiones se concentra alrededor de a media en el interval 2529 El po. ‘medio de todas Is estimaciones es la media de la pobacign £7. ‘que muesra que el eaimador por dilaenda no es segado en 1 etimacin de a media de la poblacion. Cannda et tamato de Is suet ey 2 habrd 45 muesias piles. Podesnos calcalar el vr lor del eximador por diferencla para cia muestra, En La clu ss 4'y del Cuatro ILT aparece In eoncentracion det ertanadar por diferencia en este exo. Eselare en el Cando IL7 que, por ‘eomparaciin con el promedlo sinple 5 a concentracién ex mucho itayor en el einader por dilerencs Tambien puede etudiane Is diperién del extimaor caleulando su yarinsa para diverson tamafon de musta, Pu demourare (I, p49) que ea valana otk dada por Sen 2 (-g) Beye ( seta poblacién ZQ-a- THES @ Si denotamos 9 —x por a, 5 = 49/9. AW pus, Ia varia dst scimador por diferenia pucde elelare para diverion taaios desta a yaianra aparece em ef Cuaro TL8. El cuadro nara |i mien hiteri Por comparacsn con el prometi spl, ele smador por diferencia ey consderablement® mis preciso (Cunumo 1.7. Goncentracin de lor estadores por diferenla ‘por raviny comparacién con el promediovinple “tte “Bigadefor oo 0 mo a a a eT)(Cusine 1.8, Paria de etimader por diferencia y ‘el promedio simple ase See ee 26 Fenmwaesin tox La ead Em har de estar Ia diferencia exinente enue $y 2, potemos ‘Stimar ia rasin de Pa 3 pore de Ta mesa y mules por el vilor conocido de R. Hate ear Sy a awa el et Miador por la rzin. #1 etinialor por It rarbn rd bastante Pre (Goo rain dey 2x sarta mucho menos que Ia variable ye in poblacin. En ef Gaadro ILT aparece la concentacom de’ este ‘exdmator cvando el tmafo de La muesta es oo dos. Puede advertine que el promaio. (0 valor epetada) del total dd ls eimeionsssnuetate no es necoarlameate ig 2a ne dia dela pobacién commdo ve emplea el estimator por It razhn. Por ejemplo, ls 10 extmaciones posbes basa en una muestra fe eatado tnitario tom 2585, 2500, 2782, 27.78, 2708, 0M, 2550, 27.50, BGT y 2700. El promeaio de’ tas eaimaciones 26728, mientras que In mein verdadera 6 27.00. lamamos sei {kl estimador a diferencia exiente entre el valor esperado el pitimetto que se etna, En ete co, el etinador por la ran id aujto sun sag de ~027. Aunque seado, ste etimador dk tin alka grado de conesiraion aledor de Ta media verdadera ‘Gey (odie el Guadro 1L7), Para obtener wna moda de su co ‘traci caleaaremon Ey ~270 el valor esperado del enadeado “ie Ine dewiaiones frente a Ta medida yerdadra. Exo 5 diferen ede EG 26799), que en sarianea del estimador Cudo te Tonan ie desvinciones frente al valor verdadero, el valor eperado del eaadralo de ta dian se laa error de te mea af cue dnedo (EMC) Puce vere sin ciGatad que el enor de ta mela ST candrado cs ln suma de ta varia of cua del seg, Ea in tao no exes er des min lead eae demos calcular Ia vatiansa del etimador por 1s raxén y el ‘go enmnrando fod as mucin pouble yEncontrand el ve lor de etinador de ada una Los tulad obtcion pate 1Ty 2 aparecn en el Cua IL Se sigue que el eimador por la Tarn es mis precko que el exinador por dierenla param 2.03 ET tog del etimador cs my pequcto, de modo que puole pee sane. por alin En reaidad, pus probare que, para’ muetas rane lego del exis por H ravdn st indignant eet Felon con If derviacion otiolar (p87). (Conon 119. vor de fa media al eusdrad del estinador porta asin ates Sag 1 samen oem ge 2 05 “ert bay ka Debe saber ef lector que ox etmadores por a diferencia y por 14 razin no ton siempre tan buenos como en el prevent ejompo. Sila variableausiiar = no es muy propotconal ets ema. lores pueden no sr mejores que eprnnedio simp 27 La manariricacdn ay otro métedo para el emplco de infonacim avniliar 4 fin de mejor. Ia precision del etimader. Com este método se divide I poblacién en grupor 0 estraten sve ean rlativamemte ms ho- ‘mopéneosinternamente Bsto puede hacerse oloeando dentro del timo erat ls unidades que scan similares rapeto de x. Luego SS seleciana sa muctea pars vada tata, Lot rcliados aes Wales de divers estratos se suman para obtener un estitador para el conjunto. La mayor precision deriva dl hecho de que lot Saas son homogéneas, demo que lm meds de tox erator pueden estinuse con om etor meno, Vesmos por ejemplo I po.biadn del Cundro 116. Hacemos ls dos extraton siguientes Las dos en, el empleo en una fecha anterior (Cuadro ILI0} Los ‘etabledimientos menores se encuentran en el primer ettata y los ‘os ea el segundo euro. Queremos evar el tamale medio Ale un eaablecimieneo selecionamo ms miata al szar de uno Cunono IL10, Bstraificaciin de extablecimientos United 7 ie 7 . 0 Lees Ae eee ie sea Roe ow en cada esrat. En ef Cundto 1111 aparece el eximador mustal Se cada ona de Is 25 matstrs poublen Con este procedimlento, 12 44 por cento de lon estimadorer we encuentra en el interalo 21483, fenires que la cifa correspondiente ex de 80 por cento en 1 eam del muiteo al ant no evtiliade, El valor eperida del ‘timador es 270, e+ dec, el ewimador no segado. 1 varianra Sel estimador or $9.8), sgn se calcula vin difcaltad, Con cate {amatio de mucswa, [2 variana del promed skaple (cando\ no fe emples Ia esatleaion) es 27.82" (weasel Cuneo Tl} Est {nda que I estraifieaién ha sido Gu, (Conon ILI}. Bstimadorer mucitales con wn disco exvatijcado sa ws a ea 3 oo oy S80 so me ro ener a5 Som 5 om ie Puede fotenatte otro modo de extatficacién. Sapongainos que ‘primer estrato se compone de lat dor unider mde grandes, ‘om meres 2 y 6 y el segundo eszato contiene ls oun ocho Sidaden EI primer exrato se mucsres con cette, de todo je ‘no hace ninguna conribicgn ala vatanua del extisador. Se ctna {el segundo erat una muestra al azar de dot unidades, sto 48 tuna muestra total de'n = 4 unidades de la poblacin. Si denota Ios por py fas medias muesurales de ls dos estas, eet smador de ia! media de in poblacén es 7 = 2/10}, +. @/1O}fo Te eimador es también no sexgadoy #4 £0) (0-22-20 Tio 4 sigue del hecho de que en el segundo erat es 209878 {a'variana comparable del maestro simple al azar no erat ado 4798 (wee el Cuadro 114), La extatfcacién ba tendo Geta uildad al reduce la‘vatlanca'y mejorar asl el grado de Podemos mencionar aqui que en el muesieo simple al azar es uatliedo el estimador del promedio de la poblacin ‘sti dao por ¥ Wy donde Wy es el peso eatvo del esata h La variana Arete eatmador ot (sp. 3) zw (1-2) s cuando se selec una mucsta al azar de ny unidades de ls fel estrato A, euya varia et SX Es caro que ls variance det tstimador meestal depende de Ins vatianzns Sy? dentro de lose ‘Maton St lor extraton pucden hacere muy homtogéncos en la va "able y con Bae en nt cantiades Sy? werin relativamente pe \quetae Ast es como la etratiicaion puede prodacir un exiaaor er 28 Acnueanato (Ota tenia const en selecionar Ia musta en grupos en Iugae de hacerlo en unidadesindividuates. Por ejetupla, Sapogatnos que ‘queremos selecionar una muestra de familias de wna clad, Re- ‘la muy cara ln elaboracion de una Hist de tas Ia familiasde Ia cua antes de selecionar de ela una mest af arr. Re Slt tneto mis canvenionta abtence wm mapa de I caddie fils en maneanas identicalesy sclescionar una muestra do a fgunas manana. Todos los hogarts de las manzunay seecionadas Se'someten 2 invetgacion posterior. La micsra we selecioms tomando algunae manzanse qué von agrapamlenton de hogare. ‘avin princpal dl mesttco por agrapaziento es la econo i volaerad Hiabilmente se foonarin agrupamientos reuniendo unidades sq se eneventen préxirae ene Hen sentido tien, Cuando 36 Peden formar agetpimientor cxopicndo uaidade que no een hecesaramentecontguss en sentido geogafin ex preferbe ie ‘nel mismo agropamiento unidale dates Esto ex exciammente ‘hipian al mia carat. S cals agropanicnt cy una tinitues Act univers ttt, podremos hacer tnt hens etinaciin selec tando uo cuaniatngraparientes xplleremor ahora el pricipio mencionado en el ptralo ante ior ton el atnilo del peut univeno de 1) exablecinton (Géise el Gindro ILO) Formarenos cnco agrupamtentas de don Unidad cads uno erapeanda Ja informacion sre x que te co. hove para cada unidad. Supogamos que formarnos los agrapamicn. tor ealocando unidade snilares en el aim grupo, Eatences Ia ‘ompesicion de ls agrapumienen CO} i) en 09 eo) Las clas de empleo matio y para lor cinco agrupamiontn 2 110, 165, 210, 250, 75. Sm wleeciona al ase um agrupamiento 3 ¢ cmpica la media muestra como nn estimador de ix mola fhe a poblacén, In vasanva de la media nivestal es 4 [oroe + aasyp ..+ ory — HS ] = oor Esto es mis del doble de la varianza cuando se selecclonan dos lumidades al azar en el total de Ta poblaién (séase el Cuadto It), 1a vatianea del muesten por agtupamiento es mayor que a del sucntico al ar in agrupemienta, Foriemoy aha lot grupos ‘Bignando unidades diane al misino grupo. Los sacvor grup wa as) oy wo en 1, Jas mis de Jor grupos son $80, 30.5, 88°, 225 y 210. Si xe Escoge un grupo al ea, Ia varanan de la matin musura 9 baje hora 2410, ques menor de un terco dea tarines fon {nuestra al at sn ogmpamient. No debe tcnene Ta Impreon de que siempre panos formar agrupinievorasgnande unidader dls mlono prope, Por shel, eno se fran grpen con lon moet eI is sana, lon sprujaient roante no sien se clicents 1 tc po enn mi tu son cn goers mis sents uc a persnes que sive ema ‘anon ina, Pet lacuna que rela onda ee thin de Inmet en ranranan Forel mimo cst de Is caceege ‘ios tomar mints mds hogar cn la mcr a meena {2 grupos que si emplesmon el csc sin aprapamente ae he igure de Ison oa Poslcios anor un poo nes Em lugar de seclecta itorma idm de cata hogar del tgrupamionty (anana)slecioncie ne demos mat win muesra de hogatesyretlecr Is intarmachoe de eH tl cao la muestea we aelecina en dos tapes ms 1 las manana yTuego Tos hogates dentro den mange 2 Hama vested ends etapa La rain Ue eae de eve too cl coneniencin yon menores costes carksponticnes St S€ tdiona una muestra Winecamente sn sgapanseas ya tot tenes «caren ealgeerfgar dela ad, Reels coe 1a secolecn dela inormainy a supersion de Is eneares St snc al musica en aropaninan lo needteenon abst ‘on as navanas den met. et arn Touegsle bap a in 'ecolceide a Formac. =a 29 Mursinro nowt ‘Supongatos que considerames dil el empleo de informacion auxi- Jin sobre x para mejorar Ia preciin dela estimacdn de a mre dia de la yoblacién para y, Pero no ve diypone de informacion sobre x. En tal exo hay dos poses Podemon optar por or Jeccionar una muestra de » unidades,recolectar inarnacg soe 1 variable y bajo estat, y emplesr Ia media muestral ) coms una eximacion dela media de I poblacin. O biew fers er plea una putt del prewpoeso total en Is recoeccon de infor ‘nacién sobre para una moos grande tomas el unten, or {once se toma una miuetra menor pata olnener informacion silo sobre. Se wilian ambas muestas en a mijor forms ose parsIgar a una estimacién mejor de Ia meade Is poblaién. £1 wl roo procedimlent se Hama muestren dobleo de fos sen Este me todo wr sil cuando reste consderablersente mas barat la 3 colectidn de informacién sobre = que sobre 9 y cuando exia ua Sle covrelacién enue x y 9. “Tomemos por ejeapla [a poblacén del Cuadro 11.6, Supongs: mos que el prenpueto tol para la encuerta sea $000. Supon samo que cesta £00 enviar aun favestigador a un eablecneata para recolecar informacion sobre el empleo en 107. Sin embarg, Sto cust §20 por unidad la obtoncdn de infornacin por correo sobre el empleo de 1973. Enonces podemos recolectarinfrtaciin por coteo tobe x en i0 exablecienton. $1 empleamos el est fRador por diferencia p~-4, 12 varia del etimador et 187 (vessel Cusdso 1L8}. O bien, podemos no recolecar ninguna informacién sobre x sino emplear el presapuesto de $000 para cnurerstar una mata al var de tes eablecimienton ba yatiay 2 del exiador macsualjserd 7426 (ota el Cuadso ILS), Eso demuestra gue en eta stuacign resulta mis juico el emplca del ‘enfoque del muestra dable 210 Exsonrs 30 mursreates "Hremos supuesto hasta ahora que no hay errores de registro en los dlaton rcolectados. En realidad, los errores en media 9 deter Iminaciin etin presente cast siempre cuando se reclec infor Iacion. Es posible que lee establecimienton no tengan reyes ecundos pia dar fnformacién sobre y. Pueden desiara del ‘adumente ‘ifas de empleo menores que ls tale por sioner frradamente que ia encuesta puede ear eonectada cat la trata Gn, et Hato produeirserore en lo daon, ET problema comite en determinar eimadores iiiables a paris de In muestra cuando hay eores en lat respusstas. Princ plemos con un modelo sencilo para aclrar lt denn, Supongatos {que el administrador de-un exableiniento lanza una mone athe pata determinar la fa que wa a delaan. Sila cra venta era's y, se nos da 4, donde Be) =0, V) tuna muesira de dos eablecinientos, el valor espredo de a medin smuctralserd todavia E(9) + £(@) = Is medin de In poblacion Pero la varianza de exisnador es 7) + ¥(@) = FY) 10/2 0 sea mayor que la varanca obtenidacuando.no exlstanexrors de ‘espuesta, En este cao la media aivstral sigue send no saad peto su varanea ha aumentado. Pero si lor emer de respacta son detberadon, Ee) no srk igual a cto y e extondor cna ‘je un wage, que lamamos el vig de repute. Adems. de ‘rdinario bed alguna corelacion enerey ye, Es pole que los Sablecenin grandes repnten de men y To eabecisentn ston rgitren de ms el verdadero empleo. Vow datos reco Feihtos en el misnio eiabecimenio pucden dite enue diver son enevsadren, yu que cada nod ell dene su propia. por ‘Sosind y sus cxprichon Attonmamos Squt una sunny Si que punde menos en cae ormsx. Hay un pois promesclors, Podemey resect fnformacin en toda fc {gros por coro, en forma barat. Sealecona nt mists "ver df tau rltivamente menor y se evn > eo cts ‘nentos lor mejores enreitaoren Lov cntrevinalores tn Stem alo repiston de lan exableciton can qu compa ‘Satan lras vedas dey. Lasgo at enpes foes del me tte doble para cera ftinnion wa coneca del persmcss dete pobiacién. Denotes por la Informacion reclecrada c Is mulara mis grade y por Is Informacion teolectada en is ‘cts ns peqct, De scuedo om ls uneasy, la media mmuctal e P-"La muctra menor da p como in mois de> ‘Tambicn da ¢ como la media des, Emplesremos e-exiouar (8), Exe enimador debe rear ufo um so de Tee Pott macho menor Sty ste valor senda de la wad 0 ryt de ropa xo exinadn “Lahr remittln puede haber oto tipo de seo. Esto acre cesndo algun des unidades dels cst no Nponden y 9 ont ages cin or n,n fon ean {or mis pequcton Ton nomen 6 )'4 de’ muc,pobacin dl caadro iE" pasdon opt por no lopersr en in coco. $i a8 toon ina suena de don ableciieie yn Mace cn tie ‘nasa por lon eablesnientn que no soperen, erro que in nuestra te refee slo a lor ottor ocho erbctniemon, ct ‘ometio ara y e810. Ea eas crcanwancia a muctsa cue irk el prouedi verdadero y ser sxgado ena dnacion Habe tmacoidad de encontrar agin, procdinicnco para relcir ete 00, LBL D. (1968), Sampling They, McGraw) Boek Compa.OFWLSINW AC SVDINDAL sv'1 abv VaxnoagIL METODOS DE SELECCION DE LA MUESTRA 11 Isrmopvorsdn Hay muchas formas diferentes de selccdn de uns muestra proba biliuica en una pobluciin EI requerimiento hisico es que fa po: Macin pueda subdividvseen lo que llaiamos unidader muestra Jes Por ejemplo, toda I pertonis de una comuuna pueden come siderarse agrupadas en hogates: toda Is irra de aa slden pode ‘uponere divdida en predion I hogat en cl primer casa y el Sampo en el segundo son las unidader micuralen La exincia ‘dena Tis o aa soup que mveste Im divers unidades tues tales ex un regis ewencal pra Ia selecln de Is mavesta, Para In'isma poblacin puede haber varie class de anidades miu. trles a las que se aplique ol procdimieno de sleidn, La ul dad informadora y in unidad de anil pueden no ser ia misma bnidad muestra. Por ejemplo el jefe de tins familia pus tnfor ‘mar por todos los miembros del hogar, mientras que la unl de ands para a tabulacién de lor datn ard nu pervona sin eu 32 Morstaro suena sza Un método bisico de selecciin de Ia muestra eel mesteo sim Ble al aa. En este método, cada unidad de la poblacion tiene la ‘nna probabilidad de ser selecionada on Is muestra La selec ‘an se hace de ordiatio on ayuda de lon suuteos a acar (See: 1) después de haber eaunerado lay unidader del marco dee hava N. Todas las muestra tenen In misma probably som {or lo tanio equivalentes. #1 procedimienta de aceidn we explca Eros ejemplos siguientes ewe 31 Senge gu yo 150 anon ao ge 421 4 80, Dado que nucara poblaci legs a lor tes dios, were ‘met himcros al azar ue contengan ts dios Se Gstaad et meron more de 830 porque no conjooden a Hagin mmc Se Fino de poblacim. En cv de que era oa ee le nunca,fe daca Is septic, Sguindo en repay once ly macs Slagle alsa aptiente de 10 cnn, ctmde se enplen fe ale fnnvSh 738 elon mineres a aur que apancen en el Agence 2 4 ima cours dl unér. Pas selsclonse won mutes 8! ana de ‘can comes fr names Sate iio a ‘Onyaeth Be ops el ype aie des iat renpla, Une liberia te wn miso de fetus de vents del a antto, 2at ‘rs eatin monet del 215 1 38 y be sma unm maces ‘sar de 12 fncras En ee cat no chica sumer bs fat {asa partir del mimeo 1 Corum ncn muon a ae deca ‘igi recanando tos or nicer rcnore St 26187 mapoey del 135. Lae momeror a sae del Apendce® prodacen i mtn agente rrr ee ee ee ee youn 83 Hay 10 gragon ca uns xls. I namo dees de cos gro ‘ote tt Conde TILL La etaunts se ureran el a 3 Corona ILL, Nimero de etudionts de una escuela ae tune Sap a T To Te z is ronins 5 2 issue ‘ 30 210 5 a ‘moss ‘ a sae 7 te wae a sao rosea ed, wae tee en a 2 pues ttn on Ia mac ls etadianes con Tov mimes de tina 27 te 0 it at. ne 7 dl oe he rupo 1 Eel grupo 131 dal grup S18 del grup lc Sel ree Fl aro & med oo [35 areacan masa EN MUPETHEO SMEELE AL AZAR ustaremos ahora cémo pueden emplease lar muestas al azar pra etinar Tos parimettor de I poblocgn ties come neces te fas y proporeiones, La epa hen ex que una media © tne poe porciin dela poblackin se esina por fk mein 0 proporat ee respondiente de Ia muestra. El total de una poblacign se esta seck>piande le media mveural pore nie de nid de srto M4 ti ah te cmt yn (pos cree epeay escavai tens ait Pas Canepa tates Bs teeeeah ete ee om 2 or = snesEn 0nm sgy-phe na sur {a media muestra 9 = 97/30 = 428 es un esimdor del nmero medio {cpl pr tc tr al de to gue produce un enor etdedar de 0277 y un content de voici ae Sr Rs ee el epic oul ely eableimenae 2 ex. ‘en 48 5¢ $28.1 508 personas com en evr endar de 18 O27? = {by pemanae cn el mito eatcente de wracin de RG. Paede at ‘mace tema que el skates de itera B28 = 2x OF) me (EON, Nan) condene S'pcedio verdedere con ton aia probed de 095 (vee a See 25)" yer 35 Povecnae de exabeimints demas pequenos. Quremos estima Ia propor se eablecnienos que emplan cine fon © eon potted considera en tl sjempa aneror Tenemes Saw ww (i 2 exinador musa de Is propercdn de exablecinienospequton et {iy wets ve ena‘ 00914 logue a eer nat ety "on coca Se rian Ge 09, "Us sab de gee I ea ‘Sil sk pi qe yo eon stecineios Peso en el cnn comida Ei tncunos sa ein Sl ‘Seto de erleencnn majors (ue cuptan sah psu sm), ie nadia co 1047s cole eet hg hana cine cn de varon dei propor saa pet Gala pot JU=PYaP. tte cocicene ex grande code ocr pegs Pla pe ‘icin tale pobtens Aa poet el-ener mauve Se a seamen e+ [fan caund'sh apsto que dein meine act taro ene poblaca Eyeuo 36 ‘Se nn ms up we ee nk {Guin pesos deer selcloane en fn unten alae pare corer oan et ean (popes Tg ' menort En ance dcbomos cocaine sw gee 1 roe aia w oct sign que woa—m saat Si mutinimos P = 028, caoniomen que elmo de Is mci debe ‘ee ajo de 40) penonae ae eee eee Le eeee ae ye gelatin eee ee ae =o yore 37 sCvenas teas en ts mus? Supongamos que be nkrmaci previa figie que cl romeo de was er dene! merc ty $2488 on una devin endo de oy — $5806) yw coven ‘arn conigaicne de CV) ~ 685; Vas eecounre una maces evade tends pare etna tl promi de venan com correc de Were Cine endo deberinslclonane at art? En ete co el sino den mucra se encntaracon Ia rma[Ee] donde fol tin musa. Cxando el wimere de ends om a po- tide c any gente: 0.31 une CVG) = ea, oe {ee cnr denas da nn ms 2 8708 ‘Oberon, Puce adver qe ress ae de te sna tet moar nn agin tanatentn de CVG) Bate a Sen por ir goe an eae de must tempest de gfe @ ‘Slot de CG) “de ns palaces con que hips tabu Bas tome ice» mje pea de unre eo 2 fate 4 Axktns oe ex sumrontacis A memo hacemosetimaciones pata sbgripon de ana pbc, ‘sly de weal ee Ie pbloioe Poe eftunoy quid nly heres conocer el ingreso meio de an mujeres adends det ngrewo meio for persona. Lae mujer forman unwrap de Tn poblacon de {oats pentanas Oto sugripo 0 sebpoblacion puede te él Se bombs que tabajan en la agsealary ete. Ea fo efmplos 538939 no Seupsnemon del ans se on desde grupo Eyre 38 Ingres media de wm aber. Series wna enve demgiticn por (Conon ILE, Dato de hogares en una encueta nigerian Tins” Mineaie Ringed Ningode __Paonfetar T pecan T wo 2 1 mie aT 6 5 0 1685 i 3 in ca Teal 1a formacin dnponle por tel for 2% Eat cid LE aparece 1 mca mortal 10808 = £086 cs una eximacién de ogre medio tor tin y ol cor ecindor det eaimader ev £918. Conaeren lect sabgapo defn con on miembvor eno. Hl mero {ale fis Ny se ono peo be dipone de wna tesa MT the de tales tien Teme pace art le ont tomes soe Hh sa.-m. lg mi eee ayrapo exis o 2084 = £088 y 098 x Hx somone gine ‘demic propecia de fie de un solo mem en ete egrapo rtspst 2B eo ewindur ee (en SA) qt dan coctnte de vinci Ge 109, operat Obvracin, Pun extn Is edn de vn aber caller Ie me is muta relat al ebgrupe. Pare etna i vaines emplesmoe 1s tral salen ques Heri a rein mal que w pen > feds In potlacn. Hl mimo procdimlnto ve clea pars ena ona faeces aa a Angra ttt de won bgp, Resales mt einai det ine sofonl dem hgrope n pert dels Gates del Bhool 8 porges =“ ‘TecaIeAs De wuesTREO Ignors el nimero tou de tk fin cn It pobacién. Lo weer Fede ce empl sin close oe a Ysuponer que tin as finn pernsccnte al sbgluyeeten et Trlor de ro pray Comiderenot el sibpape de fasta co dee {res mlemioc Teator P10) a 350 5p, = 2070 oa ch eure mane Soy = mou Por lo um, el ogee wal etinado 80 x 2670 £10850 yw 10x 5 x 008 ECHE eesssone Io que conde 2 un rer tinder de (25182 y un confine de ve tala de 25% sproximndamete {45 Estamsnan ox La smAAcin oe ka vaRuanan En todot lov ejemplos anteriores se ha extimada la varianea ¢el ‘timader a partir'de a muestra misma para determinar la pre- ‘gn de lz esimacién. Dado que se calcula « parr de la nies tra, el etimador de la variana est sujeto a erores de mesteo Por lo nto, deseames conocer in estabidad de estimador de la ‘arian. Esto cobra importanca cuando, por ejemplo, ls vata, ‘ctimads a partir de una muestra we empleara para compersy ua ‘metodo con otro cuando se empleard para determina el sna de muestra necesrio pars alcanzar un nivel dado de precision, sua cuestion es examimada en lor ejemplor 4.10'y 81 Eyoine 310 ate eta de esr x Pm 00s propecia ver idea de pertonasdesanpendas en uns fabian, y sponges gue ‘ei wmalo una musta de = 40 potonas pore tina Peete emonrane que ts poblcia es muy finde, decks Se nk ‘in det eximdor de Barons ed dads por’ (pe 19), i} {eben} (Sie tama de mucsta ods qu sliome pars el propo de une ‘Stinacie uthtacora de I vatonmn Obsracisn En 6] Cee TH pores ol tno de mace ws costicente de vriaclén dl ne Joy de Is vanes bn deo 30%, ‘ses condo a ats de enim una proporion de In plain Cunono ILS, Tamailo de muestra neceraria pare wna etimacion ‘confahle de le vara 005 2 om 8 210 in om Ey 020 %6 90 i” om » 0 as ‘Ast pues, uma muestea de sreledor de 86 unidades deberd. ba tar, sempre que la proporién que vaya aetimane no seu dem Sitka qu ca dcr, Pac eneventrc entre 020 7 080, youre Sat {cll et etiador deta varios de a meds Eo empl 34 e8 ‘Seamer ol promeaio de empleo yu evo cadoe cn vat aves de Br esablecininton Ahora detemirarcmoy Ia eating Ce le ‘Suse sbinida'@evable Para elo ctnoy le leon glentes eu I poblaon he pais A nate HL confente de vracién del ctimador del varies enh dada sproeimadanene por tp le58 TECNICAS DE MUESTREO ¥=[--23] Esto es igual a Ve (»-2) = 0.96 0 36 por ciento Podemos considerar un cocficiente de variacién ah ean isfactorio para [a estimacién de la varianza, tal caso la muestra Gian ernea ue tae seleccionarse en Ia poblacién es de 97 apro- ximadamente. Observacién, En el cuadro M14 aparecen para valores diversos de B(x) los tamafios de muestra m necesarios para la estimacién de la me- dia © el total de la poblacién cuando el estimador de Ja varianza tiene un coeficiente de variacién de 207%, o menos, Cuapao II14, Tamafios de muestra para diversos valores de Bs (y) Tameto de Buy fo ren 2 25 100 2475 3 50 200 1995 a a 300 7475 ; 100 400 9975 is 2205 500 12475 20 175 600 14975 50 1225 700 17475 3.6 Mugstaro sistem Aico Un método mds conveniente de seleccién de la muestra cuando las unidades estin numeradas de | a N es el siguiente. Supongames que debe seleceionarse una muestra de 20 establecimientos de una lista de 500 establecimientos clasificados por la industria. Esto significa que 1 de cada 25 establecimientos de la poblacién se seleccionara en la muestra, o que el intervalo muestral es 25. Empleando niime- ros al azar seleccionamos un mimero al azar entre | y 25. Supon- gamos que el numero seleccionado es 07. Entonces el establecimien- METODOS DE SELECCIGN DE LA MUESTRA 59 to marcado con el mimero 07 se selecciona en la muestra. Los otros establecimientos de la muestra se obtienen sumando el intervalo. muestral 25 sucesivamente a 07. Por Jo tanto, la muestra contiene los establecimientos siguientes: —-—— 07 b> 4 57 ‘82 107 132 7 182 207 232 257 282 307 332 357 382 407 432 457 482 -ee— Una ventaja del método es que la muestra se distribuye por igual entre los diversos grupos industriales. Una muestra simple al azar tomada de la poblacién no posee esta propiedad, . Eyemrco 3.12 Muestra de manzanas. La ciudad de Ibadan s divide cn N = 576 man- yanas numeradas en forma tina; ¢s decir, las manzanas vecinas tienen mimeros consecutivos. Va a tomarse una muestra de 10% de manzanas, lo que da un intervalo muestral de & = 10, Si cl niimero war entre I y 10 ¢3 03, las manzanas con jos niémeros 0% 1% «623, 3% se encuentran cn la mucstra. En cambio, si el mimcro al azar ¢s 08, Ia ‘muestra $¢ integraré con las manzanas numeradas 08, 18, 28, 38, oF 43, 5% 4... 573 4 58, Sop STS La primera muestra tiene 58 manzanas y Ia segunda wilo 57. Asi pues, el tamafio de la muestra puede diferir en 1 de una muestra a otra cuando WN na es exactamente divisible entre k, Observacién. La probabilidad de que una manzana especificada sea seleccionada en la muestra es 1/10, cualquiera que sea cl tamaiio de la muestra. 5.7 Esti aciOn EN 1. MUESTREO SISTEMATICO Ahora ilustraremos ¢l empleo del método de muestreo sistemitico en las encuestas. Para cstimar el total de Ja poblacién se multipli- «a el total de la muestra por el intervalo muestral. Esta cifra divi- dida entre N da una estimacién de Ia media de la poblacién. Como° “THENICAS DE MUESTRED ante ta proporcidn de Ia poblacda se esti en 1s miss forma {ve la medi La eainacon de la verona a pay de a mca nds intrncah. 81 pede considers que as unidaies edn or {pnizaday lazer elt poblacign, In muestra serdties se compor: {como na mucsta simple al ur yowe 315 romeo de empleo en la industria Hay 69 eublecinenton inde fer gaeemplcaa 30 0 mas penoas en a laa de Pico ch Gxt Lat sige on ls es dl empleo can hae en na oes emt ates “Tenemos n = HS = 2680 Dade gu I fcién mucin 15, ne ‘Gtinarur del empl oa ech dads por x 2680 = TE/0 peony ito da un promedio de emplee ce 708 pete por etalon. No poste incre une enn rigona dea vaio eke Pa se Eves it cn scm Si cbr of poco, ut ‘numeri de lov evablecinenton bac la, poder ata com ‘Sur meat al ear Ea al eae be eM so-y =m Sy—pr = 998 1a varlone ema pa a mia os ex dices = com See gon bint mails nate materi Hyer 814 Pablacén con tendon. Apssie deb como, ana gran venta del ‘Geese seaice er que In mucus se excnde prefmente Fort Scan eum ly snader schon mumerodoadecndnmete ea po Fecta or to tant, el ecimador muciral std precio a hoy algun ‘hee de fendnch tx palacion. Comins, yor efmpl, el yb ‘Sh mds en acadéie dein mea dein poblncan j=? = PTR srg spare de won mars de 10. Tenenos som" Nem wet p= 20 A aus A 4, 48 48, 5,5 2,58, para tl etimdor del prome nla sansa dein ea tol banda cm una mcs ue cs muy gunde. Hao demneusa que el mci semico ome BE STs Shara mam bin on ts Eppa 515 a cue dele periodic. Stay won vari perica en a por TiGtn"Gdkcnos tener mucho cielo en ef emplcd del musta se temic. Comsdcroe o pepo sige de 10 hogar alates eh thn cle pamela, Lat scrote fos hogats se enumeran de sue {ican sv la. Hl sexs de lon alone deora por ans es maya Y'elde es nog com una Kn nica #1 oma de otal Lanne yale de aniline sempre va vara Se quiee eit Shed loesenoe» pane de una muses de 10 pers MoM OM MoM MoM ow Mow fe ome OMe? “FF oY etme f FE wt oo Pees fot fooe ‘Teoweas De Murstao 2a joy de von rao 6 3/9 ens mee emo 0/2/10 5/10, 6/10 reqectmen gue pred we ‘Bano de a19 para la propor esa la ents macs Simple a aad 10 pnmncs da pogcon nas cm os vs (ps ee ar tan pues como 0.0188. 1 tain dea mala seucn I a mac shtenesrenide tf prided de los doe} ot pov de peblaones con va sic ei La mp amp det en wt ‘esr de Is tendon arcon pounce ent ing 4 erron dovanie maa aon, won Sigua emp. Debenos ae ‘etcntementetumiindos con le dor pte Poder. dele mcr el interio metals hn de mpeae el mucsten wen. Cone sider por cfompla el problems Gea eximaion el ime de ee Icon ge parm jor in pee drone cre mes, Eersmen qe fcinito bre el pence muewte prttiaad dorate ef das yus hay Ferm ae a omy in oe eter a eon te teectonamon wos hors alant J clareames Idee {irate pt hora y lv pedo scants 62 St rae ee ae iad ea ene ma min ars omen ‘com pion y eo pcr una ca may clean Porte pnt mcr hors aetna mcr case tate wees be Dis ‘Sones timadns eh ste momento datante lw ay sbscienes eel ‘contre pr dejo del prmea,ln que produce ana ci taj Emme 16 Gece Spee as tae cece coer ance a ff selchmando en f'yabcin mide una mua semen Com: Gu eet ier tue eetoce aa ee eae EF Bea Si Bay Giniendbenflobegel Most aimee 1 2 3 4 5 6 7 8 9 wo 18 to oo uM IM m6 Se aes asH ust ow eucn del erp toa heat niet codex t xm 4s gu ple um cor dnt de 3170 perma on cient de 38 Murstaro con rrom (Cuando Las unindes muenrales arfan consieablemente x tx ‘mao, un muctreo simple al alr oun muse sstmatico de ft Unidas no produce uta bacon esanion dbido nln pak vr ‘ida de las unidae en canto al earsceriaen tape ea Son ejemplos de eto ls Seer de las granny sn pobleions de ins cudades. En tal stuacon patemos ogra una éotmacin oe {er asignando mayor proba de selec os nldadey fa ores La mucta pute selecionare ton templay o ae Hay ‘arios mets de telecon de Ia ucts fo probabldad Porcional al tao (PPT). algunas de ex tates ve snp {lon ejemplos siguientes "EL método del mucsteo con probabildad proporcional at sna se ust de eninarin pra fr seecion of upd rons fle como civdaes sides granjs. Geneamente se divide Tas ukdades en gros estat (S27) 7 ve wleconan den ui, les dead extrato (Sex: 8.5). xa ea re que a ayers a les ejemplos presenta a elaconen con Iya de doe unidadr en i moet. vciico con remplc. Ea el Cando HLS apace Ia pobcn de 20 ana por una inven tenor a aac e BRa on cds nzans. Se tomoeh won scars e dos manta La habe“ -reeMets bE NUESTRO oi (Cuno ILS, Mime de pron en 20 manzanas inp a4 en 7 ces, a dl a Shear oe eis tonne 2 es | speern ate 7 ae - . “Muciireo sstemético, Si es importante que todas Las umidaides seleccior eee iene Bow ge one ‘dan tcan diferentes ett ceplee varios tiadoeComideroe th $4 a mo BR we Bee hiro de 1 casi una he e Greco ta plea cx Soy nowy on am HEI ean ines erties a eer $3 he oo it 7S is mms of on ae i ok 6 ie ob 4 fe (Coane 116, Pobacioes de 10 cudades (en intr) So te ie kos ie wo0 to ium mo i aa aaa ‘iad de peewee em mania cn wna mote de un bard Lom om om 6 me mae orl 1 Pun ae i wei nso os tna Se 2 om i oa Fit ism Es"iceman ye suptan crabs Ss manne de arcs ot fom tw je 8 me eto ‘auton Duds uf tn tm ee tne ee tig toi mS ie ret ima com {ernimeree myers Se 304 Loe nimeor al str sba 8 yt. Sot rimers cen et lot Intcraie de las mananae I y 12 rptctament, Por lo tanto, tas on hr doe nmanar de In muna. Ex via uc is fobabidad de stecioar Ta manana I 18/34 y nde manna Fees dopa. ‘Obsreacién. Em exe método puede selccinane I mts mancins ‘oe were oe ‘Oban. Cuando cs grande el mizero de wnidade dela polo cin, smn eo ae per in Pde ea Deane enonces et siplnt ‘dple (2). Tomanos aa {fhimeos al war uno de’ dion porqurhay 20mmssun) ye ode digios (oe, el malo. mining er 0) Recharamo toon ae eros sje de 20 parse pier mamero al air) adore tev majors de 9 pre el egendo nemera primer der a sot ‘econs i mans provdomalmente Sr al wand. tdmere ot me fer pn gi om ete mat i lc eee ‘Enpleando iar aiat demersal ta? (Apeadie 8), lon pres demic ‘sew al aaron ao 1 segundo par sclesions Ia mansana 5, Pru la segundsselecién Jos furs de anos a son en ‘Se tata de scons don cadade erates tls que la probablidad gor ns choad care la tema eden roprets a Foto de Toi fodmos pice gcc ghana Gi Xa too, Dodo gee el tena de u mene cg ni bd ier ‘alo cca er 1908/2" oh Se selene as unm des Uigor entre I'y 75. Sea 00 el nomero al ar Ene numero cas en yi ee Satie § gre wthtie co bs ecarn Semmes ee {Crile muctal de 951 Anime a tae OO pors sbtenr 1356 Ea {Geen el inerea.o de a cndad Ne que or lo ano se selina ent ‘tscata Aa pace stra mcs fads hs andes umeraan 8 y 1 Eco ets ntd omessoan cn oil. ropa Aguero 810 Mats conf delve May Seopa ota baie coe Contato pcs ea Coes getters mrs elm oct at peste oes acer easy t uece ee(Guano T117.Seleectin de wa wnidad por grupo 2 me wm fm Fe ee som Wo me 7 a Soa Me Eyre 320 Lachey beeing hilar See ee eee eer ere ree 139 Exmsacay nL SuesTRRO CON PRORAEEADAD DEAELAL 11 problema deta ean de oe totale, as mi ls pro finns de una pola co me insicnd como koe fe elacions con probabil desiguats Has es mas sn Silo coando el raver 4 hace con reponcin, pro eto pede cra lea pris de licen, Puede obthese mayor Pe ilbnsdteconnto ented irene cn i tunsra (ene Sia tpmidte). En cl primer ovo se civde el valor dey de Ia Aida elcid pot a probebidad de slecedn en una mes tn de no, Crando! too soma en toda Ia mucuray se divide ef maiden aca, provee oa eimai del ttl dea poblaion par Enel segundo co, ye did etre Ia probabil Aiilcon que Ia woidad se sleione ela ues total de tamato fry laf wana en oda ia mucra ps rod sna eine Gi tora dey porn In plain. Lor eel sigue see fan ae Mes Ateneo com veers. Constr ts gob del Cundio ILS de Inte se sdceteon ks ams 1 1B en I mete er dee tine ef mine ttl de oars ye ol Sten Denon ot Ieedones'y 2 sepectament Han Jc hopes at dow nat 1h salty por emt eect, I9'7 5 rexpetnamente. Feros 1a etimcia mesa dl mimero de hoger om les 80 yw ctor ‘init 35.4 Obra, Si tomas tons Is maces piles de dov onze on pp i voviama del eat es $2473). Ls waa come fhe mc spe al Si IRE gn a cnn {eats major. Eso sos imo cl muerte on pebabibdads Seige cde lor ame reduc nova de I svanes ou tmparii co ‘Vimeutee com pobabides gual Obst. Six wleconan 9 uniades com pp, I eimncn de ‘uta de Ta pocn es T = (1/0) SQu/P). 9 einen de Ia Ryn 122 Muesro stems. Conic l iver del Caio ILS ds. que se chccionaron dor dhe en fon semen cow ppt Las che ‘isteeonas Son 89 TL probes denis HAST 1 W731 reqectament Exped conjota de gue se we ‘Somon in aer 121736 Teremon Cpna HO nat » » ame Ba one % Fe 1 eximacdn deta pcdn oa pa y 8 006 + 60 yma einacion no waged dew vations eo (SOR 1] cena — ensey 2 imadr de evra ea er nga, ta cw done {Gee pocedileta fa Gla poke extane at somodsn Sas Enno snc de hacer en semi (3) Obverencén, Un sbpido etimador do a vatina, que tend » nage sat la arana vedadra, puede bteneise pontoons Co Ppetlon dat youn 323, Steccidn om ppt delves, HL anlsis com ene mtd os conser tent mis spl. Condérese de nuevo Ia selclon de ds hese FB'poblacda dt Cangro TIL. (lne el Bjemplo 319). Tenemon pf Un eximedor dl ttl des poblacii para y 2 a 41409 = 106 os ere ean J 09m 41 = 28 1 que condace a un cottcnte de vrai de 154%, Obra, etior de nvsianes ds page Obsracin Hay ow dtd pars sli de Ia mcs que ey sale al musoto de Eymplo 2 Se Huma mussna tera cob probe Tosa desguses. em exe metodo ve ae emusic con repo ‘on prbabildad propercenal al tomato La clin cont hs fie fe woman mTunidads dierence Lain slon teh oe dice que hum nidas dienes aeconaise formar’ mes, Fonte enterie que ete equals tlcon fm la segunda com ppt de lat undades rants yo sacs Be Eyer 24 (Une unided por grapo l azar. En ee més we wlecons una aniad am pt de tds frp diyps de dvdr lav wnidads l sent eg fos (). Tomcenos is poblacén dl Cust I. de ques eecond [pues del Hfmpla 53). Haremos nu disinchn entre landed ivr e150) ¥ ps (Gonder 704 trawl dl grape) [is cndades de ln nasza sn i epoca is din Gekconee ty § ‘opectivmente). Tenros (p28) Meesa NEN ENS S- OER Om 1 oat de poblci para yn ena com ss jr ~ gee 4 ent fone + m0 tons y wn coticete de varain to da wn coor ednar de de iste se ‘cloean on tide on eeu) ene cl eno com ‘otetomnn mie de dv unadey or eel, te forma nro gos ‘rts de lo cn» conene protean elo tet oe Sida wl tumibo de mise dead 1 cant. Ht predic ‘Sc enimaclon cellar aprenden PROBLENAS 1.1 Setoma una maciza simple a ane ew = 2070 gran dew p> ‘iscidn de N= 20500 grimy y se recleca Informacion sole Ineo de cana de gant’) ets gan. Se saienen lo dor ime ct prometio de ater de pana poe granny cl néoeo ttl arm acinar cen en ‘imadors Culms prj debe accomns en wna ents fe Darque el cvr relat de nears na ses mor Sp 52. Una mus spe 3 rr de » = 140 hogaeselecomdo una ea qus contene X= 850 hopes dia 80 Regres gue pncon det 4 teasers Un tegir del moses de micros $n LoS haat ‘wou 5), = Mi. y= O74 aimee tomato melo fe a horst et fern leo Sinan et ictal esa et 530 cies cha donde abla 16000 hogan se toed wa meen simple al nor de w= 1000 hogs deta que raularon 966 hope ie Snomgransy 24 gata de nas H nlc total de psoas oa scien sxcnlib 1 2303, dels cee an eran nn Ea tol 10 {iis can peop de cue tnbitban 350 de Ge eal san inmigrae) ecaton bsgradae por TUT porn, Habla 1203 ernst er 416 fla de inmprates ue rntaan a en en que $ISE 1 Teo en ami ti enon en sim) Ia eoporetn de aman sates 8) Is pepo he eat nde abcess por nies ec toa Ge ves rete td, 6) el to medio de une familia de lamas 9 ef ee ‘0 pesos de Ins ain nate poplar deme wend Ee ‘ent ien cores etundors den xtondees deo 9 8) Soren ee Soon corr ee nea Bee reer ec ee faeces Serie us {45 Se qlee eimar elmer ttl de famine un dren de 24 ae ‘tas 5 obtiene tna eimai 8 oj, el mera de hogees en eas ‘unt malian un ripe exe Wel dee, nics cee 9 de hogites eebtiene ms nde malo caso tba de tame.ho Mo 1 oH ew @ yn o 7 se 5 oe on 2 7 owe on 8 Boe 2 eee eee 6 ile a tn mt Seca See cee ee ionscsn sacra eo ae ere eee Sore Se 4, Una poeta pobacién se compone de culo geanjes Las das x ls ganja son 10,20 309 40 heresy a ht cava 9 tg dy 32 hechreasrexpeuutente: Se elena i sds gant en forma sigue a pres telson se hace fom pa ‘ry ln senda con pp alt revante Site empl leaner del Ler io $28 eneunire th ewimuclon de le aranm yo cas must de foe ganjny obtengn ex conccucce Ia vuinea ds extn, 1. Una ade vide en 39 dros y cuenta cl nimero de vives x cada ca Lis frees ecoumeran aga orden Ya tots won tate tt sitet de dot reas con pp *. £1 nome Se vircner ups spor tnquilinos ye dtrmion pra la dren de la moc, ste aime tol de vvicndas restr en a dea eneue el ert Ssdndar‘e le etimlén. Puede cope lee doe Ugtent Las Seah, ‘Bumeradas 8 y I 9 encunten In ace, DES Wa lseas agence ay Sk aa! » BoM 8 eM we Bm oH ae ion ke woe eo oe ow @ so 0 mH 6 2 sw nm 8 3 wo Hm woe 38, Hay una tra ta de propicdades con el nimero de parcas de ‘la una de ell eselcioan cinco sete smd ledependio: {5 41% con probabil nen I lt, S one Moen [es eo ae [Nimero de popisndes 1011010108 ‘mero de parcels Vee 18128181 Sto tine el mero tea de porch en todas is propledaes 9 encunte lege tinder dela einai. 130, Stata de tina el dea total clad de igo en un int. Un ‘neo sae colizae lalate whee cl dre colitis en cule Ses det car, Sertcona una mura do ade con reposclon Gn pp tary e dour cl ch colorade de tgp 7 te i sien ell me bt Saree deo oa I ra dl Sten calend, bee M9 27 asl eaten on 2 aot Go vine 1770 10% 7 17 100 3D Sie a 2 be eB ease Uae de us i am ‘to 29 ‘ee so “co too tah SOON oe An 715 OHS 1016 AB seas m9 st 10, Se ene informcin sbee el redinient de una coca em ca ‘mo de as 8 pedis en gees ha dvd wn ea Las 10 mute ‘nuts de preios eda una don Io tals gut > 1m noe aee Secale Ia vaailda de rendinieato por pedi» $= 16757. Com pre ba preci de una rue stems com uns mucus pl a St damm unaio pars ewiner el rendimin meio por pedi. Enuenze el cotcente de corlacsn Intra cel del seRernarsas Mok, HO. y JN. K Raw 1962), “Sumpling wih Urol Pro ‘ics whew Replacmane’ cm ann Math Sa 2 Lah, D. 0951), “A aetod of Sample Seon Providing Un aed Raco tits en Se Sa: Insts 30 4. Raj D (861), “The Ue of Sremaie Smping wih: Probability rag yagi rey 4155.0 Gam, Soig Theo Me Bk Cp, Na 5 Rao, [NK y esos (1962), “A Simple Proclateof Une Pre Tnliy Smpling witht Repicement” em 7 Tey. Sain mm IV, USO DE INFORMACION COMPLEMENTARIA 4A. tenance Ey 11 uabajo de muesteo no es nfecuemte el dtcurieinto de signa informacion ya exinente ara Ia diverse unde ue ‘emprenden la pblacdn. Tal informacidn se base generative fn censono encase ra exala anteriores. Po esp, ep sible que se coca et imero de habitants de divas dese po un cen de poblaién ane. Pueden tenets I ant Pine: aid neoene dasecia aeiease as ates Impas causal, ee tle Gremstincay, es mporante een peo de esa informacion para mejorar In precio de fas et Imicions La informacién eomplementaria «pace canpenre en ‘arin foumas, En un métdo se lec fa mca con pobadie dad yroprcioaa Oo es eruecin de a pai iin eon bate en 3.0 bien puede emplesne la infrmacn ux liar pra formar una etimaclén de Taran, de a aerenela 0 de In regresin. Ene! Capitulo I preentamor ea forma elemental a guna de eas tenis En ete eapitelo arenios uma deepen ‘mis detalnds de ston modes, 42, Barmarincsciin En este métoo, lay unidades de fn poblacin se asgnan a grupos o ctraos de acuerdo con fa informacion sare 86 tata deol. ‘ver intermamente hamogéneas lor crates olocando en el mimo {toto unidades ue pareacn ser sila A slecona una vest de tamaio sdecuado dle ex strat, se puede prot tin esimacon dela eaacerie de Ia poblcn'y que en com siderablemente mejor que la dada por wa outa spe al ana tomada en el tol de Is pblacta. El ejemplo siguiente alara las Hyourto 41 cratiiccin de cides. Lnrmon I nfrmaciin sles Ia poblcin Ge @ cada rig en 041 para divide as conden cm tanto {uo El alta 2 del Cando TV. aparecen lo lies de lovee tor Basar en x21 numero de cudndey on cada eran Ie poblcn* ‘Teoweas De wuxsrREO. oui an ee Serene seer ee ca nade som pega La poco mea Sen Eee thacno cobeoeeen eee ‘bly Fowl cote de varia nat oy dae, Se Berea ee =e pee oy a ee seperated neta ce ae ooe ep re cia Seer Sas mere de unladen dein ucts tomaday de un cats, peels bce eels ram Ere rarer eg na etinsion del total de In poblaién de ls cudadea a clears coerce ea nee sae eae pe depende del mato de In musta Cuando suman lat este dones Bin toe erst, a obi ia enim def psteon (Cuneo I. Buratifiecin de 69 cludadesgregas —— en a a ee (emia) . f a Se rae] ee tae woe : 1, nee a as s foul cn ta 69 nade, La yatlnen de xa eximacon x ella mando en Ne Al parce nme eavenent t- tr one mcs camo as vara x decom wh i ei sa hart es ge es gee Ganon WV, Aegnaciom dela muestra a le etter “fat popecanal aa TING) WG) 2 7 een 8 4 6 mm 6 Toul 90 7S] HHO 80 THTSD ev 398 as ae on contented vatincia de aes dl ttl de a pbc y ‘yen en Ivana hier el andro. Fs cacne ue en xe cna ‘Nest naa oa dew ee tocar que a again de Nejoan es mejor cuando Ace Sires lo craton ws musta de tmbo Gpectinds (2p 6)- Nes Tien cleat ori roca de ecentin pet one as ‘tr dmple a aur de 29 calsde tomads de poblan ain far 1 Li cleo mueuran que el crcceme de vatacin leg em ee ‘uo hi 15 eo aor Ta lad ea eur te ite de eecoe le mene, 48 Hornady 4 namnie pe wussmes sstmacaDss Ahora consideraremos Ia produccidn de etimaciones de ttle, me diay proporciones de In poblacidn. £1 principio bisica conte fa hace una essacia de eads etato mediante las rel ex fandas en el Captulo 11 £1 atl de la poblacion puote etimatee ‘umsnds en los estatox ota estimacin pernive daar Ia mediaAisiieno entre et miner de wnidces de Ia poblacdn, Los cen. plo siguientes iota estow peincipon Ryne 42 imero medio de cabeza de ganado por grou, Un ditto concene 2072 gran que oe an didi en Cnc etson de aoe Com 8 fre de heetiveae A pati de ie gan de neato foe imncars al sar de nd pain (ene Candee 13) 76 decemlon Amero de eas do pana en eas pan de fs mn. Se clon Seneea mesial Ky Wretriees meal Ava pate de bce ‘dn etna Se tnt de cme) promeli de bers de peda por ‘Germ IVS, Estalifcaion de grams por drea er) Meondel6 Ska 6 ten So ass BS aman stan Os Ase aspen a7 ms iat wage "Sep Mivders “fata rT a) Temenos @2 pd) Signin Ss ‘at poe el promt de cadre de ana por gan e187 y I ‘linen dee etimnion or HG A7/4 0918 oe OAOEDE. err er inate 0522 ye cofiente de asain de Ie estimaciéa © 25% ‘aro e 281 ys ror indo et 88 Fyn 43 Ipod desma 295 ii eo dad elas race 2 a ws na maa pcr ends scenester Se aig ome Temas Pope ie ge Se ena Sere ice pers eee elie geen ede Groin ada ci Sera pn Fane ad aS 5 Semana Ste tis ce ee ZDweo-w fa pcs elaador cnt de anes O80210, ye enor Obvenacin, Pode adverine que Ia migration mute empledn en fe ejemplo cry Handed ‘La mejor mination hee ap opens Speier te genie Soi pees ‘uel ya we sgn prorated fs sees Stig cnn 8 SENET sop ison te lee mucho de Spina Esto Bemus gue i sgn faoeoe doml eadceda de riiaro cuando ve ts de ely we oy orci de I pobacign parr de tan mera creeds Gone de I xraifacém. Canna raza wna enc em plindo uma exradicacon pte, puede detemine ope ae {soe euraticnds la gemancisdevraa Se la sarretatfyo ae eid apr ea wena Invasions de scans es