Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Censo vs Encuesta
La primera parte de éste tema introduce ciertos términos comunes a las encuestas por muestreo.
Posteriormente se tratará la forma de seleccionar una muestra de una población.
El diseño de una encuesta y el tamaño de la muestra, determinan la cantidad de información pertinente a un
parámetro poblacional, siempre y cuando se obtengan mediciones exactas en cada elemento muestreado.
TERMINOS TECNICOS
Un elemento es un objeto en el cual se toman las mediciones.
Una población es una colección de elementos acerca de los cuales deseamos hacer alguna inferencia.
Las Unidades de muestreo son colecciones no traslapadas de elementos de la población que cubren la
población completa.
Un marco es una lista de unidades de muestreo.
Una muestra es una colección de unidades seleccionadas de un marco o de varios marcos.
COMO SELECCIONAR LA MUESTRA:
EL DISEÑO DE LA ENCUESTA POR MUESTREO
La cantidad de información obtenida de una muestra puede ser controlada por el número de unidades muestrales
extraídas de la población y el diseño de muestreo o método de recolección de datos usado. Algunos de los
diseños de muestreo son muestreo aleatorio simple, muestreo aleatorio estratificado, muestreo por
conglomerados y muestreo sistemático. El mejor diseño por un determinado problema es el que proporciona
la precisión necesaria en términos de un límite para el error de estimación para un costo mínimo.
Muestreo
¿Cómo cuentan
Las ballenas
Los migrantes
Los abortos?
FUENTES DE ERROR EN LAS ENCUESTAS
Máximos y Mínimos
Distribución de Muestreo
a) Hallar las distintas muestras que pueden extraerse y la probabilidad de obtención que tiene cada una
de ellas.
b) Calcular le media de cada muestra, así como la distribución de probabilidad en el muestreo de la
media.
c) Hacer lo mismo que en el apartado anterior con las varianzas.
d) Calcular la media y la varianza muestral y compararlas con la media y la varianza poblacionales.
e) Calcular la esperanza de la varianza muestral y compararla con la varianza poblacional.
Distribución de Muestreo
Distribución de Muestreo
Distribución de Muestreo
Este método de muestreo proporciona un punto de partida para una exposición de los
métodos de muestreo probabilístico no porque sea uno de los métodos de muestreo más
utilizados sino porque constituyen la base de métodos de muestreo más complejos.
Existe el diseño de muestreo aleatorio simple con reposición o sin reposición, que depende
de cada particularidad de lo que se quiere medir
El tamaño de muestra y la variación de los datos son los dos factores que afectan la
cantidad y la calidad de información contenida en la muestra y, por lo tanto afectan la
precisión del procedimiento de hacer inferencias.
La media de una población denotada por µ (parámetro) de tamaño N es la suma de todas las
observaciones en la población dividida entre N.
Si se desea calcular el valor del parámetro a partir de una muestra aleatoria simple de tamaño
n (hacer inferencia), se utilizaría el promedio muestral x, que por supuesto revela muy poco
acerca de la media de la población µ, al menos que se pueda evaluar la bondad de tal
estimador.
Por lo tanto, además de estimar µ es necesario fijar un límite sobre el error de estimación de
la siguiente manera:
Muestreo Aleatorio Simple
ESTIMADORES
La media poblacional µ:
La cantidad (N–n)/N se denomina
σ𝑛𝑖=1 𝑥𝑖
𝑥ҧ = corrección por población finita (cpf).
𝑛
La varianza estimada de x: Cuando n permanezca relativamente
pequeña con respecto al tamaño de la
𝑠2 𝑁 − 𝑛
𝑉 𝑥ҧ = población N, la cpf estará muy cerca
𝑛 𝑁
de la unidad. En la práctica, la cpf
Límite para el error de estimación
puede despreciarse si (N–n)/N > 0.95
𝑠2 𝑁 − 𝑛 o, equivalente, si n < (1/20)N.
𝐿𝐸𝐸 = 𝐵 = 2 𝑉 𝑥ҧ = 2
𝑛 𝑁
Muestreo Aleatorio Simple
ESTIMADORES
Para el total poblacional denotado por τ: La suma de todas las observaciones en la población se
denota por el símbolo τ por tanto: Nµ = τ Se espera que el estimador de τ sea N veces el estimador µ
𝑠 2𝑁−𝑛
𝐿𝐸𝐸 = 𝐵 = 2 𝑉 𝜏 = 2 𝑉 𝑁𝑥ҧ = 2 𝑁 2 𝑉 𝑥ҧ = 2 𝑁 2
𝑛 𝑁
Muestreo Aleatorio Simple
ESTIMADORES
𝑝Ƹ 𝑞ො 𝑁 − 𝑛
𝐿𝐸𝐸 = 𝐵 = 2 𝑉 𝑝Ƹ = 2
𝑛−1 𝑁
ESTIMADORES Muestreo Aleatorio Simple
𝑁𝜎 2 𝑁𝑝𝑞
𝑁𝜎 2 𝑛=
𝑛= 𝑛= 𝑁 − 1 𝐷 + 𝑝𝑞
𝑁 − 1 𝐷 + 𝜎2 𝑁 − 1 𝐷 + 𝜎2
2 𝐵 2
𝐵2 𝐵
𝐷= ൗ 2 𝐷 = ൗ4
𝐷= ൗ4 4𝑁
30.
i 1
4.6 Determine el tamaño de la muestra requerido para estimar p con un límite para el error
de estimación de magnitud = 0.05.
Muestreo Aleatorio Simple
4.8 Estime el número total de galones de agua, Τ , usado diariamente durante el periodo
seco. Establezca un límite para el error de estimación.
Muestreo Aleatorio Simple
1.- La estratificación puede producir un límite más pequeño para el error de estimación que
el que se generaría por una muestra aleatoria simple del mismo tamaño. Este resultado es
particularmente cierto si las mediciones dentro de los estratos son homogéneas.
2.- El costo por observación en la encuesta puede ser reducido mediante la estratificación de
los elementos de la población en grupos convenientes.
3.- Se pueden obtener estimaciones de parámetros poblacionales para subgrupos de la
población. Los subgrupos deben ser entonces estratos identificables.
Estos tres principios para la estratificación deben tenerse presentes cuando se está planeando
estratificar o no a un a población o decidiendo cómo definir los estratos.
Es importante notar que la estratificación puede ser combinada con otros tipos de muestreo
dentro de los estratos, no solo con muestreo aleatorio simple.
Muestreo Estratificado
Sea:
𝑥ҧ𝑖 la media muestral para la muestra aleatoria seleccionada en el estrato i
ni, el tamaño de la muestra en el estrato i
μi la media poblacional para el estrato i
τi el total poblacional para el estrato i.
Tenemos una muestra aleatoria simple dentro de cada estrato. Se sabe que 𝑥ҧ𝑖 es
un estimador insesgado de μi y Ni 𝒙
ഥ𝒊 , es un estimador insesgado del total del
estrato τi = Ni μi
La media poblacional µ: 𝐿
1 1
𝑥ҧ𝑠𝑡 = 𝑁 𝑥ҧ + 𝑁2 𝑥ҧ2 + ⋯ + 𝑁𝐿 𝑥ҧ𝐿 = 𝑁𝑖 𝑥ҧ𝑖
𝑁 1 1 𝑁
𝑖=1
ഥ𝒔𝒕 :
La varianza estimada de 𝒙
𝐿
1 1 2
𝑉 𝑥ҧ𝑠𝑡 = 2
𝑁12 𝑉 𝑥ҧ1 + 𝑁22 𝑉 𝑥ҧ2 + ⋯ + 𝑁𝐿2 𝑉 𝑥ҧ𝐿 = 2
𝑁𝑖 𝑉 𝑥ҧ 𝑖
𝑁 𝑁
𝑖=1
2 2 𝐿 2
1 𝑁1 − 𝑛1 𝑠1 𝑁𝐿 − 𝑛 𝐿 𝑠𝐿 1 𝑁𝑖 − 𝑛 𝑖 𝑠𝑖
𝑉 𝑥ҧ𝑠𝑡 = 2 𝑁12 + ⋯ + 𝑁𝐿2 = 2 𝑁𝑖2
𝑁 𝑁1 𝑛1 𝑁𝐿 𝑛𝐿 𝑁 𝑁𝑖 𝑛𝑖
𝑖=1
El total poblacional τ: 𝐿
La varianza estimada de 𝝉:
𝐿
𝑁𝑖 − 𝑛𝑖 𝑠𝑖2
2
𝑉 𝑁𝑥ҧ𝑠𝑡 = 𝑁 𝑉 𝑥ҧ𝑠𝑡 = 𝑁𝑖2
𝑁𝑖 𝑛𝑖
𝑖=1
𝐿
𝑁𝑖 − 𝑛𝑖 𝑠𝑖2
𝐿𝐸𝐸 = 𝐵 = 2 𝑉 𝑁𝑥ҧ𝑠𝑡 = 2 𝑁 2 𝑉 𝑥ҧ𝑠𝑡 = 2 𝑁𝑖2
𝑁𝑖 𝑛𝑖
𝑖=1
ESTIMADORES Muestreo Estratificado
La proporción poblacional P:
𝐿
1 1
𝑝Ƹ 𝑠𝑡 = 𝑁 𝑝Ƹ + 𝑁2 𝑝Ƹ 2 + ⋯ + 𝑁𝐿 𝑝Ƹ 𝐿 = 𝑁𝑖 𝑝Ƹ 𝑖
𝑁 1 1 𝑁
𝑖=1
La varianza estimada de 𝑷:
𝐿
1 1
𝑉 𝑝Ƹ 𝑠𝑡 = 2 𝑁12 𝑉 𝑝Ƹ1 + 𝑁22 𝑉 𝑝Ƹ 2 + ⋯ + 𝑁𝐿2 𝑉 𝑝Ƹ 𝐿 = 2 𝑁𝑖2 𝑉 𝑝Ƹ 𝑖
𝑁 𝑁
𝑖=1
𝐿
1 2 𝑁𝑖 − 𝑛𝑖 𝑝Ƹ 𝑖 𝑞ො𝑖
𝑉 𝑝Ƹ 𝑠𝑡 = 𝑁𝑖
𝑁2 𝑁𝑖 𝑛𝑖 − 1
𝑖=1
𝐿
1 2
𝑁𝑖 − 𝑛𝑖 𝑝Ƹ 𝑖 𝑞ො𝑖
𝐿𝐸𝐸 = 𝐵 = 2 𝑉 𝑝Ƹ 𝑠𝑡 =2 𝑁𝑖
𝑁2 𝑁𝑖 𝑛𝑖 − 1
𝑖=1
SELECCIÓN DEL TAMAÑO DE MUESTRA: Muestreo Estratificado
La cantidad de información es una muestra depende del tamaño de muestra n, ya que V (xst) decrece
con el incremento de n.
Para seleccionar el tamaño de muestra, a fin de obtener una cantidad fija de información para estimar
un parámetro poblacional, se utilizará el mismo método que en muestreo aleatorio simple. Este método
se basa en la suposición de que el estimador debe estar dentro de B unidades del parámetro, con una
probabilidad aproximadamente igual a 0.95. Simbólicamente.
2 √ V(xst) = B
Aunque hicimos V (xst) = B2/4, no podemos despejar n, a menos que sepamos algo acerca de la
relación entre n1, n2, ... nL y n. Hay muchas maneras para asignar un tamaño de muestra n a los
diversos estratos.
SELECCIÓN DEL TAMAÑO DE MUESTRA: Muestreo Estratificado
ni =nwi i = 1, 2, ..., L
𝑁𝑖 𝜎𝑖 𝑁𝑖 𝜎𝑖
൘ ൘
𝐶𝑖 𝐶𝑖
𝑛𝑖 = 𝑛 =𝑛
𝑁1 𝜎1 𝑁𝜎 𝑁𝜎 σ𝐿𝑖=1 𝑁𝑖 𝜎𝑖൘
൘ + 2 2൘ + ⋯ + 𝐿 𝐿൘
𝐶1 𝐶2 𝐶𝐿 𝐶𝑖
Sustituyendo los wi en la ecuación para n, por los ni/n de la ecuación anterior, nos da:
𝑁𝑖 𝜎𝑖
𝑛𝑖 = 𝑛 𝐿
σ𝑖=1 𝑁𝑖 𝜎𝑖
𝐿 2
σ𝑖=1 𝑁𝑖 𝜎𝑖 𝐵 2
𝑛= 𝐷 = ൗ4
𝑁 2 𝐷 + σ𝐿𝑖=1 𝑁𝑖 𝜎𝑖2
Muestreo Aleatorio Estratificado
ESTIMADORES
Cálculo del Tamaño de muestra y Asignación
ASIGNACIÓN PROPORCIONAL:
𝑁𝑖 𝑁𝑖
𝑛𝑖 = 𝑛 𝐿 =𝑛
σ𝑖=1 𝑁𝑖 𝑁
σ𝐿𝑖=1 𝑁𝑖 𝜎𝑖2
𝑛= 𝐵 2
σ 𝐿
𝑁 𝜎 2 𝐷 = ൗ4
𝑁 2 𝐷 + 𝑖=1 𝑖 𝑖
𝑁
Muestreo Aleatorio Estratificado
I II III
(obreros) (Técnicos) (administrativos)
12 = 36 22 = 25 33 = 9
1 = 132 2 = 92 3 = 27
Muestreo Aleatorio Estratificado
Estrato I Estrato II
N1 = 110 N2 = 168
n = 20 n = 30
n1 n2
y
i 1
i = 240,000 y
i 1
i = 420,000
n1 n2
y = 2,980,000,000
i 1
2
1 1 = 6,010,000,000
y 2
i 1
1322
Una escuela desea estimar la calificación promedio que puede ser obtenida en un examen de compresión de
lectura por estudiantes de sexto grado. Los estudiantes de la escuela son agrupados en tres estratos, los que
aprenden rápido en el estrato I y los que aprenden lento en el estrato III. La escuela decide esta estratificación
porque de esta manera se reduce la variabilidad en las calificaciones del examen. El sexto grado contiene 55
estudiantes en el estrato I, 80 en el estrato II y 65 en el estrato III. Una muestra aleatoria estratificada de 50
estudiantes es asignada proporcionalmente y produce muestras irrestrictas de n1 = 14, n2 = 20 y n3 = 16 de los
estratos I, II y III. El examen se aplica a la muestra de estudiantes y se obtienen los resultados que se muestran
en la tabla. Estime la calificación promedio para este grado y establezca un límite para el error de estimación.
Estrato I Estrato II Estrato III
80 92 85 82 42 32
68 85 48 75 36 31
72 87 53 73 65 29
85 91 65 78 43 19
90 81 49 69 53 14
62 79 72 81 61 31
61 83 53 59 42 30
68 52 39 32
71 61
59 42
Muestreo Aleatorio Estratificado