Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1
MUESTREO ALEATORIO ESTRATIFICADO
• El objetivo del diseño de encuestas por muestreo es maximizar la
cantidad de información para un coste dado.
• El muestreo aleatorio simple suele suministrar buenas estimaciones de
parámetros poblacionales a un coste bajo, pero existen otros
procedimientos de muestreo, como el muestreo estratificado, que en
muchas ocasiones incrementa la cantidad de información para un costo
dado.
• El muestreo estratificado es un diseño de muestreo probabilístico en el
que dividimos a la población en subgrupos o estratos. La estratificación
puede basarse en una amplia variedad de atributos o característica de la
población como edad, género, nivel socioeconómico, ocupación, etc.
MUESTREO ALEATORIO ESTRATIFICADO
• Así, consideramos una población heterogénea con N unidades, y en la
que la subdividimos en L subpoblaciones denominados estratos lo
más homogéneas posibles no solapadas, atendiendo a criterios que
puedan ser importantes en el estudio, de tamaños N1, N2, . . . , NL.
Obviamente:
• N1+ N2 + . . . + NL = N total de individuos de la población
• n1+ n2 + . . . + nL = n tamaño de la muestra que queremos seleccionar.
• Podemos expresar la formación de estratos en la población y la
formación de la muestra estratificada de la forma siguiente:
Población = u1 , u2 ,..., u N , se divide en L estratos
u11 , u12 ,..., u1 N 1
21 22
u , u ,..., u 2N 2
L
... ... ... ...
N h N.
h 1
u L1 , u L 2 ,..., u L NL
MUESTREO ALEATORIO ESTRATIFICADO
MUESTREO ALETORIO ESTRATIFICADO
• Seleccionamos una muestra de tamaño n,
n h n.
... ... ... ... h 1
u , u ,..., u
L1 L2 LnL
Este muestreo se utiliza cuando la población de estudio es muy heterogénea ya que
necesitaríamos un gran esfuerzo muestral para obtener cierta precisión mientras
que si la población esta dividida en grupos, bloques o estratos que sean
internamente homogéneos, el esfuerzo en cada grupo será mínimo resultando
globalmente un esfuerzo menor. Por ejemplo, si preguntamos en una facultad el
número medio de horas de estudio los estratos en este estudio serán los cursos. Las
razones para el uso del muestreo estratificado son las siguientes:
MUESTREO ALETORIO ESTRATIFICADO
• El muestreo estratificado puede aportar información más precisa de algunas
subpoblaciones que varían bastante en tamaño y propiedades entre si, pero que
son homogéneas dentro de si. Los estratos deberían en lo posible estar
constituidos por unidades homogéneas. El uso adecuado del muestro
estratificado puede generar ganancia en precisión, pues al dividir una población
heterogénea en estratos homogéneos, el muestreo en estos estratos tiene poco
error debido precisamente a la homogeneidad.
• Motivaciones de tipo geográfico ya que se requieren estimaciones para ciertas
áreas o regiones geográficas.
• Las cuestiones que plantea este tipo de muestreo son:
• ¿Qué caracter'ıstica utilizar para dividir la población en estratos?
• ¿Cómo se identificaran los estratos?
• ¿Cuantos estratos debe haber?
• ¿Cuantas unidades seleccionar de cada estrato?
Etimación de una Media y un Total Poblaciones
• Estimación de la media poblacional µ:
1
y st N i yi . . . . . . . . . . . (2.1)
N
• Varianza de la media de yst
2 N i ni si
2
1
Vˆ ( y st ) 2 N i . . . . . . . . . . . (2.2)
N N i ni
2 Vˆ ( y ) 2 N
2 i i
i
N n
st 2 i
N i i
X2 X 2i 128,5
n2 i 1 6
EJERCICIOS
1 26 19 21 34 28 15 20 24
n3
X 3 X 3i 23,38
n3 i1 8
1 n4 17 11
X 4 X 4i 14
n4 i1 2
• En este caso, el estimador del total de vacas productoras de leche viene dado por:
n4
Xˆ ˆ N h X h 72*55,58 37*128,5 50*23,38 11*14 10079 vacas
h1
L 2 nh
1
V ( X st ) V (ˆst ) N h (1 f h )
ˆ ˆ ˆ 2 Sh Sh2 ( X 1i X h ) 2
nh nh i1
h 1
EJERCICIOS
C1 C2 C3 C4
61 160 26 17
47 148 19 11
44 89 21
70 139 34
28 142 28
39 93 15
51 20
52 24
101 Vˆ ( Xˆ st )
49
54
71
medias 55.58 128.50 23.38 14.00
varianzas 350.992 897.1 35.4107 18
L 2
S
1 nh V ( X st ) V (ˆst ) N h (1 f h )
ˆ ˆ ˆ 2 h
S ( X 1i X h ) 2
2
h h1 nh
nh i1
C1 C2 C3 C4 N1 72 n1 12 f1 0.167 1-f1 0.83
61 160 26 17 N2 37 n2 6 f2 0.162 1-f2 0.84
47 148 19 11 N3 50 n3 8 f3 0.16 1-f3 0.84
44 89 21 N4 11 n4 2 f4 0.182 1-f4 0.82
70 139 34
28 142 28
39 93 15
51 20
52 24
101
49
54
71
55.58 128.50 23.38 14.00
350.99 897.10 35.41 18.00
L 2
S
Vˆ ( Xˆ st ) Vˆ (ˆst ) N h2 (1 f h ) h
6656.9
h 1 nh
n kN k n / N
Como k = n/N = f. Por lo tanto, la constante k es igual a la fracción de muestreo. La
fracción de muestreo en cada uno de los estratos viene dado por
AFIJACIÓN DE LA MUESTRA
nh N h k
fh k f ; es decir, las fracciones de muestreo son iguales y coinciden
Nh Nh
con fracción global de muestreo, siendo su valor constante de
proporcionalidad Wh son iguales a:
N h nh / k nh
Wh wh
N h n / kh n
• A la vista de los anterior, los coeficientes de ponderación Wh se obtienen
exclusivamente a partir de la muestra, pues para su cálculo sólo son necesarios
valores muestrales nh y n. Utilizando las igualdades anteriores, los estimadores
para la media poblacional y el total poblacional vienen dados por:
N N
1 N
X st Wh X h (nh / n) X h nh X h
N N N
1
ˆst N h X h (nh / k ) X h nh X h
h 1 h 1 k h1 h 1 h 1 k h1
AFIJACIÓN DE LA MUESTRA
• Para este tipo de afijación, las varianzas de los estimadores serán:
L
S 2 L
S 2
1 k L
Vˆ (ˆst ) N h2 (1 f ) h N h2 (1 k ) h N 2 2
h Sh
h 1 nh h1 kN h k h1
L
S 1 k 2 L
V ( X st ) Wh (1 f h )
ˆ 2
h 2
Wh S h
h 1 nh n h1
1 k L
N P Q 1 k L
Nh / N
ˆ ˆ
V ( Pst )
n h1
Wh h h h
Nk 1 k
PhQh
k h1 N h 1
AFIJACIÓN DE LA MUESTRA
Ejemplo 3 Considerando el ejemplo ??, realizar una afijación proporcional.
n kN k n / N
100 100
1 870 1 870 * 210 24
n * N
100 100 100
100 K *870 K n2 * N2 *600 69
870 870 870
100 100
3 870 3 870 *60 7
n * N
AFIJACIÓN DE LA MUESTRA
• Afijación de mínima varianza (o afijación de Neyman)
• La afijación de mínima varianza o afijación de Neyman consiste en
determinar los valores de nh (número de unidades que se extraen del
estrato L-th para la muestra) de forma que para un tamaño de muestra
fijo igual a n la varianza de los estimadores sea mínima. El desarrollo
teórico para obtener la expresi´on de la afijación en cada estrato y los
estimadores correspondientes se basa en la teoría de los
multiplicadores de Lagrange obteniéndose que el número de unidades
que se extraen del estrato L-th es igual a
NS
nh n L h h ; h 1,2,..., L
NS
h h
h1
AFIJACIÓN DE LA MUESTRA
El valor de la varianza del estimador del total y de la media vienen dados por:
2
1 L
1 L
Vˆ ( X st ) Wh S h Wh S h2
n h1 N h1
2
1 L
1 L
Vˆ (ˆst ) Wh Sh N h Sh2
n h1 N h1
2
1
L
PQ N 1 L PhQh N h
V ( Pst ) Wh h h h
ˆ ˆ Wh
n h1 Nh N h1 N h 1
AFIJACIÓN DE LA MUESTRA
Ejemplo 4 Considerando el Ejemplo ??, realizar una afijación de Neyman. Como
hemos comentado anteriormente, la asignación para cada muestra viene dado por:
X ni nixi
Primero vamos a calcular las cuasi
NS 2 20 40
nh n L h h varianzas poblacionales para cada
NS 3 30 90
h h
uno de los estratos. Para el estrato
h1 4 60 240 poblacional 1,
X ni nixi
7 100
2 20 700
40
3 30 90
4 60 240
7 100 700
4254, 6
N h S h
h 1
N 2 S2 100 * 2742
n2 n 65
3
4254, 6
N h S h
h 1
N S 100 *1113,36
n3 n 3 3 3 26
N h Sh
4254,6
h1