Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Supongamos que una variable Y toma sobre las unidades U1 , . . . , UN de la población los valores
(distintos o no) Y1 , . . . , YN , respectivamente.
La MEDIA POBLACIONAL de Y viene dada por
N
1 X
Y = Yj
N
j=1
Supongamos que se extrae una muestra aleatoria simple de tamaño n, s, en la que Y toma los valores
ys1 , . . . , ysn , entonces la MEDIA MUESTRAL se puede expresar por
n
1X
ys = ysi
n
i=1
Este valor, para cada muestra concreta, será una estimación de la media poblacional. Vamos a com-
probar que cuando se considera el estimador correspondiente sobre el espacio de todas las m.a.s. de
tamaño n es un estimador insesgado.
Proposición 1. En el m.a.s. y es un estimador insesgado de Y .
Demostración. Alternativamente y para que esté bien definido sobre el espacio de las m.a.s., la media
muestral puede expresarse como sigue:
N
1X
ys = Yj ξj (s)
n
j=1
donde
1 si Uj ∈ s
ξj (s) =
0 en otro caso
N N N
1X X 1X 1 X
= Yj ξj (s) Pr(s) = Yj E(ξj ) = Yj = Y .
n s
n N
j=1 j=1 j=1
Suponiendo N conocido, se puede construir un estimador insesgado para YT a partir del estimador
insesgado de la media poblacional, y será N y.
E(N y) = N E(y) = N Y = YT .
Supongamos que se considera una población con N unidades y cierta propiedad que los individuos de
la población pueden cumplir o no.
Sea R el no de unidades que satisfacen cierta propiedad concreta. Llamaremos PROPORCIÓN
POBLACIONAL asociada a esa propiedad al valor:
R
P =
N
Si se define una variable X que para cada unidad Uj de la población toma el valor Xj con:
1 si Uj satisface la propiedad
X(Uj ) = Xj =
0 en caso contrario
entonces P = X.
Por lo tanto, P puede contemplarse como una media poblacional y, en consecuencia, la proporción
muestral p = r/n donde n es el tamaño muestral y r es el no de individuos de la muestra que satisfacen
esa propiedad, que se puede expresar alternativamente como
N
1X
p= Xj ξj
n
j=1
4. Determinar tamaños de muestra adecuados para cada procedimiento de muestreo y cada es-
timador de un parámetro para conseguir un nivel mı́nimo de precisión con un riesgo máximo
admisible.
En la práctica, la precisión va a medirse en función del error cuadrático medio asociado al estimador
que se considere. Puesto que para las tres caracterı́sticas (media poblacional, total poblacional y
proporción poblacional) hemos determinado sendos estimadores insesgados, sus errores cuadrático
medios coinciden con sus varianzas.
2
N
1 X 2
Var(y) = E[(y)2 ] − [E(y)]2 = E Yj ξj − Y
n
j=1
N N N
1 X 2 2 X X 2
= 2E Yj ξ j + Yj Yl ξj ξl − Y
n
j=1 j=1 l=1
l6=j
N N N
1 X 2 2 1 XX 2
= Yj E(ξ j ) + Yj Yl E(ξj ξl ) − Y
n2 n2
j=1 j=1 l=1
l6=j
n n
donde ξj ≡ B 1, para j = 1, . . . , N , con lo que ξj = ξj2 y por lo tanto E(ξj2 ) = .
N N
Por otro lado, si j 6= l, ξj ξl ≡ B(1, πjl ) con
N −2
n−2 n(n − 1)
= N
=
N (N − 1)
n
n(n − 1)
con lo que E(ξj ξl ) = , de donde,
N (N − 1)
N N N
1 X 2 (n − 1) X X 2
Var(y) = Yj + Yj Yl − Y
nN nN (N − 1)
j=1 j=1 l=1
l6=j
2
N N
X
N (n − 1) 1 X 1 (n − 1) 2
= Yj + − Yj2 − Y
n(N − 1) N nN nN (N − 1)
j=1 j=1
N −n h 2 2
i N −n 2 N −n 2 1−f 2
= Y −Y = σ = S = SY
n(N − 1) n(N − 1) Y nN Y n
n
con f = = fracción muestral y 1 − f = factor de corrección para poblaciones finitas y
N
N
1 X N
2
donde SY = cuasivarianza poblacional = (Yj − Y )2 = σ2 .
N −1 N −1 Y
j=1
En resumen,
1−f 2
Var(y) = SY en el m.a.s.
n
N 2 (1 − f ) 2
Var(N y) = SY en el m.a.s.
n
y que
1−f 2 (1 − f )N 2
Var(p) = SX = σ
n n(N − 1) X
1 si Uj satisface la propiedad
X(Uj ) = Xj =
0 en caso contrario
por lo que X es una variable aleatoria Bernoulli de parámetro P = probabilidad de que una unidad
2 = P (1 − P ), de donde
satisfaga la propiedad, de donde σX
(1 − f )N
Var(p) = P (1 − P ) en el m.a.s.
n(N − 1)
Estimación de la precisión
Demostración.
n N
1 X 1 X
s2 = (yi − y)2 = (Yj − y)2 ξj
n−1 n−1
i=1 j=1
N N N
1 X 2 X 2 X
= Yj − Y ξj + Y − y ξj + 2 Yj − Y Y − y ξj
n−1
j=1 j=1 j=1
N N N
1 X 2 1 2 X 2 Y −y X
= Yj − Y ξ j + Y −y ξj + Yj − Y ξj
n−1 n−1 n−1
j=1 j=1 j=1
N N
1 X 2 n 2 2 Y − y X
= Yj − Y ξ j + Y −y + Yj ξj − nY
n−1 n−1 n−1
j=1 j=1
N
1 X 2 n 2 2n 2
= Yj − Y ξj + Y −y − Y −y
n−1 n−1 n−1
j=1
N
1 X 2 n 2
= Yj − Y ξ j − Y −y .
n−1 n−1
j=1
Como,
N N N
X 2 X 2 n X 2 n(N − 1) 2
E Yj − Y ξj = Yj − Y E (ξj ) = Yj − Y = SY
N N
j=1 j=1 j=1
y h 2 i h i
E n Y −y = nE (y − E(y))2 = n Var(y) = (1 − f )SY2
se tiene que,
1
2 n(N − 1) 2 N −n 2
E(s ) = SY − SY = SY2 ,
n−1 N N
con lo que se concluye el resultado enunciado.
Ası́,
\ = 1 − f s2 es un estimador insesgado de Var(y) en el m.a.s.
Var(y)
n
2
\y) = N (1 − f ) s2 es un estimador insesgado de Var(N y) en el m.a.s.
Var(N
n
Por otro lado, cuando se considera la estimación de la proporción poblacional P a partir de la muestral
p, será:
N N N N
1 X 1 X X X
s2X = (Xj − p)2 ξj = Xj2 ξj + p2 ξj − 2p Xj ξj
n−1 n−1
j=1 j=1 j=1 j=1
1 n
np + np2 − 2np2 =
= p(1 − p)
n−1 n−1
y, en consecuencia: