MUESTREO

MULTIETÁPICO
PRINCIPIO BÁSICO PARA FORMAR LOS ESTIMADORES
Principio básico para formar
estimadores
 “Empezar con las unidades de la última etapa y terminar con la primera”.
 ¿Cómo formar las estimadas de los totales, medias, razones y proporciones a
partir de un diseño multietápico?
 Ejemplo 1: Estime el gasto total en pasajes durante la última semana de los
estudiantes del CE “Bartolomé Herrera”. El CE “Bartolomé Herrera” tiene N
aulas, de las cuales selecciono una al azar. El aula seleccionada tiene M
estudiantes, de los cuales se seleccionan al azar m estudiantes Cada estudiante
proporciona información sobre y (que es, pongamos por caso, el gasto en pasajes
durante la última semana)
 Observación:
1. Tomar una muestra es de tamaño n=1 conglomerado en la primera etapa.
2. Seleccionamos una muestra de m estudiantes en la segunda etapa.
 Muestreo bietápico. Ejemplo 1

1
.
. 1
. . 1 1
  . . .
M . . .
1
    . .
.
2 M    
.  
. 1 M m
  3 .
 
 
.
M
.
 
 
1 M
1  
.
4
.
. .
 
. .
M
N
 

  Estima el gasto promedio en pasajes por estudiante

  Estima el gasto total en pasajes en un aula

  Estima el gasto total en pasajes en el CN “B”
Ejemplo 2: Estime el gasto total en pasajes durante la última semana de
los alumnos de la facultad de Matemática.
Observación:

I.  Probabilidades iguales.
II. Los conglomerados tienen tamaño variable
En la 2da etapa se toma una muestra de alumnos

1
 
.  
.
1
. 1
 
.
.
.
.

1
.
.
 
    1

 
.
1
2 .
  1 .
1
 
.
.
.  

.
.
. 2

..
.

 1
 
1
.  
3 . n
.
.
.
 
1
.
   
 
  . 1

  1
 
 
N ..
2

. n .
 
  
 Estima el gasto total en el i-esimo conglomerado.
 Estima el gasto promedio por conglomerado
 Estima el gasto total en pasajes de los alumnos de la FCM.
 Gasto total en pasajes de los alumnos de la Facultad de Matemática.
Ejemplo 3: Estime el número total de estudiantes de la
facultad de Matemáticas.

  1
.
  1
. .
. .

 
.
1
.
.
  .
 
  1
1 1
.
   

  . 1
1 . .
. . 2
. .
.
 
 
2 n
.
.
. . .  
 
   
N
   

 𝑆 𝑀 𝑖 estima el promedio de estudiantes por aula.

𝑛
  estima el total de estudiantes en la FCM
Ejemplo 4: Estime el gasto promedio por estudiante en
la FCM


   Donde
 Tener en cuenta algunas observaciones.
 Como expresar esperanzas y varianzas de variables aleatorias
utilizando el argumento condicional.
 Sea un conjunto de evento que se excluyen mutuamente
  𝑯 2
 𝑯 1
𝑼
 
.
 
.
 
.
 

.
 
.
.  
.  
.  
. .
 𝑯 𝒏
 
. . .  
 
     

  Luego cualquier evento solo puede ocurrir junto con algún

Sea U: una variable aleatoria
  𝑛
𝑃 ( 𝑈 =𝑢𝑖 )= ∑ ¿ ¿
𝑗= 1
 

¿
OBSERVACIÓN: ELIZABETH MEZA DE
CASTILLO
  

 OBSEVACION 2
 Página 330 Elizabeth Meza de Castillo
 E(Y/x) es una función de x. Ahora bien este valor x es un valor posible de la
variable aleatoria X, de manera que el valor obtenido para la esperanza
condicional es en realidad un valor posible para la variable aleatoria definida
ahora como una función de la variable aleatoria X, que denotaremos E(Y/X).
Si el vector es discreto, no hay dificultad alguna para comprobar que los
valores posibles de E(Y/X) serían tomados con la misma probabilidad con que
X toma el correspondiente valor x.
TEOREMA 6.31 ELIZABETH MEZA DE
CASTILLO

Teorema 6.31 Para todo vector aleatorio  X ,Y  se cumple que

E  E  Y / X    E  Y  previsto que las esperanzas existen.

Demostración para el caso absolutamente continuo


E  E  Y / X     E  Y / x  f X  x  dx

Teorema 1.7 : El valor esperado de la v.a. U está dado por :
𝐸 ሺ𝑈ሻ = 𝐸[𝐸(𝑈/𝐻𝑗 ) = 𝐸[𝐸2 ሺ𝑈ሻ]

Demostración:
E  U    ui P  U  ui 
E  U    ui  P  H  H j P U  ui / H  H j 
i 1 j 1

E  U    P  H  H j   ui P U  ui / H  H j 
j 1 i 1

E  U    P  H  H j E  U / H j 
j 1
Y

E  U    E2  U  P  H  H j 
j 1

E  U   E  E2  U  

 Simbólicamente podríamos escribir E  U   E1  E2  U  

Varianza y Covarianza condicionales

  

 (1)
 TEOREMA 1.8:

 (2)
 …………………………………………(*)
 (3)
Demostración:

  
 por (1)
 por (2)
Tomo al corchete
 por (3)


 Corolario
Teorema VI.2:
 

  
Supongamos que n u.p.m han sido seleccionadas al azar entre una población
de N u.p.m Supongamos que tomamos muestras aleatorias de unidades de
segunda etapa a partir de unidades de segunda etapa en los u.p.m
seleccionadas.
 Entonces:
1. Demostrar que

   Es un estimador insesgado.
 2. Hallar la varianza de
  
 Ahora
  

 Luego tomando Esperanza en 1era etapa.

Llamemos

  
  Observar que:
 V ( en muestras bietapicas es la suma de 2 componentes:
 Una componente

 Proviene de la variabilidad de las unidades de la segunda etapa dentro de las

unidades primarias de muestreo.
 Y la otra componente: surge por la varianza de los totales de las unidades
primarias de muestreo