Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INTRODUCCIÓN.
Cuando en la población objetivo existen subpoblaciones y
los elementos de la misma son heterogéneos respecto a la
variable que se desea estudiar, se puede elegir la muestra de
manera diferente al MAS si se dispone de información sobre
las subpoblaciones existentes. En este caso se utiliza el
muestreo aleatorio estratificado.
DEFINICIÓN:
El muestreo aleatorio estratificado es aquel en que se
divide la población de N elementos en L subpoblaciones,
cada una con NL elementos, donde N = …….: Esta
subpoblaciones que reciben el nombre de estratos no
deben traslaparse. Los estratos entre si deben tener
características diferentes respecto a la variable que se
desea estudiar, pero dentro de cada estrato debe existir
homogeneidad.
Toma de la muestra:
La muestra se toma asignando primero, mediante algún
criterio, un número de miembros a cada estrato y escogiendo
después los elementos que forman la muestra por muestreo
aleatorio simple dentro del estrato.
En algunas poblaciones los estratos se presentan en forma
natural, tal es el caso de estudios de carácter social, espacial,
económico.
VENTAJAS.
Las ventajas del muestreo estratificado respecto al
aleatorio simple son tanto mayores cuanto más
diferentes sean los estratos entre si y más homogéneos
sean internamente. En este caso la precisión del
muestreo estratificado puede aumentar mucho con
relación al aleatorio simple, debido a que se tienen en
cuenta características relevantes dentro de los estratos.
La representación de cada estrato en la muestra total
depende de varios factores, a saber:
.
El tamaño relativo del estrato en la población.
: Media muestral.
= : Cuasivarianza verdadera.
=: Cuasivarianza muestral
LaMedia Poblacional
Si en cada estrato es un estimador insesgado de entonces
(media muestral para la población para el muestreo
estratificado) es un estimador insesgado de la media
poblacional , donde:
var(
estima
ee(
ESTIMACIÓN DEL TOTAL POBLACIONAL.
El total poblacional puede ser estimado insesgadamente
con:
=N
La varianza y el error estándar de este estimador esta dado
por:
VAR() = y el error estándar
EE( , cuyo estimadores son:
var() = y ee(
= Nee(
INTERVALOS DE CONFIANZA.
Bajo el supuesto de que los estimadores se distribuyen
normalmente el intervalo de confianza del 100(1- para la
media y el total poblacional puede establecerse como:
) y )
v= , donde =
EJEMPLO:
La tabla presenta la información correspondiente a gastos
mensuales en servicios públicos de una muestra aleatoria
estratificada de 120 familias en una ciudad geográficamente
dividida en tres estratos. Norte, centro y sur.
Estrato Norte Centro Sur
4000 6000 10000
0,20 0,30 0,50
36 40 44
2,4 1,2 0,6
9600 7200 6000
1,21 0,36 0,04
Var( 0,004404 0,000993 0,000226
Solución:
Con base en la tabla anterior se puede obtener estimaciones
para el gasto promedio de toda la población, el gasto total y
los correspondientes intervalos de confianza.
N= 20000
Para la media:
= 0,20(2,4)+0,30(1,2)+0,50(0,6) = 1,14 salarios mínimos.
Var(= + - = 0,002363
ee(0,049 salarios mínimos
Un intervalo de confianza del 95% para está dado por:
[1,14 - ; 1,14 + ], el valor para =1,98 no muy diferente al valor de z=
1.96.
[1,04 ; 1,24]
Adicionalmente, se definen:
Para .
VAR(= ,
EE()=
vara(= .
ee()=
VAR() = ,
EE() =
var()= -)
ee()=
EE() =
EJEMPLO:
Var() ==
= 0,001465,
ee() = 0,0383.
Un intervalo de confianza para el 95% sería:
[0,46-1,98(0,0383) ; 0,46 + 198(0,383) = [0,38 ; 0,54]
o expresado en termino de porcentaje, [38% : 54%]
Para el total de familias.
= 20000(0,46) = 9200
Var() = [(Var()] = 0,001465) = 586000
ee() = 765,51
[9200-1,98(765,51) ; 9200(765,51)]
Afijación proporcional.
Cuando los tamaños de los estratos son diferentes, es común darle a todas
unidades en la población la misma probabilidad de ser parte de la muestra
.Para que ello se cumpla, es necesario que el tamaño de muestra
correspondiente sea proporcional al tamaño de dicho estrato.
=n
Siendo el tamaño relativo de cada estrato.
La varianza del estimador de la media en este Caso es:
VAR()=
Las dos afijaciones mencionadas pocas veces producen buenos resultados
pues ellos no tienen en cuenta para nada la homogeneidad de los
elementos dentro de los estratos, razón que en ultimo caso, justifica la
estatificación.
Afijación optima.
La posición más conveniente consiste en balancear la variabilidad dentro
de los estratos con el tamaño de ellos. La asignación resultante teniendo
en cuenta estos dos aspectos, se denomina afijación optima.
=n
El tamaño de muestra correspondiente a cada estrato es directamente
proporcional al producto del tamaño del estrato por su variabilidad
representada esta por la desviación estándar poblacional.
La varianza para este tipo de afijación es:
VAR(= -
La afijación optima produce “la mejor estimación” en el sentido de menor
varianza del estimador de la media y, por tanto de la proporción y el total.
Como la desviación estándar poblacional debe estimarse de antemano,
una formula más apropiada para es:
= donde es la estimación previa de la desviación estándar para el estrato
h.
=n
TAMAÑO DE MUESTRA PARA MEDIAS Y TOTALES.
n=
Si lo que se desea es minimizar el costo para una variabilidad
del estimador VAR() dada de antemano. El tamaño de muestra
aproximado es:
n= , donde =
y =
Al desconocerse los , se utilizan alternativamente.
n= , donde,
= , el valor de =
Si los costos son desconocidos y no hay forma de estimarlos
aceptablemente, el tamaño de muestra puede aproximarse
por:
n=
En caso que se desconozca, además de los costos, la
variabilidad dentro de los estrato, y se debe hacer uso de la
afijación proporcional, el tamaño de la muestra estará dado
por:
n= , donde
GRACIAS