tecmuestreo.pdf

23
 ELEMENTOS DE MUESTREO Material didáctico elaborado por los p rofesores: Zhandra Flores Félix Ordaz Ángel Ramírez Ciudad Universitaria, 2008 

Upload: geovannychoqque

Post on 09-Oct-2015

2 views

Category:

Documents


0 download

TRANSCRIPT

  • ELEMENTOS DE MUESTREO

    Material didctico elaborado por los profesores: Zhandra Flores Flix Ordaz ngel Ramrez

    Ciudad Universitaria, 2008

  • 1

    INDICE

    INDICE ............................................................................................................................. 1 INTRODUCCION ............................................................................................................. 2 1.- CONCEPTOS BSICOS ............................................................................................. 3 2.- CONVENIENCIA DEL MUESTREO ............................................................................ 6 4.- FASES DE UNA SOBREVISION POR MUESTREO .................................................. 7 5.- TIPOS DE MUESTREO .............................................................................................. 9 6.- CLASES DE MUESTREO PROBABILISTICO .......................................................... 10

    6.1.- ALEATORIO SIMPLE ......................................................................................... 10 6.2.- ESTRATIFICADO ............................................................................................... 12

    6.2.1.- AFIJACION .................................................................................................. 13 6.3.- SISTEMATICO ................................................................................................... 15 6.4.- POR CONGLOMERADOS O REAS ................................................................ 15 6.5.- CARACTERISTICAS DE LAS DIFERENTES TECNICAS .................................. 16

    7.- ESTIMACION DEL TAMAO DE LA MUESTRA ...................................................... 17 8.- EJEMPLOS DE APLICACION .................................................................................. 18

    8.1.- CASO I ............................................................................................................... 18 8.2.- CASO II .............................................................................................................. 19 8.3.- CASO III ............................................................................................................. 21 BIBLIOGRAFIA ......................................................................................................... 213

  • 2

    INTRODUCCION

    El objeto del muestreo es hacer inferencias de caractersticas cuantitativas sobre una

    poblacin a partir de una muestra. Esto es posible si la muestra es como indican

    algunos autores representativa de la poblacin. Ahora, como establecer esa

    representatividad? Si precisamente existe un desconocimiento de la poblacin al

    momento de tomar la muestra, como tomar aquellos elementos que sean

    representativos?. En general siguiendo algunas reglas bsicas se pueden minimizar

    estos problemas que son:

    1. Cuando la estructura de la muestra no se corresponde con la de la poblacin,

    esto sucede porque:

    a. El marco no contiene todos los elementos de la poblacin.

    b. No es posible acceder a todos los elementos de la poblacin.

    c. No es posible lograr la participacin de todos los integrantes de la

    muestra.

    2. Los problemas de procedimiento, cuando el mtodo utilizado viola la

    equiprobabilidad de seleccin.

    3. Los problemas de respuesta, cuando ya localizados y abordados, los

    seleccionados rechazan o no responden por ejemplo una encuesta. Lo que

    produce un sesgo de la muestra.

    Para lograr la representatividad de la muestra se deben considerar tres (3) elementos:

    Marco y Diseo muestral correcto. Seleccin Aleatoria. Control del Procedimiento.

  • 3

    1.- CONCEPTOS BSICOS

    1.1- Universo: Es un conjunto finito o infinito de animales, seres, cosas, etc. En trminos de esta definicin puede hablarse de un universo de individuo, animales,

    vehculos, etc.

    1.2- Poblacin: Son cada unas de las variables que se definen sobre un universo. Mediante esta definicin puede hacerse notar que puede existir ms de una poblacin

    asociada a un mismo universo.

    1.3- Unidades Estadsticas: Son requeridas por el diseador, por una parte para saber cul es la estrategia a seguir para la medicin y, por otra, pensar en la estructura del

    marco de referencia de las unidades a ser estudiadas. Estas unidades son: la de

    investigacin, anlisis, observacin y de muestreo.

    1.3.1- Unidad de Investigacin: Esta se refiere a la que contiene las partes que se van a analizar. Algunos ejemplos aclaran este concepto. En la encuesta de hogares para el

    estudio de la fuerza de trabajo que realiza el Instituto Nacional de Estadstica, el motivo

    de la investigacin es el hogar el cual contiene las unidades a examinar, es decir las,

    las personas. El estudio antropomtrico que realiza Fundacredesa la unidad a investigar

    es el individuo, el cual contiene las partes del cuerpo que se van a analizar, mientras

    que en estudios sobre el sector industrial, la unidad de investigacin esta dada por el

    establecimiento.

    1.3.2- Unidad de Anlisis: Comprende la unidad que se analiza, vale decir, de la que se busca la informacin y su naturaleza depende de los objetivos del estudio.

  • 4

    Esta unidad puede ser el hogar, las partes del cuerpo de las personas, la granja, el

    establecimiento, etc. Las unidades de anlisis reciben frecuentemente el nombre de Elementos de la Poblacin

    1.3.3- Unidad de Observacin: Se denomina con este nombre a la unidad a travs de la cual se obtiene la informacin, pudiendo o no coincidir con el elemento. Por ejemplo

    cada uno de los miembros del hogar puede constituir un elemento de la poblacin y sin

    embargo ser slo uno de ellos, por ejemplo, el jefe del hogar, quien proporcione la

    informacin requerida. Este ltimo por tanto, constituir la unidad de observacin,

    tambin llamada unidad respondiente.

    1.3.4- Unidad de Muestreo: Ser un individuo o conjunto de individuos que se seleccionan en una nica extraccin. Como requisito se exige que el elemento o el

    grupo de elementos que componen el estudio renan las caractersticas de la

    poblacin.

    1.4- Muestreo: El procedimiento mediante el cual obtenemos una o mas muestras recibe el nombre de muestreo. Obtener una muestra adecuada significa lograr una

    versin simplificada de la poblacin, que reproduzca de algn modo sus rasgos bsicos

    en trminos de variacin y localizacin.

    1.5- Error de Muestreo: El error que se comete debido al hecho de que se obtienen conclusiones sobre cierta realidad a partir de la observacin de slo una parte de ella.

    1.6- Marco del Muestreo: El conjunto de todas las unidades muestreadas consideradas.

  • 5

    1.7- Variables: Rasgos o magnitudes que varan de unos individuos a otros. Se refiere a las caractersticas particulares que podra presentarse en uno o varios elementos de

    los que componen la poblacin estudiada.

    1.8- Caractersticas Poblacionales (parmetros): Las ms habituales como la media poblacional, el total poblacional y la proporcin poblacional, entre otras caractersticas

    de la poblacin se podran citar la varianza, la mediana, la moda, entre otros.

    1.9- Estadsticos: Son funciones de los valores muestrales. Algunos de ellos se utilizan para estimar los parmetros (en general desconocidos), partiendo de los datos

    recabados en una investigacin por muestreo

  • 6

    2.- CONVENIENCIA DEL MUESTREO1 Puesto que la inferencia supone un riesgo, es til resumir en qu casos conviene

    obtener muestras, en lugar de censos o investigaciones exhaustivas de todos los

    elementos de la poblacin.

    Resulta mas econmica la muestra que una enumeracin completa. El tiempo para obtener los resultados a travs de una muestra es

    sustancialmente mas pequeo que para obtenerlo por la va del censo, si el

    tamao del universo es grande.

    La calidad de la informacin muestral es superior, ya que se puede concentrar ms la atencin en los casos individuales de la muestra y ejercer mayor control

    sobre ellos que una operacin censal.

    Cuando el proceso de medida o examen de las caractersticas de cada elemento sea destructivo o disminuya su valor, por ejemplo, si se desea determinar la vida

    til promedio de bombillos.

    Cuando la poblacin sea considerada como infinita o tan grande que el tratamiento total exceda las posibilidades del investigador.

    Cuando los elementos de la poblacin sean suficientemente homogneos. Un buen ejemplo de esto lo constituye un anlisis de sangre, ya que los

    componentes de la sangre son los mismos en cualquier parte del cuerpo donde

    se encuentre ubicada.

    1 Seijas, Flix Investigacin por Muestreo

  • 7

    3.- LIMITACIONES DEL MUESTREO2

    Las limitaciones ms importantes que hay que tomar en cuenta para decidir acerca de

    las muestras son las siguientes:

    Si se necesita informacin de todos los elementos que conforman el universo estadstico.

    Si se requiere informacin para reas pequeas. Este hecho estima que se establezcan muestras desproporcionadamente grandes, pues la precisin de una

    muestra depende fuertemente de su tamao

    Cuando no existen los elementos tcnicos que garanticen un buen diseo muestral. Las muestras probabilsticas exigen, en comparacin con el censo,

    menos cantidad de trabajo bruto, pero mayor refinamiento y preparacin.

    4.- FASES DE UNA SOBREVISION POR MUESTREO3

    El muestreo propiamente dicho consiste evidentemente en la obtencin efectiva de la

    muestra, esto es, en la recoleccin de los elementos o datos que la constituyen. Existe,

    sin embargo, cuestiones previas y posteriores a tal recoleccin, especialmente

    importantes cuando se trata de extensos estudios por muestreo.

    Podran establecerse las siguientes fases:

    2 Seijas, Flix Investigacin por Muestreo 3 Azorin P., Francisco Curso de Muestreo y Aplicaciones.

  • 8

    Fase I. Indicacin de los fines del Estudio. Por lo menos deber darse una indicacin general de los objetivos y de cmo se espera

    utilizar los resultados. Pero es conveniente no limitarse a una declaracin vaga de los

    fines, sino establecer estos de modo muy concreto. En esta fase puede incluirse la

    definicin de la poblacin que constituir el objetivo de estudio. Seria conveniente

    expresar no solo cual es la informacin que se desea obtener, sino tambin el motivo

    del muestreo, la forma en que van a utilizarse los resultados, as como el modo en que

    habrn de influir en decisiones posteriores. Efectuar la especificacin previa de las caractersticas a estimar, las tabulaciones y los grados de confianza y precisin que se consideren adecuados. Deben justificarse, en caso de eliminacin de partes de

    la poblacin ideal, que fundamento hay para considerar conveniente o admisible

    prescindir de las mismas.

    Fase II. Condiciones, recursos y limitaciones. Establecer los limites presupuestarios y temporales a que deber someterse la

    investigacin teniendo presente asimismo la legislacin, restricciones administrativas,

    oportunidad de las fechas elegidas y dems circunstancias que puedan influir en el plan

    general de trabajo.

    Habr que hacer acopio de la informacin cartogrfica, ficheros, listas, etc. que pueden

    ser tiles, y cuidar de su posible mejoramiento al da para constituir el marco o

    substrato, descripcin de la estructura de la poblacin en estudio y base para efectuar

    la seleccin.

    Fase III. Programa de Operaciones. En esta fase pueden incluirse el diseo o esquema lgico-matemtico del muestreo, la

    decisin sobre los mtodos de estimacin, las medidas de precisin y confianza, la

    redaccin de cuestionario, los mtodos de recoleccin y medicin, la organizacin del

    trabajo de campo y de oficina, la preparacin y entrenamiento del personal y equipos.

  • 9

    Desde el punto de vista estadstico-matemtico claro es que la cuestin fundamental

    consiste en establecer el diseo de muestreo. Para ello hay que pensar, entre otras

    cuestiones, si la muestra va a formar parte de una sucesin o plan coordinado, y en tal

    caso, si ser preferible espaciar muestras grandes o efectuar muestras pequeas con

    mayor frecuencia.

    Fase IV. Ejecucin del Programa y Recoleccin de Datos. Cuando no se disponga de experiencia sobre muestras anlogas a que se trata de

    ejecutar, puede decirse que ser imprescindible la realizacin de una o mas muestras pilotos. Se pondr a prueba el cuestionario y constituir un ensayo general, proporcionara adems informacin relativa a la variabilidad de la poblacin en estudio,

    de modo de obtener las estimaciones establecidas.

    Fase V. Anlisis y Aprovechamiento de los Resultados. Esta ltima fase comprender el clculo de las estimaciones requeridas acompaadas

    de sus errores de muestreo, de manera que la misma muestra proporcione la medida

    de su fiabilidad y confianza. Los clculos unidos a las correspondientes tabulaciones,

    representaciones graficas, etc., deben ir acompaados de comentarios e

    interpretaciones.

    5.- TIPOS DE MUESTREO Decimos que el muestreo es probabilstico cuando puede calcularse de antemano cual

    es la probabilidad de obtener cada una de las muestras que sea posible seleccionar.

    Para esto es necesario que la seleccin pueda considerarse como una prueba o

    experimento aleatorio.

    Existen otros dos tipos de muestreo que pueden denominarse muestreo intencional u

    opinatico y muestreo sin norma, circunstancial o errtico. En el primero es la persona

  • 10

    que selecciona la muestra la que procura que esta sea representativa; por consiguiente

    la representatividad depende de su intencin u opinin, y la evaluacin de

    representatividad es subjetiva. En este caso la composicin de la muestra puede estar

    influida por la preferencia o tendencias del individuo que la obtiene.

    En el muestreo sin norma se toma la muestra de cualquier manera, a la aventura, por

    razones de comodidad o circunstancias y se obtiene as una parte o trozo de la

    poblacin. Si esta es homognea, la representatividad de tal muestra puede ser

    satisfactoria. A veces la uniformidad puede sustituirse por una buena mezcla antes de

    tomar muestras como en el caso de los avisos agtese antes de usar o bien cuando se

    barajan naipes o se hacen girar bolas dentro de un bombo.

    En este curso nos ocuparemos del muestreo probabilstico.

    6.- CLASES DE MUESTREO PROBABILISTICO

    Aunque ms adelante se darn con ms detalle los diversos mtodos de muestreo

    probabilstico, es conveniente mencionarlos a continuacin:

    1. Aleatorio Simple.

    2. Estratificado.

    3. Sistemtico

    4. Por Conglomerados o reas.

  • 11

    6.1.- ALEATORIO SIMPLE

    Consiste en la seleccin de n elementos entre los N constituyen la poblacin, de modo

    que todas las muestras posibles de tamao n (tantas como combinaciones de N

    elementos de n en n ) tengan la misma probabilidad

    nN1 de ser obtenidas.

    Con este supuesto, por ser equiprobables todas las muestras de n elementos, la

    probabilidad de que un elemento poblacional dado parte de la muestra se puede

    calcular as:

    =

    N

    nnN

    nN 1

    11

    Podemos, pues, definir el muestreo aleatorio simple como seleccin de n elementos

    cuando los N de la poblacin tienen la misma probabilidad de ser extrados.

    Sus principales estimadores quedaran de la siguiente manera:

    Tcnica Estimador Varianza

    Aleatorio Simple

    Media Poblacional

    == nyyY i NnN

    nSyV =

    2

    )(

    Total Poblacional

    yNY = NnN

    nSNYV )()(

    22 =

  • 12

    6.2.- ESTRATIFICADO Supongamos ahora que la poblacin se subdivide en L subpoblaciones o estratos, de

    modo que la muestra est constituida por elementos de cada uno de ellos. Estas

    subpoblaciones no se sobreponen y juntas forman la totalidad de la poblacin, por lo

    que:

    NNNNNL

    hhL ==+++

    =121 ...

    Una vez que han sido determinados los estratos, se saca una muestra de cada uno, la

    obtencin se realiza independientemente en estratos diferentes. Los tamaos de

    muestra dentro de los estratos son representados por LNnn ...,, 21 respectivamente.

    Si se toma una muestra simple aleatoria de cada estrato, el procedimiento completo es

    conocido como muestreo estratificado aleatorio.

    La ventaja principal que puede conseguirse estratificando es aumentar la precisin de

    las estimaciones al agrupar elementos con caractersticas comunes. Adems de

    procurar mediante la estratificacin muestras ms representativas, puede lograrse un

    mejor aprovechamiento de la organizacin administrativa y en general de las

    particularidades de diferentes grupos de elementos de la poblacin.

    En particular, cuando nos interesan las estimaciones de cada estrato es muy

    conveniente tener idea de la distribucin de la caracterstica estudiada o de alguna otra

    correlacionada con ella. Conviene que los estratos sean tales que pueda conseguirse

    un aumento sustancial de la precisin por agrupamiento de elementos de cierta

    homogeneidad.

    Adems de conocerse el tamao de la poblacin, N , como en el muestreo aleatorio

    simple, habr que saber el tamao de cada estrato, y designaremos por hN el del

    estrato h-esimo.

  • 13

    A veces se utiliza el smbolo NNW hh /= , que es el peso relativo del estrato. La media y el total pueden expresarse en funcin de las medias y totales subpoblacionales o de los

    estratos, mediante las formulas:

    Media:

    =

    = ===L

    hhh

    L

    hhh

    YWN

    YN

    NYY

    1

    1

    Total:

    ==

    ==L

    hhh

    L

    hh YNYY

    11

    6.2.1.- AFIJACION

    Se da el nombre de afijacin al reparto o distribucin del tamao muestral n entre los

    diferentes estratos. Esto es, a la determinacin de los valores hn que verifiquen:

    nnnn L =+++ ...21 Pueden establecerse muchas afijaciones o maneras de repartir la muestra, pero las

    mas importantes son: la afijacin igual en las que se toman todos los hn iguales a Ln ,

    aumentando o disminuyendo este tamao en una unidad si n no fuese mltiplo de L .

    La afijacin proporcional en el muestreo estratificado aleatorio, al reparto del tamao n

    de la muestra entre los L estratos proporcionalmente a los tamaos de estos. Algunas

    veces se le ha dado el nombre de afijacin de Bowley.

    Habr pues, de verificarse: hh Nkn .=

    Para determinar esta constante k , basta sumar ordenadamente las igualdades

    anteriores para Lh ,...,2,1= con lo cual tenemos:

  • 14

    NnkNkn

    L

    hh

    L

    hh ==

    ==;

    11

    Por consiguiente, hh NNnn = , y tambin NNnn hh = . Esto es hh Ww = , si empleamos

    estos smbolos para designar el peso relativo de cada estrato, en la muestra y en la

    poblacin respectivamente.

    La afijacin optima es aquella que para un tamao dado de n de la muestra produce

    resultados mas precisos, esto es, menor error de muestreo. Tambin llamada afijacin

    de Chupow-Neyman, el tamao de la muestra para cada estrato es proporcional al

    producto del tamao de este estrato, hN , por su variabilidad, representada por la cuasi

    desviacin estndar.

    Los estimadores y sus respectivas varianzas del muestreo estratificado aleatorio lo

    podemos resumir en la siguiente tabla:

    Tcnica Estimador Varianza

    Estratificado

    Aleatorio

    (proporcional)

    Media Poblacional:

    =

    = ==L

    hhh

    L

    hhh

    st ywn

    yny

    1

    1

    =

    =L

    hhhst SWn

    fyV1

    21)(

    Donde: N

    nf = : fraccin de muestreo Total Poblacional:

    styNY = 2)( hhst SNn

    nNYV = Estratificado

    Aleatorio

    (Optimo

    Neyman)

    Media Poblacional:

    =

    = ==L

    kk

    L

    hhh

    st ywn

    yny

    1

    1 = 21)()( hhhhst SWNn

    SWyV

    Total Poblacional:

    styNY = = 22)(

    )( hhhh

    st SNnSW

    YV

  • 15

    6.3.- SISTEMATICO

    Consiste en tomar aleatoriamente un cierto nmero i de las primeras k unidades, que

    designara en una lista o poblacin de N elementos al primero que va a formar parte de

    la muestra. A continuacin, de manera rgida o sistemtica se va tomando el elemento

    ki + que esta k lugares despus del i-esimo en la lista, el ki 2+ , que esta k2 lugares despus, y as sucesivamente hasta agotar los elementos disponibles de la lista o

    poblacin, lo que ocurrir cuando se llegue al que ocupa el lugar kni )1( + .

    Tcnica Estimador Varianza

    Sistemtico

    Media Poblacional:

    nyyy

    y knikiisy)1(... ++ +++=

    22 )1(1)( wsysy SNnkS

    NNyV =

    Donde:

    = =

    =k

    k

    n

    jiijwsy yynk

    S1 1

    22 )()1(

    1

    Es la varianza entre unidades

    comprendidas dentro de la misma muestra

    sistemtica.

    Total Poblacional:

    syyNY =

    6.4.- POR CONGLOMERADOS O REAS

    En las anteriores tcnicas de muestreo, se ha supuesto que las unidades de muestreo o

    unidades a seleccionar eran las mismas que constituan el objeto de estudio. El caso

    ms general, es que las unidades de muestreo comprenden dos o ms unidades de

    estudio o unidades ltimas o fsicas. En este caso se dice que cada unidad de muestreo

    constituye un conglomerado de unidades ltimas, y que el muestreo es por

    conglomerados.

  • 16

    Ejemplos de muestreo por conglomerados serian: la seleccin aleatoria de familias de

    una poblacin para efectuar un estudio de individuos; la seleccin de fincas en un

    estado para una investigacin en que las unidades ultimas fuesen las cabezas de

    ganado, etc.

    Tcnica Estimador Varianza

    Con

    glom

    erad

    os

    Media Poblacional:

    = =

    ==

    ===n

    i

    M

    j

    n

    iin

    iiij n

    YY

    nMy

    nMy

    1 1

    1

    1

    11

    iY : Media por Conglomerado.

    y : Media por unidades secundarias o ultimas.

    M: Cantidad de unidades secundarias o ultimas.

    nMS

    NnN

    nS

    NnNyV bm

    22

    )( ==Donde:

    ( )

    11

    2

    2

    ==N

    YYS

    N

    ii

    m

    ( )21

    2

    2

    1 m

    N

    ii

    b MSN

    YYMS =

    =

    =

    2mS : Varianza entre los elementos

    dentro de la misma unidad. 2bS : Varianza entre conglomerados

    (entre unidades grandes)

    Total Poblacional:

    =

    ==n

    iiYn

    NyNY1

    ( )

    1)1()( 1

    22

    =

    =N

    YY

    nfNYV

    N

    ii

    6.5.- CARACTERISTICAS DE LAS DIFERENTES TECNICAS

    En resumen podemos indicar las siguientes ventajas e inconvenientes que presenta

    cada una de estas tcnicas:

  • 17

    7.- ESTIMACION DEL TAMAO DE LA MUESTRA

    Establecida la caracterstica o caractersticas a estimar y el grado de confianza y de

    precisin requeridos, hay que decidir cual va a ser el tamao de la muestra o numero de

    elementos a seleccionar, de modo que los resultados no sean en exceso costosos o

    imprecisos.

    Para estimar la media de la poblacin (infinitas):

    2

    22

    eZn =

    Para estimar la media de la poblacin (finitas):

    NZe

    nx

    x2

    2

    2

    2

    +

    =

    TECNICA VENTAJAS INCONVENIENTES

    Aleatorio Simple 1. Sencillo y de fcil comprensin. 2. Clculo rpido de medias y varianzas. 1. Requiere que se posea de un listado completo de

    toda la poblacin. 2. No es recomendable emplearla para poblaciones

    muy grandes

    Sistemtico 1. Fcil de aplicar. 2. No siempre es necesario tener un listado de toda la poblacin.

    3. Cuando la poblacin est ordenada siguiendo una tendencia conocida, asegura una cobertura de unidades de todos los tipos.

    1. Con la periodicidad constante k se puede introducir una homogeneidad que no se da en la poblacin.

    Estratificado 1. Tiende a asegurar que la muestra represente adecuadamente a la poblacin en funcin de unas variables seleccionadas.

    2. Se obtienen estimaciones ms precisa 3. Su objetivo es conseguir una muestra lo

    mas semejante posible a la poblacin en lo que las variables estratificadoras se refiere.

    1. Es preciso poseer conocimientos a detalle de la poblacin.

    Conglomerados 1. Es muy eficiente cuando la poblacin es muy grande y dispersa. 2. No es preciso tener un listado de toda la

    poblacin, slo de las unidades primarias de muestreo.

    1. El error estndar es mayor que en el muestreo aleatorio simple o estratificado.

    2. El clculo del error estndar es complejo. 3. Se torna complejo a medida que aumentan las

    etapas de muestreo

  • 18

    El factor )1/()( NnN se llama factor de correccin de poblacin finita. En caso de que la muestra sea grande (5% ms) en relacin con la poblacin, el investigador

    puede reducir en forma adecuada el tamao de la muestra necesaria:

    1+= nNnNn Donde: :n tamao revisado.

    n : tamao original.

    8.- EJEMPLOS DE APLICACION

    A continuacin se presentan una serie de ejemplos de aplicacin de las tcnicas

    descritas anteriormente.

    8.1.- CASO I

    Para un muestreo estratificado un ejemplo numrico, sean tres estratos ( 3=L ), de tamaos respectivos:

    000.31 =N , 000.22 =N , 000.53 =N ; y con: 10021 =S , 40022 =S , 90023 =S .

    000.10321 =++= NNNN Para una muestra de tamao 100=n , los tamaos de las muestras correspondientes a cada estrato son:

    30000.3*000.10

    10011 === NN

    nn

    20000.2*000.10

    10012 === NN

    nn

    50000.5*000.10

    10013 === NN

    nn

    Se verifica, en efecto: 100502030321 =++=++ nnn . La varianza de la media es:

  • 19

    544,5)900105400

    102100

    103(

    10001,01)( =++=styV

    8.2.- CASO II

    Comparacin de los estimadores de totales para muestreo simple aleatorio y

    estratificado.

    El numero total de habitantes del total de 64 ciudades de EEUU para 1930, va a ser

    estimado de una muestra de 24 ciudades (estas ciudades se encuentran entre las 5ta. y

    la 68ava mas grande en poblacin).

  • 20

    1. Con muestreo simple aleatorio:

    453.594.56440

    24)448.52()64()()(

    222

    =

    ==N

    nNnSNYV

    365.2=ee

    ESTRATO

    1 2

    900 364 209 113

    822 317 183 115

    781 328 163 123

    805 302 253 154

    670 288 232 140

    1238 291 260 119

    573 253 201 130

    634 291 147 127

    578 308 292 100

    487 272 164 107

    442 284 143 114

    451 255 169 111

    459 270 139 163

    464 214 170 116

    400 195 150 122

    366 260 143 134

    070.10)( = hiy 498.9)( = hiy 843.5321 =S 581.522 =S

    161 =N 482 =N 448.522 =S

  • 21

    2. Estratificado con afijacin proporcional, tenemos 616*6424

    1 ==n , 1848*6424

    1 ==n

    [ ] 293.882.1)581.5)(48()843.53)(16(2440)( 2 =+== hhst SNn nNYV

    372.1=ee

    8.3.- CASO III

    En un lote de frascos para medicina, con una poblacin de 8000 unidades, se desea

    estimar la media de la capacidad en centmetros cbicos de los mismos.

    A travs de un pre-muestreo de tamao 35 se ha estimado que la desviacin estndar

    es de 2 centmetros cbicos. Si queremos tener una precisin 0.25 cms3, y un nivel de

    significancia del 5%. De que tamao debe de ser la muestra?

    239

    80002

    96,125,0

    22

    2

    2

    2

    2

    2

    2

    2

    =+

    =+

    =NZ

    en

    x

    x

    Frascos.

  • 22

    BIBLIOGRAFIA

    AZORIN, Francisco. Curso de Muestreo y Aplicaciones. Facultad de Economa. Caracas. 1970.

    COCHRAN, William. Tcnicas de Muestreo. Editorial CECSA. Mxico 1971.

    SEIJAS, Flix. Investigacin por Muestreo. Ediciones FACES. Caracas. 1993

    ELEMENTOS DE MUESTREO portadaTECNICAS_DE_MUESTREO