Metodologa para el Diseo Muestral para la Evaluacin

de las Declaratorias de Viabilidad otorgadas en el marco

del Sistema Nacional de Inversin Pblica
Ministerio de Economa y Finanzas
Direccin General de Programacin Multianual del Sector Pblico
Metodologa del Diseo Muestral para la evaluacin de declaratorias de viabilidad en el SNIP
2
ndice
Introduccin.................................................................................................................3
I. Objetivos..............................................................................................................4
II. Determinacin del tamao mnimo de muestra: una breve referencia terica...5
III. Descripcin general del sistema de muestreo y unidades de anlisis..................8
IV. Poblacin de trabajo y diseo muestral para la evaluacin de declaratorias de
viabilidad....................................................................................................................11
IV.1 Determinacin de la poblacin de trabajo....................................................11
IV.2 Procedimiento para el trabajo con el sistema y diseo muestral para las
declaratorias de viabilidad otorgadas cada ao.......................................................11
IV.2.1 Preparando el sistema con los datos la poblacin de trabajo.................11
IV.2.2 Procedimiento para el uso de parmetros y niveles de anlisis para
definir el diseo muestral para la evaluacin de declaratorias de viabilidad........13
Anexo 1: Clasificacin sectorial propuesta para cada funcin y programa................20
Metodologa del Diseo Muestral para la evaluacin de declaratorias de viabilidad en el SNIP
3
Introduccin
1. El Reglamento del Sistema Nacional de Inversin Pblica (SNIP) aprobado por Decreto
Supremo No. 102-2007 y modificado por el DS 038-2009, en su artculo 3, seala las
competencias vigentes de la DGPM. Entre muchas otras, se precisa que dicha Direccin
debe realizar evaluaciones muestrales, con periodicidad anual, sobre la calidad de las
declaraciones de viabilidad que otorguen los rganos competentes del SNIP.
2. El nmero de proyectos de inversin pblica (PIPs) declarados viables cada ao es, sin
embargo, demasiado grande como para realizar una evaluacin sobre toda la poblacin.
De all que resulta importante establecer una metodologa que permita la obtencin de
una muestra estadsticamente representativa del universo de PIPs declarados viables
anualmente.
3. En ese sentido, el presente documentotiene como propsito establecer el procedimiento
del diseo muestral que la DGPM debe utilizar cada ao para obtener los tamaos de
muestra a emplear, de acuerdo a determinados parmetros y niveles de anlisis, para que
los resultados de la evaluacin de declaratorias de viabilidad sean representativos y
generalizables para distintos grupos de inters(segn nivel de gobierno en el que se sita
la OPI y dominio geogrfico).
4. Con ello se busca hacer transparente el proceso de evaluacin de las declaratorias de
viabilidades, as como uniformizar criterios tcnicos para los posteriores ejercicios de
evaluaciones de declaratorias de viabilidades. De este modo, se facilita el anlisis
comparativo anual del desempeo de las OPIs en su tarea de evaluar los estudios de
preinversin que sustentan la declaratoria de viabilidad de los proyectos de inversin
pblica.
Metodologa del Diseo Muestral para la evaluacin de declaratorias de viabilidad en el SNIP
4
I. Objetivos
5. El objetivo del documento es sustentar un sistema de muestreo que permita a la DGPM
obtener los tamaos de muestra a emplear para que los resultados de la evaluacin de
declaratorias de viabilidad puedan ser generalizables endistintos grupos de inters, de tal
modo que se aplique a una poblacin de trabajo debidamente definida.
6. El sistema de muestreo permite hallar el tamao de muestra a emplear para distintos
niveles de anlisis: (i) el nivel ms agregado corresponde al mbito de la OPI evaluadora
(Gobierno Nacional, Gobierno Regional, Gobierno Local y Empresas). (ii) al interior de cada
mbito, a su vez, es posible evaluar una desagregacin ensiete sectores priorizados y, (iii)
para los mbitos de gobierno regional y local es posible, tambin, evaluar una clasificacin
a nivel de regiones o grupos de regiones.
7. La evaluacina realizar con la muestra nos sugiere dos elementos clave que han servidode
gua para el estudio. En primer lugar, es importante notar que la evaluacin busca,
primordialmente, determinar qu porcentaje de los PIPs declarados viables cumplieron
con las condiciones mnimas para serlo. Por lo mismo, el estadstico bsico de anlisis lo
constituye la proporcin muestral. Es decir, a partir de la muestra ser posible calcular una
proporcin de PIPs cuya viabilidad fue razonablemente otorgada, y el tamao de esta
muestra deber ser tal que permita generalizar el resultado obtenido a toda la poblacin,
con un margen de error razonable.
8. El segundo elemento a tomar en cuenta es que lo que se evaluar esel desempeode las
OPIs. Por lo mismo, las unidades de anlisis al interior de la poblacin de trabajo debern
estar constituidas por losdistintos grupos de PIPs que es posible construir a partir de las
caractersticas de la OPI que declar su viabilidad. Al respecto, los niveles (mbitos),
sectores y ubicacin geogrfica de la OPI constituyen los factores discriminantes ideales
para distinguir entre distintos grupos de PIPs.
Metodologa del Diseo Muestral para la evaluacin de declaratorias de viabilidad en el SNIP
5
II. Determinacin del tamao mnimo de muestra: una breve referencia terica
9. Cuando utilizamos una muestra para calcular determinado estadstico, es importante
recordar que el valor que obtenemos es la realizacin de una variable aleatoria la que,
tpicamente, responde a una distribucin con media y varianza conocidas. En el caso que
aqu nos concierne, y tal como fue explicado en el acpite anterior, el principal estadstico
de anlisis lo constituye la proporcin muestral. Este estadstico, denotado comnmente
como
p
, se distribuye como una Normal con media y varianza conocidas. Formalmente:
p(1 p)
p N p,
n
(
(

(1.)
Donde p representa la proporcin poblacional y n es el tamao de muestra utilizado
para construir el estadstico. As, el error (o desviacin) estndar de la proporcin muestral
viene dado por:
p
p(1 p)
n

o = (2.)
y, en caso la poblacin sea finita (N), ser necesario agregar un trmino de correccin de
la forma:
p
p(1 p) N n
n N 1

o =

(3.)
10. Ahora bien, preocuparse por el tamao de muestra a utilizar equivale a preocuparse por la
precisin de nuestras estimaciones o, lo que es lo mismo, por el margen de error que
estamosdispuestosa tolerar exista entre laestimacin y el verdadero valor del parmetro
en la poblacin. En nuestro caso estamos hablando de la diferencia entre
p
y
p
.
11. Esta precisin es tpicamente medida a travs de un intervalo de confianza. En general,
dicho intervalo nos indica el rango de valores entre los cuales puedo esperar encontrar el
verdadero valor del parmetro para una probabilidad o nivel de confianza dado. As, para
un mismo nivel de confianza, una estimacin ms precisa ser aquella que exhiba un
intervalo ms acotado.
12. A partir de la distribucin muestral de la proporcin, es posible construir un intervalo de
confianza para dicho estadstico de la forma:
Metodologa del Diseo Muestral para la evaluacin de declaratorias de viabilidad en el SNIP
6
/2 p /2 p
Pr p z p p z (1 )
o o
( o s s + o = o

(4.)
Donde
/2
z
o
se refiere al valor con una probabilidad asociada de 100(1 / 2) o % en la
distribucin normal estndar.
13. La expresin dada en (4.) nos dice que, en un proceso de muestreo repetido, el
100
(1 ) o
%de las veces la distancia entre nuestro estimado (
p
) y el verdadero valor
del parmetro (
p
) no exceder la magnitud
/2 p
z
o
o
. Es, como se dijo, una medida de la
precisin de nuestra estimacin. Como la magnitud
/2 p
z
o
o
es la que determina la
amplitud del intervalo, la precisin depender inversamente de ella.
14. Antes de construir la muestra, y al momento de pensar en su tamao, el investigador
buscaejercer control sobre la magnitud
/2 p
z
o
o
, a la que se denomina margen de error
(
e
).
/2 p
/2
e z
p(1 p) N n
z
n N 1
o
o
= o

=

(5.)
15. As, y para una confianza dada(o un valor para
/2
z
o
fijo), calcular el tamao de muestra a
emplear implica determinar el valor de
n
que garantiza unadesviacinestndar (
p
o
) tal
que el margen deerror sea de 100(
e
) puntos porcentuales. En la medida en que se desee
un margen de error menor ser necesario reducir la desviacinestndar y, por lo mismo,
incrementar el tamao de muestra.
16. Tal como se indica en (5.), el margen de error depende de dos parmetros adicionales
sobre los que es necesario tomar una decisin:
/2
z
o
y
p
. El primero tiene que ver
directamente con el nivel de confianza elegido para el intervalo, mientras que el segundo
es uno de los argumentos que determinan la desviacin estndar del estadstico.
17. Respecto al primero, lo comn es elegir un valor para
o
de 0.05 y, con esto, una confianza
del 95%y un valor para
/2
z
o
de 1.96. En lo que respecta al segundo parmetro, es
importante notar que la desviacin estndar es creciente en
p(1 p)
; es decir, conforme
Metodologa del Diseo Muestral para la evaluacin de declaratorias de viabilidad en el SNIP
7
mayor sea el valor de
p(1 p)
, mayor tendr que ser el tamao de muestra para
mantener el margen de error constante. Aunado a esto, conviene reparar en que
p(1 p)
alcanza su valor mximo (0.25) cuando
p
es igual a 0.5. Por lo mismo, y en
ausencia de informacin a priori sobre
p
(recordemos que se trata del parmetro que
interesa estimar) lo ms conservador es utilizar un valor 0.5.
18. Si, no obstante, se sabe que
p
se encuentra dentro de un intervalo que no contiene a 0.5,
lo recomendable es utilizar el valor lmite del intervalo ms cercano a 0.5. Por ejemplo, si
se sabe que
0.2 p 0.6 s s
, se recomienda reemplazar
p 0.5 =
. No obstante, si se sabe
que
0.1 p 0.3 s s
, se recomienda trabajar con
p 0.3 =
.
19. Con estas nociones en mente, basta con despejar (5.) de modo que quede explcito que lo
que nos interesa es determinar el valor de
n
que garantice el margen de error elegido.
( )
( )
/2
2
2
/2
2
/2
2
0
0
0
p(1 p) N n
e z
n N 1
p(1 p) N n
e z
n N 1
z p(1 p)
N n
n
N 1 e
N n
n n
N 1
n N
n
N 1 n
o
o
o

=

( (
=
( (

(
=
(

(
=
(

=
+
(6.)
Donde
0
n corresponde al tamao de muestra para una poblacin infinita.
20. Si bien la expresin anterior involucra al tamao de la poblacin (
N
) esto no implica que
el tamao demuestra a emplear sea una proporcin de la misma. Claramente, la relacin
entre
n
y
N
no es lineal (ver Grfico No. 1). Al respecto, conviene pensar en el tamao
de muestra como un concepto independientedel tamao de la poblacin. En la prctica, el
trmino de correccin por poblacin finita slo garantizar que la muestra requerida no
exceda a la poblacin disponible y no debemos sorprendernos si, para poblaciones
pequeas,
n
sea muy cercano a
N
. De hecho, lo que este resultado nos est diciendo es
Metodologa del Diseo Muestral para la evaluacin de declaratorias de viabilidad en el SNIP
8
que, dado lo limitado de la informacin disponible, debemos aprovecharla al mximo para
lograr la precisin deseada.
Grfico No. 1: Tamao de muestra para distintas poblaciones finitas
(alfa =5%; p =0.5)
0
100
200
300
400
500
600
700
800
900
1
0
6
0
1
1
0
1
6
0
2
1
0
2
6
0
3
1
0
3
6
0
4
1
0
4
6
0
5
1
0
5
6
0
6
1
0
6
6
0
7
1
0
7
6
0
Poblacin Tamao de muestra
III. Descripcin general del sistemade muestreo yunidadesde anlisis
21. Tal como se mencion en la seccin introductoria, la DGPM busca evaluar las declaratorias
de viabilidad al interior de diversos gruposde inters. Es, por tanto, necesario contar con
una herramienta flexible que permita conocer el tamao de muestra a emplear en cada
grupo para distintos niveles de anlisis. En esta seccin se describen los diversos niveles de
anlisis y opciones de muestreo disponibles.
22. La unidad bsica de anlisis propuesta es el mbito de la OPI evaluadora. ste puede ser al
nivel de Gobierno Nacional, Gobierno Regional, Gobierno Local o Empresas
1
. Esto implica
que el nmero mnimo de proyectos a evaluar provisto por el sistema garantiza que se
pueda realizar inferencia (con el margen de error elegido) dentro de estos cuatro grandes
grupos.
23. Dentro de cada uno de estos cuatro grupos es posible, a su vez, incrementar el tamao de
muestra para realizar inferencia en los siete sectores priorizados: Agricultura, Educacin,

1
El mbito Empresas agrupa a las OPIs de las empresas que ejecutan PIPs. Bsicamente, se
trata de empresas proveedoras de energa, agua potable y alcantari llado.
Metodologa del Diseo Muestral para la evaluacin de declaratorias de viabilidad en el SNIP
9
Energa, Institucional, Salud, Saneamiento y Transporte
2
. Esto implica determinar el
tamao mnimo de muestra para cada sector, en cada mbitode OPI.
24. Los mbitos de Gobierno Regional y Gobierno Local, por su parte, ofrecen una dimensin
de anlisis adicional a la sectorial: la dimensin geogrfica. Es decir, es posible asociar cada
proyecto no slo a un sector sino tambin a determinada regin geogrfica. Esto permite
enriquecer el anlisis asociado a este tipo de OPIs de dos manerasdistintas: utilizando a las
regiones como unidadespara un muestreo estratificado y/o proponiendo a las regiones (o
a gruposde ellas) como unidades de anlisis para el proceso de inferencia.
25. Respecto a lo primero, y ya sea que se desee hacer inferencia slo a nivel de mbito OPI o
se elija una desagregacin sectorial para la misma, el sistema proceder a realizar un
muestreo estratificado con reparto proporcional segn regin geogrfica. Es decir, las
observaciones dentro de cada submuestra (mbito OPI o mbito OPI/sector) sern
asignadas a cada una de las 25 regiones respetando la participacin (o tamao relativo) de
cadaregin en la poblacin de trabajo. El muestreo estratificado permite incrementar la
precisin de nuestros estimados (reducir la varianza del estadstico construido para cada
submuestra) pero no permite hacer inferencia al interior de cada estrato o grupo. Por lo
mismo, esta opcin (activada por defecto) no implica un incremento en el tamao de
muestra.
26. Lo que s implica incrementar el nmero de proyectos a evaluar es la posibilidad de realizar
inferencia tambin a nivel geogrfico. Para esto, el sistema ofrece dos tipos de unidad
geogrfica: regiones y grupos. staltimarepresenta una opcin de trabajo ms agregado
y requiere que el usuario asigne, previamente, varias regiones a, por lo menos, dos de los
cinco grupos disponibles.
27. Elegir cualquiera de estas dos opciones (regiones o grupos) implica solicitar al sistema que
calcule el nmero adicional de observaciones (adicionales a las necesarias para realizar
inferencia a nivel de mbito OPI o mbito OPI/sector) requerida para que la
representatividad de la muestra pueda ser extendidaal nivel geogrfico.
28. Los Cuadros No. 1 y No. 2 muestran las unidades de anlisis y tipos de muestreo
disponibles para cada uno de los cuatro mbitos OPI considerados. La determinacin del
nmero total de proyectos a evaluar pasa por elegir un tipo de desagregacin para los
mbitos Gobierno Nacional y Empresas, y un tipo de desagregacin y unidad geogrfica

2
En el Anexo 1 se muestra la clasificacin sectorial para cada funcin y programa.
Metodologa del Diseo Muestral para la evaluacin de declaratorias de viabilidad en el SNIP
10
para los mbitos Gobierno Regional y Gobierno Local. Evidentemente, el tamao total de
muestra ser mayor conforme el nmero de unidades de anlisis considerado crezca.
Cuadro No. 1: Unidades de anlisis para las que es posible
realizar inferencia (mbito OPI =Gobierno Nacional o Empresas)
D
e
s
a
g
r
e
g
a
c
i

n
Ninguna
mbito OPI (1) con muestreo
simple.
Sectorial
mbito OPI (1) con muestreo
simple.
Sectores (7) con muestreo
simple.
Cuadro No. 2: Unidades de anlisis para las que es posible
realizar inferencia (mbito OPI =Gobierno Regional o Gobierno Local)
Unidad Geogrfica
Ninguna Regiones Grupos
D
e
s
a
g
r
e
g
a
c
i

n
Ninguna
mbito OPI (1) con
reparto proporcional
por regiones.
mbito OPI (1) con
reparto proporcional por
regiones.
Regiones (25) con
muestreo simple.
mbito OPI (1) con
reparto proporcional
por grupos.
Grupos (hasta 5) con
muestreo simple.
Sectorial
mbito OPI (1) con
reparto proporcional
por regiones.
Sectores (7) con
reparto proporcional
por regiones.
mbito OPI (1) con
reparto proporcional por
regiones.
Sectores (7) con reparto
proporcional por
regiones.
Regiones (25) con
muestreo simple.
mbito OPI (1) con
reparto proporcional
por grupos.
Sectores (7) con
reparto proporcional
por grupos.
Grupos (hasta 5) con
muestreo simple.
Metodologa del Diseo Muestral para la evaluacin de declaratorias de viabilidad en el SNIP
11
IV. Poblacin de trabajo y diseo muestral para la evaluacin de declaratorias de
viabilidad.
IV.1 Determinacin de la poblacin de trabajo
29. La poblacin de trabajo se determinar sobre la base del total de proyectos declarados
viables por las OPIs durante el ao que se fije como periodo de la evaluacin de
declaratorias de viabilidad.
30. El propsito de este ejercicio es conocer cul es el subconjunto de proyectos que, de
acuerdo a determinadas caractersticas, concentran un monto importante de inversin del
presupuesto total de proyectos declarados viables para el ao sujeto a anlisis, de tal
modo de ganar eficiencia acotando el universo de proyectos sobre el cual se obtendrn los
tamaos de muestra, con solo una ligera prdida de representatividad presupuestal.
31. Criterios como el umbral del monto de inversin y la participacin de un sector dentro del
presupuesto de inversin total declarado viable en el ao bajo anlisis, podrn ser
tomados en cuenta para acotar el universo de proyectos sobre los cuales se obtendrn los
tamaos de muestra. Otros criterios podrn ser considerados previo sustento.
IV.2 Procedimientopara el trabajo con el sistemay diseo muestral para las
declaratorias de viabilidad otorgadas cada ao.
32. El sistema de muestreo ha sido desarrollado en MS Excel e involucra seis hojas con las que
debe interactuar el usuario. Tres de ellas son hojas de insumo (donde el usuario debe
especificar los datos relacionados con la poblacin de trabajo); una de ellas contiene el
panel decontrol (parmetros y niveles de anlisis) y un resumen de resultados (el tamao
final de muestra segn mbito OPI y sector); y las dos restantes muestran el detalle de
resultados a nivel de regiones y/o grupos.
IV.2.1 Preparando el sistemacon los datos la poblacin de trabajo
33. En la hoja (I) N x OPI, el usuario debe ingresar la poblacin de trabajo clasificada segn
mbito OPI y sector. En la hoja (I) N x Reg, por su parte, se debe ingresar la poblacin de
trabajo asociada a los mbitos de Gobierno Regional y Gobierno Local, clasificada segn
regin y sector. La imagen a continuacin se visualiza una muestra de un extracto de los
Metodologa del Diseo Muestral para la evaluacin de declaratorias de viabilidad en el SNIP
12
datos asociados a una poblacin de trabajo tomado como ejemplo para un determinado
ao, elegida de acuerdo con los criterios descritos en la seccin anterior (punto 4.1). Segn
el ejemplo indicado en la ImagenNo. 1, la poblacinde trabajo de referencia para el ao
bajo anlisis involucra un total de 10,212 proyectos.
Imagen No. 1: Extracto de las hojas para el ingreso de informacin sobre la poblacin de
trabajo
Ingrese los datos de la
poblacin de trabajo aqu
..>Hoja (I) N x OPI
..>Hoja(I) N x Reg
Metodologa del Diseo Muestral para la evaluacin de declaratorias de viabilidad en el SNIP
13
34. Si se planea elegir la opcin de Grupos para la unidad geogrfica, en la hoja
Regiones&Grupos el usuario deber especificar a qu grupo pertenece cada regin. El
sistema admite hasta cinco grupos y una clasificacin distinta para OPIs de mbito regional
y local. De acuerdo con lo mostrado en la Imagen No. 2, se propone una misma
clasificacin para los dos mbitos que corresponde a los grupos de necesidad establecidos
por el Fondo de Promocin a la Inversin Pblica Regional y Local (FONIPREL).
Imagen No. 2: Extracto de lahoja Regiones&Grupospara la clasificacin
de regiones (opcional)
IV.2.2 Procedimiento para el uso de parmetros y niveles de anlisispara definir el diseo
muestral para la evaluacin de declaratorias de viabilidad.
35. Una vez introducida la informacin sobre la poblacin de trabajo, es necesario elegir los
parmetros para el tamao de muestra as como el nivel de desagregacin y unidad
geogrfica para los distintos mbitos de OPI (ver Cuadros No. 1 y No. 2).
36. Para fines ilustrativos, se muestra la aplicacin de un conjunto de parmetros estndar
(margen de error de 5%, nivel de confianza del 95%y proporcin poblacional igual a 0.5) y
slo a nivel de mbito OPI. La imagen siguiente muestra un extracto del panel de control y
Ingrese el nombre de los
grupos aqu
Elija a qu grupo pertenece
cada regin
Metodologa del Diseo Muestral para la evaluacin de declaratorias de viabilidad en el SNIP
14
del resumen de resultados consistente con los parmetros elegidos (hoja
Control&Resumen).
Imagen No. 3: Extracto del panel de control y resumen de resultados (parmetros
estndar y nivel de anlisis agregado)
37. De acuerdo con los resultados mostrados en la imagen anterior, y de acuerdo a la
poblacin de trabajo tomada como ejemplo, para hacer inferencia con un margen de error
de 5%en cada mbito OPI se necesita evaluar un total de 1,043 proyectos: 242 para poder
llegar a conclusiones generalizables sobre las OPIs del mbito de Gobierno Nacional, 307
para el mbito de Gobierno Regional, 368 para el local y 126 para la categora Empresas.
Segn se indica en los Cuadros No. 1 y No. 2, las muestras para los mbitos regional y local
se encuentran, por defecto, estratificadas con un reparto proporcional por regiones. Para
conocer el reparto propuesto es necesario acceder a la hoja UGeoReg.
38. Se puede completar laexploracin del sistema de muestreo eligiendo parmetros y niveles
de anlisis ms adecuados para la evaluacin de los PIPs declarados viables para un ao
determinado.
Ingrese el valor de los parmetrosaqu
Elija el nivel de desagregacin y unidad geogrfica
Metodologa del Diseo Muestral para la evaluacin de declaratorias de viabilidad en el SNIP
15
39. Se recomienda mantener el nivel de confianza en un 95%. De hecho, no es conveniente
alterar este parmetro tomando en cuenta que ms adelante se podra modificar el
margen de error. Si se est dispuesto a trabajar con una precisin menor, conviene
traducir esto directamente en trminos de un mayor margen de error para un mismo nivel
de confianza. As, losresultados sern mucho ms fciles de interpretar y, eventualmente,
comunicar a terceros.
40. En lo que respecta a la proporcin poblacional, se puede emplear lainformacin sobre la
estimacin de tal proporcin de un periodo anterior al ao bajo anlisis (el cual puede
encontrarse dentro de algn rango que no contenga a 0.5). Para fines explicativos, se
asignarun valor de 0.2 para la proporcin poblacional, asumiendo que el lmite superior
del rango de resultados de la proporcin de proyectos conformes y no conformes del
periodo anterior fue de 20%. Esto permitir reducir el tamao de muestra requerido
manteniendo un enfoque conservador.
41. Debido al inters de conocer la calidad de los estudios de preinversin tanto a nivel
sectorial como dentro de unidades geogrficas del nivel regional, es posible elegir en el
sistema de muestreo estos niveles de anlisis. Por lo mismo, se seleccionar una
desagregacin sectorial para todos los mbitos OPI. Adems, para los de gobierno regional
y local se elegirn regiones y grupos como unidad geogrfica, respectivamente. Esto ltimo
permitir aadir una dimensin geogrfica incluso al nivel local, sin incrementar
excesivamente el tamao de muestra (recordemos que el mbito local es el que concentra
la mayora de proyectos).
42. Las opciones elegidas en el ejemplo descrito en el punto 35permitan realizar inferencia en
cuatro unidades de anlisis: los cuatro distintos mbitos OPI. Las indicadas en el prrafo
anterior (punto 41), en cambio, permiten hacer inferencia en un total de 60 unidades de
anlisis: (i) el mbito OPI de Gobierno Nacional y los siete sectores al interior de este
mbito (8unidades); (ii) el mbito OPI de Gobierno Regional, los siete sectores al interior
de este mbito y las 25 regiones (33 unidades); (iii) el mbito OPI de Gobierno Local, los
siete sectores al interior de este mbito y los tres grupos de necesidades FONIPREL (11
unidades); y (iv) el mbito OPI de Empresas y los siete sectores al interior de este mbito
(8).
43. Como resultado del incremento en el nmero de unidades de anlisisy con la poblacin de
trabajo de referencia, el tamao total de la muestra ha crecido significativamente (de
1,043 a 2,992 proyectos), tal como se muestra en la imagen a continuacin:
Metodologa del Diseo Muestral para la evaluacin de declaratorias de viabilidad en el SNIP
16
Imagen No. 5: Extracto del panel de control y resumen de resultados
44. De acuerdo con la informacin mostrada en la Imagen No. 5, y con respecto al anlisis
agregado del acpite anterior, el nmero de proyectos al interior de cada mbito OPI se ha
incrementado de modo que los resultados sean tambin generalizables a nivel de cada
sector. As, por ejemplo, ahora se necesita un total de 717 evaluaciones para garantizar
que, al interior del mbito regional, stas sean representativas en los siete sectores. El
cuadro resumen incluido en la hoja Control&Resumennos indica cmo estn distribuidas
estas 717 observaciones en los siete sectores. La hojaUGeoReg, por su parte, nos muestra
el resultado de repartir las observaciones de cada sector de manera proporcional segn las
25 regiones.
45. Para este mismo mbito, tambin se ha elegido Regiones como unidad geogrfica. Al
respecto, el cuadro resumen mostrado en la imagen anterior nos indica que para lograr la
representatividad regional son necesarias 450 observaciones adicionales para un total de
Metodologa del Diseo Muestral para la evaluacin de declaratorias de viabilidad en el SNIP
17
1,167 proyectos. En la hoja UGeoReg se muestra como estn distribuidas estas 450
observaciones adicionales
3
.
Imagen No. 6: Extracto de la hoja UGeoReg, reparto proporcional y observaciones
adicionales por regin
46. Continuando con nuestro ejemplo, y de acuerdo con lo indicado en el Cuadro No. 2, lo
anterior garantiza que los resultados obtenidos a nivel de sector y regin sean
representativos de sus respectivaspoblaciones, con el margen de error elegido (5%).
47. Si es posible realizar inferencia a nivel de sector y regin, con mayor razn deber serlo a
nivel de mbito OPI. De hecho, cabe esperar que el margen de error se haya reducido en la
medida en que el nmero total de observaciones obtenidas de cada mbito se ha
incrementado. El margen de error implcito asociado a cada mbito agregado se muestra
en la tabla de parmetros. Al respecto, cabe precisar que: (i) este margen de error
implcito coincidir con el elegido si no se selecciona ningn tipo de desagregacin ni
unidad geogrfica; (ii) si se selecciona una desagregacin sectorial y/o alguna unidad

3
Esta misma lgica aplica al mbito OPI de Gobierno Local pero para un anlisis geogrfico a
nivel de grupos (ser necesario acceder a l a hoja UGeoGr en lugar de UGeoReg).
Muestreo estratificado: cmo repartir las
observaciones de cada sector segn regiones
Representatividad regional: cmo estn
distribuidas las observaciones adicionales
Metodologa del Diseo Muestral para la evaluacin de declaratorias de viabilidad en el SNIP
18
geogrfica, el margen de error implcito a nivel de mbito OPI ser menor al margen de
error elegido, y este ltimoaplicar al anlisis a nivel sectorial y/o unidad geogrfica.
Imagen No. 7: Tabla de parmetros y margen de error implcito
a nivel de mbito OPI
48. Para clarificar lo anterior, retomemos nuestro ejemplo asociado al mbito de Gobierno
Regional y recordemos que el hecho de haber elegido una desagregacin sectorial y una
unidad geogrfica regional result en un incremento en el tamao de muestra (de 307 a
1,167 observaciones para el caso del ejemplo desarrollado). Al respecto, y tal como se
muestra en la imagen anterior, este incremento ha permitido reducir el margen de error
para el anlisis agregado a nivel de mbito aslo 1.1%. En contraste, el margen de error
elegido (5%) corresponde al anlisis a nivel de sector y regin.
49. En la columna TOTAL mostrada en la Imagen No. 6 se indica cmo estn repartidas las
1,167 observaciones del mbito OPI Gobierno Regional entre las 25 regiones. Esta
distribucin es muy similar a la que se obtendra con un reparto proporcional
4
.
50. Por ltimo, cabe destacar un atributo adicional del sistema: la posibilidad de calcular el
margen de error que habra que admitir si se quiere que el nmero total de proyectos a
evaluar sea igual a un tamao de muestra objetivo. Para esto, basta con especificar el
tamao objetivo y la holgura o diferencia mxima que se est dispuesto exista entre la
respuesta del sistema y el objetivo especificado.

4
Ntese que lo que efectivamente corresponde a un reparto proporcional es la distribucin al interior
de cada sector. Si bien es muy similar, el resultado total no corresponde exactamente a este tipo de
reparto.
Metodologa del Diseo Muestral para la evaluacin de declaratorias de viabilidad en el SNIP
19
Imagen No. 8: Opciones para trabajar con un tamao de muestra objetivo
51. En la imagen anterior se muestra cmo preguntar al sistema cul sera el margen de error
asociado a un tamao de muestra objetivo de 2,000 evaluaciones, manteniendo las
mismas unidades de anlisis indicadas lneas arriba. A diferencia del total asociado a un
margen de error de 5%, este tamao objetivo implica slo un incremento de 33%.
52. La respuesta del sistema se muestra a continuacin: para reducir el tamao de muestra a
2,000 evaluaciones, es necesario admitir un margen de error de 7.4%a nivel de sector,
regin y grupo. Cabe destacar, sin embargo, que los mrgenes de error implcitos a nivel
de mbito OPI se encuentran, en su mayora, an por debajo del 5%.
Imagen No. 9: Resultados asociados a un tamao de muestra
objetivo de 2,000 observaciones
Ingrese el tamao
de muestra
objetivo aqu
Ingrese la diferencia mxima que se
est dispuesto exista entre la respuesta
del sistema y el tamao objetivo
Presione para hallar el
margen de error
Metodologa del Diseo Muestral para la evaluacin de declaratorias de viabilidad en el SNIP
20
Anexo 1: Clasificacin sectorial propuesta para cada funcin y programa
Funcin Programa Sector
LEGISLATIVA PROCESO LEGISLATIVO Otros
JUSTICIA JUSTICIA Otros
ADMINISTRACION Y
PLANEAMIENTO
ADMINISTRACION Institucional
ADMINISTRACION Y
PLANEAMIENTO
LUCHA CONTRA EL CONSUMO DE DROGAS Otros
ADMINISTRACION Y
PLANEAMIENTO
ADMINISTRACION FINANCIERA Institucional
ADMINISTRACION Y
PLANEAMIENTO
FISCALIZACION FINANCIERA Y PRESUPUESTARIA Institucional
ADMINISTRACION Y
PLANEAMIENTO
PLANEAMIENTO GUBERNAMENTAL Institucional
ADMINISTRACION Y
PLANEAMIENTO
CIENCIA Y TECNOLOGIA Otros
AGRARIA ORGANIZACION AGRARIA Agricultura
AGRARIA PROMOCION DE LA PRODUCCION AGRARIA Agricultura
AGRARIA PROMOCION DE LA PRODUCCION PECUARIA Agricultura
AGRARIA
PRESERVACION DE LOS RECURSOS NATURALES
RENOVABLES
Agricultura
AGRARIA PROMOCION Y EXTENSION RURAL Agricultura
ASISTENCIA Y PREVISION
SOCIAL
ASISTENCIA SOLIDARIA Otros
ASISTENCIA Y PREVISION
SOCIAL
PROMOCION Y ASISTENCIA SOCIAL COMUNITARIA Otros
ASISTENCIA Y PREVISION
SOCIAL
PREVISION Otros
COMUNICACIONES COMUNICACIONES POSTALES Otros
COMUNICACIONES TELECOMUNICACIONES Otros
DEFENSA Y SEGURIDAD
NACIONAL
SERVICIOS DE INTELIGENCIA Otros
DEFENSA Y SEGURIDAD
NACIONAL
ORDEN INTERNO Otros
DEFENSA Y SEGURIDAD
NACIONAL
ORDEN EXTERNO Otros
DEFENSA Y SEGURIDAD
NACIONAL
PREVENCION Y ATENCION DE DESASTRES Otros
DEFENSA Y SEGURIDAD
NACIONAL
DEFENSA CONTRA SINIESTROS Otros
EDUCACION Y CULTURA EDUCACION INICIAL Educacin
EDUCACION Y CULTURA EDUCACION PRIMARIA Educacin
EDUCACION Y CULTURA EDUCACION SECUNDARIA Educacin
EDUCACION Y CULTURA EDUCACION SUPERIOR Educacin
EDUCACION Y CULTURA CAPACITACION Y PERFECCIONAMIENTO Educacin
EDUCACION Y CULTURA EDUCACION ESPECIAL Educacin
EDUCACION Y CULTURA ASISTENCIA A EDUCANDOS Educacin
EDUCACION Y CULTURA EDUCACION FISICA Y DEPORTES Educacin
EDUCACION Y CULTURA CULTURA Educacin
Metodologa del Diseo Muestral para la evaluacin de declaratorias de viabilidad en el SNIP
21
EDUCACION Y CULTURA INFRAESTRUCTURA EDUCATIVA Educacin
ENERGIA Y RECURSOS
MINERALES
ENERGIA Energa
ENERGIA Y RECURSOS
MINERALES
HIDROCARBUROS Energa
ENERGIA Y RECURSOS
MINERALES
RECURSOS MINERALES Energa
ENERGIA Y RECURSOS
MINERALES
RECURSOS HIDRICOS Energa
INDUSTRIA, COMERCIO Y
SERVICIOS
INDUSTRIA Otros
INDUSTRIA, COMERCIO Y
SERVICIOS
COMERCIO Otros
INDUSTRIA, COMERCIO Y
SERVICIOS
TURISMO Otros
INDUSTRIA, COMERCIO Y
SERVICIOS
PROTECCION DE LA LIBRE COMPETENCIA Otros
PESCA PROMOCION DE LA PRODUCCION PESQUERA Otros
RELACIONES EXTERIORES POLITICA EXTERIOR Otros
SALUD Y SANEAMIENTO SANEAMIENTO
Saneamiento
y Vivienda
SALUD Y SANEAMIENTO PROTECCION DEL MEDIO AMBIENTE
Saneamiento
y Vivienda
SALUD Y SANEAMIENTO SALUD COLECTIVA Salud
Funcin Programa Sector
SALUD Y SANEAMIENTO SALUD INDIVIDUAL Salud
TRABAJO PRESTACIONES LABORALES Otros
TRABAJO PROTECCION AL TRABAJADOR Otros
TRANSPORTE TRANSPORTE AEREO Transporte
TRANSPORTE TRANSPORTE TERRESTRE Transporte
TRANSPORTE TRANSPORTE FERROVIARIO Transporte
TRANSPORTE TRANSPORTE HIDROVIARIO Transporte
TRANSPORTE TRANSPORTE METROPOLITANO Transporte
VIVIENDA Y DESARROLLO
URBANO
VIVIENDA
Saneamiento
y Vivienda
VIVIENDA Y DESARROLLO
URBANO
DESARROLLO URBANO
Saneamiento
y Vivienda
*** *** Blanco