MUESTREO ALEATORIO SIMPLE

SIN REEMPLAZO (mas)

Este esquema de muestreo es el ms usado
cuando se tiene un marco de muestreo que
especifique la manera de identificar cada unidad
en la poblacin.

Adems no se tiene conocimiento a priori sobre
los posibles valores de Y
i
ni otras mediciones
asociadas a Y
i
.

En este caso cada unidad se extrae con igual
probabilidad, por etapas, y sin reemplazo, hasta
tener las n unidades de la muestra.
En la primera extraccin, la probabilidad de que
se seleccione una de las n unidades es .

En la segunda extraccin la probabilidad de
que se seleccione una de las restantes n-1
unidades es: y as sucesivamente.

En la seleccin k, la probabilidad de una unidad
l es .
MUESTREO ALEATORIO SIMPLE SIN
REEMPLAZO (mas)
n
N
1
1
n
N

1
1
n k
N k
+
+
Para estimar se obtiene el

promedio de la muestra:


Este es un estimador insesgado ( , el
promedio de los posibles valores al tomar
muchas muestras es ).
MUESTREO ALEATORIO SIMPLE SIN
REEMPLAZO (mas)
1
/
N
i
i
Y Y N
=
=

/
n
i
i
y Y y n
=
= =

(5.1)
( )
E y Y =
y
Y
La varianza de es:



donde


Ntese que si N es infinito, ,
es el resultado que se obtiene
para poblaciones infinitas.
MUESTREO ALEATORIO SIMPLE SIN
REEMPLAZO (mas)
( )
2
2
( ) 1
y
S
n
V y E y Y
N n
| |
= =
|
\ .
2 2
1
1
( )
1
N
y i
i
S Y Y
N
=
=

y
2
( )
y
S
V y
n
=
es la fraccin de muestreo o proporcin
de la poblacin que se muestrea, y

es el factor de correccin por finitud
(fcf).

Se puede demostrar que con este proceso de
seleccin, la probabilidad de que cualquier
unidad u
i
est en la muestra es
y la de que ambas una u
i
y una u
j

estn en la muestra es
MUESTREO ALEATORIO SIMPLE SIN
REEMPLAZO (mas)
n
N
1
n
N

i
n
N
t =
( 1)
( 1)
ij
n n
N N
t

=

Para estimar el total

tenemos:

Adems si , entonces:
MUESTREO ALEATORIO SIMPLE SIN
REEMPLAZO (mas)
N
i
i
Y NY Y = =

Y NY Ny = =

~N[ ,V( )] u u u

1.96 V( ) 1.96 V( ) 0.95 [ ] P u u u u u s s + =
Si no conocemos tenemos que estimarla:



En el caso particular del mas tenemos:

MUESTREO ALEATORIO SIMPLE SIN
REEMPLAZO (mas)

( ) V u

1.96 V( ) 1.96 V( ) 0.95 [ ] P u u u u u s s + =
( )
( )
2

, y 1
y
S
n
Y y V V y
N n
u u u
| |
= = = =
|
\ .
En el caso particular del mas tenemos:


MUESTREO ALEATORIO SIMPLE SIN
REEMPLAZO (mas)
( )
( )
2

, y 1
y
S
n
Y y V V y
N n
u u u
| |
= = = =
|
\ .
2 2
n n
1.96 1- 1.96 1- 0.95
N N
y y
S S
P y Y y
n n
o
(
(
| | | |
(
s s + =
| |
(
\ . \ .
(

0.95 P y Y o
(
< =

o = error absoluto.
Despejando n de se tiene:
MUESTREO ALEATORIO SIMPLE SIN
REEMPLAZO (mas)
1.96 ( ) V y o =
( )
( )
2
2
2 2
2
2
1.96
1
1
1.96
y
y
S
n
N
S
o o
= =
+
Recordemos que:
MUESTREO ALEATORIO SIMPLE SIN
REEMPLAZO (mas)
( )
( )
( )
( )
( )
2
2
2
2
2
2 2 2
( )
,
1 1
N
i
i
i i i y
i
y y y
Y Y
E y E y E y Y
N
Y Y
N
S S
N N
o
o

= = =

= =

El valor de S
2
y
o
2
y
se estima con una prueba
piloto o bien se adivina usando tablas (ver Tabla
1), y el conocimiento previo sobre la poblacin.

Si se considera que no se ajusta a la distribucin
normal, se usa el criterio de fijar la magnitud de la
varianza o del coeficiente de variacin de .

Se determina n para que produzca un coeficiente
de variacin dado (CV
0
) usando estimaciones
gruesas de y de S
2
y
.
5.1 Tamao de la Muestra (mas)
y
y
y
As



Despejando n, se obtiene:
Tamao de la Muestra (mas)
| |
1
2 2
1
2
0
1
( )
( )
y
S
n
N n
V y
CV
E y Y


| |

`
|
\ .

)
= =
2
2
2 2
0
( )
y
y
S
n
S
CV Y
N
=
+
Si n es "grande se espera que el teorema Central
del Lmite d una buena aproximacin de la
distribucin de .


5.1 Tamao de la Muestra (mas)
y
As:
Tamao de la Muestra (mas)
( )
~N Y,V y y (

2 2
( ) ( ) 1 P y z V y Y y z V y
o o
o
(
s s + =
(

si 1 .95 o =
2 2
1.96 (1 ) 1.96 (1 ) 0.95
n S n S
P y Y y
N n N n
(
s s + =
(
(

Entonces se distribuye


aproximadamente como una normal
estandarizada (media cero y varianza uno),
donde
Tamao de la Muestra (mas)
| |
1
2
( )
y Y
V y

( )
2
1
y
S
n
V y
N n
| |
=
|
\ .
Si se desea un tamao de muestra tal que el
error de estimacin sea inferior a o con una
probabilidad de 1-o, esto es:
Tamao de la Muestra (mas)
| | 1 [ ] P y Y o o < =
2

( ) z V y
o
o = ,
diviendo entre ( )
1
2
V y (

1 1
2 2
1
[ ( )] [ ( )]
y Y
P
V y V y
o
o
(

< = (
(

De las tablas de la normal estndar, Z~N(0,1),
se obtiene un valor z
o/2
tal que



(z
o/2
es el valor de Z obtenido en las tablas que
deja un rea de o/2 a la derecha de l).
Tamao de la Muestra (mas)
/ 2
1 [ ] P Z z
o
o < =
Como , hacemos que


sea un valor arbitrario de Z y que:
Tamao de la Muestra (mas)
( )
1
2
~ (0,1)
y Y
N
V y

(

( )
1
2
y Y
V y

(

( )
/ 2
1
2
2
1
y
z
S
n V y
n N
o
o o
= =
(
| |


|
\ .
(a)
De aqu (a) se despeja n:





si o= 0.05 entonces:
Tamao de la Muestra (mas)
2 2
/ 2
2 2
2 2
/ 2
1
1
y
y
z S
n
z S N
o
o
o o
= =
+
2 2
2
(1.96)
y
S
n
o
=
Se puede usar como una primera

aproximacin y luego corregir usando



Si no se puede suponer normalidad de la
distribucin del estimador, se recurre a la
desigualdad de Tchebycheff.
Tamao de la Muestra (mas)
2 2
/ 2
2
'
y
z S
n
o
o
=
'
'
1
n
n
n
N
=
+
Desigualdad de Tchebycheff

Sea U una variable aleatoria con cualquier
distribucin y
Tamao de la Muestra (mas)
2
( ) , ( )
U U
E U V U o = =
2
1
U U
P U o

> ( s

2
1
1
U U
P U o

s ( >

| |
2
1
1
U U U
P U U o o

s s + >
Tamao de la Muestra (mas)
2
1
( ) ( ) 1 P y V y Y y V y

(
s s + >

2
1
2 1 .75

= =
2
1
3 1 .889

= =
2
1
4.4 1 .95

= =
En las expresiones anteriores, si tanto o como
S se expresan en por ciento de la media,
Tamao de la Muestra (mas)
2
2 2
1
4.4 ( ) .
1
(4.4)
V y n
S N
o
o
= =
+
(5.4a)
' 100
y
o
o = , 100
S
CV
y
= la expresin (5.4) se
( ) ( )
2 2
/ 2
2 2
2 2
/ 2
( ) 1
.
' '
1
( )
z CV
n
Z CV N
o
o
o o
= =
+
transforma a:
Si no se supone normalidad para la distribucin
de y con confianza del 95%, por la
desigualdad de Tchebycheff, entonces (5.4a)
se transforma a:
Tamao de la Muestra (mas)
y
2
2 2
2 2
1 (4.4)( )
( ) 1 ( )
(4.4) ( )
CV
n
CV N
o o
= =
+
Y(u
i
) es una medida o indicador de la presencia
o ausencia de una caracterstica en la unidad u
i

con valor 1 si la caracterstica est presente y 0
si no es as. En este caso

= proporcin de unidades en la poblacin
que tienen la caracterstica
Estimacin de Proporciones
Y P =
.
N
i
i
Y
Y P
N
| |
|
|
= =
|
|
\ .

que es la proporcin de unidades en

la muestra con la caracterstica.

El valor de S
2
y
en trminos de P resulta:
Estimacin de Proporciones
p y =
( )
( )
2
2
1
1
1 1
N
i
i
Y
Y Y
S NP P
N N

= =

( )
2
1 , (1 )
1
N
P P P P
N
o = =

con estimador




Con este nuevo valor la expresin (5.3) resulta:
Estimacin de Proporciones
( )
2
2 2


(1 ).
1 1
n
i
i
y y
y y
nP
S s P
n n

= = =

( )
( )
( )
2
2
0
0
1
1
1
1
1
N
P
P
N
n
P
P CV
CV P
N

= =

| |
+
|

\ .
(5.5)
Para usar esta expresin, se estima a priori o
con una prueba piloto el valor de P y se fija el
CV
o
que se desea.
Si utilizamos la desigualdad de Tchebycheff
tenemos:
Estimacin de Proporciones
2
2 2
2
(4.4) (1 )
1
1
1
(4.4) (1 )
1
N
P P
N
n
N
N
P P
N
o o

= =
+

2
2 2
(4.4)
5
4
n
o o
= =
Ntese que si P est cercano a cero, el valor
de n aumenta.

Esto indica que para estimar la proporcin de
unidades con una caracterstica rara se
requieren muchas unidades en la muestra.
Estimacin de Proporciones
Esto es lo contrario de lo que sucede si se
usa la aproximacin a la normal, en cuyo
caso se usa la expresin (5.4) con
Estimacin de Proporciones
( )
2
1
1
Y
NP
S P
N
=

2 2
2
2 2
2 2
2
1
.
1
y
y
z S
n
z S N
o
o
o o
= =
+
Si se quiere conocer P, las Y
i
son 0 1.
Estimacin de Proporciones
2
(1 ) (1 )
1
y
N
S P P P P
N
= =

2
/ 2
2
(1 )

z P P
n
o
o

=
Si , adems como

la varianza de es mxima cuando P = 0.5,
se usa P(1-P)=(.5)(.5)=0.25 como margen de
seguridad
Estimacin de Proporciones
2
.05 1.96 2 z
o
o = = =

P
2
2 2
2 (.25) 1
n
o o
= =
Entonces se debe dar que nP>5 y n(1-P)>5 para
que se tenga buena cercana a la normalidad.

Al variar o se tienen los siguientes tamaos de
muestra:
Estimacin de Proporciones
o n
.001 1,000,000
.01 10,000
.02 2,500
.025 1,600
.3 1,111
.035 816
.4 625
Adems, si entonces se debe
reportar el resultado de la estimacin de P
con un intervalo de confianza aproximado
dado por:
Estimacin de Proporciones

~ ( , ( )) P N P V P

1.96 ( ) 1.96 ( ) .95, P p V p P p V p
(
s s + ~
(

( )

(1 )

( ) 1
1
n Np p
V p
N N n

| |
=
|

\ .