GRADO DE CONFIANZA DE LA INFERENCIA

Es la probabilidad de que el valor real del

parmetro poblacional se encuentre dentro de
los lmites especificados por los valores del
estimador muestral.
Ms que un clculo suele ser un criterio
definido convencionalmente por el analista
expresado en unidades estandarizadas Z o en
porcentaje de valores muestrales.
Una probabilidad de 95% equivale a 1.96
unidades de Z y es la ms utilizada.

GRADO DE ERROR (IMPRECISION) DE LA

INFERENCIA
Debido a la aleatoriedad, los valores de un mismo
estadstico difieren de una muestra a otra.
Esta variabilidad introduce un error en la estimacin
(error aleatorio).
Este error puede medirse, pues las medias de los
estimadores siempre se distribuyen normalmente
(Teorema del lmite central) aunque los mismos
estimadores no lo hayan hecho.

ERROR ALEATORIO
Cuando se mide el estadstico en diferentes
muestras
tomadas
aleatoriamente
los
resultados son variables. Esta variabilidad del
estadstico se denomina error aleatorio y es
causada por el azar.

s1
s4

s2
s3

GRADO DE ERROR
(IMPRECISION) DE LA INFERENCIA

Para un mismo nivel de confianza puede medirse el

error aleatorio por encima y por debajo de la
estimacin.
El error aleatorio configura lmites de confianza dentro
de los cuales se presume estar el valor real del
parmetro para el nivel de confianza elegido por el
analista.
El intervalo de confianza de la inferencia ser ms
amplio (impreciso) mientras ms altas sean la
confiabilidad exigida y la desviacin estndar.

GRADO DE ERROR
(IMPRECISION) DE LA INFERENCIA
Mientras ms grande sea la muestra, ms
pequeo (preciso) ser el intervalo.
Los lmites de confianza superior e inferior, se
calculan con base en la siguiente frmula que
depende de la desviacin estndar del
estimador muestral (s), del valor de Z elegido
y del tamao muestral (n):
(IC 95%) =

x 1.96. s .
n

MUESTREO PROBABILISTICO
Para que la inferencia estadstica sea vlida el
muestreo debe ser aleatorio o probabilstico.
Aleatoriedad de la seleccin: esta condicin se
refiere a que cada elemento del universo debe
tener la misma probabilidad de ser elegido en la
muestra y que dicha probabilidad puede ser
medida.

TIPOS DE MUESTREO PROBABILISTICO

1. Muestreo aleatorio simple
2. Muestreo aleatorio Sistemtico
3. Muestreo aleatorio Estratificado
4. Muestreo aleatorio por Conglomerados
5. Muestreo aleatorio Polietpico

1. MUESTREO ALEATORIO SIMPLE

Escoge al azar los miembros del universo hasta
completar el tamao muestral previsto
En teora se enumeran previamente todos los
elementos y de acuerdo con una tabla de
nmeros aleatorios se van escogiendo
El procedimiento puede darse con o sin
reemplazos
y
esta
condicin
afectar
posteriormente el anlisis

2. MUESTREO ALEATORIO SISTEMATICO

En el universo (N) se elige el primer elemento al

azar
Luego los dems se escogen cada cierto
intervalo (k), hasta completar el tamao
muestral (n).
El tamao del intervalo (k) se calcula as: k =
N/n

3. MUESTREO ESTRATIFICADO
Considera que al interior del universo
existen estratos (subgrupos internamente
homogneos
pero
cualitativa
y
cuantitativamente diferentes entre s), y
que no se cumple la condicin de seleccin
aleatoria pues los miembros del grupo
mayoritario tienen una mayor probabilidad
de ser seleccionados en la muestra.

ESTRATOS

Homogneos en su interior;
diferentes entre s en propiedades y
tamao
Comuna B

Comuna A

Comuna C
Comuna D
Los estratos ms grandes
Tienen mayor probabilidad de ser representados

Muestreo Aleatorio Estratificado

Definicin: La poblacin de N elementos se
divide en L grupos llamados estratos. Se toman
luego M.A.S. dentro de cada estrato.
Consecuencia: la probabilidad de seleccin de un
elemento de la poblacin ya no es constante
(depende del estrato al cual pertenece).
Cundo es ms eficiente? Cuando los estratos
son muy homogneos internamente y
heterogneos entre ellos.

Muestreo Aleatorio Estratificado

Sean: Nh = tamao de la poblacin del estrato h.
nh = tamao de la muestra del estrato h.
yhi = valor de y en la i-sima unidad del
estrato h
h = media poblacional en el estrato h
L

Por tanto:

N
h 1

n
h 1

Nh
h
h 1 N

Muestreo Aleatorio Estratificado

Estimadores insesgados:
L
Nh
- Para la media poblacional (): y est
yh
h 1

Y N y est

- Para el total poblacional (N):

- Para la varianza poblacional (2):

2

N
s
va r( y est ) h2 (N h n h ) h
nh
h N

donde sh2 se define como antes, pero a nivel

del estrato

Muestreo Aleatorio Estratificado

Intervalos de confianza:
Lo ya desarrollado para el M.A.S. vale aqu
sustituyendo y por y est
Determinacin del tamao de muestra:
Ahora debemos determinar tantos tamaos
de muestra como estratos (L). Se
determina el tamao n de la muestra total
y se distribuye entre los estratos, cmo?

Muestreo Aleatorio Estratificado

Tcnicas usuales:
Distribucin proporcional.
Muestreo no proporcional.
Distribucin ptima.

Muestreo Estratificado Proporcional

Establece la distribucin proporcional del universo
y aplica esta distribucin a su tamao muestral
para conformar estratos en la muestra. Se
asignamos a cada estrato una proporcin de n,
igual a la proporcin de N del estrato:
nh = n(Nh /N)
Luego elige aleatoriamente los elementos al
interior de cada estrato muestral hasta ajustar
su tamao.
Es mejor que el Muestreo Aleatorio Simple pues
disminuye el error estndar de la medicin
muestral.

Muestreo Estratificado NO Proporcional

(Fraccin variable de muestreo):
Ajusta convencionalmente los tamaos
de los estratos muestrales para aumentar
la eficiencia de la seleccin de los grupos
ms pequeos.
Esta condicin se deber tener en cuenta
al
hacer
inferencias
(corregir
las
inferencias).

MUESTREO
POR ALOCACIN OPTIMA DE LOS ESTRATOS
Selecciona el tamao de los estratos
en funcin de la desviacin estndar
de cada uno de ellos, de tal manera
que los estratos ms heterogneos
(mayores varianzas) aporten ms
casos a la muestra total.
Adems de Nh considera la dispersin
de los valores de y en el estrato:
nh n

N h h
N h h
h

Muestreo Aleatorio Estratificado

Determinacin de n:
1)En el caso de asignacin proporcional:
Nz 12
n 2 2 2
N e z 1 N h h2
h

2) En el caso de la asignacin ptima:

z 12

N h h

N 2e 2 z 12 N h h2
h

CONGLOMERADOS
Grupo 1A
Grupo 5C

Grupo 2A
Grupo 3B
Heterogneos en su interior; diferentes entre s en
propiedades y tamao

MUESTREO
ALEATORIO POR CONGLOMERADOS
Los miembros del grupo mayoritario tienen una
mayor probabilidad de ser seleccionados en la
muestra
No se cumple la aleatoridad
En Las Unidades de observacin se eligen aleatoriamente al
interior de los conglomerados
El error de la medicin (error muestral) no se de al
interior del conglomerado sino entre los conglomerados
Antes de hacer inferencias, el analista deber examinar
la variabilidad interna de cada conglomerado y la
variabilidad entre ellos, pues es posible que algunos de
los conglomerados no sean representativos del
universo.

Muestreo
Aleatorio por Conglomerados

Definicin: La poblacin se divide en grupos

(conglomerados) y cada grupo pasa a ser una unidad de
muestreo.
Tipos:
a) Si la unidad final de muestreo es el conglomerado: Muestreo
por conglomerados mono-etpico
b) Si los conglomerados seleccionados se sub-muestrean:
Muestreo por conglomerados poli-etpico (en dos etapas, en
tres etapas, etc.). En este caso se tendrn: Unidades primarias
de muestreo (UPM PSU), unidades secundarias de muestreo
(USM SSU), y as sucesivamente.
Cundo es ms eficiente? Cuando los conglomerados son muy
heterogneos dentro y homogneos entre s

Muestreo
Aleatorio por Conglomerados
Requisitos Del Procedimiento :

Los conglomerados deben estar muy bien

definidos de modo que cada elemento
pertenezca a uno y solo a un conglomerado.
El tamao de cada conglomerado debe ser bien
conocido (por lo menos bien estimado)
El nmero
pequeo.

de

conglomerados

debe

ser

Muestreo por conglomerados

Razones para usar el Muestreo por
conglomerados:
1. Construccin de marcos: listamos solo los
elementos de los conglomerados seleccionados.
2. Economa de recursos: una vez en el
conglomerado es ms econmico visitar los
elementos del conglomerado que elementos
dispersos.

Muestreo por conglomerados mono-etpico

Concepto: La poblacin se divide en N conglomerados y

hay Mj unidades en el j-simo conglomerado. Llamando
M al nmero de unidades originales de la poblacin:
N

M Mj
j1

Sea yjk el valor de la variable en la k-sima unidad

secundaria del j-simo conglomerado. Entonces, el
total poblacional de Y es
N Mj

j1 k 1

j1

Y y jk y j

La media por unidad es: Y

La media por conglomerado es:

congl

Muestreo por conglomerados mono-etpico

Caso 1: De los N conglomerados se elige n

mediante M.A.S y se barre todas las unidades de
los conglomerados seleccionados. Los estimadores
insesgados de la media y la varianza surgen
fcilmente del MAS ya que cada conglomerado es
ahora una unidad que tiene asociada el total del
valor de la variable en el conglomerado (es decir la
suma de los valores de y para los elementos del
conglomerado).
(Observacin: en este caso no hay contribucin a la varianza muestral de la varianza
dentro del conglomerado porque se censan todos los elementos del
conglomerado, es decir el total de cada conglomerado muestreado se obtiene sin
error de muestreo

Muestreo por conglomerados mono-etpico

Caso 2: De los N conglomerados se elige n

mediante muestreo con probabilidad proporcional
al tamao (ppt) (con repeticin) y se barre todas
las unidades de los conglomerados seleccionados.
Es decir que el conglomerado j lo elegimos con
probabilidad Mj/M. Cmo se hace? Se forma la
suma acumulativa de las Mj y se forman intervalos
con extremos en los acumulados consecutivos,
elegido un nmero al azar se observa a qu
conglomerado de la lista corresponde.

Muestreo por conglomerados mono-etpico

Ejemplo:
Conglomerado

Tamao (Mj)

Mj

Rango asignado

20

20

1-20

10

30

21-30

45

75

31-75

67

142

76-142

50

192

143-192

16

208

193-208

25

233

209-233

13

246

234-246

Se selecciona nmeros al azar entre 1 y 246,

sale por ejemplo el 123, entonces el
conglomerado 4 es seleccionado y as
sucesivamente, con reemplazo, es decir
volvemos a sortear un nmero entre 1 y 246,
sale por ejemplo el 78, el conglomerado 4 es
nuevamente incluido, luego, en la tercera
extraccin obtenemos el 205, entra el
conglomerado 6, etc.

Muestreo sistemtico
Slo la primera unidad es seleccionada
aleatoriamente y luego se elige una cada
tantas hasta completar las n. Si la poblacin
tiene N unidades y k=N/n, elegimos
aleatoriamente un nmero entre 1 y k y luego
una de cada k.

Muestreo sistemtico
Propiedades: 1) es un diseo EPSEM ya que cada unidad tiene la
misma probabilidad de ser seleccionada (aunque no es equivalente
al M.A.S.).
2) Puede tratarse como un diseo por conglomerados donde elegimos
un conglomerado de k conglomerados posibles o como un diseo
estratificado en n estratos y elegimos una unidad de cada uno.
3) No se puede estimar insesgadamente la varianza.
4) Cuando k no es entero hay que usar muestreo sistemtico circular
5) Es muy simple y cuando la correlacin entre las unidades
disminuye con la distancia entre ellas es muy eficiente.