Técnicas De Muestreo (Resumen)
-
Upload
oscar-taguacundo -
Category
Education
-
view
126 -
download
4
Transcript of Técnicas De Muestreo (Resumen)
![Page 1: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/1.jpg)
ESCUELA SUPERIOR POLITECNICA DE CHIMBORAZO
FACULTAD: CienciasESCUELA: Física y MatemáticaCARRERA: Ingeniería en Estadística en InformáticaMATERIA: Diseño de Experimentos 1NIVEL: SextoPERIODO: Abril-Agosto 2016
![Page 2: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/2.jpg)
Elementos del
muestreo
Población (o universo estadístico) -> conjunto de elementos sobre los que se toma
información en una investigación estadística
Censo: información de todos y cada uno de los elementos de la población estadística
No es siempre posible. Por qué? Coste de la toma de información Población con infinitos elementos etc.
![Page 3: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/3.jpg)
Elementos del
muestreo
Muestra: Conjunto de elementos de los que se toma información en el proceso de muestreo
-> Subconjunto lo más representativo posible de una población
Tamaño muestral: Número de elementos de la muestra
Inferencia estadística (o estadística inductiva): Metodología consistente en inferir resultados ,
predicciones y generalizaciones sobre la población estadística, basándose en la información contenida en las muestras representativas previamente elegidas por métodos de muestreo
![Page 4: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/4.jpg)
Métodos de Muestro
conjunto de técnicas estadísticas que estudian la forma de seleccionar una muestra lo suficientemente representativa de una población cuya información permita inferir las propiedades o características de toda la población cometiendo un error medible y ac0table“ (López Pérez 2005:3)
Errores mediante: - varianzas, - desviaciones típicas errores cuadráticos medios de
los estimadores
![Page 5: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/5.jpg)
Muestro probabilístico para medir el grado de representatividad
![Page 6: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/6.jpg)
![Page 7: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/7.jpg)
![Page 8: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/8.jpg)
![Page 9: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/9.jpg)
Muestreo Aleatorio simple sin reposición
El muestreo aleatorio simple sin reposicion es un procedimiento de seleccion de muestras con probabilidades iguales, que consiste en obtener la muestra unidad a unidad de forma aleatoria sin reposicion a la poblacion de las unidades previamente seleccionadas, teniendo presente que el orden de colocacion de los elementos en las muestras no interviene (es decir, que muestras con los mismos elementos colocados en orden distinto se consideran iguales).
![Page 10: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/10.jpg)
Probabilidad de una muestra cualquiera En la selección de una muestra aleatoria simple sin
reposición de n elementos de entre los N de la población, el espacio muestral asociado tiene un numero total de muestras igual a:
Como el procedimiento es con probabilidades iguales, la probabilidad de una muestra cualquiera sera:
![Page 11: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/11.jpg)
ESTIMADORES,
Ya sabemos que el estimador lineal insesgado general para el caso de muestreo sin reposición es el estimador de Horvitz y Thompson
![Page 12: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/12.jpg)
VARIANZAS
![Page 13: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/13.jpg)
ESTIMACIÓN DE
VARIANZAS
![Page 14: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/14.jpg)
TAMAÑO DE LA MUESTRA
![Page 15: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/15.jpg)
MUESTREO ALEATORIO SIMPLE CON REPOSICIÓN.
El muestreo aleatorio simple con reposición es un procedimiento de selección con probabilidades iguales que consiste en obtener la muestra unidad a unidad de forma aleatoria con reposición a la población de las unidades previamente seleccionadas. De esta forma las muestras con elementos repetidos son posibles y cualquier elemento de la población puede estar repetido en la muestra 0, 1, ..., n veces. Supongamos en todo momento que el tamaño de la población es N y el tamaño de la muestra es n. Como la muestra se selecciona con reposición (se reponen a la población las unidades previamente seleccionadas) y con probabilidades iguales, se realiza la selección sucesiva de las unidades para la muestra con probabilidades Pi = 1/N y todas las muestras son equiprobables, ya que:
![Page 16: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/16.jpg)
ESTIMADOR
ES
![Page 17: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/17.jpg)
VARIANZA
![Page 18: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/18.jpg)
ESTIMADORE
S VARIANZAS
![Page 19: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/19.jpg)
TAMAÑO DE LA MUESTRA CON REPOSICION
![Page 20: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/20.jpg)
MUESTREO ESTRATIFICADOSIN REPOSICIÓN
![Page 21: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/21.jpg)
ESTIMADORE
S
El parámetro puede ser estimado mediante la suma extendida a todos los estratos de los estimadores lineales insesgados de Horvitz y Thompson en cada estrato
![Page 22: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/22.jpg)
ERRORES
![Page 23: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/23.jpg)
AFIJACIÓN DE LA MUESTRA
![Page 24: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/24.jpg)
Afijación de mínima varianza (o afijación de Neyman)
La afijación de mínima varianza o afijación de Neyman consiste en determinar los valores de nn (numero de unidades que se extraen del estrato h-esimo para la muestra) de forma que para un tamano de muestra fijo igual a n la varianza de los estimadores sea mínima.
![Page 25: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/25.jpg)
Afijación óptima
La afijación optima consiste en determinar los valores de nh (numero de unidades que se extraen del estrato h-esimo para la muestra) de forma que para un coste fijo C la varianza de los estimadores sea mínima.
![Page 26: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/26.jpg)
Valor de la varianza mínima
Una vez calculados los nh para afijacion optima, vamos a ver cuanto vale la varianza del estimador de la media y del total para este tipo de afijacion. Tenemos:
![Page 27: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/27.jpg)
MUESTREO
ESTRATIFICAD
O CON
REPOSICIÓN
Para el caso del muestreo estratificado con reposición los estimadores son los mismos, y sus varianzas son las siguientes:
![Page 28: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/28.jpg)
AFIJACIÓN DE LA
MUESTRA: PARA
MUESTREO CON
REPOSICIÓN
![Page 29: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/29.jpg)
![Page 30: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/30.jpg)
TAMAÑO DE LA MUESTRA
![Page 31: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/31.jpg)
TAMAÑO DE LA MUESTRA PARA MUESTREO CON REPOSICION
![Page 32: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/32.jpg)
EJEMPLO
![Page 33: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/33.jpg)
MUESTREO SISTEMÁTICO
Partimos de una población de tamaño N, y agrupamos sus elementos en n zonas (filas) de tamaño k (N = nk). Podríamos representar la población como sigue:
A continuación se numeran los elementos de la tabla anterior de izquierda a derecha empezando por la primera unidad de la primera fila y pasando a la primera unidad de la fila siguiente cuando se agota cualquier fila. Tendríamos la siguiente estructura:
![Page 34: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/34.jpg)
ESTIMADORES
Se utilizará el estimador lineal insesgado de Horwitz y Thompson porque el muestreo sistemático es sin reposición
![Page 35: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/35.jpg)
VARIANZA DE LOS ESTIMADORES
![Page 36: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/36.jpg)
ESTIMADOR DE VARIANZA
![Page 37: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/37.jpg)
EJEMPLO
![Page 38: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/38.jpg)
MUESTREO UNIIETÁPIICODE CONGLOMERADOS
MUESTREO UNIETÁPICO DECONGLOMERADOS.ESTIMADORES PARA CONGLOMERADOS DEL MISMO TAMAÑO Y
PROBABILIDADES IGUALES
En el muestreo por conglomerados no se necesita un marco muy específico como en el caso del muestreo aleatorio simple en el que era necesario disponer de un listado de unidades de la población, o como en el muestreo estratificado, donde era necesario disponer de listados de unidades por estratos. Se divide previamente al muestreo la población en conglomerados o áreas convenientes, de las cuales se selecciona un cierto número para la muestra, con lo que sólo es necesario un marco de conglomerados que será más fácil de conseguir y más barato. Se pueden utilizar como marco divisiones territoriales ya establecidas por necesidades administrativas para las cuales existe ya información. También se pueden utilizar como marco áreas geográficas cuyas características están ya muy delimitadas. Está claro que se ahorra coste y tiempo al efectuar visitas a las unidades seleccionadas. Además, la concentración de unidades disminuye la necesidad de desplazamientos.
![Page 39: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/39.jpg)
ESTIMADORES
![Page 40: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/40.jpg)
VARIANZADE LOS ESTIMADORES
![Page 41: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/41.jpg)
Varianzas en función del coeficiente de correlación intraconglomerados
![Page 42: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/42.jpg)
ERRORES
![Page 43: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/43.jpg)
![Page 44: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/44.jpg)
![Page 45: Técnicas De Muestreo (Resumen)](https://reader034.fdocuments.es/reader034/viewer/2022050800/58869b251a28ab0c1d8b4a85/html5/thumbnails/45.jpg)
GRACIAS POR SU
ATENCION