MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO (“mas”)

Presentación del tema: "MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO (“mas”)"— Transcripción de la presentación:

1 MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO (“mas”)
Este esquema de muestreo es el más usado cuando se tiene un marco de muestreo que especifique la manera de identificar cada unidad en la población. Además no se tiene conocimiento a priori sobre los posibles valores de Yi ni otras mediciones asociadas a Yi. En este caso cada unidad se extrae con igual probabilidad, por etapas, y sin reemplazo, hasta tener las n unidades de la muestra.

2 MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO (“mas”)
En la primera extracción, la probabilidad de que se seleccione una de las n unidades es En la segunda extracción la probabilidad de que se seleccione una de las restantes n-1 unidades es: y así sucesivamente. En la selección k, la probabilidad de una unidad l es

3 MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO (“mas”)
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 ). (5.1)

4 MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO (“mas”)
La varianza de es: donde Nótese que si N es infinito, , es el resultado que se obtiene para poblaciones infinitas.

5 MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO (“mas”)
es la fracción de muestreo o proporción de la población que se muestrea, y es el factor de corrección por finitud (fcf). Se puede demostrar que con este proceso de selección, la probabilidad de que cualquier unidad ui esté en la muestra es y la de que ambas una ui y una uj estén en la muestra es

6 MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO (“mas”)
Para estimar el total tenemos: Además si , entonces:

7 MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO (“mas”)
Si no conocemos tenemos que estimarla: En el caso particular del “mas” tenemos:

8 MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO (“mas”)
En el caso particular del “mas” tenemos:  = error absoluto.

9 MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO (“mas”)
Despejando n de se tiene:

10 MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO (“mas”)
Recordemos que:

11 5.1 Tamaño de la Muestra (“mas”)
El valor de S2y ó s2y se estima con una prueba piloto o bien se “adivina” usando tablas (ver Tabla 1), y el conocimiento previo sobre la población. Si se considera que no se ajusta a la distribución normal, se usa el criterio de fijar la magnitud de la varianza o del coeficiente de variación de Se determina n para que produzca un coeficiente de variación dado (CV0) usando estimaciones “gruesas” de y de S2y .

12 Tamaño de la Muestra (“mas”)
Despejando n, se obtiene:

13 5.1 Tamaño de la Muestra (“mas”)
Si n es "grande” se espera que el teorema Central del Límite dé una buena aproximación de la distribución de

14 Tamaño de la Muestra (“mas”)

15 Tamaño de la Muestra (“mas”)
Entonces se distribuye aproximadamente como una normal estandarizada (media cero y varianza uno), donde

16 Tamaño de la Muestra (“mas”)
Si se desea un tamaño de muestra tal que el error de estimación sea inferior a  con una probabilidad de 1-, esto es: , diviendo entre

17 Tamaño de la Muestra (“mas”)
De las tablas de la normal estándar, Z~N(0,1), se obtiene un valor z/2 tal que (z/2 es el valor de Z obtenido en las tablas que deja un área de /2 a la derecha de él).

18 Tamaño de la Muestra (“mas”)
Como , hacemos que sea un valor arbitrario de Z y que: (a)

19 Tamaño de la Muestra (“mas”)
De aquí (a) se despeja n: si = 0.05 entonces:

20 Tamaño de la Muestra (“mas”)
Se puede usar como una primera aproximación y luego corregir usando Si no se puede suponer normalidad de la distribución del estimador, se recurre a la desigualdad de Tchebycheff.

21 Tamaño de la Muestra (“mas”)
Desigualdad de Tchebycheff Sea U una variable aleatoria con cualquier distribución y

22 Tamaño de la Muestra (“mas”)

23 Tamaño de la Muestra (“mas”)
En las expresiones anteriores, si tanto  como S se expresan en por ciento de la media, , la expresión (5.4) se transforma a:

24 Tamaño de la Muestra (“mas”)
Si no se supone normalidad para la distribución de y con confianza del 95%, por la desigualdad de Tchebycheff, entonces (5.4a) se transforma a:

25 Estimación de Proporciones
Y(ui) es una medida o indicador de la presencia o ausencia de una característica en la unidad ui con valor 1 si la característica está presente y 0 si no es así. En este caso = proporción de unidades en la población que tienen la característica

26 Estimación de Proporciones
que es la proporción de unidades en la muestra con la característica. El valor de S2y en términos de P resulta:

27 Estimación de Proporciones
con estimador Con este nuevo valor la expresión (5.3) resulta: (5.5) Para usar esta expresión, se estima a priori o con una prueba piloto el valor de P y se fija el CVo que se desea.

28 Estimación de Proporciones
Si utilizamos la desigualdad de Tchebycheff tenemos:

29 Estimación de Proporciones
Nótese que si P está cercano a cero, el valor de n aumenta. Esto indica que para estimar la proporción de unidades con una característica rara se requieren muchas unidades en la muestra.

30 Estimación de Proporciones
Esto es lo contrario de lo que sucede si se usa la aproximación a la normal, en cuyo caso se usa la expresión (5.4) con

31 Estimación de Proporciones
Si se quiere conocer P, las Yi son 0 ó 1.

32 Estimación de Proporciones
Si , además como la varianza de es máxima cuando P = 0.5, se usa P(1-P)=(.5)(.5)=0.25 como margen de seguridad

33 Estimación de Proporciones
Entonces se debe dar que nP>5 y n(1-P)>5 para que se tenga buena cercanía a la normalidad. Al variar d se tienen los siguientes tamaños de muestra: d n .001 1,000,000 .01 10,000 .02 2,500 .025 1,600 .3 1,111 .035 816 .4 625

34 Estimación de Proporciones
Además, si entonces se debe reportar el resultado de la estimación de P con un intervalo de confianza aproximado dado por: