Beruflich Dokumente
Kultur Dokumente
1.
Introduccin
52
2.
El procedimiento usual para el clculo del tamao de muestra en el esquema bietpico cuando se estima el parmetro desconocido (P ) de poblaciones binomiales implica optimizar una funcin de costo teniendo en cuenta las restricciones
contenidas en la expresin que se obtenga de la varianza del estimador (Pb).
P se dene aqu como la proporcin poblacional en la i- sima U P M , o
tambin la razn entre el nmero total de unidades en la i-sima U P M que
posee la caracterstica de inters y M (tamao de cada U P M ).
n
1Xb
ai
Por su parte Pb =
Pi y Pb = ; siendo ai el total de unidades USM que
n i=1
m
poseen atributo de inters y pertenecen a la U P M i:
Aplicando el teorema de Madow (PREZ 2000) se obtiene la varianza del estimador (Pb), cuya expresin es la siguiente:
V Pb = (1
Donde
N
X
f1 =
M Pi (1
n
,
N
Sb2 =
f1 )
N
X
Sb2
+ (1
n
Pi
f2 )
(1)
i=1
(N
2
Sw
nm
1)
f2 =
m
M
2
y Sw
=
Pi )
i=1
(2)
donde C1 y C2 son los costos de muestreo correspondientes a cada unidad primaria y secundaria en la encuesta, respectivamente.
Utilizando la metodologa de Lagrange se logra optimizar (minimizar) la funcin
de costos (2) bajo las condiciones de (1) y de esa forma encontrar m y n ptimos:
s
2
C1 M Sw
mopt: =
2
2
C2 (M Sb Sw
C
n=
:
C1 + mC2
53
3.
C1
;
C2
C1
; tambin se observa que
C2
54
Pi
Pi +
Despejando el valor de
= Pi
= Pi +
s
s
2
(1; =k) Pi (1
Pi )
n
2
(1; =k) Pi (1
Pi )
;
;
2
(1; =k) Pi (1
2
i
Pi )
En 1987, Thompson plantea que el mtodo propuesto por Angers en 1984 era
el ptimo de los procedimientos existentes, pero resultaba muy tedioso en su
aplicacin, por lo que propuso una manera de determinar el peor de los casos
(worst case Pi = 0;5) para un vector de parmetros multinomiales cuando se
desean obtener intervalos de conanza simultneos para cada uno de los componentes del vector P .
Thompson (ibid ) plantea que el objetivo consiste en determinar el tamao de
muestra n para una variable aleatoria de una distribucin multinomial, de tal
forma que la probabilidad de que todas las proporciones estimadas de manera
simultnea estn contenidas en el intervalo sea menor que (1
i ); esto es,
Pr
\ jpi
i=1
Pi j
la funcin acumulativa de
4.
n
e
;
n
e0
donde n
e0 es el tamao de muestra propuesto por Cochran (1963) de la aproximacin clsica y n
e es el tamao de muestra propuesto por distintos autores para
poblaciones multinomiales.
5.
Los tamaos de muestra de una poblacin multinomial para el muestreo bietpico pueden encontrarse de una manera prctica desarrollando el siguiente
procedimiento:
Se obtienen los tamaos de muestra n de unidades primarias y m0
(nmero de unidades secundarias) para poblaciones binomiales en muestreo bietpico.
Escoger el procedimiento de aproximacin de estimadores que ms
se ajusta a situacin planteada en el problema que se resuelve (Tortora 1978,
Angers 1984 o Thompson 1987).
Luego que se ha escogido el procedimiento, ir a la celda correspondiente
en la tabla 1, de acuerdo a los valores de y k, y localizar el valor del efecto de
categora para este caso.
Multiplicar m0 por valor del efecto de categora hallado en paso anterior. El resultado es aproximadamente el tamao de muestra de las unidades
secundarias recomendado por el procedimiento escogido.
El tamao de muestra n de unidades primarias fue el obtenido con la
aproximacin binomial al inicio del algoritmo.
Conf
0.0001
0.0005
0.001
0.005
0.010
0.020
0.025
0.050
0.075
0.100
0.20
0.30
0.40
0.50
k=3
1.14
1.17
1.19
1.25
1.30
1.36
1.39
1.49
1.58
1.67
2.05
2.52
3.18
4.20
k=4
1.18
1.21
1.24
1.32
1.38
1.46
1.49
1.62
1.74
1.86
2.34
2.95
3.82
5.17
k=5
1.20
1.25
1.28
1.37
1.44
1.53
1.57
1.73
1.87
2.00
2.57
3.29
4.33
5.95
k=6
1.22
1.28
1.31
1.42
1.49
1.59
1.63
1.81
1.97
2.12
2.76
3.58
4.75
6.59
k=7
1.24
1.30
1.34
1.45
1.53
1.64
1.69
1.88
2.05
2.22
2.92
3.82
5.11
7.14
57
k=8
1.26
1.32
1.36
1.48
1.57
1.69
1.74
1.95
2.13
2.31
3.06
4.03
5.42
7.63
k=9
1.28
1.34
1.38
1.51
1.60
1.73
1.78
2.00
2.20
2.38
3.18
4.22
5.70
8.06
k=10
1.29
1.36
1.40
1.54
1.63
1.76
1.82
2.05
2.26
2.45
3.30
4.38
5.95
8.44
Ang
1984
1.09
1.11
1.12
1.16
1.19
1.23
1.24
1.33
1.41
1.49
1.82
2.24
2.83
3.74
Thom
1987
1.09
1.11
1.12
1.16
1.19
1.23
1.24
1.33
1.41
1.49
1.82
2.24
2.86
3.88
Referencias
[1] ANGERS, C. A Graphical Method to Evaluate Sample Sizes for the
Multinomial Distribution. Technometrics, Vol.16, No. 3, pp. 469-471. 1974.
[2] Large Sample Size for the Estimation of Multinomial Frequencies from
Simulations Studies. Simulation: Oct, pp.175-178. 1984.
[3] COCHRAN, W.G. Tcnicas de Muestreo. Mxico D.F.: Continental, S.A.
1963.
[4] KISH, L. Muestreo de Encuestas. Mxico D.F.: Trillas. 1972.
[5] MEDINA, F. Tamao ptimo de Muestra en Encuestas de Propsitos
Mltiples. En: CEPAL, Memoria del Taller Regional sobre Planicacin
de Encuestas en Hogares, Santiago de Chile. 1998.
[6] PREZ, C.). Tcnicas de Muestreo Estadstico. Teora, Prctica y Aplicaciones informticas. Mxico D. F.: Alfaomega. 2000.
[7] THOMPSON, K.T. Sample Size for Estimating Multinomial Proportions.
The American Statistician, Vol. 41, No. 1, pp. 42-46. 1987.
[8] TORTORA, R.D. A Note on Sample Size Estimation for Multinomial Populations. The American Statistician Vol. 32, No. 3, pp. 100-103. 1978.
58