Beruflich Dokumente
Kultur Dokumente
LABORATORIO DE ESTADÍSTICA
LUIS NAVA PUENTE
ENERO 2018
MUESTREO POR CONGLOMERADOS
Las unidades de muestreo contienen dos o más
unidades elementales.
La población se subdivide en subpoblaciones
(conglomerados), luego algunos de ellos serán
seleccionados.
La varianza de sus estimadores es por lo general
mayor a la de los estimadores en el MAS y MAE
MUESTREO POR CONGLOMERADOS
Cuando se justifica:
Los conglomerados:
1. Deben construirse de forma tal que sean lo
más semejantes entre si.
2. Deben ser tanto como sea posible,
representativos de la diversidad de la
población.
3. Deben estar bien definidos. Todo elemento
de la población pertenece a sólo un
conglomerado.
MUESTREO POR CONGLOMERADOS
Los conglomerados:
4. Debe existir una estimación razonable del
número de elementos en cada
conglomerado.
5. Deben ser lo suficientemente pequeños para
minimizar costos.
6. Deben escogerse de forma tal que se
minimice el incremento en el error de
muestreo por el agrupamiento.
MUESTREO POR CONGLOMERADOS
σ𝑵
𝒊=𝟏 𝒚𝒄𝒊
𝑻 𝑻 𝑻
𝝁= 𝑵 = = ; 𝝁𝒄 =
σ𝒊=𝟏 𝒎𝒊 𝑴 𝑵𝒎 𝑵
𝟐
𝟐
𝑵−𝒏 σ𝒏𝒊=𝟏 ഥ 𝒄 𝒎𝒊
𝒚𝒄𝒊 − 𝒚
ഥ𝒄
𝑺 𝒚 =
ഥ
𝑵𝒏𝑴 𝒏−𝟏
𝟐
𝟐
𝑵−𝒏 σ𝒏𝒊=𝟏 ഥ 𝒄 𝒎𝒊
𝒚𝒄𝒊 − 𝒚
ഥ𝒄
𝑺 𝒚 =
𝑵𝒏𝒎 𝒏−𝟏
MUESTREO POR CONGLOMERADOS
Estimaciones
Error de estimación
𝒆 = 𝒛𝜶Τ𝟐 𝑺𝟐 𝒚
ഥ𝒄
MUESTREO POR CONGLOMERADOS
Estimaciones
𝒄 = 𝝉ො 𝒄 = 𝑴ഥ
𝑻 𝒚𝒄 = 𝑵ෝ
𝝁𝒄
𝑺𝟐 𝝉ො 𝒄 = 𝑴𝟐 𝑺𝟐 𝒚
ഥ𝒄 = 𝑵𝟐 𝑺𝟐 𝝁
ෝ𝒄
𝒏 𝟐
𝑵−𝒏 ഥ𝒄 𝒎𝒊
𝒚𝒄𝒊 − 𝒚
𝑺𝟐 𝝉ො 𝒄 =𝑵
𝒏 𝒏−𝟏
𝒊=𝟏
MUESTREO POR CONGLOMERADOS
Estimaciones
𝑵𝑺𝟐𝒄
𝒏=
𝑵𝑫 + 𝑺𝟐𝒄
𝒏 𝟐
ഥ𝒄 𝒎𝒊
𝒚𝒄𝒊 − 𝒚 𝒆𝟐
𝟐
𝑺𝒄 = ; 𝑫= ഥ𝟐
𝑴
𝒏−𝟏 𝒛𝟐𝜶Τ𝟐
𝒊=𝟏
MUESTREO POR CONGLOMERADOS
Estimaciones
𝒆𝟐
𝑫=
𝑵𝟐 𝒛𝟐𝜶Τ𝟐
MUESTREO POR CONGLOMERADOS
Estimaciones
𝑵𝑺𝟐𝝁ෝ𝒄
𝒏=
𝑵𝑫 + 𝑺𝟐𝝁ෝ𝒄
𝒏 𝟐
ෝ𝒄
𝒚𝒄𝒊 − 𝝁 𝒆𝟐
𝑺𝟐𝝁ෝ𝒄 = ; 𝑫=
𝒏−𝟏 𝑵𝟐 𝒛𝟐𝜶Τ𝟐
𝒊=𝟏
MUESTREO POR CONGLOMERADOS
Estimaciones
Estimación de 𝝅.
σ𝒏𝒊=𝟏 𝒂𝒊
ෝ= 𝒏
𝝅
σ𝒊=𝟏 𝒎𝒊
𝟐
𝑵−𝒏 𝟐
ෝ =
𝑺 𝝅 𝑺𝒄
ഥ
𝑵𝒏𝑴 𝟐
σ𝒏 𝟐
𝟐
ෝ 𝒎𝒊
𝒊=𝟏 𝒂𝒊 − 𝝅
𝑺𝒄 =
𝒏−𝟏
MUESTREO POR CONGLOMERADOS
Estimaciones
ෝ
𝒆 = 𝒛𝜶Τ𝟐 𝑽 𝝅
𝑵−𝒏 𝟐
ෝ =
𝑽 𝝅 𝝈𝒄
ഥ
𝑵𝒏𝑴
𝑵𝝈𝟐𝒄
𝒏= 𝟐
𝒆 ഥ 𝟐 + 𝝈𝟐𝒄
𝑵𝑴
𝒛𝜶Τ𝟐
ESTIMADORES INDIRECTOS
En muchas ocasiones se dispone de información
adicional (mediciones asociadas con otras
variables) que puede ser usada para mejorar la
precisión de las estimaciones, proponiendo
otros estimadores indirectos.
1. Estimadores de Razón
2. Estimadores de Regresión y
3. Estimadores de Diferencia
4. Otros (Producto)
ESTIMADORES INSDIRECTOS
𝑌 ⟶ 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒 𝑖𝑛𝑡𝑒𝑟é𝑠
𝑋 ⟶ 𝑣𝑎𝑟𝑖𝑏𝑎𝑙𝑒 𝑎𝑥𝑖𝑙𝑖𝑎𝑟
𝑇𝑌 𝜇𝑌
𝑅= =
𝑇𝑋 𝜇𝑋
Su estimador:
𝑇𝑌 𝑦ത
𝑟= =
𝑇𝑋 𝑥ҧ
ESTIMADORES DE RAZÓN
𝑛 1 σ𝑁 𝑖=1 𝑖 𝑦 − 𝑅𝑥𝑖
2
𝑉 𝑟 ≈ 1−
𝑁 𝑛𝜇𝑋 2 𝑁−1
𝑛 1 2 2 𝜎 2 − 2𝑅𝐶𝑜𝑣 𝑋, 𝑌
𝑉 𝑟 ≈ 1− 𝜎 + 𝑅
𝑁 𝑛𝜇𝑋 2 𝑌 𝑋
𝑛 2
2
𝑛 1 σ𝑖=1 𝑦𝑖 − 𝑟𝑥𝑖
𝑆 𝑟 = 1−
𝑁 𝑛𝜇𝑋 2 𝑛−1
𝑛 1 2 2 𝑆 2 − 2𝑟𝑆
𝑆2 𝑟 = 1− 𝑆𝑌 + 𝑟 𝑋 𝑋,𝑌
𝑁 𝑛𝜇𝑋 2
ESTIMADORES DE RAZÓN
𝐶𝑜𝑣(𝑋, 𝑌)
𝜌𝑋𝑌 =
𝜎𝑋 𝜎𝑌
σ 2 2σ 2
2
𝑛 1 𝑦𝑖 + 𝑟 𝑥𝑖 − 2𝑟 σ 𝑥𝑖 𝑦𝑖
𝑆 𝑟 = 1−
𝑁 𝑛𝜇𝑋 2 𝑛−1
𝑛 1 2 2 𝑆 2 − 2𝑟𝜌
𝑆2 𝑟 = 1− 2
𝑆𝑌 + 𝑟 𝑋 ො𝑋𝑌 𝑆𝑋 𝑆𝑌
𝑁 𝑛𝜇𝑋
ESTIMADORES DE RAZÓN
𝑒 = 𝑧𝛼Τ2 𝑆 2 (𝑟)
𝑟∓𝑒
ESTIMADORES DE RAZÓN
𝑌 ⟶ 𝐼𝑛𝑔𝑟𝑒𝑠𝑜 𝑚𝑒𝑛𝑠𝑢𝑎𝑙
𝑋 ⟶ 𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒𝑙 ℎ𝑜𝑔𝑎𝑟
ESTIMADORES DE RAZÓN
𝒀 = 𝒓𝑻𝑿
𝑻
𝒀 = 𝑻𝟐𝑿 𝑽(𝒓)
𝑽 𝑻
𝒀 = 𝑻𝟐𝑿 𝑺𝟐 (𝒓)
𝑺𝟐 𝑻
ESTIMADORES DE RAZÓN
2
𝑆
𝑆 2 𝑇 = 𝑁 2 𝑓𝑐
𝑛
𝑇 ∓ 𝑧𝛼Τ2 𝑆(𝑇)
ESTIMADORES DE RAZÓN
𝜇ො𝑌 = 𝑟𝜇𝑋
2
𝑁𝑆𝑑
𝑛=
𝑒2
𝑁 2 𝜇𝑋 2 + 𝑆𝑑2
𝑧𝛼Τ2
ESTIMADORES DE RAZÓN
Tarea
ESTIMADORES DE REGRESIÓN
Estimadores que al igual que los estimadores de
razón, son diseñados para incrementar la
precisión
Debe cumplirse que:
𝑺𝒊 𝒙𝒊 = 𝟎 ⇒ 𝒚𝒊 ≠ 𝟎
ESTIMADORES DE REGRESIÓN
ෝ 𝒀𝑳 = 𝒚
𝝁 ഥ
ഥ + 𝒃 𝝁𝑿 − 𝑿
donde,
σ 𝒙𝒊 − 𝒙
ഥ σ 𝒚𝒊 − 𝒚
ഥ 𝑺𝒙𝒚
𝒃= 𝟐
=
σ 𝒙𝒊 − 𝒙
ഥ 𝑺𝒙𝒙
ESTIMADORES DE REGRESIÓN
Casos:
1. 𝑏 conocido
2. 𝑏 estimado mediante los resultados
muestrales
ESTIMADORES DE REGRESIÓN
Cuando 𝑏 se conoce:
ෝ 𝒀𝑳 = 𝒚
𝝁 ഥ
ഥ + 𝒃𝟎 𝝁𝑿 − 𝑿
ෝ𝑿𝒀
𝝈
𝒃𝟎 = 𝟐
𝝈𝑿
ഥ 𝟐 − 𝒃𝟐𝟎 σ 𝒙𝒊 − 𝒙
𝑵 − 𝒏 σ 𝒚𝒊 − 𝒚 ഥ 𝟐
𝑺𝟐 𝝁
ෝ 𝒀𝑳 =
𝑵𝒏 𝒏−𝟏
ESTIMADORES DE REGRESIÓN
Cuando 𝑏 es estimado:
ෝ 𝒀𝑳 = 𝒚
𝝁 ഥ
ഥ + 𝒃 𝝁𝑿 − 𝑿
σ 𝒙𝒊 − 𝒙
ഥ σ 𝒚𝒊 − 𝒚
ഥ 𝑺𝒙𝒚
𝒃= 𝟐
=
σ 𝒙𝒊 − 𝒙
ഥ 𝑺𝒙𝒙
ഥ 𝟐 − 𝒃𝟐 σ 𝒙𝒊 − 𝒙
𝑵 − 𝒏 σ 𝒚𝒊 − 𝒚 ഥ 𝟐
𝑺𝟐 𝝁
ෝ 𝒀𝑳 =
𝑵𝒏 𝒏−𝟐
ESTIMADORES DE REGRESIÓN
Tarea