Muestreo Aleatorio Estratificado

Carolina Herrera
Katalina Muñoz
Catalina Núñez
Lina Rodrı́guez

Abril, 2019

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 1 / 28
 Índice

1 Como seleccionar una muestra

2 Estimación de una media y totales poblacionales
3 Selección del tamaño de la muestra para estimar las medias y un total
poblacional
4 Asignación de la muestra
5 Estimación de una proporción poblacional
6 Selección del tamaño de la muestra y asignación de la muestra para
asignar proporciones
7 Regla óptima para formar los estratos
8 Estratificación después de seleccionar la muestra

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 2 / 28
 Como seleccionar una muestra

El primer paso en la selección de la muestra es dividir la población en

subgrupos o estratos. La estratificación puede basarse en una amplia
variedad de atributos o caracterı́sticas de la población como : edad,
genero, nivel socio económico, ocupación, etc.

Ası́, consideramos una población heterogénea con N unidades, que

subdividimos en L subpoblaciones denominados estratos lo más
homogéneas posibles, atendiendo a criterios que puedan ser
importantes en el estudio.

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 3 / 28
 Como seleccionar una muestra
Notación

L = Número de estratos
Ni = Número de unidades muéstrales en el estrato i
N = Número de unidades muéstrales en la población
= N1 + N2 + ... + Nl

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 4 / 28
 Como seleccionar una muestra
Gráfica

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 5 / 28
 Estimación de una media y totales poblacionales
Notación

y¯i = media muestral para la muestra irrestricta aleatoria del estrato i

ni = tamaño de la muestra en el estrato i
Ni = Número de unidades muéstrales en el estrato i
ni = Una regla óptima para formar los estratos i
ni = Estratificación después de seleccionar la muestra i

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 6 / 28
 Estimación de la media poblacional µ

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 7 / 28
 Varianza estimada de ȳ

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 8 / 28
 Lı́mite para el error de estimación

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 9 / 28
 Ejemplo

Una empresa publicitaria está interesada en determinar qué tanto debe

enfatizar la publicidad televisiva en un determinado municipio, y decide
realizar una encuesta por muestreo para estimar el número promedio de
horas por semana que se ve la televisión en los hogares del municipio

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 10 / 28
 Selección del tamaño de la muestra para estimar las
medias y un total poblacional
Optional Subtitle

Para estimar la media bla bla bla.

My second point.

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 11 / 28
 Asignación de la muestra
Optional Subtitle

Para estimar la media bla bla bla.

My second point.

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 12 / 28
 Estimación de una proporción poblacional
Optional Subtitle

p̂i = Estimador insesgado de pi .

Ni p̂i = Estimador insesgado del numero total de hogares del estrato i.
N1 p̂1 + N2 p̂2 + . . . + NL p̂L = Buen estimador del número total de
hogares

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 13 / 28
 Estimación de la proporción poblacional p

L
1 1 X
p̂st = (N1 p̂1 + N2 p̂2 + . . . + NL p̂L ) = Ni p̂i
N N
i=1

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 14 / 28
 Varianza estimada de p̂st

L
1 2 2 2 1 X 2
V̂ (p̂st ) = [N 1 V̂ (p̂ 1 )+N 2 V̂ (p̂ 2 )+. . .+N L V̂ (p̂ L )] = Ni V̂ (p̂L )
N2 N2
i=1

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 15 / 28
 Lı́mite para el error de estimación

v
q u
u 1 XL
2 V̂ (p̂st ) = 2 t Ni 2 V̂ (p̂i )
N2
i=1

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 16 / 28
 Selección del tamaño de la muestra y asignación de la
muestra para asignar proporciones

Para estimar un proporción poblacional; indicamos qué tanta

información deseamos, mediante la especificación del tamaño del
lı́mite

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 17 / 28
 Tamaño de muestra aproximado que se requiere para
estimar p, con un lı́mite B para el error de estimación:

PL Ni2 pi qi
i=1 w
n= PL i
N 2D + i=1 Ni pi qi
wi es la

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 18 / 28
 Regla óptima para formar los estratos
Método acumulativo de la raı́z cuadrada de la frecuencia

Un investigador desea estimar el promedio anual de ventas para 56

empresas, usando una muestra de n=15 empresas. Se encuentran
disponibles datos de frecuencias en una clasificación por incrementos
de $50.000 y se presentan en la tabla siguiente. ¿Cómo podemos
asignar las empresas a L= 3 estratos?

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 19 / 28
 Regla óptima para formar los estratos
Método acumulativo de la raı́z cuadrada de la frecuencia

Solución
Tomamos (20.27)/3 = 6.76 y 2(6.76) = 13.52
En la escala real, 7.06 es lo más cercano a 6.76 y 14.30 es lo más cercano
a 13.52. Entonces nos queda:
Estrato 1: Empresas con ingresos de 100.000 a 200.000
Estrato 2: Empresas con ingresos de 200.001 a 350.000
Estrato 3: Empresas con ingresos de 350.001 a 500.000

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 20 / 28
 Estratificación después de seleccionar la muestra

La estratificación realizada después de la selección de la muestra,

frecuentemente es apropiada cuando la muestra es irrestricta
aleatoria no esta adecuadamente equilibrada de acuerdo con las
agrupaciones principales de la población.

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 21 / 28
 Estratificación después de seleccionar la muestra
Ejemplo 1

Suponga una muestra irrestricta aleatoria de n = 100 personas es

seleccionada de una población que debe estar igualmente dividida
entre varones y mujeres. La medición muestral de interés es el peso de los
esntrevistados, y el objetivo es estimar el peso promedio de la gente de la
población.

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 22 / 28
 Estratificación después de seleccionar la muestra

Con una baja representación de los varones en la muestra, el estimador

γ = 124, parece indevidamente bajo. Podemos ajustar esta estimación
calulando

.
Esta estimación parece ser más realista, ya que varones y mujeres están
igualmente ponderados.

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 23 / 28
 Estratificación después de seleccionar la muestra
Ejemplo 2

Una empresa sabe que 40 % de las cuentas son al mayoreo y 60 % son al

menudeo. Sin embargo identificarlas es complicado. Un auditor desea
muestrear n = 100 de sus cuentas para estimar la cantidad promedio de
las cuentas por cobrar de la empresa. Una muestra irrestricta aleatoria
presenta 70 % de cuentas al mayoreo y un 30 % de cuentas al menudeo,
mostrando la siguiente información:

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 24 / 28
 Estratificación después de seleccionar la muestra
Ejemplo 2

Ya que la proporción observada de cuentas al mayoreo (0,7) esta muy

alejada de la proporción verdadera (0,4). La estratificación después de que
se ha selecciónado la muestra aleatoria parece apropiada. Este
procedimiento se justifica ya que tanto n1 como n2 exceden 20.

Es nuestra
estimación de µ. Confiamos bastante en que µ se encuentra entre $ 348 y
$404.
Carolina Herrera Katalina Muñoz Catalina Núñez Lina
Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 25 / 28
 Blocks

Block Title
You can also highlight sections of your presentation in a block, with it’s
own title

Theorem
There are separate environments for theorems, examples, definitions and
proofs.

Example
Here is an example of an example block.

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 26 / 28
 Summary

The first main message of your talk in one or two lines.

The second main message of your talk in one or two lines.
Perhaps a third message, but not more than that.

Outlook
Something you haven’t solved.
Something else you haven’t solved.

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 27 / 28
 For Further Reading I

A. Author.
Handbook of Everything.
Some Press, 1990.
S. Someone.
On this and that.
Journal of This and That, 2(1):50–100, 2000.

Carolina Herrera Katalina Muñoz Catalina Núñez Lina

Muestreo
Rodrı́guez
Aleatorio
(Pontificia
Estratificado
Universidad Javeriana) Abril, 2019 28 / 28