SlideShare una empresa de Scribd logo
1 de 27
Dise˜o de una encuesta por muestreo
    n

          Virtudes Alba Fern´ndez
                            a
  Dpt. Estad´
            ıstica e I.O. Universidad de Ja´n.
                                           e



                 Abril, 2009
Contenidos




1   Censo y muestra.
2   Tipos de muestreo: muestreos probabil´
                                         ıstico y no
    probabil´
            ısticos.
3   Errores de muestreo.
4   Etapas de un estudio por muestreo.
5   Exploraci´n intensiva de la muestra.
             o
Dise˜o de una encuesta por muestreo
                             n




El objetivo de la estad´
                       ıstica de encuestas es obtener informaci´n acerca
                                                               o
de las poblaciones.
  • Poblaci´n: es todo conjunto de unidades del que se desea obtener
             o
    cierta informaci´n.
                    o
  • Variable: magnitud que puede tener un valor cualquiera de un
    conjunto.
  • Par´metro: valor fijo de una variable que la describe o representa
        a
    de alg´n modo.
          u
Censo y muestra



Para obtener esta informaci´n, podemos considerar dos estrategias:
                           o
  • realizar un censo, es decir, examinar todas las unidades que la
    poblaci´n (inspecci´n 100 por 100) y medir el valor de la
            o            o
    caracter´ıstica de inter´s, o
                            e
  • examinar s´lo una parte de la poblaci´n, a la que llamaremos
              o                           o
    muestra, y a partir de esta informaci´n proponer un valor para el
                                         o
    par´metro de inter´s sobre el conjunto global.
       a               e
Censo y muestra

Ventajas del censo:
  • Cobertura total de la poblaci´n.
                                 o
  • Tiene aceptaci´n p´blica.
                  o u
  • No se requieren grandes conocimientos de estad´
                                                  ıstica.
Ventajas del muestreo:
  • Costos reducidos y rapidez para obtener resultados.
  • Mayor exactitud o mejor calidad de la informaci´n debido a:
                                                   o
       • Volumen de trabajo reducido.
       • Puede existir mayor supervisi´n del trabajo.
                                      o
       • Menor probabilidad de cometer errores durante el
         procesamiento de la informaci´n.
                                      o
  • Factibilidad de hacer el estudio cuando la toma de datos
    implica t´cnicas destructivas.
             e
Definici´n
       o

 1   Se denomina muestra a cualquier fracci´n o subconjunto de
                                           o
     elementos de la poblaci´n.
                            o

 2   Se llama marco a una lista, mapa o cualquier otra especificaci´n de
                                                                  o
     las unidades de aportan informaci´n sobre la poblaci´n que se va a
                                      o                  o
     muestrear.

 3   Unidad de muestreo es el elemento o grupo de elementos de la
     poblaci´n susceptible de ser seleccionado en una muestra.
            o

 4   X representa la variable que deseamos observar o medir sobre la
     poblaci´n y θ el par´metro de inter´s sobre X (media, total,
            o            a              e
     proporci´n).
             o
Objetivo del muestreo
Desarrollar t´cnicas que nos permitan seleccionar muestras de la
             e
poblaci´n, a partir de las cuales inferir con ciertas garant´ el valor
       o                                                    ıas
de un determinado par´metro asociado a la variable X .
                        a


Para conseguir este objetivo necesitamos especificar:
  • El procedimiento de selecci´n de la muestra.
                               o
  • El estimador (expresi´n matem´tica) adecuado para obtener
                         o       a
    estimaciones sobre el par´metro de inter´s asociado a la
                             a              e
    variable X.
                               ⇓

                         Plan de muestreo
Tipos de muestreo



En general, podemos seleccionar una muestra de dos maneras:
  • Muestreo no probabil´
                        ıstico    la muestra se selecciona de
    manera arbitraria lo que hace imposible determinar el grado
    de representatividad de la muestra.
  • Muestreo probabil´
                     ıstico     la muestra se selecciona seg´n un
                                                            u
    procedimiento que brinda a cada elemento de la poblaci´n una
                                                             o
    probabilidad conocida de ser inclu´ do en la muestra. Este es el
                                      ı
    m´todo m´s usado por la comunidad cient´
      e       a                                 ıfica porque permite
    medir el error asociado al proceso de selecci´n de muestras.
                                                  o
Errores de muestreo


Siempre que se utilicen muestras y no el total de la poblaci´n, las
                                                            o
estimaciones obtenidas est´n sujetas a un determinado error. Los
                          a
errores que se cometen se pueden clasificar en:
  • error debido al muestreo o de muestreo, asociado al
    procedimiento de selecci´n de la muestra, error que se puede
                             o
    controlar y que cuanto menor sea ´ste, diremos que mayor es
                                      e
    la precisi´n de las estimaciones.
              o
  • errores ajenos al muestreo, que no tienen nada que ver con el
    proceso de selecci´n de la muestra. Se presentan tanto en las
                      o
    encuestas como en los censos, aunque con mayor intensidad y
    menos posibilidades de correcci´n en estos ultimos.
                                   o           ´
Errores de muestreo

Clasificaci´n de los errores asociados al proceso de muestreo.
          o

         Errores asociados al proceso de muestreo



    Error de muestreo           Errores ajenos al muestreo

                                •   Errores de observación:
    Error cuadrático                 •   De medida.
   medio del estimador               •   De procesamiento.
                                •   Errores que no son de
                                    observación:
                                     •   De cobertura.
                                     •   De falta de respuesta.




Los errores de muestreo se miden mediante el error cuadr´tico medio del
                                                        a
estimador utilizado para hacer inferencia sobre un par´metro concreto.
                                                      a
Errores de muestreo


Los errores ajenos al muestreo se subdividen en dos grupos
fundamentales:
  • Errores de observaci´n: errores de medida (por ejemplo
                        o
    cuando utilizamos aparatos de medici´n que no est´n
                                         o              a
    calibrados) y errores de procesamiento (p.e. al trascribir
    informaci´n de un soporte a otro).
             o
  • Errores que no son de observaci´n: errores de cobertura (p.e.
                                   o
    uso de marcos no actualizados) y falta de respuesta (p.e.
    preguntas no contestadas en un cuestionario).
Etapas de un estudio por muestreo

• Definici´n del objetivo de estudio.
         o
• Definici´n de las variables a medir y de los par´metros objeto
         o                                       a
  de nuestro estudio.
• Delimitaci´n del marco de muestreo que normalmente es:
            o
    • Marco lista. Listado de los elementos de la poblaci´n.
                                                         o
    • Plano o mapa para identificar ´reas como unidades de
                                   a
       muestreo.
• Plan de muestreo. Incluye decisiones sobre el m´todo de
                                                 e
  muestreo o procedimiento mediante el cual se extraer´ la
                                                      a
  muestra que proporcionar´ la informaci´n para hacer
                            a            o
  inferencia, y sobre el tama˜o de la muestra o n´mero de
                             n                   u
  unidades de muestreo a muestrear.
Etapas de un estudio por muestreo



• Dise˜o del cuestionario (++)
      n
• Organizaci´n del trabajo de campo: obtenci´n de informaci´n
            o                               o              o
  (++).
• Edici´n de datos. Implementaci´n de la informaci´n en un
       o                        o                 o
  soporte inform´tico para su tratamiento.
                a
• An´lisis de resultados. Uso de las t´cnicas estad´
    a                                 e            ısticas para
  extraer las conclusiones ajustadas al objetivo del estudio.
Dise˜o de un cuestionario
                                               n
Es el medio de comunicaci´n entre el que solicita los datos y el que
                          o
responde, a la vez que un documento de trabajo para los que analizan
posteriormente los datos.
Requisitos:
  • Definir correctamente el problema a investigar.
  • Formular de forma precisa las hip´tesis a corroborar o refutar.
                                     o
  • Especificar adecuadamente las variables y las escalas de medida.
Carta de presentaci´n que debe contener:
                   o
  • El organismo patrocinador de la encuesta.
  • La garant´ del anonimato.
             ıa
  • El tema general de la encuesta.
  • Las razones por las que el encuestado debe tomarse la molestia de
    responder al cuestionario.
Tipos de preguntas

• Pregunta abierta.
  En su opini´n, ¿cu´les son las razones principales por las que
             o       a
  la gente toma caf´ descafeinado?
                   e
• Pregunta cerrada.
     • Seg´n el n´mero de alternativas: dicot´mica o de elecci´n
          u      u                           o                o
       m´ltiple.
         u
     • Seg´n el n´mero de respuestas: respuesta unica o respuesta
           u     u                              ´
       m´ltiple.
         u

¿Cu´l dir´ usted que es el nivel de ingresos en su hogar?
   a     ıa

                      Alto
                      Medio
                      Bajo
Tipos de preguntas


• Pregunta cerrada con item abierto.

¿Cu´les son las razones por las que utiliza el transporte p´blico?
   a                                                       u
 Porque contamina menos
 Porque es m´s econ´mico
              a      o
       Otros motivos              ···

• Pregunta filtro.
¿Necesita conocimientos de ingl´s para impartir clase como profesor de
                                 e
Empresariales?
  Si
 No
(Si la respuesta es afirmativa, pase a la pregunta no 5, y si la respuesta es
negativa, pase a la pregunta no 18)
Tipos de preguntas



• Preguntas de control.
• Preguntas de introducci´n o de contacto.
                         o
• Pregunta de escala subjetiva.

La comida en el comedor de la empresa, ¿es de buena calidad?
    Total desacuerdo
   No estoy de acuerdo
       Indiferente
       De acuerdo
 Totalmento de acuerdo
• Preguntas cuadro.

¿Qui´n realiza las siguientes tareas habitualmente?
    e

                              Mujer    Marido    Ambos   Otros
        Cuidar de los hijos
          Poner la mesa
         Hacer la compra
          Limpiar la casa
         Fregar los platos
         Hacer la comida
               Otras
Consideraciones sobre el orden y la redacci´n
                                                      o



• Al principio: de contacto (sociodemogr´ficas) y “f´ciles”.
                                        a          a
• En el medio las del tema de estudio o “delicadas”.
• Redacci´n neutral y objetiva.
         o
• Vocabulario adecuado.
• Evitar errores frecuentes:
     • Preguntas “cargadas”.
     • Preguntas o respuestas dobles.
     • Alternativas no contempladas.
Obtenci´n de la informaci´n: Tipos de encuestas
             o                 o



• Seg´n su naturaleza.
     u
    • Exploratoria.
    • Descriptiva.
    • Explicativa.
• Seg´n el m´todo de obtenci´n de datos.
     u      e               o
    • Entrevista personal.
    • Entrevista telef´nica.
                      o
    • Entrevista por correo.
Entrevista personal

Ventajas:
  • N´mero elevado de preguntas
     u
  • Alta tasa de respuesta
  • Se pueden mostrar material auxiliar
  • Permite plantear preguntas complejas
Inconvenientes:
  • Coste elevado
  • Posible influencia en el estrevistado
  • Preparaci´n de los entrevistadores y control de su trabajo
             o
  • Es un m´todo relativamente lento para recoger la informaci´n
           e                                                  o
Entrevista por correo
Ventajas:
  • Escaso coste.
  • Facilidad para responder
  • Permite una gran dispersi´n geogr´fica
                             o       a
  • Elimina el posible “efecto-entrevistador”

Inconvenientes:
  • Lentitud en la recepci´n de las respuestas
                          o
  • Escaso ´
           ındice de respuestas
  • No se conoce la identidad del encuestado
  • Influencia de terceras personas
  • El n´mero de preguntas no puede ser muy elevado
        u
  • Son poco v´lidas las preguntas de opini´n
              a                            o
Entrevista telef´nica
                                                             o

Ventajas:
  • Permite una gran dispersi´n geogr´fica.
                             o       a
  • Coste moderado
  • Alta tasa de respuesta
  • Rapidez
  • Escasa influencia del entrevistador

Inconvenientes:
  • Duraci´n limitada y con preguntas sencillas
          o
  • Ausencia de soporte visual
  • No se pueden obtener datos secundarios
Encuesta piloto


• La comprensi´n de las preguntas: claridad, precisi´n.
              o                                     o
• Las ambiguedades, connotaciones, significados m´ltiples de
                                                u
  palabras y frases.
• La exhaustividad de las respuestas propuestas en una pregunta
  cerrada.
• La complejidad de las preguntas: palabras demasiado t´cnicas,
                                                       e
  referencias abstractas.
• El ordenamiento correcto de las preguntas.
• La orientaci´n contenida en las preguntas.
              o
Exploraci´n intensiva de la muestra: Bootstrap y Jackniffe
         o

                                         Jackniffe

     • Quenouille 1949.
     • Datos observados x = (x1 , x2 , . . . , xn ) y un par´metro a estimar θ.
                                                            a
     • Estad´
            ıstico θn (x) = θ (x1 , x2 , . . . , xn ), error de muestreo??.
     • θn−1,i = θn−1 (x1 , x2 , . . . , xi−1 , xi+1 , . . . , xn ), estimador de θ
       eliminando el de la posici´n i, i = 1, . . . , n.
                                       o

  A partir de los estimadores θn−1,1 , θn−1,2 , . . . , θn−1,n , se obtiene el
  estimador Jackknife del par´metro θ,
                              a

 θJ = nθn − (n − 1) θ
                                                                                 n             2
                                                                       1
             n                 y       V θn          VJ θn =                         θi − θJ
        1                                                          n (n − 1)
   θ=             θn−1,i                                                       i=1
        n
            i=1
Bootstrap


  • Efron 1979.

  • Datos observados x = (x1 , x2 , . . . , xn ) y un par´metro a estimar θ.
                                                         a
  • Estad´
         ıstico θ (x) = θ (x1 , x2 , . . . , xn ), error de muestreo??.


Definition
Una muestra bootstrap (m.b.) es una muestra aleatoria con
reemplazamiento de tama˜o n estra´ del vector de datos x y a la que
                         n               ıda
             ∗      ∗ ∗             ∗
denotaremos x = (x1 , x2 , . . . , xn ).

Definition
Dada una m.b. x ∗ , la aplicaci´n del estad´
                               o              ıstico θ sobre ella se denomina
                            ∗       ∗ ∗               ∗
replicaci´n bootstrap, θ (x ) = θ (x1 , x2 , . . . , xn ).
         o
Algoritmo bootstrap


1   Generar b = 1, . . . , B m.b. de tama˜o n, x ∗1 , x ∗2 , . . . , x ∗B .
                                         n
2   Evaluar las replicaciones bootstrap,
    θ x ∗1 , θ x ∗2 , . . . , θ x ∗B .
3   Estimar el error estandar se θ mediante la desviaci´n t´
                                                       o ıpica
    de las B replicaciones bootstrap.
                                                                       1
                                          B                            2
                                 1                                 2
            se boot θ =                           θ x ∗b − θboot
                               B −1
                                       b=1

    donde
                                              B
                                      1
                           θboot =                θ x ∗b
                                      B
                                          b=1

Más contenido relacionado

La actualidad más candente

Mc anal. riesgos en eval. de proyectos simulacion mc [1]
Mc anal. riesgos en eval. de proyectos simulacion mc [1]Mc anal. riesgos en eval. de proyectos simulacion mc [1]
Mc anal. riesgos en eval. de proyectos simulacion mc [1]JULIO GONZALEZ SANZ
 
Muestreo en auditoria tributaria
Muestreo en auditoria tributariaMuestreo en auditoria tributaria
Muestreo en auditoria tributariaJesús Enrique Cruz
 
Material muestra para alumnos
Material muestra para alumnosMaterial muestra para alumnos
Material muestra para alumnostecnicasuba
 
CAP1 INVESTIGACIÓN EDUCATIVA
CAP1 INVESTIGACIÓN EDUCATIVACAP1 INVESTIGACIÓN EDUCATIVA
CAP1 INVESTIGACIÓN EDUCATIVAChise Blood
 
Estimación de parámetros para muestras pequeñas
Estimación de parámetros para muestras pequeñasEstimación de parámetros para muestras pequeñas
Estimación de parámetros para muestras pequeñasMauricio Gramajo Zoireff
 
Selección de la muestra (4)
Selección de la muestra (4)Selección de la muestra (4)
Selección de la muestra (4)IngridFlores41
 
Buenas practicas de una encuesta por muestreo inei
Buenas practicas de una encuesta por muestreo ineiBuenas practicas de una encuesta por muestreo inei
Buenas practicas de una encuesta por muestreo ineiKRLITOSVILCA
 
Estimación de parámetros para muestras grandes
Estimación de parámetros para muestras grandes Estimación de parámetros para muestras grandes
Estimación de parámetros para muestras grandes Mauricio Gramajo Zoireff
 
Como extraer muestra finita
Como extraer muestra finitaComo extraer muestra finita
Como extraer muestra finitaEliseo Tintaya
 
El muestreo, la encuesta slideshare
El muestreo, la encuesta slideshareEl muestreo, la encuesta slideshare
El muestreo, la encuesta slidesharejgarcia0093
 
7 muestreo
7 muestreo7 muestreo
7 muestreocrownred
 

La actualidad más candente (20)

Muestreo Manuel y Enrique
Muestreo Manuel y EnriqueMuestreo Manuel y Enrique
Muestreo Manuel y Enrique
 
Mc anal. riesgos en eval. de proyectos simulacion mc [1]
Mc anal. riesgos en eval. de proyectos simulacion mc [1]Mc anal. riesgos en eval. de proyectos simulacion mc [1]
Mc anal. riesgos en eval. de proyectos simulacion mc [1]
 
Muestreo en auditoria tributaria
Muestreo en auditoria tributariaMuestreo en auditoria tributaria
Muestreo en auditoria tributaria
 
Sesion 05b - Diseño y Procedimiento de Muestreo,ppt
Sesion 05b - Diseño y  Procedimiento de Muestreo,pptSesion 05b - Diseño y  Procedimiento de Muestreo,ppt
Sesion 05b - Diseño y Procedimiento de Muestreo,ppt
 
TAMAÑO DE LA MUESTRA
TAMAÑO DE LA MUESTRATAMAÑO DE LA MUESTRA
TAMAÑO DE LA MUESTRA
 
Material muestra para alumnos
Material muestra para alumnosMaterial muestra para alumnos
Material muestra para alumnos
 
Cap1.2001 2
Cap1.2001 2Cap1.2001 2
Cap1.2001 2
 
Man1
Man1Man1
Man1
 
CAP1 INVESTIGACIÓN EDUCATIVA
CAP1 INVESTIGACIÓN EDUCATIVACAP1 INVESTIGACIÓN EDUCATIVA
CAP1 INVESTIGACIÓN EDUCATIVA
 
Mic sesión 2
Mic sesión 2Mic sesión 2
Mic sesión 2
 
Estimación de parámetros para muestras pequeñas
Estimación de parámetros para muestras pequeñasEstimación de parámetros para muestras pequeñas
Estimación de parámetros para muestras pequeñas
 
Muestra o analisis muestral
Muestra o analisis muestralMuestra o analisis muestral
Muestra o analisis muestral
 
Selección de la muestra (4)
Selección de la muestra (4)Selección de la muestra (4)
Selección de la muestra (4)
 
Muestra o analisis muestral
Muestra o analisis muestralMuestra o analisis muestral
Muestra o analisis muestral
 
Muestra
Muestra Muestra
Muestra
 
Buenas practicas de una encuesta por muestreo inei
Buenas practicas de una encuesta por muestreo ineiBuenas practicas de una encuesta por muestreo inei
Buenas practicas de una encuesta por muestreo inei
 
Estimación de parámetros para muestras grandes
Estimación de parámetros para muestras grandes Estimación de parámetros para muestras grandes
Estimación de parámetros para muestras grandes
 
Como extraer muestra finita
Como extraer muestra finitaComo extraer muestra finita
Como extraer muestra finita
 
El muestreo, la encuesta slideshare
El muestreo, la encuesta slideshareEl muestreo, la encuesta slideshare
El muestreo, la encuesta slideshare
 
7 muestreo
7 muestreo7 muestreo
7 muestreo
 

Destacado

Intelligent use of social media Plymouth Chamber 12.08
Intelligent use of social media Plymouth Chamber 12.08Intelligent use of social media Plymouth Chamber 12.08
Intelligent use of social media Plymouth Chamber 12.08Get up to Speed
 
Senior portfolio
Senior portfolioSenior portfolio
Senior portfolioAlissa Katz
 
Medios de transmision
Medios de transmisionMedios de transmision
Medios de transmisionluisengineer
 
Tecnologías educativas
Tecnologías educativasTecnologías educativas
Tecnologías educativasmerggpinillos
 
Photos from the performance
Photos from the performancePhotos from the performance
Photos from the performance5dimpfalir
 
The Intellectual Property held by Unicorns
The Intellectual Property held by UnicornsThe Intellectual Property held by Unicorns
The Intellectual Property held by UnicornsMitchell Schwartz
 
Introducción de datos en spss
Introducción de datos en spssIntroducción de datos en spss
Introducción de datos en spssanitavqr92
 
project report on customers perception towards insurance
project report on customers perception towards insuranceproject report on customers perception towards insurance
project report on customers perception towards insuranceCHINMAY KUMAR NAYAK
 

Destacado (15)

ECOMECA de Finlandia
ECOMECA de FinlandiaECOMECA de Finlandia
ECOMECA de Finlandia
 
Intelligent use of social media Plymouth Chamber 12.08
Intelligent use of social media Plymouth Chamber 12.08Intelligent use of social media Plymouth Chamber 12.08
Intelligent use of social media Plymouth Chamber 12.08
 
Senior portfolio
Senior portfolioSenior portfolio
Senior portfolio
 
Seminarion12
Seminarion12Seminarion12
Seminarion12
 
Avances tecnologicos
Avances tecnologicosAvances tecnologicos
Avances tecnologicos
 
Medios de transmision
Medios de transmisionMedios de transmision
Medios de transmision
 
Tecnologías educativas
Tecnologías educativasTecnologías educativas
Tecnologías educativas
 
Photos from the performance
Photos from the performancePhotos from the performance
Photos from the performance
 
The Intellectual Property held by Unicorns
The Intellectual Property held by UnicornsThe Intellectual Property held by Unicorns
The Intellectual Property held by Unicorns
 
B380021 f.tmp
B380021 f.tmpB380021 f.tmp
B380021 f.tmp
 
Seminario n 13
Seminario n 13Seminario n 13
Seminario n 13
 
Introducción de datos en spss
Introducción de datos en spssIntroducción de datos en spss
Introducción de datos en spss
 
8a3
8a38a3
8a3
 
project report on customers perception towards insurance
project report on customers perception towards insuranceproject report on customers perception towards insurance
project report on customers perception towards insurance
 
Sbi Life Insurance
Sbi Life InsuranceSbi Life Insurance
Sbi Life Insurance
 

Similar a Presentacion (20)

1 la poblacion y muestra
1 la poblacion y muestra1 la poblacion y muestra
1 la poblacion y muestra
 
poblacion y muestra.ppt
poblacion y muestra.pptpoblacion y muestra.ppt
poblacion y muestra.ppt
 
Diseños muestrales y distribucion muestral est 2
Diseños muestrales y distribucion muestral est 2Diseños muestrales y distribucion muestral est 2
Diseños muestrales y distribucion muestral est 2
 
Estadistica MI-23
Estadistica MI-23Estadistica MI-23
Estadistica MI-23
 
Diseño y procedimientos de muestreo
Diseño y procedimientos de muestreoDiseño y procedimientos de muestreo
Diseño y procedimientos de muestreo
 
técnicas de muestreo
técnicas de muestreotécnicas de muestreo
técnicas de muestreo
 
Muestreo Poblacional
Muestreo PoblacionalMuestreo Poblacional
Muestreo Poblacional
 
Invest causal y muestra
Invest causal y muestraInvest causal y muestra
Invest causal y muestra
 
<muestreo
<muestreo<muestreo
<muestreo
 
Presentación1 w
Presentación1 wPresentación1 w
Presentación1 w
 
Muestreo
MuestreoMuestreo
Muestreo
 
Procedimientos de muestreo A.pdf
Procedimientos de muestreo A.pdfProcedimientos de muestreo A.pdf
Procedimientos de muestreo A.pdf
 
Muestreo
MuestreoMuestreo
Muestreo
 
Introducción al Muestreo.ppt
Introducción al Muestreo.pptIntroducción al Muestreo.ppt
Introducción al Muestreo.ppt
 
Grupo 3 (1)
Grupo 3 (1)Grupo 3 (1)
Grupo 3 (1)
 
Capitulo 8
Capitulo 8Capitulo 8
Capitulo 8
 
ObtenerArchivoRecurso.pptx
ObtenerArchivoRecurso.pptxObtenerArchivoRecurso.pptx
ObtenerArchivoRecurso.pptx
 
Muestreo
MuestreoMuestreo
Muestreo
 
Conceptos básicos sobre el muestreo
Conceptos básicos sobre el muestreoConceptos básicos sobre el muestreo
Conceptos básicos sobre el muestreo
 
Estadistica Muestreo
Estadistica MuestreoEstadistica Muestreo
Estadistica Muestreo
 

Último

CIENCIAS NATURALES 4 TO ambientes .docx
CIENCIAS NATURALES 4 TO  ambientes .docxCIENCIAS NATURALES 4 TO  ambientes .docx
CIENCIAS NATURALES 4 TO ambientes .docxAgustinaNuez21
 
5° SEM29 CRONOGRAMA PLANEACIÓN DOCENTE DARUKEL 23-24.pdf
5° SEM29 CRONOGRAMA PLANEACIÓN DOCENTE DARUKEL 23-24.pdf5° SEM29 CRONOGRAMA PLANEACIÓN DOCENTE DARUKEL 23-24.pdf
5° SEM29 CRONOGRAMA PLANEACIÓN DOCENTE DARUKEL 23-24.pdfOswaldoGonzalezCruz
 
PPT GESTIÓN ESCOLAR 2024 Comités y Compromisos.pptx
PPT GESTIÓN ESCOLAR 2024 Comités y Compromisos.pptxPPT GESTIÓN ESCOLAR 2024 Comités y Compromisos.pptx
PPT GESTIÓN ESCOLAR 2024 Comités y Compromisos.pptxOscarEduardoSanchezC
 
Procesos Didácticos en Educación Inicial .pptx
Procesos Didácticos en Educación Inicial .pptxProcesos Didácticos en Educación Inicial .pptx
Procesos Didácticos en Educación Inicial .pptxMapyMerma1
 
Uses of simple past and time expressions
Uses of simple past and time expressionsUses of simple past and time expressions
Uses of simple past and time expressionsConsueloSantana3
 
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptx
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptxOLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptx
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptxjosetrinidadchavez
 
TEST DE RAVEN es un test conocido para la personalidad.pdf
TEST DE RAVEN es un test conocido para la personalidad.pdfTEST DE RAVEN es un test conocido para la personalidad.pdf
TEST DE RAVEN es un test conocido para la personalidad.pdfDannyTola1
 
Día de la Madre Tierra-1.pdf día mundial
Día de la Madre Tierra-1.pdf día mundialDía de la Madre Tierra-1.pdf día mundial
Día de la Madre Tierra-1.pdf día mundialpatriciaines1993
 
c3.hu3.p1.p3.El ser humano como ser histórico.pptx
c3.hu3.p1.p3.El ser humano como ser histórico.pptxc3.hu3.p1.p3.El ser humano como ser histórico.pptx
c3.hu3.p1.p3.El ser humano como ser histórico.pptxMartín Ramírez
 
Fundamentos y Principios de Psicopedagogía..pdf
Fundamentos y Principios de Psicopedagogía..pdfFundamentos y Principios de Psicopedagogía..pdf
Fundamentos y Principios de Psicopedagogía..pdfsamyarrocha1
 
DECÁGOLO DEL GENERAL ELOY ALFARO DELGADO
DECÁGOLO DEL GENERAL ELOY ALFARO DELGADODECÁGOLO DEL GENERAL ELOY ALFARO DELGADO
DECÁGOLO DEL GENERAL ELOY ALFARO DELGADOJosé Luis Palma
 
NARRACIONES SOBRE LA VIDA DEL GENERAL ELOY ALFARO
NARRACIONES SOBRE LA VIDA DEL GENERAL ELOY ALFARONARRACIONES SOBRE LA VIDA DEL GENERAL ELOY ALFARO
NARRACIONES SOBRE LA VIDA DEL GENERAL ELOY ALFAROJosé Luis Palma
 
Estrategias de enseñanza - aprendizaje. Seminario de Tecnologia..pptx.pdf
Estrategias de enseñanza - aprendizaje. Seminario de Tecnologia..pptx.pdfEstrategias de enseñanza - aprendizaje. Seminario de Tecnologia..pptx.pdf
Estrategias de enseñanza - aprendizaje. Seminario de Tecnologia..pptx.pdfAlfredoRamirez953210
 
PLANIFICACION ANUAL 2024 - INICIAL UNIDOCENTE.docx
PLANIFICACION ANUAL 2024 - INICIAL UNIDOCENTE.docxPLANIFICACION ANUAL 2024 - INICIAL UNIDOCENTE.docx
PLANIFICACION ANUAL 2024 - INICIAL UNIDOCENTE.docxJUANSIMONPACHIN
 
Metabolismo 3: Anabolismo y Fotosíntesis 2024
Metabolismo 3: Anabolismo y Fotosíntesis 2024Metabolismo 3: Anabolismo y Fotosíntesis 2024
Metabolismo 3: Anabolismo y Fotosíntesis 2024IES Vicent Andres Estelles
 
Mapa Mental de estrategias de articulación de las areas curriculares.pdf
Mapa Mental de estrategias de articulación de las areas curriculares.pdfMapa Mental de estrategias de articulación de las areas curriculares.pdf
Mapa Mental de estrategias de articulación de las areas curriculares.pdfvictorbeltuce
 
LINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptx
LINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptxLINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptx
LINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptxdanalikcruz2000
 

Último (20)

CIENCIAS NATURALES 4 TO ambientes .docx
CIENCIAS NATURALES 4 TO  ambientes .docxCIENCIAS NATURALES 4 TO  ambientes .docx
CIENCIAS NATURALES 4 TO ambientes .docx
 
5° SEM29 CRONOGRAMA PLANEACIÓN DOCENTE DARUKEL 23-24.pdf
5° SEM29 CRONOGRAMA PLANEACIÓN DOCENTE DARUKEL 23-24.pdf5° SEM29 CRONOGRAMA PLANEACIÓN DOCENTE DARUKEL 23-24.pdf
5° SEM29 CRONOGRAMA PLANEACIÓN DOCENTE DARUKEL 23-24.pdf
 
PPT GESTIÓN ESCOLAR 2024 Comités y Compromisos.pptx
PPT GESTIÓN ESCOLAR 2024 Comités y Compromisos.pptxPPT GESTIÓN ESCOLAR 2024 Comités y Compromisos.pptx
PPT GESTIÓN ESCOLAR 2024 Comités y Compromisos.pptx
 
Earth Day Everyday 2024 54th anniversary
Earth Day Everyday 2024 54th anniversaryEarth Day Everyday 2024 54th anniversary
Earth Day Everyday 2024 54th anniversary
 
Procesos Didácticos en Educación Inicial .pptx
Procesos Didácticos en Educación Inicial .pptxProcesos Didácticos en Educación Inicial .pptx
Procesos Didácticos en Educación Inicial .pptx
 
Uses of simple past and time expressions
Uses of simple past and time expressionsUses of simple past and time expressions
Uses of simple past and time expressions
 
Repaso Pruebas CRECE PR 2024. Ciencia General
Repaso Pruebas CRECE PR 2024. Ciencia GeneralRepaso Pruebas CRECE PR 2024. Ciencia General
Repaso Pruebas CRECE PR 2024. Ciencia General
 
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptx
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptxOLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptx
OLIMPIADA DEL CONOCIMIENTO INFANTIL 2024.pptx
 
TEST DE RAVEN es un test conocido para la personalidad.pdf
TEST DE RAVEN es un test conocido para la personalidad.pdfTEST DE RAVEN es un test conocido para la personalidad.pdf
TEST DE RAVEN es un test conocido para la personalidad.pdf
 
Día de la Madre Tierra-1.pdf día mundial
Día de la Madre Tierra-1.pdf día mundialDía de la Madre Tierra-1.pdf día mundial
Día de la Madre Tierra-1.pdf día mundial
 
PPTX: La luz brilla en la oscuridad.pptx
PPTX: La luz brilla en la oscuridad.pptxPPTX: La luz brilla en la oscuridad.pptx
PPTX: La luz brilla en la oscuridad.pptx
 
c3.hu3.p1.p3.El ser humano como ser histórico.pptx
c3.hu3.p1.p3.El ser humano como ser histórico.pptxc3.hu3.p1.p3.El ser humano como ser histórico.pptx
c3.hu3.p1.p3.El ser humano como ser histórico.pptx
 
Fundamentos y Principios de Psicopedagogía..pdf
Fundamentos y Principios de Psicopedagogía..pdfFundamentos y Principios de Psicopedagogía..pdf
Fundamentos y Principios de Psicopedagogía..pdf
 
DECÁGOLO DEL GENERAL ELOY ALFARO DELGADO
DECÁGOLO DEL GENERAL ELOY ALFARO DELGADODECÁGOLO DEL GENERAL ELOY ALFARO DELGADO
DECÁGOLO DEL GENERAL ELOY ALFARO DELGADO
 
NARRACIONES SOBRE LA VIDA DEL GENERAL ELOY ALFARO
NARRACIONES SOBRE LA VIDA DEL GENERAL ELOY ALFARONARRACIONES SOBRE LA VIDA DEL GENERAL ELOY ALFARO
NARRACIONES SOBRE LA VIDA DEL GENERAL ELOY ALFARO
 
Estrategias de enseñanza - aprendizaje. Seminario de Tecnologia..pptx.pdf
Estrategias de enseñanza - aprendizaje. Seminario de Tecnologia..pptx.pdfEstrategias de enseñanza - aprendizaje. Seminario de Tecnologia..pptx.pdf
Estrategias de enseñanza - aprendizaje. Seminario de Tecnologia..pptx.pdf
 
PLANIFICACION ANUAL 2024 - INICIAL UNIDOCENTE.docx
PLANIFICACION ANUAL 2024 - INICIAL UNIDOCENTE.docxPLANIFICACION ANUAL 2024 - INICIAL UNIDOCENTE.docx
PLANIFICACION ANUAL 2024 - INICIAL UNIDOCENTE.docx
 
Metabolismo 3: Anabolismo y Fotosíntesis 2024
Metabolismo 3: Anabolismo y Fotosíntesis 2024Metabolismo 3: Anabolismo y Fotosíntesis 2024
Metabolismo 3: Anabolismo y Fotosíntesis 2024
 
Mapa Mental de estrategias de articulación de las areas curriculares.pdf
Mapa Mental de estrategias de articulación de las areas curriculares.pdfMapa Mental de estrategias de articulación de las areas curriculares.pdf
Mapa Mental de estrategias de articulación de las areas curriculares.pdf
 
LINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptx
LINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptxLINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptx
LINEAMIENTOS INICIO DEL AÑO LECTIVO 2024-2025.pptx
 

Presentacion

  • 1. Dise˜o de una encuesta por muestreo n Virtudes Alba Fern´ndez a Dpt. Estad´ ıstica e I.O. Universidad de Ja´n. e Abril, 2009
  • 2. Contenidos 1 Censo y muestra. 2 Tipos de muestreo: muestreos probabil´ ıstico y no probabil´ ısticos. 3 Errores de muestreo. 4 Etapas de un estudio por muestreo. 5 Exploraci´n intensiva de la muestra. o
  • 3. Dise˜o de una encuesta por muestreo n El objetivo de la estad´ ıstica de encuestas es obtener informaci´n acerca o de las poblaciones. • Poblaci´n: es todo conjunto de unidades del que se desea obtener o cierta informaci´n. o • Variable: magnitud que puede tener un valor cualquiera de un conjunto. • Par´metro: valor fijo de una variable que la describe o representa a de alg´n modo. u
  • 4. Censo y muestra Para obtener esta informaci´n, podemos considerar dos estrategias: o • realizar un censo, es decir, examinar todas las unidades que la poblaci´n (inspecci´n 100 por 100) y medir el valor de la o o caracter´ıstica de inter´s, o e • examinar s´lo una parte de la poblaci´n, a la que llamaremos o o muestra, y a partir de esta informaci´n proponer un valor para el o par´metro de inter´s sobre el conjunto global. a e
  • 5. Censo y muestra Ventajas del censo: • Cobertura total de la poblaci´n. o • Tiene aceptaci´n p´blica. o u • No se requieren grandes conocimientos de estad´ ıstica. Ventajas del muestreo: • Costos reducidos y rapidez para obtener resultados. • Mayor exactitud o mejor calidad de la informaci´n debido a: o • Volumen de trabajo reducido. • Puede existir mayor supervisi´n del trabajo. o • Menor probabilidad de cometer errores durante el procesamiento de la informaci´n. o • Factibilidad de hacer el estudio cuando la toma de datos implica t´cnicas destructivas. e
  • 6. Definici´n o 1 Se denomina muestra a cualquier fracci´n o subconjunto de o elementos de la poblaci´n. o 2 Se llama marco a una lista, mapa o cualquier otra especificaci´n de o las unidades de aportan informaci´n sobre la poblaci´n que se va a o o muestrear. 3 Unidad de muestreo es el elemento o grupo de elementos de la poblaci´n susceptible de ser seleccionado en una muestra. o 4 X representa la variable que deseamos observar o medir sobre la poblaci´n y θ el par´metro de inter´s sobre X (media, total, o a e proporci´n). o
  • 7. Objetivo del muestreo Desarrollar t´cnicas que nos permitan seleccionar muestras de la e poblaci´n, a partir de las cuales inferir con ciertas garant´ el valor o ıas de un determinado par´metro asociado a la variable X . a Para conseguir este objetivo necesitamos especificar: • El procedimiento de selecci´n de la muestra. o • El estimador (expresi´n matem´tica) adecuado para obtener o a estimaciones sobre el par´metro de inter´s asociado a la a e variable X. ⇓ Plan de muestreo
  • 8. Tipos de muestreo En general, podemos seleccionar una muestra de dos maneras: • Muestreo no probabil´ ıstico la muestra se selecciona de manera arbitraria lo que hace imposible determinar el grado de representatividad de la muestra. • Muestreo probabil´ ıstico la muestra se selecciona seg´n un u procedimiento que brinda a cada elemento de la poblaci´n una o probabilidad conocida de ser inclu´ do en la muestra. Este es el ı m´todo m´s usado por la comunidad cient´ e a ıfica porque permite medir el error asociado al proceso de selecci´n de muestras. o
  • 9. Errores de muestreo Siempre que se utilicen muestras y no el total de la poblaci´n, las o estimaciones obtenidas est´n sujetas a un determinado error. Los a errores que se cometen se pueden clasificar en: • error debido al muestreo o de muestreo, asociado al procedimiento de selecci´n de la muestra, error que se puede o controlar y que cuanto menor sea ´ste, diremos que mayor es e la precisi´n de las estimaciones. o • errores ajenos al muestreo, que no tienen nada que ver con el proceso de selecci´n de la muestra. Se presentan tanto en las o encuestas como en los censos, aunque con mayor intensidad y menos posibilidades de correcci´n en estos ultimos. o ´
  • 10. Errores de muestreo Clasificaci´n de los errores asociados al proceso de muestreo. o Errores asociados al proceso de muestreo Error de muestreo Errores ajenos al muestreo • Errores de observación: Error cuadrático • De medida. medio del estimador • De procesamiento. • Errores que no son de observación: • De cobertura. • De falta de respuesta. Los errores de muestreo se miden mediante el error cuadr´tico medio del a estimador utilizado para hacer inferencia sobre un par´metro concreto. a
  • 11. Errores de muestreo Los errores ajenos al muestreo se subdividen en dos grupos fundamentales: • Errores de observaci´n: errores de medida (por ejemplo o cuando utilizamos aparatos de medici´n que no est´n o a calibrados) y errores de procesamiento (p.e. al trascribir informaci´n de un soporte a otro). o • Errores que no son de observaci´n: errores de cobertura (p.e. o uso de marcos no actualizados) y falta de respuesta (p.e. preguntas no contestadas en un cuestionario).
  • 12. Etapas de un estudio por muestreo • Definici´n del objetivo de estudio. o • Definici´n de las variables a medir y de los par´metros objeto o a de nuestro estudio. • Delimitaci´n del marco de muestreo que normalmente es: o • Marco lista. Listado de los elementos de la poblaci´n. o • Plano o mapa para identificar ´reas como unidades de a muestreo. • Plan de muestreo. Incluye decisiones sobre el m´todo de e muestreo o procedimiento mediante el cual se extraer´ la a muestra que proporcionar´ la informaci´n para hacer a o inferencia, y sobre el tama˜o de la muestra o n´mero de n u unidades de muestreo a muestrear.
  • 13. Etapas de un estudio por muestreo • Dise˜o del cuestionario (++) n • Organizaci´n del trabajo de campo: obtenci´n de informaci´n o o o (++). • Edici´n de datos. Implementaci´n de la informaci´n en un o o o soporte inform´tico para su tratamiento. a • An´lisis de resultados. Uso de las t´cnicas estad´ a e ısticas para extraer las conclusiones ajustadas al objetivo del estudio.
  • 14. Dise˜o de un cuestionario n Es el medio de comunicaci´n entre el que solicita los datos y el que o responde, a la vez que un documento de trabajo para los que analizan posteriormente los datos. Requisitos: • Definir correctamente el problema a investigar. • Formular de forma precisa las hip´tesis a corroborar o refutar. o • Especificar adecuadamente las variables y las escalas de medida. Carta de presentaci´n que debe contener: o • El organismo patrocinador de la encuesta. • La garant´ del anonimato. ıa • El tema general de la encuesta. • Las razones por las que el encuestado debe tomarse la molestia de responder al cuestionario.
  • 15. Tipos de preguntas • Pregunta abierta. En su opini´n, ¿cu´les son las razones principales por las que o a la gente toma caf´ descafeinado? e • Pregunta cerrada. • Seg´n el n´mero de alternativas: dicot´mica o de elecci´n u u o o m´ltiple. u • Seg´n el n´mero de respuestas: respuesta unica o respuesta u u ´ m´ltiple. u ¿Cu´l dir´ usted que es el nivel de ingresos en su hogar? a ıa Alto Medio Bajo
  • 16. Tipos de preguntas • Pregunta cerrada con item abierto. ¿Cu´les son las razones por las que utiliza el transporte p´blico? a u Porque contamina menos Porque es m´s econ´mico a o Otros motivos ··· • Pregunta filtro. ¿Necesita conocimientos de ingl´s para impartir clase como profesor de e Empresariales? Si No (Si la respuesta es afirmativa, pase a la pregunta no 5, y si la respuesta es negativa, pase a la pregunta no 18)
  • 17. Tipos de preguntas • Preguntas de control. • Preguntas de introducci´n o de contacto. o • Pregunta de escala subjetiva. La comida en el comedor de la empresa, ¿es de buena calidad? Total desacuerdo No estoy de acuerdo Indiferente De acuerdo Totalmento de acuerdo
  • 18. • Preguntas cuadro. ¿Qui´n realiza las siguientes tareas habitualmente? e Mujer Marido Ambos Otros Cuidar de los hijos Poner la mesa Hacer la compra Limpiar la casa Fregar los platos Hacer la comida Otras
  • 19. Consideraciones sobre el orden y la redacci´n o • Al principio: de contacto (sociodemogr´ficas) y “f´ciles”. a a • En el medio las del tema de estudio o “delicadas”. • Redacci´n neutral y objetiva. o • Vocabulario adecuado. • Evitar errores frecuentes: • Preguntas “cargadas”. • Preguntas o respuestas dobles. • Alternativas no contempladas.
  • 20. Obtenci´n de la informaci´n: Tipos de encuestas o o • Seg´n su naturaleza. u • Exploratoria. • Descriptiva. • Explicativa. • Seg´n el m´todo de obtenci´n de datos. u e o • Entrevista personal. • Entrevista telef´nica. o • Entrevista por correo.
  • 21. Entrevista personal Ventajas: • N´mero elevado de preguntas u • Alta tasa de respuesta • Se pueden mostrar material auxiliar • Permite plantear preguntas complejas Inconvenientes: • Coste elevado • Posible influencia en el estrevistado • Preparaci´n de los entrevistadores y control de su trabajo o • Es un m´todo relativamente lento para recoger la informaci´n e o
  • 22. Entrevista por correo Ventajas: • Escaso coste. • Facilidad para responder • Permite una gran dispersi´n geogr´fica o a • Elimina el posible “efecto-entrevistador” Inconvenientes: • Lentitud en la recepci´n de las respuestas o • Escaso ´ ındice de respuestas • No se conoce la identidad del encuestado • Influencia de terceras personas • El n´mero de preguntas no puede ser muy elevado u • Son poco v´lidas las preguntas de opini´n a o
  • 23. Entrevista telef´nica o Ventajas: • Permite una gran dispersi´n geogr´fica. o a • Coste moderado • Alta tasa de respuesta • Rapidez • Escasa influencia del entrevistador Inconvenientes: • Duraci´n limitada y con preguntas sencillas o • Ausencia de soporte visual • No se pueden obtener datos secundarios
  • 24. Encuesta piloto • La comprensi´n de las preguntas: claridad, precisi´n. o o • Las ambiguedades, connotaciones, significados m´ltiples de u palabras y frases. • La exhaustividad de las respuestas propuestas en una pregunta cerrada. • La complejidad de las preguntas: palabras demasiado t´cnicas, e referencias abstractas. • El ordenamiento correcto de las preguntas. • La orientaci´n contenida en las preguntas. o
  • 25. Exploraci´n intensiva de la muestra: Bootstrap y Jackniffe o Jackniffe • Quenouille 1949. • Datos observados x = (x1 , x2 , . . . , xn ) y un par´metro a estimar θ. a • Estad´ ıstico θn (x) = θ (x1 , x2 , . . . , xn ), error de muestreo??. • θn−1,i = θn−1 (x1 , x2 , . . . , xi−1 , xi+1 , . . . , xn ), estimador de θ eliminando el de la posici´n i, i = 1, . . . , n. o A partir de los estimadores θn−1,1 , θn−1,2 , . . . , θn−1,n , se obtiene el estimador Jackknife del par´metro θ, a θJ = nθn − (n − 1) θ n 2 1 n y V θn VJ θn = θi − θJ 1 n (n − 1) θ= θn−1,i i=1 n i=1
  • 26. Bootstrap • Efron 1979. • Datos observados x = (x1 , x2 , . . . , xn ) y un par´metro a estimar θ. a • Estad´ ıstico θ (x) = θ (x1 , x2 , . . . , xn ), error de muestreo??. Definition Una muestra bootstrap (m.b.) es una muestra aleatoria con reemplazamiento de tama˜o n estra´ del vector de datos x y a la que n ıda ∗ ∗ ∗ ∗ denotaremos x = (x1 , x2 , . . . , xn ). Definition Dada una m.b. x ∗ , la aplicaci´n del estad´ o ıstico θ sobre ella se denomina ∗ ∗ ∗ ∗ replicaci´n bootstrap, θ (x ) = θ (x1 , x2 , . . . , xn ). o
  • 27. Algoritmo bootstrap 1 Generar b = 1, . . . , B m.b. de tama˜o n, x ∗1 , x ∗2 , . . . , x ∗B . n 2 Evaluar las replicaciones bootstrap, θ x ∗1 , θ x ∗2 , . . . , θ x ∗B . 3 Estimar el error estandar se θ mediante la desviaci´n t´ o ıpica de las B replicaciones bootstrap. 1 B 2 1 2 se boot θ = θ x ∗b − θboot B −1 b=1 donde B 1 θboot = θ x ∗b B b=1