Академический Документы
Профессиональный Документы
Культура Документы
Por algunas razones naturales, los elementos muestrales se encuentran formando grupos,
como, por ejemplo, las personas que viven en colonias de una ciudad, los elementos de una caja
de una línea de producción, los clubes de personas, las áreas arboladas de un terreno, etc.
Como el objetivo del muestreo es levantar la mayor cantidad de información al menor costo, en
este tipo de casos lo más económico el encuestar a un elemento muestral y a todos sus vecinos,
así se ahorran los costos de un traslado del encuestador.
A este modelo de muestreo se llama “Por conglomerados”, ya que una vez seleccionado un
elemento para la muestra, se incluyen también a todos los elementos que estén alrededor de
él.
A diferencia del muestreo estratificado, este muestreo no requiere que los elementos tengan
características homogéneas.
1. VENTAJAS:
Es muy eficiente cuando la población es muy grande y dispersa
No es preciso tener un listado de toda la población, solo de las unidades
primarias de muestreo.
2. INCONVENIENTES:
El error estándar es mayor que en el muestreo aleatorio simple o estratificado
El cálculo del error estándar es complejo
3. CARACTERISTICAS:
1
El tamaño de toda la población se calcula de la siguiente manera:
𝑁
𝑀 = ∑ 𝑚𝑖
𝑖=1
No olvidar de que los parámetros marcados con “M” mayúscula se refieren a toda la
población.
4. ESTIMACION DE LA MEDIA
∑𝑛𝑖=1 𝑖
=
∑𝑛𝑖=1 𝑚𝑖
Conglomerado mi xi
Ejemplo: 1 32 125
2 28 136
Si se cuenta con 81 conglomerados (N) y 2268 3 25 145
elementos en la población (M) 4 27 134
5 26 135
6 30 128
803
= = 4.77976 168 803
168
Conglomerado mi xi 𝑚𝑖 𝑚
1 32 125 152.952 781.336
2 28 136 133.833 4.694
3 25 145 119.494 650.554
4 27 134 129.054 24.467
5 26 135 124.274 115.051 2
6 30 128 143.393 236.940
168 803 1813.042
La varianza se calcula con la siguiente ecuación:
𝑁 𝑛 ∑𝑛𝑖=1 𝑖 𝑚𝑖 )
𝑉 )=[ ]
𝑀 𝑛 1
𝑁𝑛 ( 𝑁 )
81 6 1813.042
𝑉 )=[ ] = 0.0713
2268 6 1
81 ∗ 6 ( 81 )
Para realizar los cálculos es necesario encontrar la varianza del total en la muestra
∑𝑛
𝑖=1 𝑥𝑖 −𝑥𝑚𝑖 )
2 1813.042
𝑠𝐶 = = =362.6084042
𝑛−1 6 1
Se determina el error máximo que se permite en los resultados. A este valor se le llamará
E. Las ecuaciones para encontrar el tamaño de la muestra son las siguientes:
𝐸 𝑀̅
𝐷=
4
𝑁𝑠2𝐶
𝑛=
𝑁 𝐷 + 𝑠2𝐶
3
Si E=0.4
2268
0.4 )
81
𝐷= = 31.36
4
81 ∗ 362.60840422
𝑛= = 10.11 ≈ 10
81 ∗ 31.36 + 362.60840422
El resultado es el número de conglomerados que se deben muestrear. El resultado se
redondea al entero superior.
EJEMPLO:
Se desea conocer las ganancias por cabeza de las familias de una provincia. Las familias viven
en las casas habitacionales y éstas casa están situadas en 415 manzanas dentro de la provincia.
Procedimiento: De forma al azar se seleccionan 10 manzanas del total de las manzanas del
municipio y se arrojan los siguientes datos (Tabla 1). Además, los tamaños óptimos de la
muestra (n optimo) para el muestreo conglomerado en función de diferentes valores de “L” se
indican en la Tabla:
Manzana N° de adultos Ingreso total
(ni) (mi) /manzana (yi)
𝑚𝑖 𝑖 𝑖 ∗ 𝑚𝑖
1 8 96 1 9216 768
2 12 121 4 14641 1452
3 4 42 9 1764 168
4 5 65 16 4225 325
5 6 52 25 2704 312
6 6 40 36 1600 240
7 7 75 49 5625 525
8 5 65 64 4225 325
9 8 45 81 2025 360
10 3 50 100 2500 150
55 64 651 385 48525 4625
Para estimar el total poblacional 𝜏 es ahora 𝑀𝜇, porque 𝑀, denota el número total
de elementos en la población. Por ende, como el muestreo aleatorio simple, 𝑀
proporciona un estimador de 𝜏
4
Estimador del total poblacional 𝝉:
∑𝑛𝑖=1 𝑖
𝑀 =𝑀
∑𝑛𝑖=1 𝑚𝑖
̅:
Varianza estimada de 𝑴𝒙
𝑁 𝑛 ∑𝑛=1 ̅ 𝑚 )2
𝑉̂ 𝑀 ) = 𝑀 𝑉̂ )=𝑁 ( )
𝑁𝑛 𝑛 1
𝑁 𝑛 ∑𝑛=1 ̅ 𝑚 )2
𝐸 = 𝑍1−𝛼⁄ √𝑉̂ 𝑀 ) = 𝑍1−𝛼⁄ √𝑁 ( )
𝑁𝑛 𝑛 1
𝜏±𝐵
𝑛
1
𝑡 = ∑ 𝑖
𝑛
𝑖=1
̅:
Varianza estimada de 𝑵𝒙
𝑁 𝑛 ∑𝑛=1 𝑡)
2
𝑉̂ 𝑁 𝑡 ) = 𝑁 𝑉̂ 𝑡) = 𝑁 ( )
𝑁𝑛 𝑛 1
𝑁 𝜎2𝐶
𝑛=
𝑁 𝐷 + 𝜎2𝐶
Donde 𝜎𝐶 , es estimada por 𝑆𝐶
𝐸
𝐷=
4𝑁
∑𝑛𝑖=1 𝑖 𝑚𝑖 )
𝑆𝑐 =
𝑛 1
10. ESTIMACION DE UNA PROPORCIÓN POBLACIONAL:
6
∑𝑛𝑖=1 𝑎𝑖
𝑝̂ =
∑𝑛𝑖=1 𝑚𝑖
Varianza estimada de 𝑝̂ :
𝑁 𝑛 ∑𝑛𝑖=1 𝑎𝑖 𝑝̂ 𝑚𝑖 )
𝑉̂ 𝑝̂ ) = [ ]
̅
𝑁𝑛𝑀 𝑛 1
𝑁 𝑛 ∑𝑛=1 𝑎 𝑝̂𝑚 )2
𝐸 = 𝑍1−𝛼⁄ √𝑉̂ 𝑝̂) = 𝑍1−𝛼⁄ √[ ]
̅2
𝑁𝑛𝑀 𝑛 1
𝐸 = 𝑍1 ̂
𝛼⁄ √𝑉 𝑝̂ )
2
𝑁 𝜎2𝐶
𝑛=
𝑁 𝐷 + 𝜎2𝐶
Donde
𝐸 𝑀̅
𝐷=
4
Y 𝜎𝐶 es estimada por;
∑𝑛𝑖=1 𝑎𝑖 𝑝̂ 𝑚𝑖 )
𝑆𝑐 =
𝑛 1
EJEMPLO:
1 8 4 14 10 5
2 12 7 15 9 4
3 4 1 16 3 1
4 5 3 17 6 4
5 6 3 18 5 2
6 6 4 19 5 3
7 7 4 20 4 1
8 5 2 21 6 3
9 8 3 22 8 3
10 3 2 23 7 4
11 2 1 24 3 0
12 6 3 25 8 3
13 5 2
5 5
∑ 𝑚𝑖 = 151 ∑ 𝑎𝑖 = 72
𝑖=1 𝑖=1
5 5 5