TCNICAS DE MUESTREO

INTRODUCCIN
El propsito de la Estadstica es extraer conclusiones acerca de la naturaleza de una poblacin.
La informacin estadstica de cualquier poblacin, es de vital importancia para conocer la
situacin real de la misma, y es la base para la toma de decisiones adecuadas y oportunas que
den respuestas efectivas a los problemas que tenga esa poblacin.
Uno de los modelos matemticos ms prcticos y eficientes para generar informacin estadstica,
es el Muestreo Probabilstico o simplemente Muestreo. La aplicacin de este modelo resulta
de bajo costo y la informacin estadstica final se obtiene a corto plazo, an en aquellas
poblaciones de enorme tamao.
Para estudiar una poblacin se puede hacer de dos formas:
Diremos que se ha realizado un estudio exhaustivo o censo cuando la investigacin se
ha hecho sobre todos y cada uno de los elementos que constituyen la poblacin.
Diremos que se ha realizado un estudio por muestreo cuando la investigacin se ha
realizado nica y exclusivamente sobre una muestra (un subconjunto limitado y
convenientemente seleccionado de la poblacin.
La conveniencia del muestreo frente a censos o investigaciones exhaustivas est totalmente
justificada en las siguientes situaciones:
Cuando la poblacin sea tan grande que el censo exceda de las posibilidades del
investigador.
Cuando la poblacin sea suficientemente uniforme para que cualquier muestra d una
buena representacin de la misma.
Cuando el proceso de medida o investigacin de las caractersticas de cada elemento
sea destructivo o disminuya su valor, como ocurre al consumir un artculo para juzgar su
calidad, o al determinar una dosis letal o un punto de ruptura.
Adems de los casos extremos anteriores, existen otras razones que pueden hacer ventajoso el
estudiar una poblacin a partir de sus muestras:
Coste reducido: Si los datos que buscamos los podemos obtener a partir de una
pequea parte del total de la poblacin, los gastos de recogida y tratamiento de los
datos sern menores.
Ejemplo: cuando se realizan encuestas previas a un referndum, es ms barato
preguntar a 4.000 personas su intencin de voto, que a 30.000.000
Mayor rapidez: Disponiendo de ciertos recursos puede obtenerse mediante
muestras informacin ms rpida, frecuente y detallada, lo que aumentar su
utilidad.
Calidad: El muestreo exige, en comparacin con la realizacin de censos y estudios
exhaustivos, menos trabajo material pero ms refinamiento y preparacin.
Conceptos bsicos
Denominamos POBLACIN a la coleccin de elementos sobre la que quiere examinarse el
comportamiento del experimento considerado. Los elementos de la poblacin se denominan
INDIVIDUOS. Llamamos MUESTRA al conjunto de individuos de la poblacin de los cuales se
obtiene informacin, si no se puede obtener de todos los individuos que la componen.
En la etapa de seleccin de una muestra a partir de una poblacin los individuos pueden
extraerse de uno en uno o agrupados, dependiendo de la tcnica de muestreo que se haya
seguido. As, por ejemplo, en una poblacin humana la seleccin puede hacerse persona a
persona, familia a familia, edificio a edificio, etc. Una UNIDAD MUESTRAL ser un individuo o
conjunto de individuos que se seleccionan en una nica extraccin. Las unidades muestrales
distintas no deben tener elementos comunes y deben cubrir toda la poblacin. Recibe el nombre
de MARCO DEL MUESTREO el conjunto de todas las unidades muestrales consideradas.
Por ejemplo, una encuesta telefnica sobre intencin de voto. No todas las familias tiene
telfono, de modo que varias personas de la poblacin objetivo de posibles votantes no tendrn
un nmero telefnico en el marco de muestreo. En algunas casas con telfono, los residentes no
estn registrados para votar y, por lo tanto, no son elegibles para la encuesta. Algunas personas
elegibles en la poblacin del marco de muestreo no responden porque no pueden ser
localizadas, algunas se niegan a contestar a la encuesta y algunas podran estar enfermas o
incapacitadas para responder.
Las poblaciones que vamos a considerar deben ser tales que sobre sus individuos puedan
observarse ciertos rasgos o magnitudes, que varan de unos individuos a otros y que llamaremos
VARIABLES. La informacin usual que se quiere recabar sobre la poblacin se refiere a algunas
caractersticas de estas variables, a las que denominaremos CARACTERSTICAS
POBLACIONALES. Entre stas, las ms habituales en los estudios de Tcnicas de Muestreo
son: la media poblacional, el total poblacional y la proporcin poblacional.
Cuando se extrae una muestra, los datos obtenidos a partir de ella nos permiten inferir unos
valores aproximados de la poblacin en su totalidad. A estos valores aproximados se les
denomina ESTIMACIONES, las cuales vendrn afectadas por un error que denominamos
ERROR DEBIDO AL MUESTREO. Cuanto menor sea ste, diremos que mayor es la
PRECISIN de las estimaciones.
Objetivos de las tcnicas de muestreo
El objetivo de las Tcnicas de Muestreo es estudiar procedimientos de seleccin de la muestra y
de estimacin que, con el coste mnimo posible, proporcionen estimaciones con la mayor eficacia
posible.
En cada uno de los procedimientos de muestreo se perseguirn los siguientes objetivos:
Estudiar algunos estimadores puntuales y por intervalo para los parmetros ms
comunes: media, total y proporcin poblacional.
Obtener tamaos de muestra ptimos que verifiquen ciertas restricciones.
Comparacin entre las diferentes tcnicas de muestreo.
Tipos de muestreo
Distinguimos dos tipos fundamentales de muestreo:
Muestreo no probabilstico. En este tipo de muestreo, puede haber clara influencia de
la persona o personas que seleccionan la muestra o simplemente se realiza atendiendo
a razones de comodidad. Salvo en situaciones muy concretas en la que los errores
cometidos no son grandes, debido a la homogeneidad de la poblacin, en general no es
un tipo de muestreo riguroso y cientfico, dado que no todos los elementos de la
poblacin pueden formar parte de la muestra.
Ejemplo: si hacemos una encuesta telefnica por la maana, las personas que no tienen
telfono o que estn trabajando, no podrn formar parte de la muestra.
Muestreo probabilstico. Aquel en el que todos los individuos tienen la misma
probabilidad de ser elegidos para formar parte de una muestra (principio de
equiprobabilidad) y, consiguientemente, todas las posibles muestras de tamao n tienen
la misma probabilidad de ser elegidas. Slo este mtodo de muestreo probabilstico nos
asegura la representatividad de la muestra extrada y es, por tanto, el ms recomendable
por ser riguroso y cientfico.
Dentro de los mtodos de muestreo probabilsticos encontramos los siguientes tipos:
Muestreo aleatorio
Muestreo sistemtico
Muestreo aleatorio estratificado
Muestreo por conglomerados
Otros procedimientos: Mtodos indirectos de estimacin (Estimadores de Razn y
Estimadores de Regresin)
MUESTREO ALEATORIO SIMPLE
Muestreo equiprobabilstico: Si se selecciona una muestra de tamao n de una poblacin de N
unidades, cada elemento tiene una probabilidad de inclusin igual y conocida de n/N.
Ventajas
Es sencillo y de fcil comprensin
Clculo rpido de medias y varianzas
Se basa en la teora estadstica, y por tanto existen paquetes informticos para analizar
los datos.
Desventajas
Requiere que se posea de antemano un listado completo de toda la poblacin.
Cuando se trabaja con muestras pequeas es posible que no represente a la poblacin
adecuadamente.
MUESTREO SISTEMTICO
Procedimiento
Conseguir un listado de N elementos.
Determinar un tamao de muestra n.
Definir un intervalo de salto k; K = N/n.
Elegir un nmero aleatorio, r, entre 1 y k (r)= arranque aleatorio).
Seleccionar los elementos de la lista.
Ventajas
Fcil de aplicar.
No siempre es necesario tener un listado de toda la poblacin.
Cuando la poblacin est ordenada siguiendo una tendencia conocida, asegura una
cobertura de unidades de todos los tipos.
Desventajas
Si la constante de muestreo est asociada con el fenmeno de inters, se pueden hallar
estimaciones sesgadas.
MUESTREO ALEATORIO ESTRATIFICADO
El azar no es una garanta de representatividad. Este muestreo pretende asegurar la
representacin de cada grupo en la muestra. Cuanto ms homogneos sean los estratos, ms
precisas resultarn las estimaciones.
Ventajas
Tiende a asegurar que la muestra represente adecuadamente a la poblacin en funcin
de unas variables seleccionadas.
Se obtienen estimaciones ms precisas.
Desventajas
Se ha de conocer la distribucin en la poblacin de las variables utilizadas para la
estratificacin.
Los anlisis son complicados, en muchos casos la muestra tiene que
ponderarse( asignar pesos a cada elemento).
MUESTREO POR CONGLOMERADOS Y CON
SUBMUESTREO
Los mtodos presentados hasta ahora estn pensados para seleccionar directamente los
elementos de la poblacin, es decir, que las unidades muestrales son los elementos de la
poblacin. En el muestreo por conglomerados la unidad muestral es un grupo de elementos de la
poblacin que forman una unidad, a la que llamamos conglomerado.
Ejemplos: Las unidades hospitalarias, los departamentos universitarios, una caja de
determinado producto, etc., son conglomerados naturales como, por ejemplo, las urnas
electorales.
Cuando los conglomerados son reas geogrficas suele hablarse de "muestreo por reas".
Ejemplo: Si intentamos hacer un estudio sobre los habitantes de una ciudad, el muestreo
aleatorio simple puede resultar muy costoso, ya que estudiar una muestra de tamao n implica
enviar a los encuestadores a n puntos distintos de la misma, de modo que en cada uno de ellos
slo se realiza una entrevista. En esta situacin es ms econmico realizar el denominado
muestreo por conglomerados, que consiste en elegir aleatoriamente ciertos barrios dentro de
la ciudad, para despus elegir calles y edificios. Una vez elegido el edificio, se entrevista a todos
los vecinos.
El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto nmero de
conglomerados (el necesario para alcanzar el tamao muestral establecido) y en investigar
despus todos los elementos pertenecientes a los conglomerados elegidos.
Diferencias con muestreo aleatorio estratificado
En muestreo aleatorio estratificado primero se divide la poblacin en estratos, y entonces se
selecciona una muestra aleatoria de cada estrato. El procedimiento en el muestreo por
conglomerados es al revs. Despus de dividir la poblacin en conglomerados se selecciona al
azar algunos de ellos. Dentro de cada conglomerado escogido, se registran todos los elementos
mustrales. En el muestreo aleatorio estratificado las unidades mustrales son los elementos
individuales de la poblacin, mientras que en el muestreo por conglomerados las unidades
mustrales son conglomerados de los elementos.
Ventajas
Es muy eficiente cuando la poblacin es muy grande y dispersa. Reduce costes.
No es preciso tener un listado de toda la poblacin, slo de las unidades primarias de
muestreo.
Desventajas
El error estndar es mayor que en el muestreo aleatorio simple o estratificado.
El clculo del error estndar es complejo.
Ejemplo conglomerado
En una investigacin en la que se trata de conocer el grado de satisfaccin laboral los profesores
de instituto necesitamos una muestra de 700 sujetos. Ante la dificultad de acceder
individualmente a estos sujetos se decide hacer una muestra por conglomerados. Sabiendo que
el nmero de profesores por instituto es aproximadamente de 35, los pasos a seguir seran los
siguientes:
1. Recoger un listado de todos los institutos.
2. Asignar un nmero a cada uno de ellos.
3. Elegir por muestreo aleatorio simple o sistemtico los 20 institutos (700/35=20) que nos
proporcionarn los 700 profesores que necesitamos.
Submuestreo, o muestreo en dos etapas
Cuando las poblaciones son muy extensas, o complejas, la simple toma de muestras al azar se
transforma en un gran problema, que suele requerir mucho tiempo. El tiempo necesario para
obtener una muestra de dimensiones determinadas puede ser muy abreviado mediante el
empleo de un muestreo en dos etapas.
En primer lugar, el conjunto de la poblacin puede ser dividido en N unidades primarias, o
subpoblaciones (UP), cada una de las cuales estar formada por Mi unidades secundarias o
submuestras (US), que a su vez son muestras de la poblacin total. El muestreo consistir en
seleccionar n UP (1 etapa del muestreo) y dentro de cada una de ellas, mi US (2 etapa o
submuestreo de la UP).
El proceso, evidentemente, puede repetirse de nuevo, por lo que el muestreo por conglomerados
puede considerarse como un proceso multietpico.
Ejemplo Multietpico:Produccin de un cierto cereal; Unidades Primarias: Provincias;
Unidades secundarias: Pueblos; Unidades terciarias: Campos de los pueblos dedicados al
cultivo de ese cereal; Unidades de cuarto orden: Pequeas parcelas del mismo tamao
dentro de esos campos.
Ejemplo: para estimar la captura total a lo largo de una lnea costera, se puede tomar como
unidad bsica cada desembarco. La medicin de una serie de desembarcos tomados al azar a lo
largo de la costa requerira efectuar muchos viajes, imposibles de realizar; la solucin consiste en
seleccionar (por ejemplo, mediante nmeros al azar) ciertos lugares de desembarco en
determinados das, y en estos lugares seleccionar una serie de desembarcos.
Por supuesto, el submuestreo se puede realizar en ms de dos etapas. En el ejemplo anterior,
podra interesar algn dato, como el estado de madurez, para lo cual se tomara una caja de
pescado (o una parte de la misma), con lo que el muestreo se habra realizado en tres (o cuatro)
etapas.
La desventaja de un submuestreo consiste, desde luego, en que los individuos de una misma
unidad primaria son probablemente ms parecidos entre s que los del conjunto de la poblacin.
De esta manera, despus de examinar un individuo de una unidad, tal como el peso de la captura
de un barco en un lugar determinado, si se siguen examinando individuos de esa unidad, se
obtendr menos informacin del conjunto de la poblacin (por ejemplo, la captura media por
barco de todos los lugares de desembarco) que si se examinan individuos de otras unidades
primarias. El problema consiste en deducir el nmero ms conveniente de muestras que se debe
tomar en un tiempo dado al emplear un muestreo en dos etapas. En trminos generales, si los
individuos dentro de una unidad primaria son muy variables, lo mejor ser tomar muchas
muestras dentro de cada unidad en, comparativamente, pocas unidades primarias. Por el
contrario, si la variacin de los individuos es pequea dentro de cada unidad, pero hay
diferencias considerables entre las unidades, entonces debern someterse a muestreo muchas
unidades primarias, con un pequeo nmero de individuos por muestra en cada una de ellas.
Estimadores
La poblacin est formada por N UP que constituyen un conglomerado, el cual a su vez est
formado por Mi US.

N
i
i
M M
1
0 Nmero total de US en la poblacin
i
M
j
ij
i
M
y
Y
i

1

i
m
j
ij
i
m
y
y
i

1
Medias poblacional y muestral en una UP
N
Y M
Y
N
i
i i

1

n
y M
y
n
i
i i

1
Medias poblacional y muestral por UP
0
1
M
Y M
Y
N
i
i i

0
1
0

nM
y M N
M
Y
y
n
i
i i

Medias poblacional y muestral por US
Totales poblacionales en la UP
i
M
i
i ij i
Y M y Y
i

1
y en la poblacin
Y N Y M Y Y
N
i
i

0
1
Estimadores de los totales poblacionales en la UP y en la poblacin
i i i
Y M Y

;
y M y N Y
0

Errores de muestreo
( )
1
1
]
1

,
_

,
_

N
i
c
i
i
i
i
i
N
n
NS
M
m
m
S
M
n M
N
y V
1
2
2
2
0
1 1
1
Varianza de la media estimada
siendo
( )
1
1
2
2

i
M
i
i ij
i
M
Y y
S
i
Varianza en cada UP y
( ) ( )
1 1 1
1
2 2 2
1
2
1
2
2

N
Y N Y M
N
Y Y M
N
Y Y
S
N
i
i i
N
i
i i
N
i
i
c
Varianza entre totales de UP
( ) ( ) ( ) y V M y M V Y V
2
0 0

Varianza estimada del total
Estimador insesgado de la varianza de la media estimada
( )
1
1
]
1

,
_

,
_

n
i
c
i
i
i
i
i
N
n
NS
M
m
m
S
M
n M
N
y v
1
2
2
2
0
1 1
1

( ) ( ) y v M Y v
2
0

Estimador insesgado del total
siendo las varianzas muestrales
( )
1 1
1
2 2 2
1
2
2

n
y n y M
n
y Y
S
n
i
i i
n
i
i
c


( )
1 1
1
2 2
1
2
2

i
m
i
i i ij
i
m
i
i ij
i
m
y m y
m
y y
S
i i
Muestreo en una etapa
La situacin ms sencilla, y bastante comn en la prctica, es aquella en la que la poblacin est
dividida en conglomerados, C
1
,..,CM, de similar comportamiento cada uno de ellos. Se elige
entonces una muestra de tamao g del conjunto de los conglomerados mediante muestreo
aleatorio simple mc= {C j 1,..., Cj g}, estando la muestra final formada por todos los elementos que
forman los conglomerados elegidos.
Estimadores
En este caso no hay submuestreo de cada UP, es decir
i i
M m y slo se realizar el muestreo
de la 1 etapa seleccionando n UP.
i i
i
i
Y y
M
m

,
_

0 1
,
i i i
Y y M
0
1
0
1
nM
Y N
nM
y M N
y
n
i
i
n
i
i i


Media muestral por US
y M Y
0

Estimador del total
Varianza estimada de la media muestral por US
( )
( )
1

1
1
1
2
0
2 2
0
2

,
_

n
y Y
n
f
M
N
N
n
n
S
M
N
y v
n
i
i
c
Si los tamaos entre conglomerados son iguales M M
i
, el clculo de las varianzas de los
estimadores se reduce a tcnicas de anlisis de la varianza. Este tipo de tcnicas analiza la
repercusin que tienen los distintos tamaos de los conglomerados y de muestra en la eficacia
de los estimadores.
Estimacin de proporciones
La poblacin quedar dividida en dos grupos, uno con aquellas unidades muestrales que poseen
la caracterstica y el complementario con las que no la poseen. A partir de aqu se aplicar los
estimadores anteriormente citados, con la salvedad de que la variable
ij
y
slo toma dos valores:
1 y 0.
Se considera que el tamao es el mismo M, para todas las UP:
Proporciones poblacionales
M
A
P
i
i
;
M N
A
N
P
P
N
i
i
N
i
i

1 1
Proporcin estimada en la submuestra de la UP
m
a
p
i
i

Varianza de la proporcin estimada
( )
( ) ( )
N
S
nm
f
M
S
n
f
p V
N
i
i
c

1
2
2
2
2
1
1 1 donde
n
p
p
n
i
i

1
con las
2
1
S y
2
2
S queda ( )
( ) ( )
2
2
2 2
1
1
1 1
S
nm
f
S
n
f
p V

siendo las varianzas para proporciones:

( )
1 1
1
2 2
1
2
2
1

N
P N P
N
P P
S
N
i
i
N
i
i
y
( ) 1
1 2
2

M N
Q P M
S
N
i
i i

( )

n
i
i
n
p p
s
1
2
2
1
1
,
( ) 1
1 2
2

m n
q p m
s
n
i
i i
Varianzas muestrales
( )
( ) ( )
2
2
2
1
2
1
1
1 1
s
nm
f
f s
n
f
p V

Estimador de la varianza de la proporcin muestral

OTROS PROCEDIMIENTOS (MTODOS
INDIRECTOS DE ESTIMACIN):
ESTIMADORES DE RAZN
El estimador de razn es un sistema basado en la relacin existente entre dos variables y y x
que se miden en el mismo conjunto de elementos.
i
y : Variable principal
i
x : Variable auxiliar
( )
i i
y x , :par de medidas de cada variable en i
Con los mtodos indirectos de estimacin se mejoran las estimaciones tratadas en los
anteriores muestreos. Consisten en utilizar informacin auxiliar relativa a una variable
correlacionada con la de inters para conseguir estimadores ms precisos que los obtenidos
a partir de una muestra de la variable en estudio.
Estimacin directa:
y N Y

Estimacin indirecta:
( ) X X C Y Y
G

0
+
Siendo
0
C : coeficiente de correccin para mejorar el estimador del Y y
( ) X X

: diferencia entre los valores del total poblacional y estimado de la variable

auxiliar.
Objetivos
Disminuir el error de la estimacin final
Disminuir el coste de muestreo por reduccin del tamao de muestra de variable
principal y la mayor sencillez de medicin de la auxiliar
Estimadores de razn en el muestreo aleatorio simple
Los estimadores de razn van a ser tanto ms aproximados cuanto ms prximos a una
recta que pase por el origen estn los pares (xi, yi).
El parmetro poblacional desconocido a estimar es la razn
X
Y
N x
N y
X
Y
x
y
R
N
i
i
N
i
i
N
i
i
N
i
i

1
1
1
1
Propiedades
El estimador de la razn R es consistente y asintticamente insesgado, cuando el tamao de
la muestra n es grande.
[ ] 0

R R E , o bien [ ] R R E

(concepto clsico de estimador insesgado).

Por otra parte el estimador de R es insesgado si los pares (xi, yi) se encuentran sobre una
recta que pasa por el origen, es decir y = a + bx con a = 0. Pero esto en la prctica no
ocurre, y lo que hay es una relacin entre x e y aproximada, por tanto se requerirn de
tamaos de muestra grandes para que tiendan a ser insesgados
.
Tamao de la muestra
Se obtiene de igual manera que en el muestreo aleatorio simple:
N
n
n
n
0
0
1+

siendo
2
2 2
1 ,
0
d
s t
n
u n

Estimadores de razn en muestreo estratificado
En cada estrato h se realizar un m.a.s y se miden dos variables: la de inters o principal
hi
y
, y la auxiliar
hi
x correlacionadas positivamente con la primera y ms fcil de medir.
Los estimadores de razn para la variable principal pueden ser de dos tipos:
o Estimador de razn separado
o Estimador de razn combinado
La eleccin de uno u otro ser en funcin de la hiptesis que se haga sobre
h
R . Si existe
bastante diferencia entre los
h
R de cada estrato se emplea el estimador de razn separado.
Y si los
h
R son similares de forma que la razn se puede suponer constante en cada estrato,
se utiliza el estimador de razn combinado.
Estimador de razn separado
Media
h h
L
h h h
L
h
RS
X R W X R
N
N
y

1 1


Varianza estimada
( )
2
1
2
2
1
uh
h
h
L
h
RS
s
n
f
N
N
y v

Total
h h
L
h h
L
h RS
X R X R N Y

1 1


Varianza estimada del total
( )
2
1
2
1

uh
h
h
L
h RS
s
n
f
N Y v

Estimador de razn combinado

Razn

L
h h
L
h h
L
N
hi
L N
hi
L
h
h
c
X N
Y N
x
y
X
Y
X
Y
R
h
h
1
1
1
1
1
de la poblacin

L
h h
L
h h
est
est
c
x N
y N
X
Y
R
1
1

de la muestra
Media
X
x
y
X R y
est
est
C RC

Varianza estimada
( )
2
1
2
2
1
uh
h
h
L
h
RC
s
n
f
N
N
y v

Total
X
x
y
X
X
Y
X R Y
est
est
est
est
C RC

Varianza estimada del total
( )
2
1
2
1

uh
h
h
L
h RC
s
n
f
N Y v

ESTIMADORES DE REGRESIN
Cuando a los pares ( )
i i
y x se les puede ajustar una recta de regresin que no pasa por el
origen de coordenadas, la media de la se estimar a partir de la expresin:
( ) x X b y y
rl
+
0
El trmino ( ) x X b
0
da una mejor aproximacin del valor de la media estimada de y.
Si
X x <
la correlacin aumentar la estima final
Si
X x >
la estima de y disminuir.
Desarrollando la anterior expresin tenemos ( ) X b x b y y
rl 0 0
+
donde ( ) x b y
0
se considera nulo y por tanto R
x
y
b

0
y
R rl
y y
Estimadores de regresin en muestreo aleatorio simple
El estimador de regresin de la media es insesgado, es decir [ ] Y y E
rl
y la varianza es
( ) ( )
2 2
0
2
0
2
2
1
x yx y rl
S b S b S
n
f
y V +

El valor que minimiza la varianza del estimador es el Coeficiente de Regresin:

( )( )
( )
2
1
2
1
0
x
yx
N
i
i
N
i
i i
S
S
X x
X x Y y
b

( ) ( )
2 2
1
1

y rl
S
n
f
y V
Varianza mnima
donde
x y
yx
S S
S
coeficiente de correlacin de la poblacin entre x e y.
( )( )
( )
2
1
2
1
0

x
yx
n
i
i
n
i
i i
s
s
x x
x x y y
b b

Estimacin del coeficiente de regresin

Errores de la media muestral estimada
( ) ( )
rl rl
y v y s
Total
rl rl
y N y
( ) ( )
rl rl
y v N Y v
2

Varianza muestral del total estimado

( ) ( )
rl rl
y v N Y s

Error muestral del total estimado

Tamao de la muestra
N
n
n
n
0
0
1+

siendo
( )
2
2 2 2
1 ,
0
1
d
r s t
n
y n

Estimadores de regresin en muestreo estratificado
De igual manera que ocurra en estimadores de razn aqu tambin encontraremos
estimadores de regresin separados y estimadores de regresin combinados
estimadores de regresin separados
rlh
L
h rlh
L
h
rls
y W y
N
N
y


1 1
Media
( ) ( )
rlh
L
h
rls
y v
N
N
y v

1
2
2
Varianza estimada de la media
( ) ( )
rls rls
y v N Y v
2

Varianza estimada del total

estimadores de regresin combinados
Coeficiente de regresin poblacional y muestral
( )
( )

L L
h
xh h h
h
yxh h h
c
n
S f N
n
S f N
b
1 1
2 2
2
1
1

( )
( )

L L
h
xh h h
h
yxh h h
c
n
s f N
n
s f N
b
1 1
2 2
2
1
1

Media
( )
est c est rlc
x X b y y +


Varianza poblacional y estimada de la media
( ) ( )
2 2 2 2
1
2
2
2
1
xh c yxh c yh
h
h
L
h
rlc
S b S b S
n
f
N
N
y V +

( ) ( )
2 2 2 2
1
2
2
2
1
xh c yxh c yh
h
h
L
h
rlc
s b s b s
n
f
N
N
y v +

Total
rlc rlc
y N y
( ) ( )
rlc rlc
y v N Y v
2

Varianza estimada del total