Tema: Muestreo por etapas.

1.- Introduccin:
En el tema dedicado a muestreo por conglomerados, la forma de actuar consista en
investigar (encuestar) atodoslosindividuosdelosclustersoconglomeradosseleccionados:
Se hizo notar que aunque el muestreo por conglomerados es econmico tambin es,
habitualmente, menoseficientequemuestrear el mismonmerodeindividuosdirectamente
delapoblacin.
Conclusin, paramejorar el muestreo por conglomerados, seganarenprecisinsi, fijado
unnmerodeunidadesqueconformenlamuestra:
i) Lasunidadesestnlocalizadassobreungrannmerodeconglomerados.
ii) Enlugar detomar todoslosindividuosdel conglomerado, tomar slounamuestra.
A estaformadeproceder seladenominaactuar por submuestreo y conducealasiguiente
definicin;
Definicin:
El muestreo consistente en tomar en una primera etapa conglomerados (unidades
primarias, psu) y a continuacin tomar un nmero especfico de unidades de cada
conglomerado seleccionado (unidades secundarias, ssu), se denomomina muestreo
bietpicooendosetapas.
Conceptos propios de este diseo:
i) Conglomerado ltimo, introducido por Hansen, Hurwitz y Madow (1953),
corresponde al conjunto de individuos de la muestra que pertenecen a una misma
unidadprimaria.
Este concepto permite obtener un posible estimador de la varianza del estimador del
parmerodeintersconsiderandoel muestreoMultietpicooPolietpicocomouncaso
especial demuestreopor conglomeradosconunasolaetapa.
ii) Muestreo
Bietpico: Unidadesprimariasysecundarias
MultietpicooPolietpico: Unidadesprimarias, secundarias, .........
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
dentrodeesoscampos.
Evolucin Histrica; Los pioneros en esta tcnica de muestreo fueron Cochran (1939),
Mahalanobis(1940) yLahiri (1954).
Notacin: (Caso bietpico)
psu: Unidadesprimarias
ssu: Unidadessecundarias;
N
I
: Nmerodeunidadesprimarias(psu) queconformanlapoblacin;
n
I
: Nmerodeunidadesprimarias(psu) seleccionadasenlamuestra;
N
i
: Nmero deunidades secundarias (ssu) delai-simapsu. (Alternativapolietpica
N
IIi
)
n
i
: Nmero de unidades secundarias (ssu) de la i-sima psu tomadas en la muestra.
(Alternativapolietpican
IIi
);
N
N
I
i1
N
i
: Nmero total deunidades secundarias (ssu) en lapoblacin; (Alternativa
polietpicaN
II
);
M
N
N
I
: Nmeromediodessupor psu;
1
y
ij
: Valor de la variable de inters medida en la j-sima ssu de la i-sima psu
y
ij
)
i1,...,N
I
j1,...,N
i

i

N
i
j1
y
ij
: Total delavariabledeintersenlai-simapsu.

N
I
i1

i

N
I
i1

N
i
j1
y
ij
: Total delavariabledeintersenlapoblacin.

i

N
i
j1

y
ij
N
i


i
N
i
: Mediadelavariabledeintersenlai-simapsu.

1
N
N
I
i1
N
i

i
: Mediapoblacional delavariabledeinters.
y
i-

n
i
j1
y
ij
: Total muestral delai-simapsu.
y
--

n
I
i1
y
i-
: Total muestral.
y
i-

y
i-
n
i
: Mediamuestral delai-simapsu.

Ii
y
Iij
: probabilidadesdeinclusindelasunidadespsucondiseop
I
(-);

Iij

Iij

Ii

Ij
.

k/i
y
kl/i
: probabilidadesdeinclusindelasunidadesssucondiseop
i
(-)

kl/i

kl/i

k/i

l/i
Conclusin: LapoblacinU 1,...,N) esparticionadaensubpoblaciones, unidadespsu,
U
1
,...,U
N
I
,
U
N
I
i1
U
i
; Cada conglomerado U
i
est compuesto por N
i
unidades ssu /
N
N
I
i1
N
i
; Por tanto, lapoblacindepsusedenominaU
I
1,...,N
I
).
2.- Caso Bietpico General.
Situacin:
1Etapa: Setomaunamuestras
I
depsudeacuerdoaundiseop
I
(-); rs
I
n
I
2 Etapa: Para cada i s
I
se toma una muestra de s
i
elementos utilizando un diseo
p
i
(-/s
I
); rs
i
n
i
Lamuestrafinal deindividuosestcompuestapor s
is
I
s
i
; rs n.
Observaciones:
i) La formulacin del diseo permite utilizar cualquier diseo en la 1 etapa y cualquier
diseodesubmuestreoenla2etapai s
I
.
ii) El submuestreoencadaU
i
)
is
I
podradepender delamuestras
I
obtenidaenlaprimera
etapa.
iii) El submuestreo en U
i
no es necesariamente independiente del submuestreo en U
j
(i j).
Los apartados ii) y iii) van aconducir alanecesidad deexigir de ahora en adelante dos
propiedadesennuestrodiseo, invarianza e independencia.
Conceptos:
i) Invarianza:
p
i
(-/s
I
) p
i
(-) s
I
yi s
I
Siemprequelai-simapsuseincluyaens
I
sedebeusar el
mismodiseop
i
(-).
Ejemplo: Prerequerir quesiemprequeseincluyalai-simapsuens
I
, setomeunam.a.s. de
2
n
i
unidadesdeU
i
sinatender queotraspsuconformans
I
.
ii) Independencia:
p
i
is
I
s
i
/s
I

is
I
p
i
(s
i
/s
I
);
is
I
s
i

iU
I
(U
1
...s
i
...U
N
I
); s
j
si j s
I
, es
decir, submuestrear en unapsu dadaes independientedesubmuestrear en otracualquiera
psu.
2.1 Caso General: Muestreo bietpico sin reemplazamiento
El problemaqueseplanteaesobtener, antelasmltiplesposibilidadesdeopcindediseo
enlasdistintasetapas, lasprobabilidadesdeinclusin;

k

Ii

k/i
si k U
i

kl


Ii

k/i
si k l U
i

Ii

kl/i
si k yl U
i

Iij

k/i

l/j
si k U
i
yl U
j
(i j)
-Estimador y Varianza: (Srndal)
Con cada una de las muestras s
i
, i 1,...,n
I
, se estima
i
para cada i-sima PSU
seleccionadaenprimeraetapa(unidadprimaria) conel -estimador insesgado:

i

s
i
y
k

k/i

s
i

y
k/i
;

y
k/i

y
k

k/i
, i 1,...,n
I
V
i
Var
i

U
i

kl/i

y
k/i

y
l/i
, i 1,...,n
I
V
i
Var
i

s
i

kl/i

y
k/i

y
l/i
estimador insesgado de Var
i
/

kl/i


kl/i

kl/i


kl/i

k/i

l
/i

kl/i
parai 1,...,n
I
El -estimador insesgadode
U
I

i
ser:

s
I

Ii
; (1)
V
2
Var

V
psu
V
ssu

U
I

Iij

i

Ii

Ij

U
I
V
i

Ii
V
2
Var

V
psu
V
ssu

s
I

Iij

Ii

Ij

s
I
1

Ii
(1
1

Ii
)V
i

s
I
V
i

Ii
2

s
I

Iij

Ii

Ij

s
I
V
i

Ii
permiteestudiar lacontribucinalavariacinencada
etapa;
Existeunaexpresincomputacional alternativadelaestimacindelavariacinquees
V
2

s
I

Iij

Ii

Ij
que comete un sesgo
U
I
V
i
, es decir, subestima la
varianzade

. Estasubestimacinenmuchoscasosespocoimportante.
2.2 Caso: Muestreo Aleatorio Simple en las dos etapas:
i) Estimador del total con tamao poblacional conocido:
SupongamosN conocido, quelasunidadesdelaprimeraetapasondetamaodesigual ylas
unidadesseseleccionanusandoprobabilidadesigualesym.a.s. enambasetapas;

k

Ii

k/i
m.a.s.enla1y2etapa

n
I
N
I

n
i
N
i
Utilizandoladefinicinbsicade-estimador:

1

is
I

ks
i

y
k

k

N
I
n
I
is
I

ks
i
y
k
N
i
n
i

N
I
n
I
s
I
N
i
y
i-
3
Utilizandoel estimador (1) :
1

s
I

Ii

Teniendoencuentaque:

i

s
i

y
k

k/i

s
i

y
k
n
i
N
i

Ii

n
I
N
I

s
I

N
I
n
I
s
i

y
k
n
i
N
i

N
I
n
I
s
I

s
i

N
I
n
I
s
I
N
i
y
i-
que observamos que coincide con el obtenido a partir de la
experesinbsicadel -estimador del total.
Conrespectoal estimador delamediapoblacional:

1


1
N

1
N
N
I
n
I
s
I
y
i-
N
i
Var(

1
)
(1fI )
nI
S
1b
2

1
NI nI
nI
i1

N
i
2
N
N
I
2
(1fi )
ni
S
i
2
;
S
1b
2

1
nI1
nI
i1

Ni y
i-
N
N
I

1
2
S
i
2

1
ni 1
ni
j1
y
ij
y
i-
2
ii) Supongamos N desconocido:
Paraestimar el total noseprecisaconocer N
2

1

N
I
n
I
s
I
N
i
y
i-
Paraestimar lamediapoblacional seprecisaestimar previamenteN :
isI
N
i
Ntotal deindividuosenlamuestras
I
is
I

Ni
nI
Nmediodeindividuospor conglomeradoenlamuestras
I
.
N
I
is
I

Ni
nI
estimador del ntotal deindividuosenlapoblacinN
Por tanto

2


2
N

N
I
n
I
s
I

N
i
y
i-
N
I
is
I

N
i
n
I

1
is
I

N
i
is
I
N
i
y
i-
.
Sesgode

2
:
(1fI )
nI
1
N
N
I
2
S
m
2
S
my

;
S
m
2

1
NI1
NI
i1
N
i

N
NI
2
S
my

1
NI1
NI
i1
N
i

N
NI
2
N
i
y
i-

N
NI
Estimador sesgadodelavarianza(ECM):
AVar(

2
)
(1fI )
nI
S
2b
2

1
N
N
I
2
nI NI
nI
i1
N
i
2
(1fi )
ni
S
i
2
;
S
2b
2

1
nI1
nI
i1

N
i
2
N
N
I
2
y
i-

2
2
S
i
2

1
ni 1
ni
j1
y
ij
y
i-
2
Seobservaquetambinesprecisoestimar
N
NI

1
NI
N
I
is
I

Ni
nI

is
I

Ni
nI
.
iii) Conglomerados ltimos:
Se entiende por conglomerado ltimo las unidades muestrales de ltima etapa que
pertenecen a una misma unidad primaria (psu); La teora del tema de conglomerados
resuelveel problemadeestimacin.
4
Suponiendon
i
n
j
i j, i,j) s
I
, el diseopasaaconsistir entomar unam.a. den
I
conglomerados de los N
I
(Utilizando las frmulas vistas para, conglomerados del
mismotamaon
i
)

3

is
I

i
n
I
; P.
Para : Dadoque

i
y
i-

j1
n
i

y
ij
n
i

3

1
n
I
is
I
y
i-
Si n
I
setomasinreposicin:
Var(

3
)
(1f
I
)
n
I
1
n
I
1
is
I
y
i-

3
2

1
N
I
n
I
is
I

(1f
i
)
n
i
S
i
2
Si n
I
setomaconreposicin:
Var(

3
)
is
I

3
)
2
n
I
(n
I
1)
Notas:
a) Siemprequen
I
seagrandey Corr N
i
y
i-
, N
i
0, el

2
es ms eficienteque

3
.
b) Parautilizar

3
tampocoseprecisaconocer N.
iv) Obtencin del tamao de muestra n
I
fijados B y k :
Var(

3
)
(1f
I
)
n
I
1
n
I
1
is
I
y
i-

1
2

1
N
I
n
I
is
I

(1f
i
)
n
i
S
i
2

B
2
k
2
Habitualmentesetendrquesuponer f
I
0yf
i
0;
Con la muestra piloto se estimarn V
1

1
n
I
1
is
I
y
i-

1
2
y
V
2

is
I

1
n
i
S
i
2
;
Ecuacin:
1
n
I
V
1

1
N
I
n
I
V
2

B
2
k
2

1
n
I
V
1

1
N
I
V
2

B
2
k
2
n
I

V
1

1
N
I
V
2

B
2
k
2
2.3 Caso: Diseos con pesos.
Secaracterizanpor disponer deunainformacinauxiliar medidapor unav. X encadapsu
x
i
)
iU
I
.
i) Muestreo pps con reemplazamiento en 1etapa y ma.s. en 2etapa:
Sedisponedelainformacindeunav. auxiliar, x
1
, ..., x
N
I
paralasunidadespsu;
p
i

x
i
x
, i U
I
.
1Etapa: Setomaunam.a. ppsden
I
unidadesprimariasconreemplazamiento;

cong

1
n
I
s
I

k
p
k
2Etapa: Seestiman
k
)
ks
I
tomandoencadaconglomeradounam.a.s. den
k
unidades
delasN
k
;

k

n
k
j1

y
kj
n
k
N
k
Por tanto
1pm

1
n
I
ks
I

1
p
k
n
k
j1

y
kj
n
k
N
k

1
n
I
ks
I

N
k
p
k
y
k-
estimador lineal
insesgadode.
5
Var
1pm

1
n
I
ks
I

N
k
y
k-
p
k
pm
2
(n
I
1)
ii) Conglomerados ltimos:
En general, si en 1 etapa tomamos una m.a. pps de n
I
unidades primarias con
reemplazamiento y si

i
es un estimador insesgado del parmetro
i
en el conglomerado
ltimodelai-simaunidadpsu, sepuedeutilizar:

2pm

1
n
I
ks
I

k
p
k
; estimador insesgadode (, A)
Var

2pm

1
n
I
ks
I

k
p
k
2
n
I

2pm
2
(n
I
1)
Nota: Si una unidad psu se selecciona ms de una vez, se submuestrear, de manera
independiente, tantasvecescomosalga.
3.- Muestreo Polietpico.
3.1 Muestreo sin reemplazamiento:
Supongamosr etapasconr 2, losestimadorespropuestossern:

mp

ks
I

Ik
Var
mp

U
I

Iij

i

Ii

Ij

U
I
V
i

Ii
donde el primer trmino representa la
contribucinalavarianza enlaprimeraetapay el segundocombinalacontribucina
lavarianzaenlassiguientesetapasdel muestreo.
Var
mp
V
psu
V
ssu

s
I

Iij

Ii

Ij

s
I
V
i

Ii
UnasimplificacindelaestimacindelavarianzaserV

s
I

Iij

Ii

Ij
que, a
menudoconduciraunaimportantesubestimacin.
Otra alternativa ser (1) V

1
n
I
1
(n
I
1)

s
I

i
p
Ii

mp
2
donde p
Ik
se determina
considerando
Ik
n
I
p
Ik
; Esteestimador puedesub o sobreestimar dependiendo del
diseo muestral. V

sobreestima la seleccin de n
I
conglomerados sin
reemplazamiento es ms eficiente para estimar el total que tomar n
I
con
reemplazamiento.
3.2 Muestreo Trietpico:
Notacin:
i. Los N elementos deU separticionanenN
I
unidades psu, U
1
,...,U
N
I
representados
por U
I
SeaN
i
el tamaodeU
i
, N
U
I
N
i
ii. Los N
i
elementos de U
i
(i 1,...,N
I
) se particionan en N
IIi
unidades secundarias
(ssu) U
i1
,U
i2
,...,U
iN
IIi
El conjunto de N
IIi
unidades secundarias que particionan U
i
se representa
simblicamentepor U
IIi
1,...,q,...,N
IIi
)
ConsiderandoN
iq
el tamaodeU
iq
N
i

U
IIi
N
iq
iii. Lasunidadesmuestralesterciariassonloselementosdelapoblacin.
Procedimiento:
Etapa1: Setomaunamuestras
I
depsuconundiseop
I
( ).
6
Etapa2: Paracadai s
I
setomaunamuestrades
IIi
unidades deentreU
IIi
segn un
diseop
IIi
( )
Etapa3: Paraq s
IIi
setomaunamuestradeentreU
iq
segnundiseop
iq.
Por tanto s
is
I
_
qs
IIi
_ s
iq
Probabilidadesdeinclusin: (Notacin)

Ii
;
Iij
;
Iij

Iij

Ii

Ij
;
Iii

Ii

IIq/i
;
IIqr/i
;
IIqr/i

IIqr/i

IIq/i

IIr/i
;
IIqq/i

IIq/i

k/iq

kl/iq
;
kl/iq

kl/iq

k/iq

l/iq
;
kk/iq

k/iq

Iij


Iij

Iij
;

IIqr/i


IIqr/i

IIqr/i
;

kl/iq


kl/iq

kl/iq

iq

U
iq
y
k
;
i

U
IIi

iq
;
U
I

i
Estimaciones:

iq

s
iq
y
k

k/iq

i

s
IIi

iq

IIq/i

s
I

Ii
V
3st

V
PSU
V
SSU
V
TSU
V
3st

s
I

Iij

i

Ii

Ij

s
I
V
i

Ii
donde:
V
i

sIIi

IIqr/i
iq

IIq/i
ir

IIr/i

sIIi
Viq

IIq/i
V
iq

siq

kl/iq
y
k

k/iq
y
l

l/iq
3.3 Conglomerados ltimos:
i) Si en1etapatomamosunamuestrappsden
I
unidadesprimariasconreemplazamientoy
si
i
es unestimador insesgado del parmetro
i
enel conglomerado ltimo delai-sima
unidadpsu:

2pm

1
nI
ksI

k
p
k
; estimador insesgadode
Var
2pm

1
nI
ks
I

k
p
k
2
nI
2pm
2
(nI1)
Nota: Si una unidad psu se selecciona ms de una vez, se submuestrear, de manera
independiente, tantasvecescomosalga.
ii) Si en 1 etapa tomamos una m.a.s de n
I
unidades primarias y si
i
es el estimador
insesgadodel parmetro
i
delai-simaunidadpsu, entonces

c

ksI

Ik
Var
c

V

N
I
2 1
nI
ks
I

s
I

k
n
I
2
(nI1)
(1) sobrestima

1
nI
NI
V

subestima
Nota: Sepuedemejorar laeficienciaendiseopolietpicodel siguientemodo;
7
Estratificar los conglomerados por alguna medida de tamao para que los
conglomeradosdetamaocomparableseagrupenjuntos.
Utilizar m.a.s. enlasdosetapasencadaunodelosestratos.
Obtencin del tamao de muestra n
I
fijado B y k :
Var
c
N
I
2 1
n
I
ks
I

s
I

k
n
I
2
(n
I
1)

B
2
k
2
Conlamuestrapilotoseestimar
ks
I

s
I

k
n
I
2
(n
I
1)
ysedespejan
I
4.- Estimadores de Regresin en Muestreo
Bietpico.
Lasposibilidadesdediseosonamplsimasenfuncinde:
i) Laclaseylaextensindelainformacindelav. auxiliar.
ii) El diseoutilizadoparatomar lasunidadespsuyssu.
iii) Laformadelapoblacin.
Del anlisisdel puntoi) surgen, al menos, lassiguientesalternativas:
A.- Sedisponedeinformacinauxiliar i U
I
(todaslaspsu).
B.- Se dispone de informacin auxiliar x
i
) i U (todos los individuos de la
poblacin).
C.- Se dispone de informacin auxiliar x
i
) tan slo para los individuos de las psu
seleccionadasen1etapa.
Ejemplos:
- Supongamosunexperimentoanivel nacional sobrehospitales:
Unidadespsu: lasprovincias; Desdeunpuntodevistaadministrativotenemos
muchainformacindetipoA.-, caract. demogrficas, censo, poblacintrabajadora,
....
Seleccionar unaprimeramuestradeprovinciasylistar todosloslistadosdelas
provincias; serfcil disponer deinformacintipoC.- deestoshospitalestomados
enlamuestra.
TambinresultafactibleinformacintipoB.- conocer datosdetodosloshospitales
nacionales.
- Consideremos un experimento en una gran ciudad consitente en evaluar el espacio
habitabledelosedificios; unidadespsulasmanzanasyunidadesssulosedificios:
Inf. tipoB.-: El ayuntamientoproporcionarinformacinauxiliar detodoslos
edificosdelaciudad.
Inf. tipoA.-: Informacindel nmerodehabitantespor manzanaoreaonmero
deedificios,....
4.1 Caso A.-:
Sedisponedeinformacinauxiliar decadaunodeloscluster, C
i
)
i1, ..., N
I
.
El objetivoesestimar
y

kU
y
k
estimandolostotalesdeunamuestradepsu
yi
)
i1, ..., n
I
.
4.1.1 Si se puede suponer tericamente que el modelo para los puntos
8

yi
, C
i
i1, ..., N
I
es
yi

I
C
i

i
conlassiguientespropiedades:
E(
yi
)
I
C
i
; Var(
yi
)
I
2
C
i
,
seutilizarel modelocomnderazn,

Ar

I
U
I
C
i
;

I

is
I

yi

Ii
is
I

C
i

Ii
;

yi

ks
i

y
k

k/i
Enlaprcticaestasituacinsemanifiestacuandoel total del conglomeradoesproporcional
alamedidaauxiliar tomada. Estosucedehabitualmenteal tomar comoinformacinauxiliar
una medida del tamao del conglomerado, como por ejemplo area del conglomerado,
nmerodelementosenel conglomerado, ...
4.1.2 Supongamos que, tericamente, el modelo para los puntos
yi
, C
i
i1, ..., N
I
es

yi

I
C
i

i
conlassiguientespropiedades:
E(
yi
)
I
C
i
; Var(
yi
)
Ii
2
.
Loprimeroserestimar
yi
encadaconglomerado,
yi

s
i

y
k

k/i
;

I

s
I

C
i

yi

Ii
2

Ii
s
I

C
i
2

Ii
2

Ii
Temadeestimadoresindirectos

Ar

U
I

yip

s
I

yi

yip

Ii
;
yip

I
C
i
4.1.3 Supongamos que, tericamente, el modelo para los puntos
yi
, C
i
i1, ..., N
I
es

yi

I
C
i

i
conlassiguientespropiedades:
E(
yi
)
I
C
i
; Var(
yi
)
Ii
2
.
Enestecaso
Ar

U
I

yip
.
4.2 Caso B.-: Supongamos que el modelo que describe las observaciones
y
k
, x
k
ks
, x
k
)
kU
, verifica:
E(Y
k
) X
k
; Var(Y
k
)
k
2

Br

U

y
k

s

y
k

y
k

k
;

y
k


x
k
kU
,


s

y
k
x
k

k
2

k
s

xk

k
2

k
4.3 Caso C.-: Supongamos que el modelo que describe las observaciones
y
k
, x
k
ks
, x
k
) kU
i
is
I
, verifica:
E(Y
k
) X
k
; Var(Y
k
)
k
2

Cr

s
I

yir

Ii

yir

U
i

y
k

s
i

y
k

y
k

k/i
, i s
I

s
I

U
i

y
k

Ii

s

y
k

y
k

k
Nota: Desde un punto de vista experimental existen multitud de posibles variaciones de
modelos, algunosdeloscualespuedenconsultarseenel Tema8del textodeSrndal.
9
5.- Ejemplo.
Con objeto deestimar laproduccin total detrigo deunaregin, seseleccionan 5 de
los 110 pueblos que la constituyen. La seleccin se realiza con diseo pps con
reemplazamiento utilizando como informacinauxiliar el rea, enhectreas, dedicado ala
agricultura, v.a. X. El reatotal dedicadoaagriculturaesde
x
140576hectreas.
Los pueblos asuvez estndivididos encampos y setomaunam.a.s. deaproximadamente
el 10% de stos. Por ltimo de cada campo seleccionado se toma una m.a.s. de
aproximadamente el 10% de las parcelas que componen cada uno de estos campos.
Atendiendoalasiguientenotacin,
X
i
: Areadel pueblodedicadoalaagricultura
N
II
: Ndecamposenel pueblo
n
II
: Ndecamposenel pueblotomadosenlamuestra
N
ij
: Ndeparcelasenel campoj del puebloi
n
ij
: Ndeparcelasenel campoj del puebloi tomadosenlamuestra.
Y
k
: Areadedicadaal trigoenlaparcelaseleccionada.
Losresultadosobservadosfueronlossiguientes:
Pueblo X
i
N
II
n
II
N
ij
n
ij
Y
k
1 1410 31 3
27
32
18
3
3
2
138, 166, 190
142, 185, 215
110, 133
2 935 18 2
25
37
3
4
160, 164, 210
100, 162, 85, 124
3 601 23 2
33
22
4
2
107, 140, 163, 116
105, 98
4 1905 36 4
55
19
43
37
6
2
4
3
200, 140, 173, 160, 101, 128
120, 135
149, 113, 161, 131
110, 124, 90
5 904 22 2
26
48
3
5
190, 105, 166
136, 170, 100, 156, 140
Solucin:
Estimacindel nmerodeparcelastotal delos110pueblos:
N
1
5
N1
p1
...
N5
p5
Opcin 1:
Puestoqueel diseoestrietpico, seresolverutilizandoconglomeradosltimosbuscando
unestimador insegadodel parmetrototal del readedicadaal trigoencadapueblo.
Parmetrosqueseprecisaestimar:
Nmerodeparcelasquetienecadaunodelospueblosseleccionados:
N
1

273218
3
31
10
........
Estimacininsesgadadelaproduccintotal encadaunodelospueblos:

1

138166190
3
27
142185215
3
32
110133
2
18
3
31
.............
Produccintotal detrigoenlos110pueblos, estimacinpuntual ypor I.C.:

1
nI
nI
k1

k
pk
p1
1410
140576
,...,p5
904
140576

1
5
1
p1
...
5
p5
Var
1
nI
n
I
k1

k
pk
2
nI
2
nI1
Opcin 2:
Estimacindelaproduccintotal encadaunodelospueblos:

1

138166190142185215110133
8
N
1
.............
Produccintotal detrigoenlos110pueblos, estimacinpuntual ypor I.C.:

1
nI
nI
k1

k
pi
p1
1410
140576
,...,p5
904
140576

1
5
1
p1
...
5
p5
Var
1
ni
n
i
k1

k
p
i
2
ni
2
ni 1
Ejercicio: Comprobar conqueopcinsecometemenor error
11