1.

INTRODUCCION
Como parte de las actividades planificadas de investigacin de la ctedra de
Estadstica Inferencial, procedemos a reunirnos el ventegesimo tercer da del
mes abril, en casa de un compaero, ubicada en la Ciudad de El Alto,
departamento de La Paz, las cinco personas integrantes del equipo, con el fin
de consultar informacin en diferentes fuentes tanto digitales como
bibliogrficas, para luego compilar y presentar un esbozo respecto al tema de
muestreo estratificado. Todo esto con el fin de obtener ms conocimientos
sobre el tema de muestreo y a la vez la aprobacin de la primera unidad de
esta materia. Se parti desde la lectura y seleccin de temas y trminos
bsicos, hasta llegar al tema especifico que se deseaba estudiar. Se hace
connotar que es de relativa importancia un estudio previo de introduccin a la
estadstica para poder comprender lo que es en si el muestreo estratificado.
Cada uno de los participantes miembros de este grupo, procedi a la
investigacin e indagacin individual, para as reunir entre toda la informacin
relevante y as concluir en un resumen, que compone el cuerpo de este trabajo.
La estadstica es una ciencia muy importante en la vida cotidiana, y gracias a
esta se puede recolectar datos y generar conclusiones de las informaciones
aportadas por esta, lo que permite comprobar y anticipar hechos, mostrar
probabilidades, entre otros, para ello partimos desde el estudio de los trminos
ms bsicos, conceptos, definiciones, entre otros, luego de que sinteticemos
tericamente lo ms elemental entrar en materia de lo que es en si el muestro
estratificado. Se reflejarn unos ejemplos que ayuden a comprender mas e
igualmente, se detallan las ventajas y desventajas.
A continuacin se presenta en forma de sntesis el resultado de esta
investigacin tcnica desarrollada con el fin de cumplir los recaudos
necesarios para la aprobacin de la unidad, que concluye con la presentacin y
defensa de este informe.

2. ANTECEDENTES
Segn Rao (2005), el primer personaje interesado en el mtodo representativo
(mas adelante conocido como teora de muestreo) fue el estadstico noruego
A.N. Kaier (1897) puesto que demostr empricamente que seleccionado
muestras estratificadas se obtienen mejores resultados en los estimativos de
medias y totales. En 1906, Bowley utiliza aproximaciones a la distribucin
normal para la estimacin de proporciones y propone la formula de la
estimacin de la varianza para diseos de muestreo estratificados. Para la
dcada de 1920, el mtodo representativo era usado de manera difundida en
Estados Unidos y alrededor del mundo. Fue as como en 1924, el ISI (Instituto
Internacional de Estadistica, por su traduccin del ingles al espaol) crea una
comisin de discusin de este mtodo. Los resultados de este comit incluyen
el trabajo de Bowley (1926) basado en mtodos de seleccin representativos
con probabilidades de inclusin iguales. Con estos avances teoricos y con la
publicacin de tablas de nmeros aleatorios por Tippett (1927) se facilit la
seleccin de muestras probabilsticas. En ese mismo ao, Hubback reconoce la
necesidad de utilizar este enfoque en los estudios agrcolas puesto que:

1.

Evita los posibles sesgos personales

2.

Es posible determinar un tamao de muestra tal que satisfaga un

margen de error determinado por el investigador.

El trabajo inicial de R.A. Fisher fue influenciado por Hubback. El trabajo de

Bowley junto por el reporte del ISI hicieron que Neyman examinara las
mismas bases de la inferencia en poblaciones finitas. En particular, el artculo
de Neyman (1934) es considerado como uno de los pilares en donde
descansan los fundamentos del muestreo como se conoce hoy en dia. Al
respecto Lesly Kish, en un comentario al artculo de Smith (1976), asegura
que Neyman hizo siete grandes contribuyen al muestreo:

1. Propuestos la asignacin de Neyman para el tamao de muestras con

diseos estratificados.
2. Descubri que el muestreo por conglomerados puede realizarse
basado en un esquema probabilstico tal que las varianzas de los
estimadores resultantes pudieran ser calculadas o estimadas.
3. Para que lo anterior se tuviera, se necesita una muestra grande de
unidades.
4. Para seleccionar una muestra grande es crucial definir un marco de
seleccin de nmeros aleatorios.
5. El conocimiento subjetivo del comportamiento de la poblacin
puede usarse para formar subgrupos poblaciones o estratos
6. Un esquema de seleccin probabilstico es mejor que un esquema de
seleccin a conveniencia
7. Para convencer a los escpticos acerca de la validez de sus
afirmaciones, se dispuso a realizar ejemplos prcticos con encuestas
verdaderas a gran escala
La nueva teora de Neyman revoluciono el mundo del muestreo y lo libero del
paradigma de inclusin igual. El introdujo, en un solo artculo, las ideas de
eficiencia, asignacin ptima, , generalizacin del teorema de Markow,
muestreo por conveniencia se lleva a conclusiones equivocadas. Ms adelante
Neyman propuso el muestreo en dos fases, Smith (1991) afirma que el
muestreo con probabilidad proporcional y el muestreo en varias etapas son
resultados de las ideas de Neyman. As mismo propuso realizar la inferencia
para muestras grandes basado en la teora de los intervalos de confianza (sin
tener en cuenta las propiedades de la poblacin finita, fuesen cuales fuesen)
cualquier mtodo que satisficiera los anteriores supuestos era llamado
representativo.
En 1939, cochran hace varios aportes significativos: introduce el uso del
ANOVA para estimar la ganancia en eficiencia debida a la estratificacin,
propone la estimacin de la varianza para encuestas de dos etapas y rene los

componentes para realizar estimacin por regresin bajo muestreo en dos

fases. Tambien introduce el concepto de super-poblacion la poblacin finita
podra ser vista como una muestra aleatoria de una poblacin infinita. Mas
adelante, Cochran introduce el estimador de razn y desarrolla la teora de
estimacin de totales y medias mediante modelos de relacin. En 1994 ,
Madow y Madow introduce la teora del muestreo sistematico.
Mientras tanto en india, Mahanolobis funda el instituto indio de estadistica en
donde hace grrandes aportes formulando expresiones de la varianza de
estimadores en function del costo de una encuesta. Varios textos surgieron
despues de la decada de 1940 en donde se trataba el problema de la seleccion
de muestras y estimacion y de parametros en poblaciones finitas sin
reemplazar y desarrollaron un elegante tratamiento del muestreo completando
asi las bases de la inferencia basada en el dise;o de muestreo
La inferencia basada en el diseo (sarndal, swensson y wretman 1992)
realizanlas estimaciones de los parmetros dependiendo del diseo de
muestreo escogido para seleccionar la muestra sin tener en cuenta las
propiedades de la poblacin finita.
Asi por ejemplo estimador del total poblacional ty estar dado por:

En donde dk es una ponderacin incluida por el diseo de muestreo. Bajo esta

perspectiva, los valores yk son tomados como la observacin en el individuo k
de la caracterstica de inters y. sin embargo, y no se toma como una variable
aleatoria, sino como una cantidad fija.
Desde ese punto hasta nuestros das han aparecido avances y aportes y nuevas
teoras de seleccin de mestras y de estimacin de parmetros mantenimiento
la filosofa de la inferencia basada en el diseo de muestreo. Rao (2005) cita
algunas de ellas por ejemplo: muestreo en varias ocaciones, muestras tipo
panel, estimacin de funciones de distribucin y cuantiles, estimaciones en
dominios pequenos, entre otras.

Porotro lado, al mismo tiempo Rao (1955) prueba el siguiente teorema que
pone en tela de juicio el concepto de eficiencia el que Neyman se refera
puesto que prueba que prueba que, bajo la inferencia basada en el diseo de
muestreo, no existe un estimador insesgado de varianza minima.

3. JUSTIFICACION
Se recomienda cuando se tiene un conocimiento a priori de la
poblacin.
Cuando se trata de elementos poblacionales susceptibles de ser
clasificados.
Cuando hay inters en obtener informacin a nivel de las
subpoblaciones.

4. RESUMEN
4.1. Muestreo estratificado
Consiste en la divisin previa de la poblacin de estudio en grupos o clases
que se suponen homogneos con respecto a alguna caracterstica de las que se
van a estudiar. A cada uno de estos estratos se le asignara una cuota que
determinara el nmero de miembros del mismo que compondrn la muestra.
Dentro de cada estrato se suele usar la tcnica de muestreo sistemtico, una de
las tcnicas de seleccin ms usadas en la prctica.
Segn la cantidad de elementos de la muestra que se han de elegir de cada uno
de los estratos, existen dos tcnicas de muestreo estratificado:

Asignacin proporcional: el tamao de la muestra dentro de cada

estrato es proporcional al tamao del estrato dentro de la poblacin.

Asignacin ptima: la muestra recoger ms individuos de aquellos

estratos que tengan ms variabilidad. Para ello es necesario un
conocimiento previo de la poblacin.

Por ejemplo, para un estudio de opinin, puede resultar interesante estudiar

por separado las opiniones de hombres y mujeres pues se estima que, dentro
de cada uno de estos grupos, puede haber cierta homogeneidad. As, si la
poblacin est compuesta de un 55% de mujeres y un 45% de hombres, se
tomara una muestra que contenga tambin esos mismos porcentajes de
hombres y mujeres.
Para una descripcin general del muestreo estratificado y los mtodos de
inferencia asociados con este procedimiento, suponemos que la poblacin est
dividida en h subpoblaciones o estratos de tamaos conocidos N1, N2,..., Nh tal
que las unidades en cada estrato sean homogneas respecto a la caracterstica
en cuestin. La media y la varianza desconocidas para el i-simo estrato son
denotadas por mi y si2, respectivamente.

5. OBJETIVOS
5.1. Objetivo general
Al presentar este trabajo se espera que el curso est en capacidad de realizar
diseos mustrales descriptivos adecuados y con capacidad para reflexionar
sobre los parmetros requeridos en el diseo.
El estudiante estar en capacidad de aplicar mtodos apropiados de la
inferencia estadstica paramtrica para obtener conclusiones poblacionales a
partir de los resultados logrados en una muestra.

5.2. Objetivo especifico

1. Adquirir destrezas en el manejo de formulas y problemas con muestreo
estratificado.
2. Transmitir los conocimientos adquiridos por medio de este trabajo.

6. DESARROLLO DEL TEMA

6.1. Introduccin al tema:
Para aplicar este diseo, se precisa que la poblacin est dividida en
subpoblaciones, estratos, que no se solapen. Se selecciona una muestra
probabilstica en cada estrato y se trabaja de manera independiente entre
estratos.
6.1.1. Razones de la popularidad de este mtodo:
Permite realizar estimaciones de precisin especfica en cada estrato;
En un experimento, los aspectos prcticos relacionados con la respuesta, la
medida o la informacin auxiliar pueden diferir considerablemente de una
subpoblacin a otra.
Existirn razones administrativas, divisin territorial,....
6.1.2. Cuestiones tcnicas que plantea este muestreo:
i) Construccin de Estratos: Los objetivos del estudio y los recursos
disponibles contestarn las siguientes cuestiones Qu caractersticas utilizar
para dividir la poblacin en estratos?; Cmo se identificarn los estratos?;
Cuntos estratos debe haber?
En particular, los estratos deben estar constituidos por unidades lo ms
homogneas posibles; En el caso lmite de estricta homogeneidad bastara
seleccionar una sola unidad en cada estrato
ii) Eleccin de una muestra y mtodos de estimacin en cada estrato; El
proceso de muestreo se realizar de manera independiente en cada estrato
6.1.3. Ventajas de este diseo:
i) Si las mediciones dentro de cada estrato son homognes, la estratificacin
producir un lmite ms pequeo para el error de estimacin que el m.a.
ii) Se puede reducir el costo por observacin al estratificar la poblacin en
grupos convenientes.
iii) Permite obtener estimaciones de parmetros poblacionales para subgrupos
de la poblacin.
Ejemplos:
i) El I.P.C. se obtiene a partir de encuestas a:

Ciudades
Familias urbanas
Empresas de bienes y sevicios
Bienes y servicios especficos
ii) Una empresa de publicidad desea determinar cunto debe emplear en
publicidad televisiva en un municipio, para lo que decide realizar una encuesta
por muestreo para estimar el nmero medio de horas semanales que se ve la
televisin en los hogares del municipio. ste comprende dos pueblos, A y B, y
un rea rural. El pueblo A circunda una fbrica y los hogares son de
trabajadores con nios en edad escolar. El B es un suburbio de una ciudad
vecina con muchos jubilados y pocos nios. El A tiene 155 hogares, el B tiene
62 y el rea rural 93.

6.2. Notacin y Definiciones:

Definicin:
Dada una poblacin U = [y1, . . . , yN ]se entiende por estratificacin una
particin
de U en L subpoblaciones llamadas estratos, U1 =[y11, ..., y1N1 ]= [yk / k
U1], . . . ,
UL =[y11, . . . , y1NL ]=[yk / k UL ], verificndose que N1 +. . . +NL =N.

6.3. Proceso para

Estratificado

realizar

un

Muestreo

6.4. Notacin especfica para este muestreo:

Nh
:
Nh
:
xih
:
Wh = Nh/N :
fh = nh/Nh:
Xh
:
Xh
:
2
Sh
:

Nmero total de unidades en el estrato h,

Nmero de unidades de la muestra en el estrato h,
Valor obtenido en la unidad i del estrato h,
Ponderacin del estrato h,
Fraccin de muestreo en el estrato h,
Media poblacional del estrato h,
Media muestral del estrato h,
Cuasivarianza poblacional del estrato h.

6.5. Estimacin de los Intervalos de Confianza

6.6. Eleccin del tamao muestral en los

estratos: Afijacin

6.7. Determinacin del tamao muestral para

un error mximo admisible e = |

|
con nivel de confianza pk:

Debe tomarse como tamao muestral n el valor entero ms prximo por

exceso al obtenido en la formula. Como puede verse en las formulas, para
determinar el tamao muestral se necesita conocer: los tamaos de los
estratos, el error y el nivel de confianza, la variabilidad de cada estrato y el
peso correspondiente a cada estrato en la muestra, es decir la afijacin usada,
la cual me determina que wh debo sustituir en cada formula.

6.8. Estratificacin a posteriori:

Si no se puede conocer el estrato al cual pertenece una unidad hasta que no se
obtienen todos los datos, se debe realizar una estratificacin a posteriori que
consiste en estudiar un carcter sobre una poblacin, de la cual se conoce otro
carcter.
El mtodo consiste en tomar una muestra de la poblacin de la cual se
obtienen los valores de los dos caracteres, el que se desea estudiar y el que se
conoce y se definen los estratos a posteriori segn la variable conocida.
Si el carcter conocido est relacionado con el que se desea estudiar, el tipo de
muestra ser representativa y conducir a mejores resultados que si no hubiera
habido estratificacin.
Sus estimadores tienen la misma frmula que los estimadores estratificados,
por ejemplo,

7. BIBLIOGRAFIA

8. FORMULARIO

9. ANEXOS