La gran mayoría de las investigaciones trabajan con datos, los
cuales pueden obtenerse a través de la observación de una o más
variables en una población o muestra. Si bien una muestra puede
ser cualquier conjunto de una población, conclusiones válidas sobre
esta última sólo podrán garantizarse de ser la muestra
probabilística, es decir, en las que cada unidad seleccionada tenga
una probabilidad conocida de ser tomada. Este texto introduce las
principales técnicas para seleccionar y analizar este tipo de muestras
cuando la población es finita. La finitud es aquí relevante, pues hace
que el desarrollo de estas técnicas se oriente más por un enfoque
basado en el diseño. En él, la aleatoriedad de los resultados es
producto del proceso de selección de la muestra y no de la
consideración de que la o las variables de interés provienen de un
hipotético modelo poblacional como se acostumbra asumir en la
inferencia clásica. Aparte de las técnicas o esquemas de muestreo
básicos como el del muestreo aleatorio simple, el muestreo
estratificado y el de conglomerados, el texto introduce algunos
tópicos de muestreo complejo. Este, que en la práctica es el
esquema más utilizado, se origina cuando debido a las restricciones
presupuestales y logísticas o la configuración y tamaño de la
población se hace necesario el restringir o combinar dos o más
esquemas básicos ya sea que las selecciones se hagan con igual
probabilidad o no. Parte central y transversal del desarrollo del
texto será el uso del software libre R, con principalmente los paquetes
survey y sampling. El texto incluye también varios ejercicios
propuestos y soluciones o sugerencias a todos los problemas pares.
Muchos de los ejemplos desarrollados en el texto y de los ejercicios
planteados se basan en datos reales locales o foráneos de dominio
público.
Author(s): Luis Valdivieso Serrano
Series: Notes on sampling techniques
Publisher: Pontificia Universidad Católica del Perú (PUCP) - Departamento de Ciencias
Year: 2020
Language: Spanish
Commentary: Publicación disponible en: https://departamento.pucp.edu.pe/ciencias/ investigaciones-y-publicaciones/publicaciones-del-departamento/
Pages: 254
City: Lima
Tags: Statistics; Estadística; Muestreo; Sampling; Muestra estadística; Técnicas de muestreo
Presentación
Indice general
Capítulo 1
Introducción
1.1. Enfoque basados en el diseño y el modelo
1.2. Estimadores puntuales y por intervalos
1.3. Distribuciones importantes asociadas al muestreo
1.4. Esperanza, varianza y coravianza condicional
1.5. Selección de muestras al azar con y sin reemplazamiento
1.6. Ejercicios
Capítulo 2
Muestreo aleatorio simple
2.1. Muestreo con y sin reemplazamiento
2.2. Tamaños de muestra y errores de estimación
2.3. Aspectos computacionales y el paquete survey
2.4. Ejercicios
Capítulo 3
Muestreo aleatorio estratificado
3.1. Introducción
3.2. Teoría del muestreo aleatorio estratificado
3.3. Pesos de muestreo y efectos de diseño
3.4. Tamaños de muestra
3.5. Dominios
3.6. Uso del paquete survey
3.7. Ejercicios
Capítulo 4
Muestreo por conglomerados
4.1. Teoría del muestreo por conglomerados
4.2. Muestreo por conglomerados de una etapa
4.3. El estimados de razón
4.4. Estimación de una proporción
4.5. Muestreo por conglomerado bietápico
4.6. La correlación intraclase y el efecto de diseño
4.7. Muestreo sistemático
4.8. Tamaños e muestra para diseños multietápicos
4.9. El estimador de Horvitz-Thompson
4.10. Muestreo ppt
4.11. Muestreo secuencial ppt
4.12. Muestreo sin reemplazamiento con probabilidades desiguales
4.13. Muestreo por conglomerados para la población api
4.14. Diseños por conglomerados ppt para la población penal
4.15. Ejercicios
Capítulo 5
Una introducción al muestreo complejo
5.1. Pesos de muestreo
5.2. Estimadores no lineales
5.3. Efectos de diseño y consideraciones prácticas para obtener tamaños de muestra
5.4. Estimación de la varianza
5.5. Una introducción al análisis estadístico con muestras complejas
5.6. Ejercicios
Apéndice A
Sugerencias o respuestas a los problemas pares
Capítulo 1
Capítulo 2
Capítulo 3
Capítulo 4
Capítulo 5
Bibliografía
