Documente Academic
Documente Profesional
Documente Cultură
POSTTULO ADMINISTRACIN DE EMPRESAS CONSTRUCTORAS ADEC 2012 Apuntes ENCUESTAS POR MUESTREO
Versin 2013
Criterios para evaluar la realizacin de estudios muestrales en comparacin con la realizacin de un censo.
Primeramente, debe tenerse presente que el objetivo principal de un censo consiste en obtener una imagen detallada y completa del nmero y caractersticas bsicas, estructurales y afines, de la poblacin y proporcionar el mayor nmero posible de detalles. En cambio, las muestras pueden disearse de manera que se obtenga una amplia variedad de datos completos que permita inferir caractersticas de la poblacin, y para los estudios de las interrelaciones y los cambios que se presentan al interior de sta. Otro aspecto a considerar, y que no se haba mencionado, corresponde a la existencia de registros (administrativos). Es de conocimiento pblico que en nuestro pas existen diferentes instituciones que recogen informacin de los ms diversos mbitos para constituir registros, los cuales est disponible para la realizacin de estudios. As, existen tres fuentes posibles para obtener informacin: Censo, Muestra y Registro. Sin embargo, es necesario tener presente que la calidad de los registros es an ms variable y pueden darse diferencias extremas en su precisin. En general, los registros pueden ser completos y precisos (por ejemplo: nacimientos y muertes en el registro civil; anotaciones de morosidad en la Cmara de comercio). Tambin pueden presentar problemas de actualizacin (direcciones de votantes en los registros electorales). An as, una de las principales ventajas de los registros es su costo dado que son otros los que pagan para su constitucin.
Pgina 2
Referencia: Kish, L (1990), Mtodos de muestreo para las encuestas agrcolas. Coleccin Fao. Desarrollo Estadstico # 3. Roma. Una vez decidida la realizacin de un estudio mediante muestreo, debemos responder otras interrogantes. A veces parece ser nica y que se refiere al tamao de muestra. Sin embargo, adems es necesario referirse al tipo de muestra y esquema de muestreo. Primeramente, se revisan algunas ideas que deben ser consideradas en la planeacin de cualquier encuesta por muestreo.
Pgina 3
cuidadosamente qu mediciones van a ser obtenidas. Si se va usar un cuestionario, planee las preguntas de tal manera que se minimice la no respuesta y el sesgo por respuesta incorrecta. 7. Seleccin y adiestramiento del personal de campo: Seleccione cuidadosamente y adiestre al personal de campo. El adiestramiento es de suma importancia si se realizan entrevistas personales (cara a cara) o telefnicas, dado que la tasa de respuesta y exactitud de las respuestas son afectadas por el estilo y/o tono de voz del entrevistador. 8. Prueba piloto: Seleccione una muestra pequea para una prueba piloto. Esta prueba es crucial, dado que permite probar en el campo un instrumento, adems de calificar a los entrevistadores. 9. Organizacin del trabajo de campo: Planee en detalle el trabajo de campo. Debe coordinar el trabajo de entrevistadores, coordinadores, supervisores y personal dedicado MUESTREO - Prof. Ricardo Aravena C. (2013) Pgina 4
Si se siguen estos pasos diligentemente, la encuesta tendr un buen comienzo y deber proporcionar informacin til para el investigador.
Pgina 5
Pgina 6
Esquemas de muestreo
La primera decisin tiene relacin al tipo de muestra a obtener: probabilstica y no probabilstica. En las muestras probabilsticas se necesitan probabilidades de seleccin conocidas distintas de cero para todos los elementos de la poblacin especificada, y por tanto es posible evaluar el error de estimacin. En cambio, las muestras no probabilsticas no requieren conocer las probabilidades de seleccin y por tanto no es posible evaluar el error de estimacin. Los mtodos ms conocidos para obtener muestras probabilsticas, que ilustraremos ms adelante, son muestreo aleatorio simple (denotado por m.a.s.), muestreo estratificado y muestreo de conglomerados, entre otros. Uno de los mtodos ms utilizados para obtener muestras no probabilsticas el muestreo por cuotas1. Otros mtodos no probabilsticas son el muestreo de juicio o dirigido, muestreo fortuito o accidental y el con nombre ms llamativo el muestreo en red o bola de nieve. Una nota aparte merece el muestreo telefnico (que no debe confundirse con la realizacin de encuestas por telfono) En este caso, el muestreo aleatorio de nmeros telefnicos para contactar a hogares plantea problemas referentes a listas y los procesos de seleccin. Este procedimiento es til en situaciones que el 90 por ciento o ms de la poblacin de inters tienen telfono. En caso contrario, estamos frente a un problema de cobertura grave. Antes de describir sucintamente cada esquema de muestreo se introducen algunos conceptos necesarios.
El muestreo por cuotas es un mtodo muy utilizado en las encuestas socio-polticas. Por ejemplo, partiendo de una seleccin de sectores, se les pide a los entrevistadores completar cuotas con personas de caractersticas especficas. Estas proporciones pueden obtenerse a partir del ltimo censo. Esta eleccin arbitraria del entrevistador hace que el muestreo por cuotas no es un mtodo cientfico. MUESTREO - Prof. Ricardo Aravena C. (2013) Pgina 7
Muestreo de elementos
Debido a que las poblaciones y sus elementos deben definirse en funcin de los objetivos del anlisis de la encuesta. Debemos responder a la pregunta: Puede hacerse la seleccin directamente y limitarse a los elementos, o bien los conglomerados (grupos naturales de elementos) de elementos deben servir de unidades de muestreo?. Como la conglomeracin aumenta la complejidad del anlisis, este procedimiento slo debe utilizarse cuando es necesario. Si se quiere que el muestreo de elementos resulte econmico, han de reunirse dos condiciones: La seleccin debe basarse en una lista adecuada de elementos (completa y actualizada) y, hay que localizar los elementos, recoger los datos de manera viable y econmica.
Pgina 8
Pgina 9
Pgina 10
An cuando el muestreo ppt es fcil de implementar al disponer de informacin adicional, se requiere que esta informacin est fuertemente relacionada con la caracterstica que se desea medir. En nuestro ejemplo, es altamente probable que el nmero de alumnos en prctica a requerir est relacionado con el nmero de empleados. Otro aspecto no menor, es que, lamentablemente, el clculo de los indicadores (promedios, proporciones, u otros indicadores) se hace un poco ms complejo.
Pgina 11
Muestreo estratificado
Una muestra aleatoria estratificada es la obtenida mediante la separacin de los elementos de la poblacin en grupos que no presenten traslapes, denominados ESTRATOS, y la seleccin posterior de una muestra aleatoria simple en cada estrato.
Un ejemplo clsico de muestreo estratificado es cuando a la poblacin objetivo corresponde a hogares de una ciudad y esta puede ser separada segn nivel socio -econmico (al menos, en tres estratos: Alta Media Baja).
La figura 1 ilustra grficamente la estratificacin del Gran Santiago en trminos del nivel de cobertura brindada, a las diferentes comunas, por las lneas del Transantiago. Aqu, los estratos estn conformados por varias comunas, las cuales son identificados por el mismo color.
Los principales motivos para utilizar muestreo estratificado en lugar del m.a.s. son: 1. La estratificacin puede producir un menor error muestral que el que se generara con una m.a.s. del mismo tamao. Este resultado es cierto si las mediciones obtenidas al interior de los estratos son homogneas. 2. El costo por medicin de la muestra puede ser reducido mediante la estratificacin de los elementos de la poblacin de inters en grupos convenientes. 3. Se pueden obtener estimaciones de parmetros poblacionales para subgrupos de la poblacin. En este caso, se requiere que los subgrupos o dominios de inters deben ser coincidentes con los estratos definidos.
Pgina 12
Uno de los ejemplos de aplicacin de muestro estratificado ms conocido es el diseo aplicado en la obtencin de medicin televisiva (ms conocido como People Meter), donde la poblacin de inters se estratifica, al menos, segn nivel socio-econmico (ABC1, C2, C3 y D). Para mayor informacin referente al diseo muestral puede revisar
www.peoplemeter.cl
Una segunda pregunta que debe responderse al decidir utilizar una muestra estratificada corresponde a la afijacin de la muestra. Es decir, como distribuir la muestra de tamao n entre los estratos.
Pgina 13
Suponga que la poblacin objetivo ha sido dividida en L estratos. Los mtodos disponibles son: i. Afijacin proporcional. Se asigna a cada estrato la fraccin muestral correspondiente a su participacin proporcional en la poblacin. Es el mtodo ms conocido y la muestra resultante se denomina auto-ponderada. ii. Afijacin general. Con base al conocimiento del investigador, asigna las fracciones segn su parecer. Por ejemplo, hace un tiempo en la muestra del People meter, se asignaban 100 casos a cada uno de los cuatro estratos que la poblacin se divida (segn el nivel socio-econmico), independiente de su participacin poblacional. La muestra obtenida no es auto-ponderada y para la obtencin de estadsticas muestrales se requiere de pesos o ponderaciones de cada observacin. iii. Afijacin optimizante. En este caso, a cada estrato se asigna la fraccin muestral en directa relacin a su variabilidad. En este caso, se requiere disponer de indicadores de variabilidad en cada estrato.
Un problema, no menor, que se enfrenta al definir el esquema de muestreo, corresponde a la situacin donde los elementos de inters no estn a la vista. En este caso, las unidades muestrales visibles contienen varios elementos. En este caso, se dice que existen conglomerados. Por ejemplo, si el inters es determinar la tenencia de cierto bien en las viviendas de una comuna. Las manzanas de la comuna conforman conglomerados de viviendas. Este tipo de problemtica es recurrente en la aplicacin de encuestas sociales. La respuesta se esboza a continuacin.
Pgina 14
Muestreo de Conglomerados
Si se desean opiniones o preferencias personales, un procedimiento ms econmico, especialmente en reas urbanas, puede ser muestrear familias especficas, edificios o manzanas de la ciudad, en lugar de individuos. Las opiniones o preferencias personales pueden ser obtenidas de cada persona elegible dentro de cada unidad muestreada (por ejemplo, manzanas). Esta tcnica se denomina Muestreo de Conglomerados (tambin suele denominarse Muestreo Por Conglomerados). La figura 3 ilustra grficamente la seleccin de manzanas de Santiago Centro. FIGURA 2 SELECCIN ( ) DE MANZANAS (CONGLOMERADOS)
Pgina 15
El nmero de etapas depender de la forma de recoleccin de datos sobre el terreno y la estructura de los conglomerados. Un buen ejemplo de muestreo de conglomerados estratificados lo pueden encontrar en www.casen.cl. MUESTREO - Prof. Ricardo Aravena C. (2013) Pgina 16
Pgina 17
n'
z P(1 P)
n' , 1 n' / N
donde N es el tamao poblacional. Ntese que la expresin depende de z y P. Aqu, z representa una constante que se obtiene de la distribucin normal estndar y est asociada al nivel de confianza. En cambio, P es lo que se desea estimar y por tanto no se conoce (es un error?) Con respecto a la constante z, si se desea determinar el tamao de muestra necesario para estimar una proporcin con un 95% de confianza, la constante z es igual a 1,96. En cambio, si se relaja el nivel de confianza, por ejemplo a un 90%, la constante alcanza el valor de 1,645. Por el contrario, si se es ms exigente y se desea un 99% de confianza, la constante z es igual a 2,58. A su vez, el parmetro P es desconocido y es el principal objetivo. Sin embargo, en realidad la expresin que interesa evaluar es P(1-P). Ntese que este trmino esta acotado para los diferentes valores que P. Dado que 0 < P < 1, implica que la expresin P(1-P) alcanza un valor mximo igual a 0,25 cuando P=0,5.
Pgina 18
n'
16,32 266,8
Es decir, se requerira como mnimo visitar 267 viviendas. Al aplicar la correccin por poblacin finita, se tiene:
200,2 ,
Es decir, la no despreciable cantidad de al menos 201 viviendas. ii. Aplicamos nuevamente las frmulas, pero ahora con P=0,3.
n'
14,97 2 224,09
Es decir, a 176 viviendas. Comparativamente la disminucin es nada de despreciable (y cuantificable econmicamente) cuando se dispone de algo de informacin.
Pgina 19
aproximadamente a 74 mil. O bien, c) La totalidad de viviendas de la Regin Metropolitana que supera levemente el milln de viviendas. Es claro que el n es idntico al obtenido anteriormente, slo debemos aplicar las correcciones por poblacin finita. As,
a) n b) n c) n
235,6 266,04
Se puede apreciar claramente, que en poblaciones que superen las 20 mil unidades, en la determinacin del tamao muestral el tamao de la poblacional no importa.
Pgina 20
n'
n' , 1 n' / N
donde N es el tamao poblacional. Aparentemente la expresin es ms simple, pero depende del parmetro , que representa la variabilidad de la caracterstica (continua) que desea estimarse. Si se tiene conocimiento relativo a , la determinacin del tamao muestral es fcil. Sin . A lo ms, en algunas
circunstancias se tienen ciertas ideas sobre la variabilidad de la variable de inters. Posibles soluciones: a) Definir el error de estimacin en trminos de . b) Poblaciones equivalentes. En ms de una oportunidad, se desea estimar una caracterstica para la cual se dispone de informacin en poblaciones parecidas. El conocer s equivalentes pueden servir para acotar el valor de a utilizar. c) Normalidad. Si asumimos que la variable se comporta como una distribucin normal, es bien sabido que entre 95% de la poblacin. O bien, entre y y se encuentra aproximadamente el se encuentra el 99,7% de la
poblacin. As, con cierto conocimiento de valores mnimos y mximo para la variable de inters se dispone de aproximaciones para d) Muestras pilotos. Si estamos frente a una variable de inters en que no existen poblaciones equivalentes y desconocemos su comportamiento, o su posible MUESTREO - Prof. Ricardo Aravena C. (2013) Pgina 21
egresados universitarios del ao pasado promedio 28 aos con una desviacin de 6 aos. d) Suponga distribucin normal, con edades entre 20 y 50 aos. Solucin Al utilizar la frmula correspondiente:
2
a) n'
1,96x4 0,5
15,7 2
211,3
n'
1,96x /6
2
11,8 2
c) n'
1,96x6 0,5
23,5 2
404,6
Pgina 22
n'
1,96x5 0,5
19,6 2
306,4
Opcionalmente, se podra adoptar una posicin ms conservadora. En este caso se asume que entre el valor mnimo y valor mximo slo se cubre el 95%. As, dado que ( , cubre el 95%, se tiene:
n'
1,96x7,5 0,5
29,4 2
864,4 aplicandocpf n
548,6
En resumen, se tienen 5 soluciones diferentes debido a que los requerimientos, supuestos y la informacin disponible difieren.
Pgina 23