(Estadística Inferencial)

CÁLCULO DE ERRORES MUESTRALES

EN ENCUESTAS CON DISEÑOS
COMPLEJOS Y SU EMPLEO PARA
ANALIZAR DATOS
 Qué es el “error muestral” ?

 Es el error que surge por estudiar a una parte de la población

 Diferencia entre el valor del parámetro y el estimado, por lo
tanto su magnitud es desconocida e imposible de determinar.
 Si la muestra está seleccionada de forma probabilística es
posible controlar su magnitud y dar una estimación del mismo.
 Permite hablar de la “precisión” en una muestra.
 Qué es el “error muestral”? (continuación)
•Muestra 1 •Muestra 2 •Muestra 3 •Muestra ..

....

•Promedio muestral

• Parámetro

 La magnitud de esa variación se la denomina Error Muestral, para un estadístico, un tamaño de

muestra y un tipo de diseño dados.
 Qué es el “error muestral”? (continuación)

A)

B)

Estimación Muestral

Parámetro
Tamaño de muestra de A menor que de B

 El Error Muestral para un estadístico y un tipo de diseño dado disminuye según aumente el tamaño
de la muestra
 Cómo evaluar la Precisión o el Error Muestral?
 Existen distintos termómetros para fijar una precisión en
una estimación:

1. Desviación Estándar del estimador

2. Varianza del estimador
3. Coeficiente de Variación del estimador
4. Margen de Error
5. Intervalo de Confianza
6. Deff o Efecto de Diseño
 Qué es la DE de un estimador?
 Es el elemento principal para diseñar “termómetros” que
permiten evaluar la calidad de la estimación y definir el
error muestral y otras medidas de precisión

 Si la muestra es probabilística se los puede estimar a

partir de la muestra en sí misma

 La DE del estimador se mide en la misma escala que la

variable que se está investigando

 Valores pequeños indican buena precisión

 Para que esta sea buena depende de ciertos parámetros

de la distribución de la variable en la población
  Qué es el CV?
 Es un termómetro con una escala mas “popular” y que
nos permite hablar de la precisión en una estimación.

 Su formulación permite relacionar en forma relativa al DE

y la estimación propiamente dicha. CV=DE/estimación.

 Este termómetro dice que las estimaciones andan bien si

el valor de:

C.V. CALCULADA PRECISION OBTENIDA
Hasta 5% Muy buena
6% a 10% Buena
11% a 20% Aceptable
Más de 20% Sólo referencial
 Qué es el “margen de error” ? (continuación)

95% de las estimaciones

sobre todas las
muestras posibles

Márgenes de Error

Tamaño de muestra fijo, bajo un mismo diseño muestral y para un porcentaje

de muestras igual a 95%
 Cómo se determina el “Margen de Error”?
(Promedio, MSA)

 A partir del desvío estándar estimado, una constante que

depende del nivel de confianza y el tamaño de la muestra.
Para el caso de un nivel de confianza del 95% se tiene:

ET= Error
s
 1.96 típico

n
 Qué es el “Efecto de Diseño” ?

 Es el incremento (o disminución) del DE a causa de emplear

un diseño muestral por conglomerados.
 Ideal si existen diseños multietápicos por conglomerados.
 Si los tamaños de los conglomerados son aproximadamente
iguales este incremento viene dado por:
1   (n  1)
 Es la mejor medida que puede disponer el muestrista por el
tipo de información que resume.
 Es compleja de interpretar o tratar por los usuarios.
 Puede ser empleado cuando los datos buscan satisfacer
propósitos descriptivos y analíticos
 CÁLCULO Y PRESENTACIÓN
DE LOS ERRORES MUESTRALES
 Software utilizados

 CENVAR, IMPS V4.1 (BUREAU OF CENSUS - FREE)

 STATA

 SPSS

 PC-CARP

 VPLX (BUREA OF CENSUS - FREE)

 EPI-INFO (OMS - FREE)

 PASOS A SEGUIR

 PREPARAR LA BASE DE DATOS

 STRATA ESTRATO
CONCEPTO LIGADO A LA PARTE DE MUESTREO:
CONJUNTO DE VIVIENDAS Q PROVIENEN DE
 CLUSTER CONGLOMERADO DIFERENTES ESTRATOS SOCIECONOMICOS, DEBIENDO
SER HETEROGENEOS Y ENTRE CONCLOMERADO DEBE
SER HOMOGONEO

 SAMPLE WEIGH FACTOR DE EXPANSIÓN

 OBTENER TABLAS DE RESULTADOS

 FRECUENCIE

 DESCRIPTIVES

 CROSSTABS

 RATIOS
Tabla de frequencias: Tipo de Vivienda

La vivienda que ocupa su hogar es :

95% Confidence
Interval
Standard Coefficient Design Unweighted
Estimate Error Lower Upper of Variation Effect Count
Alquilada 7.1% .3% 6.5% 7.8% .049 3.576 1279
Propia, totalmente pagada 73.5% .6% 72.4% 74.7% .008 3.284 14482
Propia, por invasión 3.4% .3% 2.9% 3.9% .080 4.341 715
Propia, comprándola a plazos .5% .1% .3% .7% .193 3.531 95
Cedida por el centro de trabajo 1.6% .2% 1.2% 2.1% .134 5.804 322
Cedida por otro hogar o
13.8% .4% 13.1% 14.6% .028 2.387 2672
institución
Otra forma .1% .0% .0% .1% .267 1.064 20
Total 100.0% .0% 100.0% 100.0% .000 . 19585
 La vivienda que ocupa su hogar es :

95% Confidence
Coefficient
Interval
Standard of Des ign Unweighte
domin Estimate Error Lower Upper Variation Effect d Count
Cos ta Alquilada 8.5% .6% 7.4% 9.8% .071 4.679 521
(Incluye Lima Propia, totalmente pagada 68.5% .9% 66.7% 70.3% .013 3.891 5191
Metrop.)
Propia, por invas ión 5.8% .5% 4.8% 6.8% .088 4.755 586
Propia, comprándola a plazos .6% .2% .4% 1.0% .251 3.918 52
Cedida por el centro de trabajo 1.5% .3% 1.0% 2.2% .211 6.659 104
Cedida por otro hogar o
15.0% .6% 13.9% 16.3% .041 2.984 1113
institución
Otra forma .0% .0% .0% .1% .578 1.245 5
Total 100.0% .0% 100.0% 100.0% .000 . 7572
Sierra Alquilada 5.5% .4% 4.8% 6.3% .069 1.975 484
Propia, totalmente pagada 78.5% .8% 77.0% 80.0% .010 2.541 6073
Propia, por invas ión .7% .1% .4% 1.0% .205 2.016 70
Propia, comprándola a plazos .3% .1% .1% .7% .393 3.418 22
Cedida por el centro de trabajo 2.0% .4% 1.4% 3.0% .195 5.715 157
Cedida por otro hogar o
12.9% .5% 11.9% 13.9% .040 1.735 1087
institución
Otra forma .1% .0% .1% .2% .336 1.038 12
Total 100.0% .0% 100.0% 100.0% .000 . 7905
Selva Alquilada 6.2% .6% 5.2% 7.4% .092 1.346 274
Propia, totalmente pagada 79.4% 1.1% 77.2% 81.4% .013 1.667 3218
Propia, por invas ión 1.5% .4% .9% 2.7% .291 3.111 59
Propia, comprándola a plazos .4% .2% .2% .9% .378 1.514 21
Cedida por el centro de trabajo 1.0% .2% .7% 1.6% .226 1.259 61
Cedida por otro hogar o
11.4% .7% 10.0% 12.9% .065 1.304 472
institución
Otra forma .1% .1% .0% .3% .660 .854 3
Total 100.0% .0% 100.0% 100.0% .000 . 4108