UNIVERSIDAD CENTRAL DEL ECUADOR

FACULTAD DE CIENCIAS ECONÓMICAS

CARRERA DE ESTADÍSTICA

MUESTREO

TEMA: MUESTREO SISTEMÁTICO

INTEGRANTES:
AULA: 41
Yadira Arias
Alexander Camacho 5TO SEMESTRE
José Chipantagsi
Jennifer Velásquez GRUPO: N°9
Muestreo Sistemático
 Tomar aleatoriamente un
cierto número i, que
designará en una lista
población de N elementos al
primero que va a formar
parte de la muestra

de manera rígida o
sistemática se van tomando así sucesivamente hasta que
el elemento i+k, que está k hasta agotar los elementos
lugares después del i-ésimo disponibles de la lista o
en la lista, el i+2k, que está población.
2k lugares después
Ventajas
 Es mas fácil obtener la muestra y a menudo
más fácil ejecutando errores
 Intuitivamente el muestreo sistemático
aparece como más preciso que el muestreo
simple aleatorio
 Determinación del tamaño de
El tamañomuestra
de la

Ejemplo
población N para obtener
una muestra de tamaño
n, siendo N múltiplo de
n, N=n=kn, habrá de
N=1000 fr=N/n=1000/25=40
elegirse aleatoriamente,
n=25
como origen o primer
elemento, un número
entre 1 y k;K recibe el Después de esto nos dirigiremos a las tablas de
nombre de intervalo de números aleatorios buscamos un número de 1 a 40
selección que se verifica y a partir de los demás de 40 en 40
completaríamos hasta obtener la muestra de 25.

i+(n-1)k ≤ nk=N
Extensión o Estratificación

Esto es beneficioso
Sin embargo, todos
para la
Si cada grupo de k los elementos
representatividad de
elementos seleccionados
la muestra cuando
consecutivos a ocupan el mismo
haya rachas o
partir del primero se lugar en el número
estratos sucesivos
considera como un de orden dentro de
constituidos por
estrato cada grupo de k
elementos iguales o
elementos.
parecidos entre sí.
Ejemplo

 Por ejemplo:
 N=80 k=N/n=80/20=4
 n=20
 Ahora tomaremos un aleatorio entre 1 y 4 en la cual la muestra estará
constituida por:
 3,3,3,3,0,0,0,0,1,1,1,1,8,8,8,8,……
 Dando una muestra sistemática de intervalo K=4
 un caso de muestreo por conglomerados, suponiendo que la población
constituida por k conglomerados, cada uno de n elementos:
La probabilidad de selección
de un elemento poblacional
cualquiera será igual a la de Si no hay
que resulte elegido el reemplazo Si hay
reemplazo
conglomerado que lo
contiene es:
1/k=n/N.
la probabilidad
de selección
de cualquier
grupo dado de
n elementos
es
 Solo pueden resultar
elegidos los grupos que
constituyen los
conglomerados antes Cualquier otro tipo de grupo,
definidos, ya que fijado un probabilidad de cero.
elemento de la muestra
quedan determinados los
restantes.

Cada uno de estos

conglomerados tiene 1/k
como probabilidad de
selección
 En la práctica N puede no ser múltiplo de n, de lo cual las posibles muestras tendrían
tamaño diferente, y n, será el menor número que multiplicado por k da un resultado
mayor que N, para las h primeras muestras, siendo h=N-(n-1)k.

• Por ejemplo:
N=75, k=8, habrá h=3 muestras de tamaño 10 y cinco
de tamaño 9
 Si los elementos de la
población son aleatorios,
la selección sistemática La variabilidad de las
equivale a un muestreo muestras sistemáticas
aleatorio simple. Muchas suele ser mucho menor
veces no es posible que las muestras
cerciorarse de dicha aleatorias y menor que las
aleatoriedad para ver si es estratificadas.
lícito admitir tal
equivalencia.
 Varianzas en muestras sistemáticas
Fórmulas a
desarrollarse 𝑛
  2
1−𝑓
𝑣𝑎𝑟 ( ´𝑦 )=
𝑛
2 ∑ ( 𝑦h𝑎 − 𝑦h𝑏)2
h

Si n es impar, se selecciona al azar uno de los elementos y se utiliza dos veces,

con los que se tiene (n+1)/2

𝑚´
  1− 𝑓 2
𝑣𝑎𝑟 (´𝑦 )= ∑ ( 𝑦h𝑎 − 𝑦h𝑏)
𝑛 (2𝑚 ´) h
 Modelo de diferencias
sucesivas
una modificación del modelo anterior en las que se utilizan (n-1). La varianza se calcula como:

𝑛− 1
  1− 𝑓
𝑣𝑎𝑟 (´𝑦 )= ∑ ( 𝑦𝑜 − 𝑦𝑔 +1)2
2 𝑛(𝑛 − 1) 𝑔

Para cada estrato también necesitaremos la varianza por elemento tomada

alrededor de la media de la muestra.
 La varianza de la media de la
muestra
𝐻 2
  𝑤h 2 2
𝑣𝑎𝑟 (´𝑦 )=∑ [ 𝑣 h +(1 − ´
𝑚h  )( 𝑦
´   − 𝑦
´   𝑤 )]
h 𝑚h´

Donde mh´= mh(nh-1)/nh

En Muestreo
Proporcional
𝐻
  1−𝑓 2
𝑣𝑎𝑟 ( ´𝑦 )= 𝑦h𝑖 − 𝑦 𝑤   ´ ¿¿
− 𝑚h 𝑚h
2∑
( ´ )
𝑚𝑤 h
Estimadores y su precisión
Tomaremos
  la media de la muestra sistemática:

Con esta notación se indica que la muestra i-ésima de las k pueden elegirse.
Este estimador es insesgado, ya que su esperanza matemática es:
  
También será insesgado el estimador de la proporción poblacional, que
es la muestral:

En donde las solo pueden tomar los valores de cero a uno

Cuando
  el tamaño de la población no sea múltiplo del de la muestra, la
media ya no será un estimador insesgado de la media poblacional.

 Para evitar el sesgo habría que dar a r muestras la probabilidad a las k-r
muestras restantes.
  Se verifica con:

 Ahora
Cuasi-varianza
  poblacional:

La intra-cuasi-varianza:
Siendo:
 
  Y por tanto tenemos que la varianza de la media seria la siguiente:

La expresión de la varianza de la media es:

La comparación
  del muestreo sistemático con el aleatorio simple puede efectuarse
introduciendo el coeficiente de correlación entre los elementos de un mismo
conglomerado.

La expresión del coeficiene de correlación interclásica, se tiene:

  La expresión de eficiencia de muestreo sistemático es:

El muestreo sistemático será mas o menos preciso que elestratificado

según que Rw sea inferios o superior
Estimadores
  del error de muestreo.
Cuando la selección es sistemática no es posible estimar insesgadamente la varianza a
partir de una sola muestra.
Sin embargo Kish (1965) propone la siguiente fórmula para la estimación de la varianza
de la media:

Si n es impar, se toma aleatoriamente otro elemento y se le emplea dos veces,

formando (n+1)/2 pares y sustituyendo por n(n+1)
 Estimadores del error de muestreo

Así como en el muestreo aleatorio simple, en el estratificado aleatorio y en los muestreos por
conglomerados y por etapas, para ciertos estimadores, es posible estimar insesgadamente a
varianza a partir de una sola muestra, esto no es posible cuando la selección es sistemática.
Kish(1965) ha propuesto tomar como estimación de la varianza de la media la siguiente fórmula:

 𝑁 𝑛/ 2
−𝑛 1 2
2∑
( 𝑦h𝑎 − 𝑦h𝑏 )
𝑁 𝑛 h =1

 Si n es impar, se toma aleatoriamente otro elemento y se le emplea dos veces, formando
(n+1)/2 pares y sustituyendo por n(n+1).
 Casos Particulares del Muestreo
Sistemático
Vamos a considerar los siguientes casos particulares importantes

1. Población con Tendencia Lineal

Se expresa de la siguiente forma:

 ^ 𝑁 +1 2
𝑆 =¿ ¿
 
𝑌 =𝑎+
2

Cuando la población esta dividida en estratos compuestos por cada grupo de k

elementos consecutivos a partir del primero.

Expresiones de las varianzas de la media en los siguientes

muestreos:
Muestreo Aleatorio Muestreo Estratificado Muestreo Sistemático
Simple Aleatorio
2 2
 𝑘 − 1  𝑘 − 1
 
¿¿ 12 12 𝑛

Cochran (1953)
 Según este caso, la mayor precisión corresponde al muestreo
estratificado aleatorio en tendencia lineal.
Yates (1948) Propuso corregir la estimación de la media multiplicando el
primero y le último elemento representado de esta forma:
  ( 2 𝑖 −𝑘 −1 )
1+
2𝑘
Esto con fin de eliminar el efecto de la tendencia lineal.

2. Población con Correlación Serial

Cochran (1946) obtuvo resultados numéricos para la precisión relativa del muestreo
estratificado y sistemático para poblaciones con correlaciones lineales y exponenciales.
El teorema demuestra que el muestreo sistemático da estimaciones más precisas que el
estratificado si la correlación es cóncava hacia arriba.
La expresión es la siguiente:
  𝑎1 +𝑎 1 𝑑
𝑃𝑑 =
𝑎2 +𝑎 2 𝑑
En caso particular como la recta es:
  𝑑
𝑃𝑑 =1 −
𝑎
3. Variación Periódica
Cuando la estructura de la población sea periódica es claro que en este caso la
eficiencia relativa del muestreo sistemático sería mínima en comparación con el
muestreo aleatorio simple.
El caso más favorable se presentaría cuando el intervalo de muestreo k fuese
un múltiplo impar del semiperíodo. Cochran (1953)
 Bibliografia
• COCHRAN,William;1980;Tecnicas de
Muestreo,Mexico,Editorial :Continental
• KISH,Leslie;Muestreo de
Encuestas;Mexico,Editorial Trillas