ESTADISTICA ESPAOLA Vol. 36, Nm. 135, 1994, pgs.

143 a 160

E I es qu ema d e m u es t re o co n re po sici n p arcial (SCG)

por J. L. SANCHEZ-CRESPO

RESUMEN EI esquema SCG es de fcil aplicacin, tiene siempre menor varianza esperada que el mtodo multinomial, dispone de un estimador insesgado no negativo para la varianza, se generaliza fcilmente al muestreo en dos o ms etapas, y el estimador de su varianza es siempre, ms estable que el correspondiente al mtodo multinomial. Por otro lado, el esquema SCG rnantiene las probabilidades de seleccin; es decir la probabilidad incondicional de elegir la unidad u; en cualquier seleccin es igual a la probabilidad orignal P;. Esta propiedad puede ser importante en los esquemas que utilizan rotacin de la muestra, como ha sido sealado por Fellegi (1963}. En la comparacin del esquema SCG con el de HT, utilizando el mtodo de seleccin de Brewer, en las 20 poblaciones naturales de Rao y Bayless, podemos observar una prdida media, para las 20 poblaciones consideradas en su conjunto, del 5% en cuanto a varianza esperada, con el esquema SCG. Por el contrario 1a ganancia en estabilidad del estimador de la varianza es de un 28% a favor del esquema SCG, con relacin al de Brewer. En ambos casos para g= 1, en el modelo de superpoblacin y n= 2.

f`+ I.^l>Iti l Il 1 f`,1' ^ti+ >I ^

Palabras Clave: Muestreo con probabilidades desiguales. Modelo de superpoblacin. Varianza esperada. Estabilidad del estimador de la varianza.

Clasificacin AMS: 62D05.

1.

INTRODUCCION

EI mtodo de muestreo con reposicin parcial, se debe a J. L. SnchezCrespo y J. M. Gabeiras ( 1987-1989). En este trabajo tratar de hacer una breve referencia a lo ya publicado y me centrar en aspectos que entonces no tratamos. De un modo especial en la consideracin conjunta de la varianza esperada y la estabilidad del estimador de la varianza. As, por ejemplo, si comparamos los mtodos I y II y en el primero su varianza esperada, baja un modelo de superpoblacin, es menor que con e1 mtodo II, podramos decir que bajo este aspecto el primer mtodo es preferible al segundo. Pero si la estabilidad del estimador de la varianza es mucho menor con el primer mtodo, podramos Ilegar a preferir el segundo mtodo. Dicen Cassel et al. en su libro (1977), que el requisito mnimo de estabilidad, para el est'rmador de la varianza es ser siempre no negativo. A este respecto sealan los autores citados que el estimador de la varianza de Yates-Grundy, que es siempre no negativo en ciertos casos, suele ser preferido al HT que en esos casos puede no serlo. Hay otra serie de propiedades que mencionaremos en el texto, y pueden influir en la eleccin del mtodo. Aqu ctaremos el mantenimiento de las probabilidades de seleccin ( rotacin de la muestra) (*) y!a denominada por Brewer y Hanif ( 1983), ratio estimator property, que proporciona varianza cero cuando los vaiores de las x; son exactamente proporcionales a las probabilidades de inclusin ^^ para todo i. EI estudio emprico y semi-terico de Rao y Bayless (1969) y Bayless y Rao (1970) ha sido considerado como fundamental por todos los autores en cuanto a varianzas esperadas y estabilidad del estimador de la varianza. Como ejemplo diremos que Cassel et al. dedican varias pginas de su libro de 1977 a este estudio y aclaran que el significado de enfoque emprico se refiere al clculo de varianzas con la evaluacin del estimador para cada muestra posible yenfoque semi-terico al clculo de varianzas esperadas mediante el modelo de superpoblacin.

AI cumplir el mtodo SCG los requisitos que Rao y Bayless exigieron a los rntodos participantes, me pareci muy importante incluirlo a posteriori para
(*) Ver Estadistica Espaola, vol. 29, n.^ 115, p. 12 (1987).

FL. FS(11^E;^1A I)F Ml_^F:S"t^RF:U ('^^)N kf:F'USI("1Oti E':^k(^1,-^+1_ ^ti(^^ ^^

l.-^^,

efectuar comparaciones con ios restantes procedimientos. En este artculo slo lo comparar con el de Hansen-Hurwitz y el de Horvitz-Thompson con el mtodo de seleccin de Brewer, que considero entre los prirneros a nivel mundial Esta afirmacin puede sorprender a algunos. Citar las opiniones siguientes: Cassel et al., en la pgina 165 de su libro (1977), mencionan que las ventajas prcticas del mtodo de Hansen y Hurwitz pueden en ciertas ocasiones exceder en valor a las prdidas en eficiencia. Brewer y Hanif { 1983), en la pgina 109 de su libro, dicen que al no existir un procedimiento ideal utilizando el muestreo sin reposicin y probabilidades desiguales, algunos pueden preferir seguir utilizando el muestreo de Hansen y Hurwitz. De todo esto se puede deducir que las ventajas del mtodo SCG sobre el HH son importantes, y han de tenerse en cuenta al decidir una estrategia muestral. Ver el resurnen de este articulo.

2.

SELECCION DE LA MUESTRA

Consideraremos una poblacin de N unidades u; con i= 1, 2, ... N donde u, representara el conglomerado i-simo en ei muestreo de conglomerados en una etapa, y en e! muestreo polietpico la unidad i-sima de primera etapa. Representaremos con M^ el tamao de u; y con M la suma de todos los M; :
i- N

M=^M. , _,

La primera se{ecciqn se realiza con probabilidades proporcionales a los tamaos. Supongamos que es u; . Antes de proceder a la segunda seleccin, se eliminan b nmeros en el tamao de u; considerndose para la segunda seleccin el nuevo tamao de u; , es decir M; - b nmeros de un total M- b, siendo el valor ptimo de b:
M n. M; 1

bo

nn-1

donde el corchete signiica el mayor entero contenido en. Gomo anteriormente, se eliminan b nmeros del tamao de la segunda unidad seleccionada, y se contina el proceso hasta que n unidades, no necesariamente distintas, han sido seleccionadas.

EI mtodo se encuentra camprendido entre los procedimientos de seleccin con probabilidades desiguales siguientes: Seleccin con reposicin en el que se reponen a fa pobiacin las M; unidades de u;.
Seleccin sin reposicin en el que se eliminan las M; unidades.

I ^if^

F^.!+ T ADIti 11(^ ^1 T^:ti1':^,ti( )t. ^^

En la seieccin con reposicin parcial, nicamente se repone a la poblacin, una parte de las M, , es decir M^ -- b antes de proceder a la siguiente seleccin.

EI ndicador del ahorro en varianza esperada, que me fue sugerido por K. R. W. Brewer (*) en 1988, proporciona una medida directa de la posicin del mtodo SCG entre los de Hansen-Hurwitz y Horvitz-Thompson/Brewer. ^ ^ E * V ^HH ) - E * V (XscG )
E! mencionado indicador es: P=
E* V ^`HH) E* V ^`HT)

donde los asteriscos representan esperanza respecto a un modelo de superpoblacin, y (0 < P < 1).

Cuando este indicador es mayor que 0.5, contina Brewer en su carta, SCG est ms cerca del ^HT/B que del HH.

3.

FUNCION DE CUANTIA PARA LA VARIABLE ALEATORIA e^ QUE INDICA EL NUMERO DE VECES QUE LA UNIDAD ui ES C^BSERVADA EN UNA MUESTRA DE TAMA^J n i 2

Por tamao muestral debe entenderse 2 unidades de primera etapa por estrato. A continuacin mencionar las apiniones de algunos lderes mundiales en el muetreo: Me deca Brewer en su carta de 21-4-87: No estoy de acuerdo con Cochran que para n= 2 todos los mtodos sean simples. Son slo menos complicados (cumbersome) que para n> 2. Su mtodo propuesto es el ms simple, incluso para n^ 2, que la mayor parte de las alternativas. En la misma carta dice Brewer: EI caso n= 2 es, no obstante, de gran inters. La estratificacin es ms eficiente cuando n es tan pequeo como sea posible, pero si demandamos un estimador insesgado de la varianza, n debe ser por lo menos das. Rao y Bayless (1969) dicen n = 2 en cada estrato es con mucho el caso ms importante en la prctica.

Representarernos por P(n,t ) la funcin de cuanta, que para n^ 2 ser P (2, t ) con:
r=2

r=o

^ P (2,t ) = 1

Las probabilidades seran :

("} Quiero expresar mi agradecimiento a K. R. W. Brewer por sugerirrne el indicador P, que en sus cartas l denominaba p.

E-,t. ^^,a^1[.E:^^ t^E^ ^tt_F^^^^k^.^^^ cc^ti kE.^r^s^^.^ic^ti ^^^^^kc^^r^i_ ^^^^c,^

147

(M-M;) (M-M;-b) P (2,0) _ M ( M -- b) M; ( M - M; ) P (2,1 } = 2 M ( M -- b)

M; ( M; -- b)
P (2,2) _ M ( M - b)

para la media, varianza, covarianza y funcin de cuanta, con un n general, se puede obtener:
E(e;) = nP^ [1]

M -- nb V ( e; ) =
M-b M -- nb n P; P^ [3]

nP; (1 - P; )

[2l

C o v( e;e^} _ -

M-b
P(e;=t)=P(nt) [4]

(Ver Estadstica Espaofa, vol. 29, n.Q 115, p. 32.)

4.

MUESTREO EN UNA ETAPA

4.1.

Estimador del total y su varianza

n
n

La expresin Xscc =^ X; lnP; es un estimador insesgado del total poblacional ^C, con varianza: ' ^
V ( xsCG) =

M -- nb
M -- b

^
V ( XHH )

i ^x
4.2.

^^^ ^ ^ .>^>^^,^,^ ^..^ F^-^^ ^ ^ ^^^ ^r.,^

Estimador insesgado y no negativo para la varianza

La expresin
n

,, ^
V (Xsc^) -

M - nb M

2 ^ X' --X sc^) ; ( P.^ n(n-1}

[6]

es un estimador insesgado y no negativo de la varianza. Para n= 2 se obtiene la simple expresin:

^ M- 2b - (1 /4) V (XscG} _ X1 X2 2

IVI

P1

P2

(Ver Estadstica Espaola, vol. 29. n.^ 115, 1987, pp. 11-12.)

5.

MUESTREO EN VARIAS ETAPAS

Esta seccin se basa en el siguiente comentario de B. A. Baylar a nuestro artculo de 1987: Si en un esquema polietpico, son fciles de calcular estimaciones insesgadas y no negativas de la varianza, puede existir un potencial considerable en el esquema de los autores.

5.1.

Estimador insesgado del total y su varianza Representaremos el estimador del total Xpor:
n n ^

XscG = ^X;InP;

^ donde X; es un estimador insesgado de X; , basado en las etapas posteriores a la primera, dentro de la unidad i-sima de primera etapa.
Su varianza viene dada por:
n n

V (XscG) = V ( XscG) + ^^ V2 ( X; )lnP; ^ donde V2(X;) es la varianza en las etapas posteriores a la primera, del estimador insesgado de X; .

f^.l. k^.5c^t F-.^1.^ UE-. ^1l'F-.ti"I kF:f )('C )ti }tE-.f't )41('1^>ti !'.\kt I.\t i tic (^ ^

^.^^)

5.2.

Estimador insesgado y no negativo de la varianza total y sus componentes

La expresin
n n n

^^
V ^xsc^> _

M- n6
M ^

^(( X; l P; ) -Xsc^)2 ;
n(n-1)

nb
M

1 n2

^ ^ V2(X; )

P,.

[gl

es un estimador insesgado y no negativo de la varianza. La demostracin puede verse en Estadstica Espaola, vol. 31, n. 120 (1989), pp. 114-115.

6.

UN MODELO DE SUPERPOBLACION

En la introduccin de su artculo, Rao y Bayless (1969), sealan que en los mtodos de muestreo sin reposicin y probabilidades desiguales, propuestos en aos recientes, no se conoce nada prcticamente sobre la estabilidad del estimador de la varianza, y lo mismo ocurre con los modelos de superpoblacin.

EI modelo utiiizado por Rao y Bayless (1969) y Bayless y Rao (1970), es con nuestra notacin ^ X;=BM;+^;
E*(c;IM;)=0 E*(s;^^IM;M^)=0

{i--1,2,...N)
E*(^;2/M,)=a^M,9 a>0 g>0

EI asterisco indica valor esperado respecto del modelo y en la mayor parte de los casos prcticos se verifica:
1 <g<2

Otros autores, Cassel et a/. indican que como el valor de g es difcil de establecer, es conveniente cansiderar estrategias que acten bien dentro de un recorrido para g(p. 149). Por ejemplo, e! anteriar.
Los resultados obtenidos con el modelo de superpoblacin son valores medios para todas las poblaciones finitas que podran obtenerse de la superpoblacin.

Para la comparacin de estimadores de la varianza, Rao y Bayless asumen que las ^; se distribuyen normalmente.

t SI)

F^ti^l ;^UI,^^^I I( ^A F.^Y,^^ti^ ^L^1

6.1.

Varianza esperada respecto al modelo

La varianza esperada para el muestreo con reposicin y probabilidades desiguales de Hansen y Hurwitz es: ^ E *V (XHH) aM^ 9
n

^ ^ (1 - ^ 9-^ ) ;

[10]

donde ; = nP; es el nmero esperado de veces que la unidad u; aparece en ia muestra de n unidades y
n
n

XHH =^ X; lnP; el estimador del total X.

Para el esquema SCG la varianza esperada es: ^ E * V {XHH )

E * V {XscG ) _

M-b

y para el mtado de Horvitz y Thornpson tenemos:

n ^ X;

XHT = ^

E * V {XHT) _

aM9
n9

^ (1 -- n;) n9 -1

"
%

[12)

Para n= 2 y g= 1, tendramos: ^ E * V QCHH ) aM 2 ^ E*V ^HT/B) _ aM 2 ^

E*VrSCG) -

. (N _ ^ )

. (N_ 2)

M- 2b

aM 2

(N- 1)

M-b

F-^,i. ES(,il^`E:M.^ [)F. ^1l:ESTRF^O (^O N Rf:F't)SIC'1O^,ti 1'AK(^t;ll. ^SC^t^ i

^^ 1

6.2.

Comparacin de mtodos, en cuanto a varianza esperada, para g- 1 yn^2

SCG respecto a HH
Ro = 1 ^ E*VQCscG}
^ ^1-

M--nb M--b

b{n- 1) M-b

n-- 1
+

E * V Q^CHH ) n--1
N M (n-^}-1 Mo

N. M_ 1 b 1
N-1

^e

n -- 1
N(n-1)-1

^ 13^

la primera desigualdad aparece al sustituir b por su valor ptirno bo de la p. 5, y la se9 unda al sustituir M M>_ 1por la unidad, con loque se mantiene la desi 9 ualdad.

0
NT/B respecto a HH ^ Lc*V QCHTIB} ^ E * V QCHN ) N-- n
N-- 1

R1=1

aM/n
^1 aM/n

n- 1
N-- 1

1
Iv- 1

(14]

Vemos que el mtodo de Horvitz-Thompson con el procedimiento de seleccin de Brewer presenta una reduccin en varianza esperada respecto del de Hansen-Hurwitz, igual a la que en e1 caso de probabilidades iguales, presenta el muestreo sin reposicin respecto al mues#reo con reposicin.

6.3.

Indicador de !a reduccin potencial en varianza esperada ai utilizar el mtodo SCC en lugar del HT. Con arnbos rntodos referidos al HH

Este indicador mencionado en la seccin 2 es: ^ n

^15]
^*^^`HH^ - E*V ^SCG^

^ ^ E^V P'^HH} - E*V ^Hr) P est comprendido entre cero y uno. (0 < P< 1) g= 1

P=

b{N-- 1} M-b

i 5,

t-,^^rt^t.>ts^n^^.^ t-aE^a!^^^t..^

y para g = 2 M -- nb P
1

M-b
1-nD

{D-'-1)b
M-b

[16]

1-D
N

con(0<P'<P<1)

D^'<N

D=^P?

Vemos que el caso g ^ = 1 es algo ms favorable, que el g= 2, para el esquema SCG. Una cota mxima para P sera:
P= b(N-1) N- 1 N

M-b

NM
Mo

.(n_^)_^

N(n-1)-1

- Pmx

al valor Pm^X podamos haber Ilegado con el cociente resultante de dividir la cota mxima de Ro por el valor R1:
n-1 N(n-1)-1 n-1 N-1 N-1 N(n-1)-1

que proporciona una comparacin indirecta entre los mtodos de SnchezCrespo y Gabeiras con el de Horvitz y Thompson. A continuacin presentamos (*) los valores de Pmx para varios valores de n y N:
n 2 3 4 5

3 4 5
6

1,00 1,00 1,00

1,00

0,43 0,44
0,45

0,29
0,29

0,22

7 8
9 10

1,00 1,00
1,00 1,00

0,46 0,47
0,47 0,49

0,30 0,30
0,31 0,31

0,22 0,23
0,23 0,24

20
(*)

1,00

0,49

0,32

0,24

La tabla anterior me fue sugerida por I. Fellegi al que quiero expresar mi agradecimiento.

FL ESQI_!E^^:,MA l)F^ till!f^;S^^TREOC'ON F2f-:N(:)51C'!Oti^ 1'.Ak(^1.^^L. ^5C'(;^

^5i

Vemos que la reduccin mxima, en varianza esperada con el esquema SCG, respecto al HT corresponde a n= 2 y disminuye a medida que aumenta n.
La comparacin de mtodos debera tener como fin, el establecimiento de criterios que permitan decidir, la eleccin de un procedimiento para su aplicacin en la prctica.

Cassel et al., en fa pgina 148 de su libro, despus de citar los tres criterios propuestos por Sampfor (1975}: i) Facilidad de ejecucin; ii) Facilidad de los clculos para obtener la estimacin de la varianza, y iii) Estabilidad del estimador de la varianza, dicen: ... en vista de estos requerimientos, la estrategia de Harvitz y Thompson, por ejemplo, podra tener que ser rechazada como impracticable, an cuando es ptima segn ciertos criterios matemticos, y preferir alguna alternativa subptima .

7.

ESTABLIDAD DEL ESTIMADOR DE LA VARIANZA

Segn Rao y Bayless (1969) y Bayless y Rao (1970), la medida ms apropiada para la estabilidad del estimador de la varianza es el valor esperado, respecto del modelo de superpoblacin, del cuadrado del coeficiente de variacin para e1 estimador de la varianza.
Esta expresin es una razn de variables aleatorias y no ^ ^

E*( CV2 ( X ( V )))=,E* V(V (X)) (E* ^/(x))2

es fcil de manejar.

t 18 l

Rao y Bayless sugirieron una medida alternativa que representaremos con ^ ^

^RB V(X)'

I RB N(X))

E*EV2 (X)-(E*E(V(X))2 (E*E/(X))2

E^*EV2 (X)
( E*EV( X }} 2

[ 19]

que rea{mente mide {a variabilidad del estimador de fa varianza, respecto de la varianza esperada con el modelo de superpoblacin.
De los momentos de segundo orden debidos a Rao y Bayiess slo consideraremos el caso g= 2 que como vimos en 6.3 es el ms desfavorable para el mtodo SCG.

Los momentos de segundo orden para n= 2 y g= 2, son:

t:^.t r^^ t^^s r.tc^.^ t^:^1t^f^l^lc ^t_,`i

Para Horvitz-Thompson con el mtodo de Brewer, E*E(V2 (XHr,B) = 3a2M4 1 (4 P; Pl - n;^}2 ^ ^ ^'^^ y para los HH y SCG,
N
N

[20]

^%i

E*E(V2(XHH)=3a2Ma.

^ P; P^ ,^ <^ -(M-- 2b)2 M2 3a 2 M4 2

N

[21 ]

E*E (V 2 ( Xsc^ ) =(M- 2b)2 M2

n(XHH 2 n )) E *E( V

^. P^.. Pi '`^ [22]

y para los denominadores de Rao y Bayless encontrarnos:

N n 1 N 1 . (1- 2 ^ 2P,? ))2 = a 2M 4 - (1- 2 ^ P?)2 (E *E ( V (XHr^e }))2 = (a . 11,,12 . ^ 2 ' 4

[23^ [24J

n 1 (E*(E(V (XHH)))2 =c^2 M4 ' -

(1 - ^ P,? )z ; 4

(E E( V (XscG)}) -

^_(M- 2b}2.

( M- b)2

" 2_(M2b)2 ^ 2M4 (1 -^NP; 2 (E * E( V (XHH))} _ }z ( M- b}2 4 '

[25J

Sustituyendo estos valores en !os indicadores se obtiene:

N

3 ^ ^ (4P; P^ - n;^ )2/n;

n n
l^f

' RB `r (XHr/ B )) -

[26]

(1 - 2 ' ^ P,z)2 ^
N

6 ^ P; P^
n n
<j N

I RB `" ( XHH } ) `

[27]

(1 _ ^ P;2)2

E^l_ ES(1l_`E:M.^ DH^ M[JES^i^RFO (.^(Jt^i fZf:^'OSICIUti F'.^Ft(.^^IAI. ^S(^(^ ^

155

(M--2b)^

M 2

3a^ M4 N ^ P; P^ 2 %^^ a 2 M4 N (1 - ^ P?}2 ,

;

I RB ( V ( XSCG })

(M--2b)2 (M - b )2

( M -- ,^ ) 2 M2
N

P;^P^
1 [28]

( ^ - ^ ^,? ) 2

7.1.

Estabilidad del estimador de la varianza con el mtodo SCG en relacin al mtodo de Hansen y Hurwitz
Por [27] tenemos:
N

6^
N

^ P^
n n =1 +IRB (V(XHy))

(1 - ^ P,?)2 ;

y sustituyendo en [28} ( M -- b) 2
l RB ( V ( XSCG ) ) _ ( ^ + l RB ( V ( XHH ) ) - 1 =

M2 n n n n ( M_,b) 2
2

( M--- b) 2
-- 1 +

( MI - b} 2
2

^ I RB ( V ( XHH ^ ) ^ l RB ( V ( xHH ) )

M2

de donde se deduce que por se r (M b)2 <1

M2
l RB ( V( XSCG ))^ l RB ( V( Xi,i^-,i ))

[2g^

luego el estimador de la varianza con el mtodo (SCG) es siempre ms estable que con el mtodo (HH ).

I 5f^

t-^ r:^ ^ t^rs r rc ;^ ^ t-:^,t^.^ti^,r_;+,

7.2.

Estabilidad del estimador de la varianza con los mtodos HH y SCG respecto al mtodo de Brewer

Rao y Bayless (1969) han calculado la eficiencia del estimador de la varianza, en cuanto a estabilidad, con los mtodos incluidos en su estudio respecto al m#odo de Brewer, para n= 2 y varios valores de g, en las 20 poblaciones naturales que figuran en su trabajo (ver pgina 555, tabla 5 de su artculo). Representaremos con e1 al porcentaje de ganancia en eficiencia esperada para el estimador de la varianza, del mtodo HH respecto al de Brewer. ^ ^
^RQ \V (XB))

^ ^

^)^ao

[30]

^ RB ( V ( xHll-^ ) )

Valores positivos de e^ indican que el estimador de la varianza con el mtodo HH es ms estable que el de Brewer, siendo este superior al primero cuando e^ es menor que cero.
De forma anloga podemos proceder con el mtodo SCG respecto al de Brewer: ^ ^ [31]
^Rg (V (XQ))

e-(

^ ^ -1)100 ^ Re ( V t xscG ))

De nuevo valores positivos para e, indicaran mayor estabilidad para el estimador de la varianza con el mtodo SCG que con el de Brewer. De [30] y [31 ] se deduce:
e^
1+ n

1
n

^
(M- b)2

100 e
1+

^RB (V (xSCG))

I RB ( V( X'HH )) 1
2

^ M2

' Re ( V ( XHH ) )

1 O C^

^ RB ( V( XSCG ))

y teniendo en cuenta [29] se obtiene:

e1 M2

e>((1+

-1)100

[31]

100

(M - b }2

que nos proporciona el porcentaje mnimo de ganancia en eficiencia para el estimador de la varianza con el mtodo SCG con relacin al de Brewer.

E^C. ^:S(,^l!k:1^1A U^; Ml.1FS"I^KE:() (:' c)N Rf-:F'()SIC'1()^ 1',^ki(-lf^l. i!i(`(^t

i S7

7.3.

Eficiencia en varianza esperada del mtodo SCG con relacin al mtodo de Brewer

Sea e' 1a ganancia en eficiencia para la varianza esperada del estimador del total, expresada en porcentaje, pero el mtodo SCG con relacin al mtodo de Brewer: ^ E * V ( xe ) e'_{ ^ -1)100 E ^ V ( Xsco )

[32]

EI mtodo SCG es menos eficiente que el de Brewer, en cuanto a varianza esperada, si e'es menor que cero.

Representaremos con e; al porcentaje de ganancia en eficiencia esperada para el mtodo HH respecto del de Brewer:

^ E * V ( ^C'B ) E * V ( XHH )

1) 100

[33]

La relacin entre e` y e1 viene dada por: e^

e'=((1 + 100 )

( M - b)
(M-- 2b)

-1) 100

[34]

Con la expresin [34] obtendremos los valores de e' para las poblaciones naturales de Rao y Bay{ess.

7.4.

Consideracin conjunta de estabilidad del estimador de fa varianza, y varianza esperada para el estimador del total

Ambos aspectos aparecen en la tabla siguiente para las 20 poblaciones naturales de Rao y Bayless (g = 1, n= 2).

15H

t^:^^^^ .^^^>^:^ ^^^^c^ ^^ t^^.^^^.^ti^^t. ^^

N.g

HH (e -)

SCG (e >)

HH (e'

SCG (e'^)

--

1,15

- 5

2
3 4

-+ --

3
3 71 12 5

+
+ + + +

1, 59
3,82 72, 74 3,37 0,05

- 5
- 8 -11

-- 2,95 - 2,73 - 4,71

5
6 7

+ 284

+ 287,25

-11
-11 - 5

- 10,55 - 10,63 2,20

2,44

8
9 10 11 12

+
+ + -+

8
4 5 13 20

+
+ + + +

8,16
7,73 5,61 2,59 23,06

- 6
- 7 - 6 -11 - 7

5,93 5,32 5,73 2,68

5,75

13
14

+
+

54
12

+
+

54, 38
15,50

- 7
- 6

6,88
4,52 7, 55 8,83 2,15

15 16 17 18
19

+ 8 + 35 + 2 0
1

+ + + +
+

16, 23 38,52 3, 80 2,88

2,17

-11 -11 - 3 - 5
- 5

3,62
3,47

20

+ 16

26, 31

-13

9, 04

La columna HH (e =) ha sido tomada del artcuio de Rao y Bayless {1969) p. 555, tabla 5, With Rep. g= 1. Y la columna HH (e' _) de la p. 554, tabla 4, With Rep. g - 1. Las columnas correspondientes a SCG, se han obtenido con las frmulas [3^ ] y [34) de este artculo. Todos los valores de la tabla anterior son porcentajes de ganancia en eficiencia, e, para e! estimador de !a varianza, o sobre la varianza esperada, e', con un modelo de superpoblacin y siempre sobre el estimador de Brewer. Los valores positivos indican superioridad para el mtodo SCG, y los valores negativos superioridad para el procedimiento de Brewer.

De la mencionada tabla se pueden sacar !as conclusiones siguientes: 1. Para g= 1, n= 2 esquema de Snchez-Crespo y Gabeiras es ms estable, en cuanto al estirnador de la varianza, que con los mtodos de HorvitzThompson con seleccin de Brewer, y de Hansen y Hurwitz.
2. EI mtodo de Brewer es superior al SCG en cuanto a varianza esperada (5%) como media para las 20 poblaciones de Rao y Bayless. Esta superioridad queda compensada con creces con la ganancia media (28%) del mtodo Snchez-Crespo y Gabeiras en cuanto a estabilidad del estimador de la varianza,

F^:1. f-.ti(1l'E-;;^1,^ [)t: titl!F:ti^1^FtEO (')w RE-:PU51('luti f',-^k( ^1.^L ^^t '1 ^ ^

] 5y

sobre todo si se tiene en cuenta que se trata de una cota mnima, sobre el rntodo de Brewer.

REFERENCIAS BAYLESS, D. L., y RAO, J. N. K. (1970): An empirical study af the stabilities of estimators and variance estimators in unequal probability sampling, Journal of the American Statistica/ Association, 65, 1645-1667. BREWER, K. R. W. (1963a): A model of systematic sampling with unequal probabilities, Australian Journa! of Statistics, 5, 5-13. BREWER, K. R. W. (1975): A simple procedure for sampling rcpswor, Australian Journal of Statistics, 17 (3), 166-172.

BREWER, K. R. W., y HANIF, M. (1983) : Sarnpling with unequal probabilties, Springer-Verlag, New York.
CASSEL, C. M.; SRNDAL, C. E., y WRETMAN, J. H. (1977)

: Foundatons of Inferen-

ce in Survey Sampling, J. Wiley and Sons, New `^(ork.

COCHRAN ,

W. G. (1977): Sampling %chniques, J. Wiley and Sons, New York.

FELLEGI ,

I. P. (1963): Sampling with varying probabilities without replacement: rotating and non-rotating samples, Journal of the American Statistical Assocation, 58, 183-201.

HANSEN, M. H., y HuRwiTZ, W. N. (1943}: On the theory of sampling from a finite population, Annals of Mathematical Statistics, 14, 333-362.
HoRViTZ, D. G., y THOMPSON, D. J. (1952): A generaliZation of sampling without replacement from a finite universe, Journa/ of the Arnerican Statistical Assocation, 47, 663-685.

RAO, J. N. K., y BAYLESS, D. L. (1969): ^<An empirical study of the stabilities of estimators and variance estimators in unequal probability sampling of two units per stratum, Journa/ of the American Statistica/ Association, 64, 540-559.
SNCHEZ-CRESPO ,

J. M. (1987): Un esquema mixto de muestreo con probabilidades desiguales, Estadstica Espaola, 115, 5-39, INE, Madrid.
J. L.,
y GABEIRAS ,

SNCHEZ-CRESPO, J. L. (1989): Dos nuevos resultados en la estrategia mixta de Snchez-Crespo y Gabeiras, Estadstica Espao/a, 120, 108-118, INE, Madrid.
SNCHEZ-CRESPO ,

J. L. (1994) :A sampling scherne with partial replacemen#, Unpublished Document.

RECONOCIMIENTO Quiero expresar mi gratitud a B. A. Bailar, R. K. W. Brewer, M. H. Hansen, I. P. Fellegi, F. Azorn y J. de Parada por sus comentarios y sugerencias.

Tambin quiero agradecer la colaboracin y ayuda de J. Porras, Montse H. Cansado y G. Parada.

A SAMPLING SCHEME WITH PARTIAL REPLACEMENT (SCG ) SUMMARY The sampling scheme due to J. L. Snchez-Crespo and J. M. Gabeiras ( 1987), based on partial replacement, removes from a theoretical point of view, a gap between the classical procedures of unequal probability sampling with and without replacement. In survey sampling practice it seems to provide a simple and potentially useful procedure, that always has a smaller expected variance under a superpopulation model, and a greater stability for the variance estimator than unequal probabil'rty sampling with replacent. We have also found strong evidence of better stability, for the variance estimator, than some of the best procedures developed heretofore for sampling without replacement. For the 20 natural populatians we have found an average loss in expected variance of 5%, while the average gain on stability for the variance estimator, is at least of 28%. Both percentages are for the Snchez-Crespo and Gabeiras scheme over the Brewer procedure, on the Rao and Bayless study for n = 2 and g= 1. Key words: Unequal probability sampling. Partial replacement. Superpopulation model. Stability of the variance estimator. AMS Classification: 62D05.

ACKNOWLEDGEMENT I wish to express my gratitude to B. A. Bailar, R. K. W. Brewer, M. H. Hansen, I. P. Fellegi, F. Azorn and J. de Parada for some very useful comments and suggestions. I wish also to acknowledge the cooperation and help received from J. Porras, Montse H. Cansado and G. de Parada.

AV I SO A NUESTRO S LE C TORE S

XIX SI MP OSIO DE ANA LIS I S E CO N O M ICO

So l icitu d d e tra b a j os
EI Departamento de Economa e Historia Econmica de la Universidad Autnoma de Barcelona y el Instituto de Anlisis Econmico del CSIC organizan cada ao el Simposio de Anlisis Econmico. EI congreso est abierto a investigadores de habla hispana en todas las reas de la economa. Su objetivo principal es el de proporcionar un foro para la presentacin de irabajos de calidad, y un lugar de encuentro y discusin que permita el intercambio de ideas entre investigadores con intereses afines o complementarios.
EI Simposio est organizado en sesones temticas de comunicaciones (trabajos en proceso} y ponencias (trabajos acabados) . E1 programa tambin incluye conferencias invitadas a cargo de especialistas de reconocido prestigio internacional. La edicin de este ao se celebrar del mircoles 14 al viernes 16 de diciembre de 1994 en el campus de la Universidad Autnoma de Barcelona. Coincidiendo con el Simposio se facilitar el contacto entre doctores re-

cientes y los responsables de contratacin de centros acadmicos y de investigacin espaoles mediante la organizacin de un mercado de trabajo para doctores en economa. Responsables del programa: Jordi Brandts (Instituto de Anlisis Econmico, CSIC) Valeri Sorolla (Departamento de Economa e Historia Econmica, UAB} Presentacin de originales: Los autores debern enviar: -- Ponencias: dos copias del trabajo y un resumen en el impreso estndar que se puede solicitar a la Secretara del XIX Simposio;
- Comunicaciones: dos copias del trabaja o de una versin preliminar del mismo (no sern considerados los trabajos de los que slo se enve un breve resumen) y un resumen en el impreso estndar que se puede solicitar a la Secretara del XIX Simposio, indicando la afiliacin de los autores y la direccin, telfono y fax de contacto antes del 15 de septiembre de 1994, a: Secretara del XIX Simposio de Anlisis Econmico Instituto de Anlisis Econmico Campus de la Universidad Autnoma de Barcelona 08193 Bellaterra

Barcelona

REVISTA ESTADISTICA ESPANOLA INFORMACION PARA LOS AUTORES

Envo de originales Los originales deben enviarse al Director de la Revista, fNE, Paseo de la Castellana, 183. 28071 Madrid. Deben estar redactados en castellano y no haber sido publicados o estar en proceso de publicacin en otro lugar. Se enviarn 4 copias del traba ^ o y la revista acusar siempre su recibo. PRESENTACION DE LOS MANUSCRITOS

Estructura
La primera pgina debe incluir exclusivamente el ttulo del artculo y el nombre, direccin completa y telfono del autor. En el caso de varios autores se indicar a quin debe dirigirse la correspondencia. La segunda pgina contendr nicamente ei ttulo y resumen del trabajo de un mximo de 100 palabras, seguida de 3 a 6 palabras clave y la clasificacin AMS del artculo. EI texto del artculo comenzar en la tercera pgina y las secciones se numerarn consecutivamente. La ltima pgina del original contendr en ingls el ttulo del articulo, un resumen del mismo bajo el epigrafe Summary y las palabras clave. EI manuscrito debe mecanografiarse a doble espacio. Cuando el ttuio del artculo contenga ms de 80 caracteres, se deber indicar un ttulo alternativo de dicha longitud o menor. Grficos Todos los diagramas o grficos se numerarn sucesivamente y se indicar su posicin en el texto con el nombre de figura. Se colocarn al final del manuscrito y debern ser de la calidad necesaria para su reproduccin. Referencia EI sistema de referencia a seguir es el oficial del International Statistical Institute. Los autores se citarn en el texto por su nombre, seguido de Ea fecha de publicacin; ejemplo: Box (1986), y las referencias se situarn en orden alfabtico al final del texto, como sigue: a} Libros: Weisberg, S. (1985). Applied Linear Regression, New York: Wiley. b} Artculos: Mahalanobis, P. c. (1950). Why Statistics? Sankhya, 10, 195-228. c) Trabajos en obras co/ectivas: Box, G. E. P. (1983). An Apology for Ecumenism in Statistics. Scientific Inference, Data Ana/ysis and Robutsness, Ed. C. E. P., Leonard, T. y Wu, C. F., pp. 51-84. New York: Academic-PrP^^

Evaluacin de los originales

Los originales sern sometidos a un proceso de evaluacin garantizando el anonimato tanto del autor como de los evaluadores. EI objetivo de la revista es que el autor reciba informacin sobre el resultado de la evaluacin en un plazo mximo de tres meses.

Pruebas y separatas
Aceptado el artculo y antes de su publicacin definitiva, el autor o autores recibir 2 juegos de pruebas para correcciones, uno de los cuales deber devolver corregido a la Revista en un plazo de una semana desde su recepcin. Una vez publicado, recibir 25 separatas de su trabajo. Los posibles costes de impresin derivados de cualquier modificacin de la versin final aceptada del manuscrito o de retraso en la correccin de pruebas sern a cargo del autor o au#ores del mismo.