Captulo 1

Introduccion
El proyecto docente
1
que presentamos expone, como n ucleo central, los conocimien-
tos de Muestreo en Poblaciones Finitas que, a nuestro juicio, corresponden a los
estudios de la Licenciatura en Ciencias y Tecnicas Estadsticas o tambien a la espe-
cialidad de Estadstica e Investigacion Operativa en la Licenciatura de Matematicas.
El dise no de este n ucleo basico de conocimientos se concretara en el captulo segundo
del proyecto mediante un conjunto de temas comentados y sera complementado en el
tercer captulo con una serie de consideraciones sobre la planicacion docente y otros
aspectos metodologicos.
En este captulo introductorio abordaremos la tarea de justicar dichos conocimien-
tos desde distintas perspectivas, encuadrando la materia en diferentes marcos o ambitos
como son,
1. La caracterizacion de los contenidos cientcos de la materia, tanto en terminos
absolutos como en relacion con otras ramas de la Estadstica, en conexion con
sus fundamentos, metodos y objetivos.
2. La conversion o transformacion de dichos contenidos en materia docente.
3. El desarrollo historico del muestreo, como respuesta a una demanda, cada vez
mayor, de tecnicas de investigacion de grandes poblaciones con complejas es-
tructuras.
y que a continuacion estudiamos separadamente.
1
Este documento constituye el primer captulo de nuestro proyecto docente.
Vease www.informatica.us.es/mayor para consultar el proyecto completo.
1
INTRODUCCI

ON 2
1.1 Marco cientco
Bajo la denominacion espa nola, quizas poco denitoria pero ya tan extendida, de
Muestreo en Poblaciones Finitas, se entiende, basicamente, el estudio de un
conjunto de tecnicas para la obtencion de muestras a partir de una poblacion nita
y la estimacion de ciertos parametros a partir de las mismas. Estas dos fases o
procesos fundamentales, el muestreo y la estimacion, van ntimamente relacionados
de forma que la acuracidad de las estimaciones e incluso la posibilidad de medir
dicha acuracidad estan fuertemente inuenciadas por los mecanismos empleados en
construir las muestras.
A su vez, estos mecanismos estan muy condicionados por el tipo de poblacion
en estudio y las formas de acceso que se tengan sobre la misma. Pensemos, por
ejemplo, en la gran diferencia existente entre el acceso a la poblacion formada por
los estudiantes matriculados en la Universidad de Sevilla, en un determinado curso
academico, de los cuales existe un registro informatico completo, siendo muy facil la
seleccion de una muestra en el ordenador, para su posterior entrevista, y el acceso
a la poblacion constituida por productos manufacturados que conforme van saliendo
de una cadena de produccion son distribuidos para ser comercializados.
Como ya hemos mencionado, la poblacion soporte es nita, y ello tiene impor-
tantes implicaciones en el desarrollo metodologico de la teora del muestreo, origi-
nando la distincion fundamental con lo que usualmente entendemos como Estadstica
Matematica clasica. En efecto, aunque las poblaciones objeto de esta disciplina
tambien son, en general, nitas, la modelizacion de las mismas mediante una vari-
able aleatoria, X, que mediante un proceso de seleccion independiente genera una
muestra,
X
1
, X
2
, . . . . . . , X
n
entendida como n variables aleatorias independientes e identicamente distribuidas
como X, permite desarrollar la teora de inferencia tomando como base la distribucion
conjunta de la muestra, heredada del modelo X, y las distribuciones de funciones
muestrales o estadsticos.
Por contra, el enfoque usual del Muestreo en Poblaciones Finitas no pre-
supone, en principio, modelo alguno sobre la poblacion, introduciendo la aleatoriedad
a partir del mecanismos de seleccion de muestra, y ello determina las distribuciones
de los estadsticos conectando as con la inferencia sobre ciertos parametros de interes.
De esta forma, podemos armar que ambas disciplinas parten de un enfoque diferente
pero tienen en com un sus metodos de trabajo, sustentados fundamentalmente sobre
Jose A. Mayor Gallego. Universidad de Sevilla
INTRODUCCI

ON 3
la base com un del calculo de probabilidades.
En lo que respecta a su campo de aplicacion podemos armar que el Muestreo en
Poblaciones Finitas se orienta a proporcionar una base teorica solida para el con-
junto de tecnicas que se utilizan en la realizacion de encuestas y en las estimaciones a
partir de los datos obtenidos, dando solucion a los problemas que estas tareas originan
y siendo esta la causa de la denominacion inglesa usual para esta disciplina, Survey
Sampling,Sampling Theory of Surveys, etc. Ello pone de maniesto su importan-
cia como base para el estudio del comportamiento de las poblaciones humanas, en lo
que se reere a caractersticas tan importantes como,
Parametros de tipo demograco.
Estructura economica de las sociedades.
Patrones de comportamiento.
Entorno social.
Opinion e ideologa.
Estructura de mercados.
Indicadores de salud.
aunque su campo de trabajo se ampla a poblaciones de cualquier tipo, con aplica-
ciones en control de la calidad, biologa, contabilidad y auditora, etc. De esta forma,
resulta facil comprender su importancia como herramienta de primera magnitud para
la toma de decisiones y as lo han entendido los diferentes organismos estadsticos
ociales tanto estatales como a nivel internacional, que desde hace 50 a nos, aproxi-
madamente, vienen haciendo un uso cada vez mayor de las encuestas por muestreo,
lo que a su vez ha determinado el enorme desarrollo de la teora del muestreo en los
ultimos a nos, como ya tendremos ocasion de repasar al nal de este captulo.
Como se nala Sanchez-Crespo (1991), fue en 1940, en los Estados Unidos de
America, donde se inicio el uso de las grandes encuestas de poblacion con una encuesta
de desempleo de la que se hizo cargo dos a nos mas tarde el Bureau of the Census,
con el nombre de Current Population Survey. El tan citado Bureau of the Census
ha sido y continua siendo un centro de investigacion, tanto teorica como aplicada,
de gran actividad, y con frecuencia ha sido calicado como Meca del muestreo. En
el han trabajado matematicos de la talla de Hansen, Hurwitz, Madow o Cochran, y
su metodologa ha sido tomada como modelo por los organismos estadsticos de nu-
merosos pases para la realizacion de las encuestas ociales. Hansen y Madow (1976)
Jose A. Mayor Gallego. Universidad de Sevilla
INTRODUCCI

ON 4
y Hansen (1987), en sus desarrollos historicos del muestreo, consideran dicho centro
como determinante en los grandes avances de esta materia.
En Espa na, la realizacion de encuestas ociales a gran escala se inicia en 1964 con
la Encuesta de Poblacion Activa, posteriormente integrada en la Encuesta General de
Poblacion, y llevada a cabo por el Instituto Nacional de Estadstica. Seg un Sanchez-
Crespo (1991), el dise no de esta encuesta gura, por su calidad, en tercer lugar a
nivel mundial, siguiendo al del Bureau of the Census y al del Statistics Canada. Una
instructiva y detallada exposicion del mismo se realiza en Garca Espa na (1974).
Tambien en Azorn y Sanchez-Crespo (1986) se aportan interesantes descripciones de
esta y otras encuestas ociales a nivel mundial.
La gran importancia de las macroencuestas ociales no puede hacernos olvidar
la relevancia de otras encuestas, de ambitos mas restringidos como pueden ser los
estudios a nivel regional, provincial o municipal, los estudios y sondeos de mercados
realizados por las empresas, tanto en el campo de sus clientes potenciales con el
objeto de planicar actividades, como a nivel interno para optimizar la utilizacion de
sus recursos; las encuestas realizadas en grandes centros sanitarios, en universidades,
etc. Todas estas investigaciones pueden facilitar a los gestores el dise no de las polticas
mas adecuadas y la toma de decisiones.
1.2 Marco docente
De todo lo anterior se desprende la innegable importancia del Muestreo en Poblaciones
Finitas como conjunto de tecnicas y metodos que sustentan los procesos asociados
a la realizacion de encuestas, y cuya aplicacion cubre desde el dise no previo de la
encuesta en relacion a la estructura poblacional, hasta la aplicacion de los estimadores
mas adecuados para obtener los resultados, y la evaluacion de la calidad o precision
de los mismos, justicando la introduccion de esta disciplina en los planes de estudio
tanto de carreras especcas como Licenciaturas y Diplomaturas en Estadstica o
especialidades en Estadstica de las Licenciaturas de Matematicas, como en carreras
de Ciencias Economicas, Empresariales, Marketing o Investigacion de Mercados,
Sociologa, etc.
Como ya hemos mencionado, el estudio de una realidad mediante encuestas se
extiende progresivamente a los ambitos mas variados, y la necesidad de que estas
investigaciones se realicen con rigor cientco exige una preparacion estadstica ade-
cuada a los equipos humanos que las dise nan y ponen en practica. Es innegable
que esta preparacion debe estar adaptada a los niveles de requerimiento que el estu-
diante tendra que satisfacer como futuro profesional de la Estadstica, siendo estos
Jose A. Mayor Gallego. Universidad de Sevilla
INTRODUCCI

ON 5
requerimientos decisivos para dise nar un curso de muestreo adecuado.
En este sentido, y con las logicas matizaciones que habra que hacer por las difer-
entes concepciones educativas, es interesante considerar la opinion de Dalenius (1988),
que en su artculo A First Course in Survey Sampling, enumera varias circunstancias
o factores a tener en cuenta para el dise no de un curso de muestreo, dando relevancia
a las siguientes,
(a) El curso se considera como parte de un curriculum estadstico a nivel universi-
tario.
(b) Debe ser impartido por expertos en estas materias, tanto a nivel teorico como
practico.
(c) Se ha de tener en cuenta el nivel de conocimientos en Probabilidad y Estadstica
que poseen los alumnos que van a realizar dicho curso.
(d) Los alumnos a los que el curso va dirigido pueden pertenecer a dos categoras:
aquellos que buscan una preparacion en muestreo por su interes en la materia
propiamente dicha, o los que estan interesados solo en el aprendizaje de sus
metodos, para aplicarlos en otros campos.
En nuestro caso, y como ya mencionamos al principio, pretendemos una formacion
en muestreo a nivel de licenciatura. Esta formacion debe ser lo sucientemente amplia
para presentar el campo completo de la materia y de sus aplicaciones, y lo sucien-
temente profunda para permitir al futuro licenciado la realizacion de estudios mas
avanzados en temas especcos y el desarrollo de nuevas tecnicas adaptadas a las
situaciones que se le puedan presentar en el desempe no de su actividad profesional,
investigadora y/o docente.
Para justicar estos objetivos generales hemos de considerar el futuro profesional
que se ofrecera a los alumnos al nalizar sus estudios, y que estara en relacion con
su formacion pero tambien con la demanda social existente. As, sabemos que la
docencia y/o la investigacion absorbera una parte importante de titulados, y para
estas actividades resulta de gran importancia el disponer de una formacion lo mas
solida posible.
El otro gran campo de salidas profesionales esta constituido por el desempe no
de las tareas especcas en organismos estadsticos ociales como el Instituto Na-
cional de Estadstica, o a nivel de nuestra region, el Instituto de Estadstica de
Andaluca, y tambien en departamentos de estadstica de ministerios, consejeras
y ayuntamientos. Este tipo de trabajo, por su mayor orientacion a las aplicaciones,
Jose A. Mayor Gallego. Universidad de Sevilla
INTRODUCCI

ON 6
aparenta requerir niveles de conocimiento menos teoricos y mas decantados a los as-
pectos metodologicos, no obstante esta apreciacion es erronea, y la complejidad de
las actividades a desarrollar exige amplios niveles de conocimiento. En este sentido,
es importante recordar los avances teoricos y metodologicos llevados a cabo en el
ambito de organismos ociales no estrictamente academicos como el Bureau of the
Census en los Estados Unidos, o el Instituto Nacional de Estadstica en Espa na, como
respectivamente se nalan Hansen (1987) y Sanchez-Crespo (1991).
Finalmente, a nadiremos las salidas profesionales en secciones o departamentos de
empresas que confan en la estadstica como una herramienta para planicar y mejorar
sus actividades y resultados, y tambien en rmas especcamente dedicadas a la
asesora, auditora, investigacion social, etc, mediante tecnicas estadsticas. Opinamos
que aunque estas posibilidades profesionales no estan plenamente desarrolladas en
nuestro pas, con el tiempo pueden alcanzar un importante auge, ofreciendo un campo
muy prometedor para profesionales bien preparados.
1.3 Marco historico
Finalmente, vamos a considerar el muestreo bajo la perspectiva de su desarrollo
hist orico, completando nuestra vision de la materia y a nadiendo una dimension glob-
alizadora que a nuestro juicio clarica la estructura de contenidos docentes que hemos
dise nado para su ense nanza.
1.3.1 Precedentes
En terminos generales, podemos armar que el desarrollo de las tecnicas de muestreo
aplicadas al estudio de poblaciones nitas se inicia, de manera sistematica, a nales
del siglo XIX, alcanzando su maximo orecimiento durante el presente siglo y con-
stituyendo en la actualidad un campo de investigacion, tanto teorica como aplicada,
muy activo. No obstante, como en toda disciplina cientca, existen precedentes ais-
lados muy anteriores que no pueden ser olvidados, y de los que citaremos los mas
relevantes.
Es universalmente aceptado que la primera aplicacion importante del muestreo
de la que se tiene noticia fue realizada por el ingles John Graunt en sus estudios
demogracos. Sus resultados se publicaron en el famoso trabajo Natural and Political
Observations made upon the Bills of Mortality aparecido en 1662. En este estudio,
Graunt investigo un conjunto de familias pertenecientes a determinadas parroquias
de la ciudad de Londres, donde los registros resultaban ables, y observo que haba
Jose A. Mayor Gallego. Universidad de Sevilla
INTRODUCCI

ON 7
un promedio de tres fallecimientos anuales en 11 familias, siendo la cantidad total
de fallecimientos por a no en Londres aproximadamente de 13000. De este forma,
Graunt concluyo que el n umero de familias era de 48000, y suponiendo un tama no
medio familiar de 8, estimo en 384000 el n umero de habitantes de la ciudad.
Aunque aparentemente, Graunt era consciente del hecho de que los promedios
estadsticos por el considerados variaban en el espacio y el tiempo, no llego a hacer
hipotesis en este sentido, y de esta forma pudo extender al pas entero los resul-
tados de estadsticas de vida, obtenidos para ciertas parroquias de la capital. Es
interesante observar que otros notables demografos de los siglos XVII y XVIII, como
William Petty y Edmund Halley en Inglaterra, Per Wargentin en Suecia y Johann
Peter Susmilch en Alemania, adoptaron una postura similar, realizando inferencias
aventuradas sobre ciertas caractersticas de una region completa sobre la base de los
datos obtenidos en una parte de la misma. Seg un Chang (1976), esta forma de pro-
ceder es propia de un estado del desarrollo de la Estadstica en el cual el conocimiento
de un fenomeno demograco es caracterizado por un unico parametro, la media de la
poblacion en estudio. Hald (1990) realiza una descripcion muy completa del trabajo
de Graunt.
Otro precedente historico de gran relevancia lo constituye los estudios sobre la
poblacion de Francia, llevados a cabo por Laplace, y cuyos primeros resultados
aparecieron en 1786. Sus metodos de muestreo y estimacion fueron similares a los
empleados por Graunt, pero el cientco frances vio la necesidad de tener en cuenta
de alguna forma la precision de los resultados obtenidos, tanto en su control, seleccio-
nando una muestra de calidad, como en su medicion. As, con respecto a la eleccion
de los elementos, podemos encontrar la siguiente descripcion en su obra Theorie An-
alytique des Probabilites, publicada en 1812,
En los 30 departamentos distribuidos sobre la supercie de Francia, y como
forma de compensar los efectos originados por las diferencias climaticas, es-
cogimos aquellas comunidades cuyos alcaldes, por su entusiasmo e inteligencia,
podan proporcionar una informacion mas precisa.
A partir de la muestra, Laplace estimo la poblacion total del pas utilizando lo que
actualmente conocemos como estimador de razon, calculando la distribucion de la
diferencia entre el verdadero valor y el estimado, y aproximando esta distribucion por
una normal. Tambien se puede considerar su plan de muestreo como un precedente
del muestreo por conglomerados. Vease Chang (1976).
Jose A. Mayor Gallego. Universidad de Sevilla
INTRODUCCI

ON 8
1.3.2 Kiaer y el metodo representativo
Estos y otros precedentes aislados de la aplicacion del muestreo, constituyeron la ex-
cepcion en lo que a estudios estadsticos se reere, pues la regla, hasta nales del siglo
XIX era el empleo del metodo exhaustivo, es decir, censos. El desarrollo sistematico
de las tecnicas de muestreo se inicia con la aparicion del metodo representativo,
propuesto por el estadstico noruego A.N. Kiaer en la decada de 1890 y basado en la
idea, tan natural para nosotros actualmente, de sustituir la enumeracion completa
de la poblacion por una parte de la misma sucientemente representativa.
Kruskal y Mosteller (1980) describen de la siguiente forma el concepto que tena
Kiaer de la nueva metodologa,
En primer lugar, Kiaer pensaba en terminos de encuestas sociales y economicas,
en las cuales se debera empezar seleccionando distritos, municipio, partes de
ciudades, calles, etc, y seguir por la seleccion de unidades de estudio, es decir,
hogares, familias o individuos. En segundo lugar, insista en la importancia de
los tama nos muestrales, en todos los niveles de la seleccion. Y en tercer lugar,
subrayaba la necesidad de extender el ambito de la muestra en todos los niveles
posibles, no solo de tipo geograco sino tambien en otros sentidos. Por ejem-
plo, si para un estudio de economa agraria, una muestra de granjas presenta
deciencias en las de tipo ganadero, se deben a nadir elementos de esta clase.
El metodo representativo fue presentado a la comunidad cientca, para su debate,
en la reunion del International Statistical Institute (I.S.I), celebrada en Berna en
1895, siendo la reaccion inicial negativa, principalmente por la poca receptividad de
varios estadsticos de aquel momento. As, la principal oposicion, representada por
G. von Mayrs de la Universidad de Munich, estaba basada en la creencia de que
una investigacion parcial nunca podra reemplazar a un censo completo. A pesar
de esta resistencia, las ideas de Kiaer no fueron olvidadas, siendo debatidas en las
sucesivas reuniones del I.S.I. celebradas en San Petersburgo en 1897, en Budapest en
1901 y en Berln en 1903. Es interesante observar que en esta ultima reunion, y en
la discusion del metodo de Kiaer, el estadstico frances L. March introdujo por vez
primera, aunque no con esta terminologa, conceptos tales como muestreo aleatorio
simple sin reemplazamiento y muestreo aleatorio simple de conglomerados.
Despues de un parentesis de mas de veinte a nos, se elabora por n un informe en la
reunion de Roma en 1925, en el que se reconocen plenamente las ventajas del metodo
representativo.
Jose A. Mayor Gallego. Universidad de Sevilla
INTRODUCCI

ON 9
1.3.3 Bowley
Con los trabajos del ingles A.L. Bowley se da un impulso denitivo al desarrollo
de las tecnicas de muestreo, tal como actualmente las conocemos. As, ya en 1912,
haba realizado estudios de ndole social y economica, sobre la distribucion de la
riqueza entre los habitantes de la ciudad de Reading, y haba utilizado para ello una
muestra de hogares seleccionada aleatoriamente. Con anterioridad, en 1906, Bowley
haba trabajado en la vericacion emprica de un teorema central del lmite para el
muestreo aleatorio simple. Este estudio estaba motivado por una serie de resultados
teoricos debidos a Edgeworth y por su idea de poder realizar inferencias a partir de los
resultados de las encuestas, independientemente del modelo aplicado a la poblacion.
Usando una rudimentaria tabla de n umeros aleatorios proveniente del ultimo
dgito en una tabla del Nautical Almanac, Bowley selecciono una muestra aleatoria
simple de 400 elementos de una poblacion de 3878 tasas de benecio de compa nas,
extradas del Investors Record. Estas 400 cantidades fueron recogidas en el orden en
que aparecieron, y colocadas en 40 grupos de 10 cada uno. De esta forma, Bowley
comparo la distribucion emprica de las 40 medias muestrales con una curva normal,
encontrando en elevado grado de adaptacion. Vease Smith (1976) y Bellhouse (1988).
Como arma Bellhouse (1988), en su encuesta de 1912, mencionada anterior-
mente, Bowley probablemente consideraba equivalentes el muestreo aleatorio simple
y cualquier esquema de muestreo en el cual las probabilidades de inclusion fueran las
mismas para todos los elementos. Para obtener la muestra en esta encuesta, recurrio a
la seleccion sistematica de uno de cada diez edicios de Reading, a partir de una lista
de los mismas, siendo pues un precedente del llamado muestreo sistematico. Aunque
en trabajos posteriores reconocio las diferencias existentes entre el muestreo aleatorio
simple y el sistematico, con respecto a su eciencia, en esta encuesta considero equiv-
alentes ambos procedimientos, de manera que pudo hacer consideraciones acerca de
la precision de los resultados, tomando como base el citado trabajo de 1906.
Finalmente, como otras importantes aportaciones de Bowley, citaremos el desar-
rollo de una teora para la seleccion intencional o purposive sampling de conglom-
erados, y su trabajo preparatorio para la discusion del metodo representativo en la
reunion del I.S.I. de 1925 en Roma, ya mencionada anteriormente. De este trabajo,
publicado en el boletn de este instituto, en 1926, resaltamos dos cuestiones impor-
tantes:
1. La importancia de que la poblacion esta denida como una lista o directorio de
elementos, accesibles en caso de ser seleccionados, de donde extraer la muestra.
Es decir, se requiere un marco de elementos numerados, indexados o etiqueta-
dos.
Jose A. Mayor Gallego. Universidad de Sevilla
INTRODUCCI

ON 10
2. La denicion y la teora del muestreo aleatorio simple estraticado con
ajacion proporcional, y seleccion de elementos individuales (no conglomera-
dos).
vease Hansen y Madow (1976).
1.3.4 Neyman
En 1934, J. Neyman publico en la revista de la Royal Statistical Society de Londres,
su importante trabajo On the Two Dierent Aspects of Representative Method: The
Method of Stratied Sampling and the Method of Purposive Selection, que estimulo
numerosos desarrollos posteriores en la teora y los metodos del muestreo. Para com-
prenderlo basta considerar los siguientes puntos en los que Hansen y Madow (1976)
resumen los logros de Neyman,
1. Enfatizo la importancia de la seleccion aleatoria con respecto a la seleccion in-
tencional y la necesidad de usar muestras basadas en un n umero relativamente
elevado de unidades de muestreo no muy extensas cuando estas son conglomer-
ados de los elementos en estudio.
2. Denio el problema de la ajacion optima en muestreo aleatorio simple estrati-
cado, minimizando la varianza de la estimacion con un tama no muestral jo.
3. Extendio el muestreo aleatorio simple estraticado al muestreo de grupos, o,
como hoy los llamamos, conglomerados, incluyendo la utilizacion del estimador
de raz on como una consecuencia inmediata del hecho de que con muestras de
conglomerados, tanto el numerador como el denominador en las medias mues-
trales, son variables aleatorias.
4. Introdujo el concepto de intervalo de conanza.
5. Aplico al campo del muestreo el metodo de Gauss-Markov para la obtencion de
estimadores insesgados de mnima varianza.
6. Estudio el muestreo intencional,
(a) Deniendo un modelo basado en lo que hoy denominamos muestras bal-
anceadas.
(b) Determinando las condiciones que se han de vericar para que este tipo de
muestreo posea las propiedades adecuadas.
Jose A. Mayor Gallego. Universidad de Sevilla
INTRODUCCI

ON 11
(c) Estudiando los efectos del sesgo, la consistencia y la varianza, cuando
dichas condiciones no se cumple.
(d) Ilustrando la perdida de robustez de este metodo.
7. Remarco la normalidad aproximada, para muestras grandes, de los estimadores
lineales, y por consiguiente, el uso del cociente tipicado,

]
cuando

es un estimador del parametro poblacional , y [

] es un estimador
de la desviacion tpica de

.
Es importante observar que algunos de los resultados obtenidos por Neyman en
relacion con la ajacion optima y otras cuestiones, haban sido hallados independi-
entemente por el ruso Tschuprow en 1923. Desgraciadamente, los trabajos de este y
otros estadsticos de la misma nacionalidad no tuvieron difusion ni continuidad. A
pesar de ello, no se pueden ignorar estas contribuciones que, seg un Chang (1976),
permiten armar sin exageracion que Rusia fue, cronologicamente, el primer centro
de estudio de la moderna teora matematica del muestreo. Vease Zarkovich (1956,
1962).
El trabajo de Neyman provoco una reaccion inmediata en la comunidad estadstica
europea. As, ya en 1935, P.V. Sukhatme estudio el problema de la ajacion optima
cuando no se conocen las varianzas de los estratos, proponiendo el uso de estimaciones
preliminares, y en el mismo a no, Yates y Zacopanay realizaron una formulacion mas
general que la de Neyman, introduciendo como factor a tener en cuenta el coste de
realizar el muestro.
La difusion de las ideas de Neyman a nivel mundial recibio un fuerte estmulo con
las clases y conferencias sobre muestreo que impartio en los Estados Unidos en 1937,
y en cuyos debates surgieron y fueron resueltas nuevas e importantes cuestiones, como
el muestreo doble o muestreo en dos fases, lo que se recoge en Neyman (1938).
1.3.5 Hansen y Hurwitz
Las ense nanzas de Neyman en los Estados Unidos produjeron rapidamente sus frutos
en el Bureau of Census, con los trabajos de M. Hansen, W. Hurwitz y sus colegas.
Estos trabajos cubren aspectos practicos relacionados con el dise no de encuestas de
gran alcance, que han llegado a ser clasicas y tomadas como modelo en otros pases,
Jose A. Mayor Gallego. Universidad de Sevilla
INTRODUCCI

ON 12
como por ejemplo la denominada Current Population Survey. En Stephan, Dem-
ing y Hansen (1940), Hansen y Madow (1976) y Hansen (1987) pueden encontrarse
descripciones de los metodos de muestreo empleados en estas macroencuestas.
En relacion al desarrollo teorico de los metodos de muestreo, Hansen y Hurwitz
hicieron, en los a nos 1942 y 1943, aportaciones importantes al muestreo por con-
glomerados, entre ellas la formulacion general de la varianza, y su relacion con el
coeciente de correlacion entre clases. Ademas introdujeron un esquema de muestreo
con reemplazamiento y probabilidades variables, as como el estimador apropiado a
este esquema, conocido como estimador de Hansen-Hurwitz.
Citaremos tambien sus investigaciones, aparecidas en 1946, sobre el problema de la
falta de respuesta en las encuestas y su tratamiento, para cuya resolucion dise naron
la metodologa de rellamadas; y sus estudios sobre los errores ajenos al muestreo,
es decir introducidos por los entrevistadores o en la manipulacion de datos, y que
aparecieron publicados en dos trabajos de los a nos 1951 y 1961.
Finalmente, es obligado mencionar su importante tratado de muestreo Sam-
ple Survey Methods and Theory, escrito en colaboracion con W.G. Madow, y que
aparecio en 1953. Esta obra es un compendio enciclopedico de los conocimientos de
muestreo existentes hasta esta fecha, tanto a nivel de desarrollo teorico, como de
aplicaciones practicas.
1.3.6 Aportaciones desde la decada de los 40
El perodo comprendido entre la decada de los 40 y nuestros das ha estado plagado de
numerosas aportaciones realizadas por gran cantidad de investigadores. Enumerarlas
en su totalidad se sale de la nalidad de esta breve introduccion por lo que nos
limitaremos a exponer, de forma cronologica, una muestra (intencional) de las que
usualmente se consideran mas decisivas para el desarrollo del muestreo.
En primer lugar, no podemos olvidar la importancia que ciertas organizaciones
han tenido en este desarrollo, ya sea por haber iniciado nuevas metodologas de inves-
tigacion con encuestas, ya sea por la relevancia de las personas que han trabajado en
ellos. Al ya citado Bureau of the Census, a nadiremos el Laboratorio de Estadstica de
la Universidad de Iowa donde han trabajado matematicos de la talla de W. Cochran
y P.V. Sukhatme, y el Indian Statistical Institute, organizado por P.C. Mahalanobis,
y que tambien haba sido pionero en la realizacion de grandes encuestas en la India, a
lo largo de los a nos 30, para cuyo tratamiento se empezo a utilizar el metodo de sub-
muestras interpenetrantes o muestras replicadas, desarrollado inicialmente por
Mahalanobis, y que permite controlar en cierta medida los errores ajenos al muestreo.
Jose A. Mayor Gallego. Universidad de Sevilla
INTRODUCCI

ON 13
En 1944, W.G. Madow y L.H. Madow presentaron la teora del muestreo sis-
tem atico, que ya haba sido utilizado de forma emprica por Bowley, y que posterior-
mente se enriquecio con las aportaciones de los mismos Madow y tambien de Cochran
y Yates entre otros.
En 1950 aparecen las investigaciones de R. Goodman y L. Kish sobre la seleccion
controlada, que basicamente consiste en acotar las probabilidades de ciertas muestras
no deseadas. Y en 1951, R. Narain inicia el estudio del muestreo sin reemplaza-
miento y probabilidades variables. Este campo se amplio rapidamente con impor-
tantes aportaciones de D. Lahiri en 1951, con su metodo de seleccion de elementos
que proporciona un estimador de razon insesgado, de H. Midzuno en 1952, con su
esquema para obtener probabilidades de inclusion proporcionales al tama no, y de
D. Horvitz y D. Thompson en 1952 con el desarrollo de una tecnica general basada en
el empleo de su estimador, para cuya varianza propusieron un estimador insesgado.
En 1953, A. Sen e independientemente F. Yates y P. Grundy, enriquecieron este tema
con la introduccion de un estimador insesgado alternativo para la varianza, mas ecaz
en algunos aspectos.
Desde entonces hasta la actualidad se han desarrollado una gran cantidad de pro-
cedimientos para obtener muestras sin reemplazamiento y probabilidades de inclusion
variables. Para dar una idea de la actividad investigadora en este campo diremos que
en Brewer y Hanif (1983) se realiza un estudio pormenorizado de 50 metodos de este
tipo.
Tambien en la decada de los a nos 50 se realizan investigaciones sobre los metodos
mas apropiados para estraticar una poblacion, siendo de especial relevancia las
aportaciones de T. Dalenius, M. Gurney, J. Hodges y G. Ekman, que proporcio-
nan diferentes reglas para determinar los puntos de corte que delimitan los estratos,
sobre la misma variable de estudio u otra auxiliar relacionada con ella.
Otro campo importante de investigacion lo constituye el desarrollo de tecnicas para
el tratamiento de la falta de respuesta y de las respuestas intencionalmente erroneas.
Con respecto a la falta de respuesta, este terreno ha sido enriquecido con los estudios,
ya citados, de Hansen y Hurwitz en 1946, de A. Politz y W. Simmons en 1949 y 1950,
y de W. Deming en 1953. Para el tratamiento de caractersticas especiales que dan
lugar a respuestas falsas, se han desarrollado los metodos de respuesta aleatorizada
con las aportaciones de S. Warner en 1965 y de W. Simmons.
En tiempo mas recientes, y cuando el muestreo ha obtenido un desarrollo tecnico
importante, se empiezan a estudiar sus fundamentos teoricos con cierto sentido crtico.
La teora clasica del muestreo se sustenta, basicamente en la aleatorizacion intro-
ducida por el dise no, lo que se suele conocer como enfoque de poblacion ja. A
pesar de los grandes avances obtenidos en el mismo y de la importancia practica de-
Jose A. Mayor Gallego. Universidad de Sevilla
INTRODUCCI

ON 14
mostrada a lo largo de los a nos, V. Godambe, en 1955, demostro las limitaciones de
este enfoque, en cuanto a la existencia de estimadores optimos, y su trabajo estimulo
posteriores investigaciones sobre las propiedades deseables para los estimadores y cri-
terios de seleccion de los mismo, con la introduccion de nuevos conceptos tales como
admisibilidad y minimaximalidad, y ademas alento el estudio en profundidad de los
fundamentos de la inferencia en el contexto del muestreo. En este sentido, citaremos
la importante obra de C. Cassel, C. Sarndal y J. Wretman, Foundations of Inference
in Survey Sampling, publicada en 1977.
Otro efecto importante de la necesidad de revisar los fundamentos del muestreo
en poblaciones nitas fue el activar enormemente el estudio del enfoque alternativo,
conocido como enfoque de superpoblacion, consistente en suponer que los valores
de la variable de estudio, asociados a las diferentes unidades, no son cantidades -
jas sino realizaciones de variables aleatorias sobre las que se supone una estructura
estocastica especca.
Este punto vista ya fue utilizado, de forma explcita, en 1946 por W. Cochran en
su artculo clasico sobre la eciencia del muestreo sistematico, pero alcanza su maximo
auge con los trabajos de R. Royall y su escuela, en los a nos 70. Estos estudios han
generado ciertas controversias entre los partidarios de ambos enfoques lo que a su vez
ha servido para enriquecer a un mas los estudios sobre el tema. Citemos por ejemplo
las crticas del mismo Hansen, recogidas en Hansen et al. (1983). Vease tambien
Bellhouse (1988).
Las investigaciones actuales sobre muestreo abarcan numerosos aspectos entre
los que citaremos los que se relacionan con la inferencia, tanto bajo el enfoque de
poblacion ja como bajo el de superpoblacion; el analisis de los datos procedentes de
encuestas realizadas con dise nos complejos; y los metodos de seleccion con probabili-
dades variables. Vease Azorn y Sanchez-Crespo (1986) y Sanchez-Crespo (1991).
Referencias
[1] Azorn, F. y Sanchez-Crespo, J.L. (1986). Metodos y aplicaciones del muestreo.
Alianza Universidad Textos. Madrid.
[2] Bellhouse, D.R. (1988). A brief history of random sampling methods. Hand-
book of Statistics 6. Sampling. Krishnaiah y Rao, (Eds.). North Holland.
Amsterdam.
[3] Brewer, K.R.W. y Hanif, M. (1983). Sampling with Unequal Probabilities.
Springer-Verlag. New York.
Jose A. Mayor Gallego. Universidad de Sevilla
INTRODUCCI

ON 15
[4] Cassel, C., Sarndal, C. y Wretman, J. (1977). Foundations of Inference in
Survey Sampling. Wiley. New York.
[5] Cochran, W.G. (1993). Tecnicas de muestreo. Decima reimpresion. CECSA.
Mexico.
[6] Chang, W.-C. (1976). Statistical theories and sampling practice. On the
History of Statistics and Probability. D.B. Owen (ed.). Dekker. New York.
[7] Dalenius, T. (1988). A rst course in survey sampling. Handbook of Statistics
6. Sampling. Krishnaiah y Rao, (Eds.). North Holland. Amsterdam.
[8] Garca Espa na, E. (1974). Dise no de la encuesta general de poblacion. Instituto
Nacional de Estadstica. Madrid.
[9] Hald, A. (1990) A History of Probability and Statistics and Their Applications
before 1750. Wiley. New York.
[10] Hansen, M.H. (1987). Some history and reminiscences on survey sampling.
Statistical Science. 2, pp. 180-190.
[11] Hansen, M.H., Hurwitz, W.N. y Madow, W.G. (1953). Sample Survey Methods
and Theory. Vol I y II. Wiley. New York.
[12] Hansen, M.H. y Madow, W.G. (1976). Some important events in the historical
development of sample surveys. On the History of Statistics and Probability.
D.B. Owen (ed.). Dekker. New York.
[13] Hansen, M.H., Madow, W.G. y Tepping, B.J. (1983). An evaluation of model-
dependent and probability-sampling inferences in sample surveys. J. Amer.
Statist. Assoc. 78, pp. 776-807.
[14] Kruskal, W. y Mosteller, F. (1980). Representative sampling, IV: the history
of the concept in statistics, 1895-1939. Internat. Statist. Rev. 48, pp. 169-195.
[15] Neyman, J. (1934). On the two dierent aspects of the representative me-
thod. The method of stratied sampling and the method of purposive selection.
J. Roy. Statist. Soc. 97, pp. 558-606.
[16] Neyman, J. (1938). Contribution to the theory of sampling human popula-
tions. J. Amer. Statist. Assoc. 33, pp. 101-116.
[17] Smith, T.M.F. (1976). The foundations of survey sampling. J. Amer. Statist.
Assoc. 139, pp. 183-204.
Jose A. Mayor Gallego. Universidad de Sevilla
INTRODUCCI

ON 16
[18] Sanchez-Crespo, J.L. (1991). El muestreo de poblaciones nitas en Espa na y su
posicion en el contexto internacional. Estadstica Espa nola. 128, pp. 421-439.
[19] Sarndal, C., Swensson, B. y Wretman, J. (1992). Model Assisted Survey Sam-
pling. Springer-Verlag. New York.
[20] Stephan, F.F., Deming, W.E. y Hansen, M.H. (1940). The sampling procedure
of the 1940 Population Census. J. Amer. Statist. Assoc. 35, pp. 615-630.
[21] Zarkovich, S.S. (1956). Note on the history of sampling methods in Russia.
J. Roy. Statist. Soc. 119, pp. 336-338.
[22] Zarkovich, S.S. (1962). Note on the history of sampling methods in Russia
(suppl.). J. Roy. Statist. Soc. 125, pp. 580-582.
Jose A. Mayor Gallego. Universidad de Sevilla