Tema: Mtodos Indirectos de Estimacin.

1.- Introduccin:
X i , Y i representa un vector aleatorio correspondiente a dos medidas tomadas en el
individuo i-simo. X variable auxiliar, Y variable de inters.
Cuestin fundamental, Cuando realmente interesa utilizar una (o ms de una) variable
auxiliar en un mtodo indirecto?. Las tcnicas de regresin resuelven la cuestin. Estas
mismas tcnicas permitiran generalizar el procedimiento de estimacin si tenemos dos o
ms variables auxiliares que podra ser el caso.
Expresin general de estimadores indirectos: YR Y b 0 X X donde b 0 puede
considerarse un coeficiente de correcin para mejorar Y . Posibles valores para b 0 :
i) Estimador Directo b 0 0 YR Y
ii) Estimador de Razn b 0

Y
X

YR

Y
X

iii) Estimador por Diferencia b 0 1 YR Y X X

iv) Estimador de Regresin b 0 Coef. de regresin de Y sobre X.
Caractersticas de los mtodos indirectos:
i) La informacin auxiliar X se conoce en todos los individuos de la poblacin,
x i iU , es conocido, por tanto se conoce X .
ii) Para los individuos tomados en la muestra s se conoce su respuesta a la variables de
inters y auxiliar y i , x i is .

2.- Estimador de Razn:

2.1 Modelo Comn de razn:
Suposiciones: V.a auxiliar X positiva y ademas
n

yk
xk

y k

yk
xk

cte. k EY/X x k x k y

y k

k1
n

x k

k1
N

x k

k1

k1

2.2 Cmo estimar una razn R

Y
X

y k

k1
N

?
xk

k1

Y
X

Resultados:
i)

E R R

Var R

Var X
2X

Si el error estndar relativo

1/2

Var X

0 la razn del

| X |

sesgo 0 .
ii) Diseo muestral m.a.s.:
AVar R

AVar R

E. C. M. R

1f
n

1
2
X

1f
n
y k Rx k

sr

n1

y k Rx k 2
1
2X

N1

y 2k R x 2k 2Ry k x k
2

1f
n

1
2
X

ks

ks

n1

ks

Ejemplo: Se est interesado en estudiar la diferencia en el valor catastral de las casas en

cierta comunidad particular durante un perodo de dos aos. Se toman 20 de las 1000 casas
utilizando m.a.s. midiendo Y, valor catastral de este ao, X, valor catastral de hace dos
aos. A partir de la tabla adjunta de datos, qu concluyes?
yi
x 2i
y 2i
xiyi
Casa
xi
1

6. 7

7. 1

44. 89

50. 41

47. 57

...

...

...

...

...

...

20

8. 9

9. 4

79. 21

88. 86

83. 66

Total 154. 5 164. 7 1210. 55 1373. 71 1288. 95

Solucin:
20

y k
R

k1
20

x k

1. 07 El valor catastral ha aumentado un 7%.

164.7
154.5

k1

Var R

2 Var R

1
20

1373.71.07 2 1210.5321071288.9
1
2
19
7.725

20
1000

0. 02

2.3 Cmo estimar Y :

Modelo y k x k y k x k YR
U

Como
min y k x k

y k x k

x k

y k

x k

2.3.1 Caso m.a.s.:

k

n
N

YR

Y
X

y k
sr

x k

N x Var R
x

YR

X; Y

N2

Nota: A menudo AVar YR

de

aqui

yk
k

k1

se

deduce

una

y
x k N x x ss RN x ,

sr

AVar YR

aproximacin para la varianza:

AVar YR

1f
n

N 2 1f
n

y k Rx k

y k Rx k 2
U

N1
2

n1

Var m.a.s

regresin pasa, o muy cerca, del origen.

Obtencin de n fijados B y K:
Tomada una muestra piloto se estima V 2

N2

1f
n

CorrX, Y

y k Rx k

n1

S 2
y R S x 2RS xy
1 CV U X
2 CV U Y

y la recta de

V 2 N 2
B2
k2

NV 2

2.3.2 Diseo muestral estratificado:

Tenemos la poblacin N dividida en L estratos, N N 1 . . . N L , en cada estrato h se toma
una m.a.s. de n h individuos. Y es la variable de inters y X la auxiliar.

i) Estimador de razn estratificado separado; (Caso y

y

Se toman estimadores de razn en cada estrato, yh x hh xh .

Se simplifica a un nico estimador tomando un promedio con pesos de estos L estimadores:
L
y

SRy W h x hh xh .
h1

Nh

AVar SRY W 2h

1f h
nh

2 2

2
hy R h hx 2R h hxy ; hxy

x hi xh y hi yh
i1

N h 1

h1

nh

AVar SRY W 2h
h1

xh

Xh

1f h
nh

yh
xh

S 2
hy R h S hx 2R h S hxy ; R h

; S hxy

x hi xh y hi yh
i1

n h 1

Obtencin de n fijados B y K:
Tomada una muestra piloto se estima V 2
h

S 2
hy R h S hx 2R h S hxy

Si afijacin proporcional n h nW h , W 2h

1
nW h

1
Nh

V 2
h

B2
k2

y se despeja n.

h1

ii) Estimador de razn estratificado combinado; (Caso y

L

CRy

STy

STx

AVar CRy

W h y h
x
L

h1
L

W h x h

x.

h1

W 2h

1f h
nh

2 2
2
hy R hx 2R hxy ;

h1

AVar CRy

W 2h
h1

xh

Xh

1f h
nh

STy

STx

S 2
hy R S hx 2RS hxy ; R

W h y h

h1
L

Whxh
h1

Obtencin de n fijados B y K:
Tomada una muestra piloto se estima V 2
h

S 2
hy R S hx 2RS hxy

Si afijacin proporcional n h nW h , W 2h

1
nW h

1
Nh

V 2
h

B2
k2

y se despeja n.

h1

Cuestiones:
1 Cuando usar el estimador estratificado separado o el combinado?
Habitualmente sucede que el error de muestreo es superior con el estimador
combinado. Sin embargo el estimador separado puede tener mayor sesgo puesto que el
estimador de razn de cada estrato contribuye al sesgo. Por tanto, si los tamaos de muestra
son pequeos en cada estrato o si las razones dentro de los estratos son aproximadamente
iguales, utilizaremos el estimador combinado.
2 Cuando usar el estimador de razn?
Cuando la relacin entre las variables Y y X sea aproximadamente lineal a traves del
origen y ademas, la varianza de la variable Y sea proporcional a la varianza de la variable
X.

3.- Estimador Producto.

El estimador de razn no puede ser utilizado para mejorar el estimador directo cuando
la correlacin entre las variables de inters y auxiliar es negativa. Una alternativa es el
estimador producto.

yx
x
YP x , estimador ms eficiente que el de m.a.s. si xy 12 CV
CV y

1f
Sesgo: E YP y n y xy CV x CV y

1f

2 2
AVar YP n 2
y R x 2R xy
2

1f
2

AVar YP n S 2
y R S x 2RS xy

4.- Estimador de Regresin:

Cuando el modelo entre X e Y es lineal pero no pasa por el origen, el estimador de
regresin es el adecuado.
4.1 Estimador Diferencia:
Se supone y 1 , x 1 , . . . , y n , x n m.a.s. de n unidades de una poblacin de N elementos.
Sea una constante predetermianda.

Definicin de estimador diferencia YD y x x

Propiedades:

i) Para todo el YD es insesgado.

ii) La varianza de este estimador es mnima si xy2 .

x
Alternativas para :
i) 1; Slo funciona bien si la relacin entre X e Y es lineal con pendiente prxima a la
unidad;

YD y x x

d k d 2

1f s
Var YD n
; dk yk xk
n1
ii) Utilizar estudios previos para proponer una estimacin del coeficiente de regresin

1f

2 2
Var YD n S 2
y S x 2S xy
Ejemplo:
4.2 Estimador de Regresin:
Consideramos toda la poblacin Uy 1 , x 1 , . . . , y N , x N y que el modelo es
y i 0 1 x i ; i 1, . . . , N.
0 y 1x
min y i 0 1 x i 2

0 , 1

xy
2x

y i y x i x

x i x 2
U

El tomar una muestra

kl k, l s, y i , x i is , x i iU .

de

segn

un

diseoconocer

0 y s 1 x s; y s s

yk
k

; xs

xk
k

;N

1
k

y k y s x k x s
k

1 s

xkxks

4.2.1 Sea s una m.a.s.:

y s y; x s x; 1 S 2xy
x
Por

y 1 y 1 x 1 x

y i

i1N
......

y N y 1 x N x
2 2

1f
Var yreg n S 2
y 1 S x 2 1 S xy
tanto:

x i x
i1

yreg y 1

y 1 x x

Ejercicio: Comprobar que fijado el error de estimacin del total poblacional, B, y la

confianza k, la expresin del tamao de la muestra necesario es
2 2

n B2V V con V S 2
y 1 S x 2 1 S xy estimado con una muestra previa
N2k2

Ejemplo:
4.2.2 Sea s una muestra obtenida mediante diseo estratificado:
N N 1 . . . N L , en cada estrato h se toma una m.a.s. de n h individuos. Y es la variable de
inters y X la auxiliar.
i) Estimador de regresin separado:
Suponiendo que los n h son suficentemente grandes para que los estimadores en cada
estrato sean lo suficientemente aproximados.
Nh

Para cada estrato: h

S hxy
S 2
hx

, yhreg y h h

x hi x h
i1

Nh

y h h hx x h

Globalmente: yrs W h yhreg

L

AVar yrs

h1
1f
W 2h n hh

2 2

S 2
hy h S hx 2 h S hxy

h1

ii) Estimador de regresin combinado:

Cuando existan evidencias de que los h no difieren mucho entre si, si los n h no son
suficentemente grandes.
L

W2h 1fnhh S hxy

h1
L

,
W 2h

1f h
nh

S 2
hx

h1

yestr W h y h (estimador

de

con

h1
L

xestr W h x h (estimador de x con diseo estratificado).

h1

Globalmente: yrc yestr c x xestr

L
2 2

1f
AVar yrc W 2h n hh S 2
hy c S hx 2 c S hxy
estratificado),

h1

diseo

Ejercicio: Comprobar que fijado el error de estimacin de la media poblacional, B, y la

confianza k y suponiendo afijacin proporcional la expresin del tamao de la muestra
necesario es
L

Wh V h
n

h1
L

B2
k2

W2
h
Nh

V h

2 2

con V h S 2
hy c S hx 2 c S hxy estimado con una muestra previa

h1

Encontrar la expresin del tamao de muestra necesario para estimar el total poblacional.
4.3 Expresiones Alternativas para el Estimador de Regresin:
Suponemos observado un vector x de J variables auxiliares y los modelos
E y k x k
E y k 1 2 x k
y 2
1
V y k 2 x k
V y k 2
i) Primera alternativa :
1
Dada la muestra s el ajuste del modelo permite estimar T t /
J

x x
x y
k 1, . . . , N.
t 2k k 1 , . . . , J y y k x k j x jk
T 2k k
ks

k k

ks

k k

s
Para el modelo 1

ys
s

yk
k
1
k

, xs

xk
k

1
k

Para el modelo 2

j1

yr U x k s
s

yk
k
xk
k

s
, 2

x k x s y k y s
k

x k x s 2
k

yk
k
xk
k

y s 2 x s

donde

yr N y s 2 x U x s

ii) Segunda alternativa:

luego los residuales muestrales son,

e ks y k y k ,
ks

Observamos que e ks y y k dependen de s por , que y k es evaluable para toda la poblacin y

que se conoce x 1 , . . . , x N . Sin embargo los residuales solo son evaluables para la muestra.
El estimador de regresin puede ser expresado:

yr y k eksk y k e ks
U

ks

ks

iii) Varianza del estimador de regresin:

Var yr s kl g ks e ks g ls e ls / kl 1

kl
kl

, e ls

e ls
k

, g ks

U xk
s xkk

Casos Particulares:
Si el modelo es
Var yr

E y k x k
V y k 2 x k

U x
s

2
k

xk
k

1f
n

, bajo m.a.s.

y k x k

n1

Propiedad: Una condicin necesaria y suficiente para que

ks

e ks
k

0 es que exista J

/ 2k x k . Ejemplos de estructura de varianza que cumplen esta condicin:

2k 2 y x 1k 1 para k U.
2k x jk para todo k U.

5.- Ejemplos:
5.1 Una fbrica de frigorficos contempla revisar su poltica de mercado. Por ello, desea
estimar cuntos frigorficos se van a vender el prximo verano, y . Atendiendo a varios
factores, se divide el pas en cuatro zonas. El nmero de comerciales en estas cuatro zonas
es 400, 216, 364 y 274, mientras que el nmero total de refrigeradores vendidos el pasado
verano fue 29100, 12060, 26567 y 1811. Tratando las zonas como estratos, se decide
seleccionar una muestra de 42 comerciales. Se utiliza afijacin de mnima varianza ya que
se facilita la siguiente informacin poblacional respecto del nmero de ventas del ao
2
2
2
pasado en cada estrato: 2
1 207. 36, 2 282. 24, 3 184. 96, 4 127. 69.
Los datos observados se muestran en la siguiente tabla: (X:ventas del pasado verano,
Y:ventas esperadas del prximo verano)

nh

Zona I

Zona II

Zona III

Zona IV

X Y

X Y

X Y

X Y

53

69

44 52

60 67

58 52

84

80

67 73

76 86

65 71

93

87

84 78

78 75

56 62

66

72

52 60

68 77

48 44

77

81

48 42

55 64

73 77

82

94

62 56

48 45

85 80

68

64

56 50

86 98

61 66

84

88

70 76

91 95

79

72

40 48

69 76

98 110

70 79

50

62

79 92

78

70

49 66

92

85

63

77

Nh

Wh

xh

xh

xh

yh

S 2
hy

S 2
hx

S hxy

Estrato 1 14 400 0.319 72.8 29100 76.2 79.4 166.7 211.1 146.5 0.694
Estrato 2

216 0.172 55.8 12060 58.1 59.4 174.3 197.1 164.8 0.836

Estrato 3 12 364 0.290

Estrato 4

rh
0.781
0.889
0.900
0.899

73

26567 69.1 76.7 226.6

193

188.3 0.975

274 0.218 66.1 18111 63.7 64.6 170.6 147.9 142.8 0.965

5.2 Un experimento tiene por objeto estimar la superficie (v.a. Y) media de hoja de una
nueva variedad de trigo. El experimentador decide plantar 40 unidades entre tres lugares
diferentes. Se obtienen 640, 710 y 769 hojas respectivamente. El peso total de estas hojas
en estas tres plantaciones fue 69000, 81137 y 78009 grs respectivamente. Usando afijacin
proporcional se toma una m.a.s. de 39 hojas con los siguientes resultados (Y: rea en cm 2 ,
X: peso en grs.);
Estrato I

Estrato II

Estrato III

Y X

Y X

Y X
26. 01 103

21. 08

97

41. 07 130

25. 7

103

26. 13 107

18

89

34. 23 119

28. 05 109

17. 92

91

26. 16 107

33. 71 117

26. 73 105

19. 37

99

28. 56 112

24. 81 101

28

103

29. 43 110

28. 3

107

24. 03

91

22. 41 105

16. 07

81

36. 61 123

32. 06 113

29. 41 111

34. 09 117

27. 64 108

21. 09 104

102

35. 47 121

22. 18 102

34. 78 122

31. 57 113

17. 76

23. 17 106

39. 06 129

28. 21 101

20. 66

99

26. 7

106

19. 84

96
84

21

Estimar el rea media de cada hoja.

S 2
hx

S hxy

Estrato 1 12 640 0. 3020 107. 8 69000 103. 04 25. 75 40. 148

133. 9

68. 41

0. 5109

Estrato 2 13 710 0. 3351 114. 3 81137

66. 24

41. 758 0. 6304

nh

Nh

Wh

xh

xh

Estrato 3 14 769 0. 3629 101. 4 78009

xh
110. 9

yh

S 2
hy

28. 94 30. 334

104. 3 25. 84 45. 446 154. 99 81. 065

El programa metiejem.m resuelve el resto del ejercicio con el siguiente resultado:
error 6.1675
(error de muestreo)
icmyest 15.5905 39.7670
(intervalo de confianza)
myest 27.6788
(estimacin puntual)
La estimacin del rea media en cada estrato es:
my1 27.9692
my2 31.0179
my3 24.3542

0. 523