Recomposicin Mediante PostEstratificacin

1
Recomposición Mediante Post-Estratificación

• Laia Palència
• Daniel Baena

2
Índice

• Principio
• Diferencias con estratificación a priori
• Estimador
• Varianza del estimador

3
Principio

• Descomponer el universo en estratos.
• Efectuar estimaciones por estratos.
• Combinar estimaciones parciales para obtener
  estimación global.

4
Diferencias con estratificación a priori

• En la estratificación a priori se controla el
  reparto de las unidades encuestadas entre los
  estratos.
• En la estratificación a posteriori sólo se conoce
  la proporción en la población de cada estrato
  (Nh/N).
• En el a priori la nh se fija antes de la
  encuesta. En el a posteriori es aleatoria.

5
Ejemplo

• Una empresa de refrescos desea saber el consumo
  mensual de un determinado producto. Se supone que
  entre la población más joven (lt25 años) el
  consumo será mayor.
• Se tiene una lista con nombres y teléfonos, pero
  se desconoce la edad.
• Suponemos conocida la proporción de jóvenes en la
  población.
• En esta situación es necesario el uso del método
  post estratificación, puesto que a priori no
  podemos asignar los individuos a cada estrato.
• Una vez realizada la encuesta (preguntando a
  cada individuo por la edad) se podrá asignar cada
  consumidor al estrato que le corresponda.

6
Estimador

• Si se descompone el universo en H estratos y se
  conocen los efectivos Nh de cada estrato

7
Varianza del estimador

• pero en este caso nh es
  aleatorio
• por tanto introduce variabilidad
• Con unos cálculos un poco más complicados se ve
  que

8
Método RAS (raking-ratio)
9
Índice

• Principio
• Método

10
Principio

• Se emplea cuando se trata de ajustar la muestra a
  varios criterios sin conocer la distribución
  conjunta asociada.

11
Ejemplo

• En un estudio donde se sabe que influyen tanto
  sexo como nivel educacional, se conoce la
  proporción en la población de hombres y mujeres,
  también se conoce la proporción de los diferentes
  niveles de educación, pero no se conoce en cada
  sexo qué proporción hay de cada nivel de
  educación.

12
Algoritmo

• For IT iteraciones Do
• For H criterios Do
• Modificar ponderaciones de los cuestionarios
  para ajustar a la distribución del criterio Hi.
• End For
• End For

13
Método

• Tenemos los siguientes datos

n.i /n ? N.i/n
Sabemos la proporción en la población Del estrato
x.
n.j /n ? N.j/n
14
Método (II)
tal que

• Queremos obtener un

Para ello hacemos
Una vez hemos corregido un factor, hemos de
realizar los mismos pasos Para los demás factores.
15
Tratamiento de las no Respuestas.
16
Categorías

• Respuestas Parciales Faltan datos para una parte
  del cuestionario.
• Respuestas Totales Faltan los datos de un grupo
  de individuos que han rechazado contestar al
  cuestionario o a los que no se ha podido acceder.