Cálculo y estimación de la varianza en la aplicación del estimador de rastrillo (Raking)

Transcripción

1 Comunicaciones en Estadística Junio 009, Vol., No. Cálculo y estimación de la varianza en la aplicación del estimador de rastrillo (Raking) Variance Computation and Estimation for the Application of the Raking Estimator Luis Alfonso Orjuela a luis.orjuela@millwardbrown.com Resumen La ponderación por calibración es una metodología en la que los pesos muestrales son ajustados de tal forma que cuando se aplican a un determinado conjunto de datos auxiliares, estos reproducen los totales del universo. El presente trabajo muestra el comportamiento que tiene uno de estos estimadores para totales poblacionales: el estimador de rastrillo frente a un estimador clásico como lo es el t yπ en un diseño muestral como el MAS. Palabras clave: calibración, información auxiliar multivariante, rastrillo, estimador de regresión. Abstract Calibration weighting is a methodology under which probability-sample weights are adjusted in such a way that when applied to data they can produce poblation totals. The present work shows the behavior of one of the estimators for total population: the raking estimator compared to a classical estimator as is the t yπ in a sample design as MAS. Key words: calibration, multivariate auxiliary information, raking, regression estimators.. Introducción Se pretende estimar los totales para un grupo de variables de estudio a partir de una muestra probabilística m extraída del universo U. Con base en la probabilidad de inclusión, π k, para cada elemento k de la muestra m, se estima el total a Marketing Sciences Assistant. Millward Brown. 8

2 8 Luis Alfonso Orjuela poblacional de la variable y, t y = U y k, con el estimador de Horvitz-Thompson, t yπ = y k m π k = U y k I k π k con I k = cuando k m y 0 en otro caso. Considerando a I k como variable aleatoria, se puede demostrar que t yπ es estimador insesgado para t y. Otra forma de escribirlo es t yπ = U d ky k = m d ky k se define d k = I k π k como el peso o el factor de expansión del elemento k en la muestra. Deville & Särndal (99) utilizan el término estimación de calibración para describir el estimador t yw = m w ky k, con m w kx k = U x k = t x para algún vector de variables auxiliares x k = ( ) t x k, x k,, x Pk, con tx = ( ) t tx, t x,, t xp, donde txi es conocida para todo i con i =,..., P. Como consecuencia hay una gran cantidad de conjuntos {w k k m} que satisface la ecuación de calibración: w k x k = t x, () k m Entonces se requiere que la diferencia entre {w k k m} y {d k k m} minimice alguna función de pérdida. Los componentes univariados de la ecuación (): w k x pk = x pk para p =,..., P. () k m k U son llamadas frecuentemente ecuaciones de calibración. Cuando y k es una combinación lineal de x k, para todo k U, entonces t yw es exactamente igual a t y. Esta propiedad es una gran fortaleza de la ponderación por calibración y la razón es porque el estimador de calibración es frecuentemente mucho más eficiente que el estimador de Horvitz-Thompson. Ya que t yw estima perfectamente a t y cuando y k = x t k β, es de esperarse que t yw sea un buen estimador cuando y k = x t kβ estén altamente correlacionados. Esto puede ser formalizado si se supone que los y k son variables aleatorias que satisfacen el modelo de predicción lineal. y k = x t k β + ɛ k, () donde E (ɛ k {x g g m}) = 0 para todo k U. Bajo este modelo, t yw es un estimador asintóticamente insesgado para t y. La sección muestra algunas definiciones y una forma de estudiar la sensibilidad del método de rastrillo para una correcta simulación de Monte Carlo. Posteriormente se realiza la simulación para diferentes poblaciones creadas artificialmente y por último, en la sección se hacen algunos análisis y conclusiones. Comunicaciones en Estadística, junio 009, Vol., No.

3 Cálculo y estimación de la varianza en Raking 8. Argumentos.. Método de Monte Carlo Bajo este nombre, se agrupa una serie de procedimientos que analizan distribuciones de variables aleatorias usando simulación de números aleatorios. Éste es un método no determinístico usado para aproximar expresiones matemáticas complejas y costosas de evaluar con exactitud. Debe su nombre al principado de Monte Carlo por ser la capital del juego de azar, al ser la ruleta un generador simple de números aleatorios. El desarrollo sistemático data aproximadamente de 9 y desde entonces ha sido utilizado como herramienta de investigación. El método de Monte Carlo proporciona soluciones aproximadas a una gran variedad de problemas matemáticos posibilitando la realización de experimentos con muestreos de números pseudoaleatorios en una computadora. El método es aplicable a cualquier tipo de problema, ya sea estocástico o determinístico. A diferencia de los métodos numéricos que se basan en evaluaciones en N puntos en un espacio M-dimensional para producir una solución aproximada, el método de Monte Carlo tiene un error absoluto de la estimación que decrece como N en virtud del teorema del límite central.... Algoritmo El algoritmo de simulación Monte Carlo puro, está fundamentado en la generación de números pseudoaleatorios por el método de transformación inversa, el cual se basa en las distribuciones acumuladas de frecuencias: Determinar las V.A. (Variable aleatoria) y sus distribuciones acumuladas (F) Generar un número aleatorio Determinar el valor de la V.A. (Variable aleatoria) para el número aleatorio generado de acuerdo a las clases que tengamos (iterar tantas veces como sea necesario) Calcular media, desviación estándar error Analizar resultados para distintos tamaños de muestra... Desarrollo de la simulación... Estudio de sensibilidad Para obtener resultados confiables y acertados, se optó por aplicar el método descrito anteriormente (simulación por Monte Carlo). Comunicaciones en Estadística, junio 009, Vol., No.

4 8 Luis Alfonso Orjuela Para determinar el número de muestras (Q) que se seleccionarán, se probó con diferentes tamaños, 500, 000, 500 y 000 muestras que se replican 5 veces cada una, mostrando el comportamiento de las estimaciones realizadas mediante un diseño de muestreo (MAS ) y el ajuste por calibración mediante el método de rastrillo, el cual ajusta las celdas de una tabla de dos o más vias mediante los totales conocidos de las celdas marginales. La población que se utiliza tiene una distribución uniforme con respecto a la ocurrencia de las dos variables auxiliares, las cuales tienen tres categorías cada una que se pueden observar con las siguientes tablas de frecuencias, contando con un total de hasta elementos, además cuenta con 600 conglomerados primarios de muestreo, los cuales no tienen menos de 0 elementos cada uno. Las muestras seleccionadas tienen 0 conglomerados de la primera etapa y un % de los registros de cada conglomerado. Cantidad Variable auxiliar C porcentaje Total %.05 %.7 % 6.57 % Variable auxiliar 7. %.7 %. %. % C % 5. %.8 %. % Total %.0 % 0.0 % 00 % Tabla : Cantidad de elementos por celda Suma (en millones) Variable auxiliar C Media Varianza Variable auxiliar C Tabla : Características de y k por celda Al seleccionar las Q muestras y aplicarles estos dos estimadores, se procede a calcular la media y S a todos los Q estimadores resultantes, con lo que se obtiene un estimador de la esperanza del estimador y un estimador de la varianza del estimador respectivamente. A continuación mostramos el comportamiento de estos estimadores con los diferentes tamaños de muestras. Diseño muestral aleatorio simple en dos etapas de muestra. Comunicaciones en Estadística, junio 009, Vol., No.

5 Cálculo y estimación de la varianza en Raking 85 Simulación con Q = 000 En la Tabla y Figura, se muestran el sesgo relativo y el C.V estimados con base en el promedio y la varianza de mil estimaciones con cada uno de quince experimentos. Sesgo relativo C.V Experimento MAS IP F MAS IP F -,7 %,7 %,0 %,8 % 0, %,5 %, %,8 % -,5 % 0,0 % 0, %,9 % -0,5 % -5,0 %,5 %,9 % 5 -, % -, %,7 %,8 % 6, % -, %,5 %,9 % 7 -,5 % -,6 % 0,6 %,9 % 8, % -, %, %,8 % 9 -, % -, %,0 %,9 % 0,7 %,0 %, %,8 %,9 %, %,0 %,7 % -,0 %,9 % 0,7 %,7 % -0,6 %, %,6 %,9 % -, %,7 %,6 %,7 % 5 0,5 % -0, % 0,6 %,9 % Tabla : Sesgo relativo y coeficiente de variación para 000 iteraciones Figura : Sesgo relativo y coeficiente de variación al replicar 000 veces los dos estimadores Comunicaciones en Estadística, junio 009, Vol., No.

6 86 Luis Alfonso Orjuela para Q = 500 el resultado es: Sesgo relativo C.V Experimento MAS IP F MAS IP F -,5 % 5, %,0 %,8 % -0,5 % 0,0 %,7 %,9 %,6 % -,0 %,5 %,8 % 0,9 % 5, %, %,9 % 5, % 0, %,6 %,8 % 6-0,7 % -,6 %,7 %,8 % 7 -,8 %,0 %, %,8 % 8, % -, %,6 %,9 % 9,5 % 6,6 %, %,9 % 0, % -0, %,9 %,8 % -0, %, %,9 %,9 % -,8 %,0 %,9 %,8 % -0, % -0,5 %, %,8 % 5, %,6 %,6 %,8 % 5 -,5 % -0,8 %,6 %,8 % Tabla : Sesgo relativo y coeficiente de variación para 500 iteraciones Figura : Sesgo relativo y coeficiente de variación al replicar 500 veces los dos estimadores Comunicaciones en Estadística, junio 009, Vol., No.

7 Cálculo y estimación de la varianza en Raking 87 para Q = 000 es: Sesgo relativo C.V Experimento MAS IP F MAS IP F -,0 % -0, % 0,8 %,8 % -0, % 0,0 %,5 %,8 %, % -0, %,9 %,9 % 0,5 % 0, % 0,5 %,9 % 5 0,5 % 0, %, %,9 % 6, % 0,0 %,7 %,8 % 7 -,5 % 0,0 %,6 %,8 % 8 -, % 0,0 %,5 %,8 % 9 0,8 % 0, %,6 %,8 % 0 0,5 % 0,0 %,9 %,9 % -, % 0,0 %,8 %,8 % -0, % 0,0 %,7 %,9 % 0,0 % 0,0 % 0,9 %,9 % 0, % -0, %, %,9 % 5 0,7 % 0, %,8 %,8 % Tabla 5: Sesgo relativo y coeficiente de variación para 000 iteraciones Figura : Sesgo relativo y coeficiente de variación al replicar 000 veces los dos estimadores Como se observa, el C.V. es estable desde las 000 muestras, pero se opta por desarrollar el resto de simulaciones con un tamaño de 500 muestras, ya que aunque el sesgo no es estable, los valores en los que ronda no son importantes y puesto que Comunicaciones en Estadística, junio 009, Vol., No.

8 88 Luis Alfonso Orjuela el t yπ es insesgado, el sesgo registrado es causado por el error de la simulación. Por otro lado, el proceso de calcular las 500 réplicas, tarda entre a horas, y realizar un número mayor de réplicas no aportaría mucho con respecto al incremento de tiempo requerido.... Descripción de las poblaciones Para el ejercicio de comparación se consideraron 7 universos construidos así: todos tienen dos variables auxiliares de tres categorías cada una. Tres poblaciones diferentes según la distribución como se generan variables auxiliares y la variable de interés, Uniforme, Normal y Gamma; el segundo factor es la frecuencia en la cantidad de individuos pertenecientes a las diferentes categorías de las variables auxiliares, estas frecuencias están distribuidas de una manera uniforme, con tendencia no definida y con tendencia marcada hacia un extremo de ellas (Figura ). El tercer factor se refiere a los valores de la variable de interés y k, donde al igual que en las frecuencias de individuos, en el primer caso se encuentran valores muy similares en todas las celdas, en el segundo, se encuentran con una tendencia no definida, y en el tercero con tendencia marcada hacia unas celdas específicas, como se muestra en la Figura 5. Figura : Cantidad de individuos por celda (clasificación de acuerdo a las dos variables auxiliares) A cada población se le aplican cuatro formas de selección de muestras. Todas por medio de un diseño MAS pero cambiando los parámetros de selección, en la primera se toman 0 conglomerados primarios de muestreo (CPM) con una selección del % de los elementos dentro de cada conglomerado, la segunda, 0 CPM y una selección del 5 % de los elementos dentro de cada conglomerado, la tercera 70 CPM y % dentro de cada conglomerado, y por último 70 CPM y 5 % dentro de cada conglomerado. Comunicaciones en Estadística, junio 009, Vol., No.

9 Cálculo y estimación de la varianza en Raking 89 Figura 5: Promedio del valor de la variable de interés y k clasificada por medio de las dos variables auxiliares. Resultados Para los tres grupos de escenarios discriminados por el primer factor (distribuciones uniforme, normal y gamma) se obtienen prácticamente los mismos resultados, con lo que se procede a describir el grupo generado por la distribución uniforme y para los restantes se presentan los resultados en los anexos. Para los 6 escenarios generados por medio de la distribución uniforme se nota que el estimador de rastrillo (IPF) tiene una reducción abismal en el coeficiente de variación con respecto al t yπ ya que el CV que se registra al emplear el estimador de Horvitz-Thompson, ronda los valores de % cuando la selección de conglomerados es menor (0CPM) y se reduce al 6 % cuando en la muestra se escogen 70 CPM. Lo anterior era de esperarse, pero los valores que registra el C.V al aplicar el estimador de rastrillo están alrededor del % (ver Figura 7); en cuanto al sesgo relativo, los valores registrados por la simulación arrojan valores entre el ±5% para ambos estimadores que puede ocasionarse por errores que puede generar la simulación y teniendo en cuenta que el t yπ es un estimador insesgado. Para observar mejor el comportamiento del coeficiente de variación para los dos estimadores, se puede apreciar que tanto las frecuencias de registros en las celdas como las tres diferentes formas de distribuir los valores de los y k no afectan en lo mínimo a este valor, sólo se registra una caída cuando se cambian los parámetros de la muestra (mayor número de CPM). Comunicaciones en Estadística, junio 009, Vol., No.

10 90 Luis Alfonso Orjuela 0 CPM Frecuencia y k Sesgo MAS Sesgo IPF Uniforme 0.8 % -0.0 % Uniforme Irregular -0. % -0.0 % Tendencia -0.7 % -0.0 % Uniforme -0.8 % 0.0 % Irregular Irregular.6 % 0.0 % Tendencia -0.8 % 0.00 % Uniforme 0. % 0.0 % Tendencia Irregular 0.6 % -0.0 % Tendencia. % -0.0 % Tabla 6: Estimación de SESGO RELATIVO para poblaciones seleccionadas con 0 CPM 70 CPM Frecuencia y k Sesgo MAS Sesgo IPF Uniforme 0.0 % 0.0 % Uniforme Irregular -0.6 % -0.0 % Tendencia -0. % 0.0 % Uniforme 0.0 % 0.0 % Irregular Irregular -0. % -0.0 % Tendencia -0. % 0.00 % Uniforme -0.8 % 0.00 % Tendencia Irregular 0. % 0.0 % Tendencia 0.6 % 0.00 % Tabla 7: Estimación de SESGO RELATIVO para poblaciones seleccionadas con 70 CPM 0 CPM Frecuencia y k C.V MAS C.V IPF Uniforme %. % Uniforme Irregular 0 % 0.8 % Tendencia % 0.9 % Uniforme %. % Irregular Irregular % 0.8 % Tendencia % 0.9 % Uniforme %. % Tendencia Irregular % 0.8 % Tendencia % 0.9 % Tabla 8: Estimación de C.V para poblaciones seleccionadas con 0 CPM Comunicaciones en Estadística, junio 009, Vol., No.

11 Cálculo y estimación de la varianza en Raking 9 C.V Typi. CV IPF Vs Celdas 0,5 CV_MAS CV_IPF 0,0 0,5 0,0 0,5 0,0 0,05 0,00 celdas Figura 6: Gráfico de caja del coeficiente de variación con respecto a las tres formas de distribuir las cantidades de elementos por celda C.V Typi. CV IPF Vs y_k 0,5 CV_MAS CV_IPF 0,0 0,5 0,0 0,5 0,0 0,05 0,00 yk Figura 7: Gráfico de caja del coeficiente de variación con respecto a las tres configuraciones del total de y k por celda.. Caso extremo Como para todos los escenarios el método IPF es una buena opción para aplicar, se realiza el ejercicio con un caso extremo donde se configura el universo de la siguiente forma: Para esta configuración se obtienen resultados más favorables para el π-estimador que para el IPF en términos del C.V. Comunicaciones en Estadística, junio 009, Vol., No.

12 9 Luis Alfonso Orjuela C.V Typi. CV IPF Vs MUESTRA 0,5 CV_MAS CV_IPF 0,0 0,5 0,0 0,5 0,0 0,05 0,00 muestra Figura 8: Gráfico de caja del coeficiente de variación con respecto a los cuatro diseños de muestra 70 CPM Frecuencia y k C.V MAS C.V IPF Uniforme 7 % 0.6 % Uniforme Irregular 6 % 0. % Tendencia 7 % 0.5 % Uniforme 6 % 0.6 % Irregular Irregular 7 % 0. % Tendencia 7 % 0.5 % Uniforme 6 % 0.6 % Tendencia Irregular 6 % 0. % Tendencia 6 % 0.5 % Tabla 9: Estimación de C.V para poblaciones seleccionadas con 0 CPM Cantidad Variable auxilar C porcentaje Total % % % 5% Variable auxiliar % % % % C % % 58% 6% Total % 6 % 6 % 00 % Tabla 0: Cantidad de elementos por celda Comunicaciones en Estadística, junio 009, Vol., No.

13 Cálculo y estimación de la varianza en Raking 9 SESGO R Typi, SESGO R IPF Vs Celdas 0,075 ses_r_mas ses_r_ipf 0,050 0,05 0,000-0,05-0,050 celdas Figura 9: Gráfico de caja del sesgo relativo con respecto a las tres formas de distribuir las cantidades de elementos por celda SESGO R Typi, SESGO R IPF Vs y_k 0,075 ses_r_mas ses_r_ipf 0,050 0,05 0,000-0,05-0,050 yk Figura 0: Gráfico de caja del sesgo relativo con respecto a las tres configuraciones del total de y k por celda. Conclusiones El sesgo producido por IPF crece respecto al π-estimador en una proporción que es de poca importancia. El coeficiente de variación de IPF se pasa de 0 % con el π-estimador al % con IPF estimador para 0 CPM en la muestra de la primera etapa. El coeficiente de variación se reduce del 7 % al % cuando se pasa del π-estimador al IPF-estimador con tamaño de muestra de 70 CPM. Comunicaciones en Estadística, junio 009, Vol., No.

14 9 Luis Alfonso Orjuela SESGO R Typi. SESGO R IPF Vs MUESTRA 0,075 ses_r_mas ses_r_ipf 0,050 0,05 0,000-0,05-0,050 muestra Figura : Gráfico de caja del sesgo relativo con respecto a los cuatro diseños de muestra Suma (en millones) Variable auxilar C Media Varianza Variable auxiliar C Tabla : Características y k por celda π estimador IP F estimador C.V. % 8. % Sesgo relativo 0.0 % 0.05 % Tabla : Valores de y k La ganancia por aplicar IPF-estimador es entonces siempre muy grande frente al π-estimador. Para todos los universos generados, se obtiene la misma ganancia, es decir, la reducción del C.V no depende ni de la cantidad de y k por celda ni del total. También se obtienen resultados muy parecidos cuando se varia el tamaño y la forma de la tabla Comunicaciones en Estadística, junio 009, Vol., No.

15 Cálculo y estimación de la varianza en Raking 95 Las pruebas realizadas con casos extremos de distribución de elementos por celda, fila o columna, son las únicas que arrojan resultados diferentes, en donde resulta que el π-estimador es mejor que el IPF-estimador. Estos resultados son válidos para la estimación de totales, aunque basados en simulaciones particulares, no pueden extrapolarse para la estimación de cocientes. Agradecimientos Gracias al maestro que no sólo me enseñó técnicas estadísticas y de muestreo, sino que se encargó de mostrarme cómo la disciplina y la pasión con que se hace cada labor, entre otras cosas, son herramientas para lograr la felicidad... Ojalá pudiera hacer entender entre éstas pocas líneas la admiración que siento al gran hombre que dedicó su vida a formar excelentes profesionales, Leonardo Bautista. Recibido: 0 de febrero de 008 Aceptado: de abril de 009 Referencias Bautista, J. (998), Diseños de muestreo estadístico, Universidad Nacional de Colombia. Deville, J. & Särndal, C.-E. (99), Calibration estimators in survey sampling, JASA pp Särndal, C.-E. & Lundström, S. (005), Estimation in Surveys with nonresponse, Jhon wiley & Sons, Ltd, Sweden. Särndal, C.-E., Swensson, B. & Wretman, J. (99), Model Assisted Survey Sampling, Springer, New York. SAS (00), Sas onlinedoc 9..., SAS Institute Inc, Cary, NC. Este artículo es resultado del trabajo de grado para optar por el titulo de estadístico titulado Cálculo y estimación de la varianza en la aplicación del estimador de rastrillo, dirigido por el maestro Leonardo Bautista y presentado en la Universidad Nacional de Colombia en 007. Comunicaciones en Estadística, junio 009, Vol., No.

16 96 Luis Alfonso Orjuela A. Resultados Población Normal Resultados para las poblaciones creadas por medio de la distribución NOR- MAL. 0CPM 70 CPM Frecuencia y k Sesgo MAS Sesgo IPF Sesgo MAS Sesgo IPF Uniforme.0 %.7 % 0.8 %.6 % Uniforme Irregular -. %. % 0.6 %.7 % Tendencia -0. %. % 0.7 %. % Uniforme.7 %.7 % 0.8 %.0 % Irregular Irregular -. %. % 0.7 %. % Tendencia -0. %. % 0.7 % 6.6 % Uniforme.0 %.8 % 0.9 % -. % Tendencia Irregular -. %. % 0.7 %.0 % Tendencia -5.0 %.5 % 0.8 % 0. % Tabla : Sesgo relativo para poblaciones generadas a partir de una distribución Normal 0 CPM 70 CPM Frecuencia y k C.V MAS C.V IPF C.V MAS C.V IPF Uniforme. %.7 % 6.9 % -.9 % Uniforme Irregular 0. %. % 6. % 8.8 % Tendencia. %. % 7.5 %. % Uniforme 0.5 %.7 % 5.9 %. % Irregular Irregular.6 %. % 6. %.5 % Tendencia 0.6 %. % 6. % 5. % Uniforme.7 %.8 % 7. % 0. % Tendencia Irregular 9.7 %. % 6.6 %.8 % Tendencia. %.5 % 6.9 % -. % Tabla : C.V para poblaciones generadas a partir de una distribución Normal B. Resultados Población Gamma Resultados para las poblaciones creadas por medio de la distribución GAM- MA. Comunicaciones en Estadística, junio 009, Vol., No.

17 Cálculo y estimación de la varianza en Raking 97 Sesgo r. MAS. Sesgo r. IPF Vs Celdas 0,00 ses_r_mas ses_r_ipf 0,075 0,050 0,05 0,000-0,05-0,050 celdas Figura : Gráfico de caja del sesgo relativo con respecto a las tres formas de distribuir las cantidades de elementos por celda Sesgor.MAS.Sesgor.IPFVs yk 0,00 ses_r_mas ses_r_ipf 0,075 0,050 0,05 0,000-0,05-0,050 yk Figura : Gráfico de caja del sesgo relativo con respecto a las tres formas de distribuir el valor de y k Sesgo r. MAS. Sesgo r. IPF Vs Muestra 0,00 ses_r_mas ses_r_ipf 0,075 0,050 0,05 0,000-0,05-0,050 muestra Figura : Gráfico de caja del sesgo relativo con respecto a los cuatro parámetros de selección de muestra Comunicaciones en Estadística, junio 009, Vol., No.

18 98 Luis Alfonso Orjuela CV MAS. CV IPF Vs Celdas 0,5 CV_MAS CV_IPF 0,0 0,5 0,0 0,5 0,0 0,05 0,00 celdas Figura 5: Gráfico de caja del sesgo relativo con respecto a las tres formas de distribuir las cantidades de elementos por celda CV MAS. CV IPF Vs yk 0,5 CV_MAS CV_IPF 0,0 0,5 0,0 0,5 0,0 0,05 0,00 yk Figura 6: Gráfico de caja del sesgo relativo con respecto a las tres formas de distribuir el valor de y k CV MAS. CV IPF Vs Muestra 0,5 CV_MAS CV_IPF 0,0 0,5 0,0 0,5 0,0 0,05 0,00 muestra Figura 7: Gráfico de caja del sesgo relativo con respecto a los cuatro parámetros de selección de muestra Comunicaciones en Estadística, junio 009, Vol., No.

19 Cálculo y estimación de la varianza en Raking 99 0CPM 70 CPM Frecuencia y k Sesgo MAS Sesgo IPF Sesgo MAS Sesgo IPF Uniforme. %. %. % -.0 % Uniforme Irregular.7 %.0 % -0. % -.0 % Tendencia -7. %.9 % -0.9 %.9 % Uniforme -0. % 0. %. %.9 % Irregular Irregular. % -5.5 % -.9 % -9.7 % Tendencia 0.7 % 0. %. %. % Uniforme. %.6 %. % -. % Tendencia Irregular 0.6 % -0.8 % -.7 % -.7 % Tendencia -.0 %.7 % -. %. % Tabla 5: Sesgo relativo para poblaciones generadas a partir de una distribución Normal 0 CPM 70 CPM Frecuencia y k C.V MAS C.V IPF C.V MAS C.V IPF Uniforme 0.8 %.8 % 6. % 0.9 % Uniforme Irregular. % 0. % 6.7 % 0. % Tendencia 0.9 % 0. % 6.5 % 0. % Uniforme. % 0.8 % 6. % 0. % Irregular Irregular.5 % 0. % 5.8 % 0. % Tendencia.5 % 0. % 6.6 % 0. % Uniforme.8 % 0.8 % 7. % 0. % Tendencia Irregular.0 % 0. % 6. % 0. % Tendencia.0 % 0. % 7.0 % 0. % Tabla 6: Sesgo relativo para poblaciones generadas a partir de una distribución Normal Sesgor.MAS.Sesgor.IPFVsceldas ses_r_mas ses_r_ipf 0,050 0,05 0,000-0,05-0,050-0,075-0,00 celdas Figura 8: Gráfico de caja del sesgo relativo con respecto a las tres formas de distribuir las cantidades de elementos por celda Comunicaciones en Estadística, junio 009, Vol., No.

20 00 Luis Alfonso Orjuela Sesgor.MAS.Sesgor.IPFVsyk ses_r_mas ses_r_ipf 0,050 0,05 0,000-0,05-0,050-0,075-0,00 yk Figura 9: Gráfico de caja del sesgo relativo con respecto a las tres formas de distribuir el valor de y k Sesgo r. MAS. Sesgo r. IPF Vs muestra ses_r_mas ses_r_ipf 0,050 0,05 0,000-0,05-0,050-0,075-0,00 muestra Figura 0: Gráfico de caja del sesgo relativo con respecto a los cuatro parámetros de selección de muestra CV MAS. CV IPF Vs celdas 0,5 CV_MAS CV_IPF 0,0 0,5 0,0 0,5 0,0 0,05 0,00 celdas Figura : Gráfico de caja del sesgo relativo con respecto a las tres formas de distribuir las cantidades de elementos por celda Comunicaciones en Estadística, junio 009, Vol., No.

21 Cálculo y estimación de la varianza en Raking 0 CV MAS. CV IPF Vs yk 0,5 CV_MAS CV_IPF 0,0 0,5 0,0 0,5 0,0 0,05 0,00 yk Figura : Gráfico de caja del sesgo relativo con respecto a las tres formas de distribuir el valor de y k CV MAS. CV IPF Vs muestra 0,5 CV_MAS CV_IPF 0,0 0,5 0,0 0,5 0,0 0,05 0,00 muestra Figura : Gráfico de caja del sesgo relativo con respecto a los cuatro parámetros de selección de muestra Comunicaciones en Estadística, junio 009, Vol., No.