Muestreo

En este trabajo hablaremos de los últimos temas de la sección 7 que tomare todo lo importante de la lectura. En general, escogeremos el estimador que posea mejores propiedades que los restantes, como insesgadez, eficiencia, convergencia y robustez (consistencia). El valor de un estimador proporciona lo que se denomina en estadística una estimación puntual del valor del parámetro en estudio: un estimador es insesgado o centrado cuando verifica que E( θ ̂) = θ. Observé que deberíamos usar θ ̂(x) y no θ ̂ , pues hablamos de estimadores y no de estimaciones pero como no cabe la confusión ,para simplificar , aquí , y en lo sucesivo usaremos θ ̂ ) . En caso contrario se dice que el estimador es sesgado. Se llama sesgo a B(θ ̂) = θ - E(θ ̂). No siempre se puede encontrar un estimador insesgado para calcular cierto parámetro. Así pues, puede que nuestro estimador tenga sesgo. Que un estimador tenga sesgo no quiere decir que no sea válido. Simplemente, quiere decirnos que no se ajusta todo lo bien que estadísticamente nos gustaría.

La eficiencia la explicare los más breve posible para ser concisa el estimador es más eficiente o preciso que otro, si la varianza del primero es menor que la del segundo. Diremos que un estimador es más eficiente cuanto menor es la eficiencia, menor es la confianza de que el estadístico obtenido en la muestra aproxime al parámetro poblacional. Para ello, es fundamental, entre otras cosas definir los criterios de inclusión (características clínicas, demográficas, temporales y geográficas de los sujetos que componen la población en estudio) y de exclusión (características de los sujetos que pueden interferir con la calidad de los datos o la interpretación de los resultados. El objetivo de este manuscrito, es entregar conocimientos generales respecto de las técnicas de muestreo más utilizadas en investigación clínica.

También llamada robustez (consitencia), se utilizan cuando no es posible emplear estimadores de mínima varianza, el requisito mínimo deseable para un estimador es que a medida que el tamaño de la muestra crece, el valor del estimador tiende a ser el valor del parámetro, propiedad que se denomina consistencia. Un estimador consistente es aquel cuyo error de medida o sesgo se aproxima a cero cuando el tamaño de la muestra tiende a infinito. en media cuadrática, otra herramienta que se puede utilizar para comprobar que un estimador es consistente es el error cuadrático medio. Esta herramienta matemática es aún más potente que la anterior. La razón es que la exigencia de esta condición es mayor. En el apartado anterior, la exigencia era que, probabilísticamente hablando, la posibilidad de cometer un error fuese cero o muy cercana a cero.

Se describió el muestreo aleatorio simple como un procedimiento de muestreo de una población finita y se estudiaron las propiedades de las distribuciones de muestreo de x ̅ y de p ̅ cuando se usó el muestreo aleatorio simple.

Muestreo aleatorio estratificado

...