Professional Documents
Culture Documents
Muestreo Estratificado Adaptativo en Conglomerados
Muestreo Estratificado Adaptativo en Conglomerados
%
% In principle, this file can be redistributed and/or modified under
% the terms of the GNU Public License, version 2.
%
% However, this file is supposed to be a template to be modified
% for your own needs. For this reason, if you use this file as a
% template and not specifically distribute it as part of a another
% package/program, I grant the extra permission to freely copy and
% modify this file as you see fit and even to delete this copyright
% notice.
\documentclass{beamer}
\vspace{0.2cm}
21 de Abril de 2020
\vspace{0.4cm}
\includegraphics[width=2cm]{logo-universidad-de-cordoba.png}
\date{}
% \pgfdeclareimage[height=0.5cm]{university-logo}{university-logo-filename}
% \logo{\pgfuseimage{university-logo}}
\begin{frame}
\titlepage
\end{frame}
\begin{frame}{Contenido}
\tableofcontents
% You might wish to add the option [pausesections]
\end{frame}
\begin{frame}{Definici�n}
\begin{block}
En el muestreo estratificado de conglomerados adaptativos, se selecciona una
muestra estratificada inicial de una poblaci�n, y cada vez que se observa que el
valor de la variable de inter�s para cualquier unidad satisface una condici�n
espec�fica, se agregan unidades adicionales del vecindario de esa unidad a la
muestra. Se pueden agregar a�n m�s unidades a la muestra si a su vez alguna de las
unidades agregadas cumple posteriormente la condici�n.
\end{block}
\end{frame}
\begin{frame}{Definici�n}
\begin{flushleft}
\begin{block}
\section{Dise�os}
\begin{frame}{Dise�os}
\begin{block}
\begin{flushleft}
la poblaci�n se divide en estratos $L$, de los cuales el estrato $h$ est� compuesto
de unidades $N_{h}$, y el n�mero total de unidades en la poblaci�n se denota $N$.
Asociado con la unidad $u_{hi}$, la unidad $i$-�sima de estrato $h$, es una
variable de inter�s $y_{hi}$. Para cualquier unidad $u_{hi}$ de la poblaci�n, el
vecindario de la unidad $u_{hi}$ se define como una colecci�n de unidades que
incluye $u_{hi}$ y con la propiedad de que si la unidad $u_{h'i'}$ est� en el
vecindario de la unidad $u_{hi}$, entonces la unidad $u_{hi}$ est� en el vecindario
de la unidad $u_{h'i'}$. El vecindario de una unidad puede incluir unidades de m�s
de un estrato. Se dice que una unidad $u_{hi}$ satisface la condici�n de inter�s si
el valor $y$ asociado con esa unidad est� en un conjunto espec�fico $C$.
\end{flushleft}
\end{block}
\end{frame}
\begin{frame}{Dise�os}
\begin{flushleft}
\begin{block}
\end{frame}
\begin{frame}{Dise�os}
\begin{flushleft}
\begin{block}
\end{frame}
\begin{frame}{Figura 1}
\begin{center}
\includegraphics[width=10cm]{Figura1.png}
\end{center}
\end{frame}
\begin{frame}{Descripci�n de la figura 1}
\begin{block}
\begin{itemize}
\item Se muestra en la figura 1 el vecindario de una unidad consiste en esa unidad
junta.
\vspace{0.5cm}
\item Muestra aleatoria estratificada inicial de cinco unidades en cada uno de los
dos estratos. Cada vez que una unidad en la muestra contiene uno o m�s de los
objetos puntuales, las unidades adyacentes se agregan a la muestra.
\end{itemize}
\end{block}
\end{frame}
\begin{frame}{Dise�o}
\begin{block}
\end{frame}
\begin{frame}{Dise�o}
\begin{block}
\end{block}
\end{frame}
\begin{frame}{Dise�o}
\begin{block}
\end{block}
\end{frame}
\begin{frame}{Figura 2}
\begin{center}
\includegraphics[width=7cm]{Figura2.png}
\end{center}
\begin{itemize}
\item La figura 2 muestra final resultante de la muestra inicial de la figura 1.
Tenga en cuenta que algunas unidades en el estrato 2 (derecha) se incluy� en la
muestra como resultado de una selecci�n inicial en el estrato 1.
\end{itemize}
\end{frame}
\begin{frame}{Figura 3}
\begin{center}
\includegraphics[width=7cm]{Figura3.png}
\end{center}
\begin{itemize}
\item Las distintas redes interceptadas por la muestra inicial se delinean con
l�neas en negrita.
\end{itemize}
\end{frame}
\begin{frame}{Dise�os}
\begin{block}
\begin{flushleft}
El n�mero esperado de veces que se selecciona la unidad $u_{hi}$ es
\end{flushleft}
\begin{center}
\[
E(r_{hi}) = \sum_{k=1}^{L} n_{k}\frac{m_{khi} \hspace{0.1cm} + \hspace{0.1cm}
a_{khi}}{N_{k}}
\]
\end{center}
\begin{flushleft}
La unidad $u_{hi}$ se incluir� en la muestra si una o m�s unidades de la red a la
que pertenece $u_{hi}$ se incluye en la selecci�n inicial o, para una unidad
$u_{hi}$ que no cumple la condici�n, si una o m�s unidades de cualquier red que
cruza el vecindario de la unidad $u_{hi}$ se incluye en la muestra inicial. Debido
al muestreo aleatorio estratificado inicial, la probabilidad de inclusi�n $\pi_{hi}
$ para la unidad $u_{hi}$ es
\end{flushleft}
\end{block}
\end{frame}
\begin{frame}{Dise�o}
\begin{block}
\begin{center}
$\pi_{hi} = 1 - \frac{\displaystyle\prod_{k=1}^L \displaystyle{N_{k} - m_{khi} -
a_{khi} \choose n_{k}}} {\displaystyle{N_{k} \choose n_{k}}} $
\end{center}
\begin{flushleft}
El tama�o de muestra esperado $v$, es decir, el n�mero esperado de unidades
distintas en la muestra final, es la suma de las probabilidades de inclusi�n de $N$
en la poblaci�n.
\end{flushleft}
\end{block}
\end{frame}
\section{Estimadores}
\begin{frame}{Estimadores}
\begin{block}
\begin{flushleft}
Los estimadores convencionales como la media de la muestra estratificada, aunque no
sesgados para la media de la poblaci�n con el muestreo aleatorio estratificado
cl�sico, no son imparciales con los dise�os adaptativos (v�ase el ejemplo 1 a
continuaci�n). Sin embargo, se puede obtener un estimador imparcial, si ineficiente
$\widehat{\mu}_{0}$ de la media de la poblaci�n, simplemente usando el m�todo
convencional estimador estratificado de la media basado en la muestra inicial,
ignorando todas las observaciones posteriores.
\end{flushleft}
\end{block}
\end{frame}
\begin{block}
\end{frame}
\begin{block}
Para la unidad $u_{hi}$, defina la nueva variable $w_{hi}$ como el total de los
valores y de la red a la que pertenece $u_{hi}$, ponderada por la fracci�n de
muestreo del estrato y dividida por una suma ponderada de los tama�os de
intersecci�n red-estrato de la siguiente manera:
\begin{flushleft}
\Large
\[
w_{hi} = \frac{n_{h}}{N_{h}} \frac{\sum_{k=1}^{L} \xi_{khi}}{\sum_{k=1}^{L}
\frac{n_{h}}{N_{h}} m_{khi}}
\]
\end{flushleft}
\begin{flushleft}
donde $\xi_{khi}$ es el total de los valores y en la intersecci�n del estrato $k$
con la red que incluye la unidad $u_{hi}$ y $m_{khi}$ es el n�mero de unidades en
esta intersecci�n.
\end{flushleft}
\end{block}
\end{frame}
\begin{block}
\begin{flushleft}
El estimador de la media poblacional es
\end{flushleft}
\begin{center}
\large
$\widehat{\mu}_{1} = \frac{1}{N} \sum_{h=1}^{L} \frac{N_{h}}{n_{h}}
\sum_{i=1}^{n_{h}}w_{hi}$ \hspace{2cm}(1)
\end{center}
\begin{center}
\large
$\widehat{\mu}_{1} = \frac{1}{N}
\sum_{h=1}^{L}\sum_{h=1}^{N_{h}}\left(\frac{y_{hi}\sum_{k=1}^{L}r_{khi}}
{\sum_{k=1}^{L}\frac{N_{k}}{n_{k}}m_{khi}}\right) $
\end{center}
Como $E(r_{khi}) = n_{k}m_{khi}/N_{k}$, se deduce que $\widehat{\mu}_{1}$ es un
estimador imparcial de la media de la poblaci�n.
\end{block}
\end{frame}
Con $w_{hi}$ como la variable de inter�s para la unidad $u_{hi}$ para cada unidad
en la poblaci�n, $\widehat{\mu}_{1}$ es la media de muestra estratificada de una
muestra aleatoria estratificada y, por lo tanto, tiene varianza
\begin{center}
\large
\hspace{1cm} var$(\widehat{\mu}_{1}) = \frac{1}{N^{2}}\sum_{h=1}^{L}N_{h}(N_{h} -
n_{h})\frac{\sigma^{2}_{h}}{n_{h}}$ \hspace{1cm} (2)
\end{center}
en el que el t�rmino de varianza de la poblaci�n del estrato es
\begin{center}
\large
\hspace{1cm} $\sigma^{2}_{h} =\frac{1}{N_{h} - 1}\sum_{i = 1}^{N_{h}}(w_{hi} -
\overline{W}_{h})^{2}$ \hspace{2cm} (3)
\end{center}
\end{block}
\end{frame}
\begin{center}
$\overline{w}_{h} = (1/n_{h})\sum w_{hi}$
\end{center}
\end{block}
\end{frame}
\end{block}
\end{frame}
\end{block}
\end{frame}
\begin{center}
\large
\[ \widehat{\mu}_{1}^{'} = \frac{1}{N}\sum_{h=1}^{L}\sum_{i=1}^{N_{h}}
\left( y_{hi}\sum_{k=1}^{L}\frac{N_{k}}{n_{k}}r_{khi} \bigg/ \sum_{i=1}^{L} m_{khi}
\right)
\]
\end{center}
\end{block}
\end{frame}
\end{block}
\end{frame}
\begin{frame}{Estimador utilizando probabilidades de intersecci�n inicial}
\begin{block}
Deje que la variable indicadora $z_{i}$ sea $1$ si la muestra inicial intercepta la
red $i$ y cero en caso contrario. El estimador estratificado del tipo modificado de
Horvitz-Thompson es
\end{block}
\end{frame}
Para $i = 1, ..., K$, $z_{i}$ es una variable aleatoria de Bernoulli con E($z_{i}$)
= $\alpha_{i}$, var($z_{i}$) = $\alpha_{i}$(1 - $\alpha_{i}$) y cov($z_{i}$, $z_{j}
$) = $\alpha_{ij} - \alpha_{i}\alpha_{j}$, para $i \neq j$. Se deduce que
$\widehat{\mu}_{2}$ es un estimador imparcial de la media de la poblaci�n, y con la
convenci�n de que $\alpha_{ii}$ = $\alpha_{i}$,
\[ \widehat{Var}(\widehat{\mu}_{2}) = \frac{1}{N^{2}}
\sum_{i=1}^{k}\sum_{j=1}^{k} \frac{y_{i}y_{j}z_{i}z_{j}}{\alpha_{ij}} \left(
\frac{\alpha_{ij}}{\alpha_{i}\alpha_{j}} - 1\right)
\]
\end{block}
\end{frame}
\section{Referencias}
\begin{frame}{Referencias}
\begin{block}
\end{frame}
\end{document}