por
MARA DEL MAR RUEDA GARCA
ANTONIO ARCOS CEBRIN
MARA DOLORES MARTNEZ MIRANDA
SILVIA GONZLEZ AGUILERA*
Departamento de Estadstica e Investigacin Operativa
Universidad de Granada
*Universidad de Jan
RESUMEN
1. INTRODUCCIN
Existen muchos trabajos en los que estos mtodos son usados para mejorar las
estimaciones de parmetros lineales como medias y totales. Una revisin de estos
mtodos puede verse en Krisnnaiah y Rao (1988) y Chaudhuri y Vos (1988).
Por ltimo se hace una comparacin entre todos los estimadores presentados,
determinando las condiciones bajo las cuales unos son mejores a otros.
(y i Y )
N 2
2 1
y, Sy = , siendo Y la media poblacional de dicha variable.
N i=1
( )=
2
V sy
1
n
4
Sy ( 2 (y) 1)
2
Sx
2
S = s2y
IR 2
sx
n
(xi x )2
2 1 2 2 2
donde sx = y sy son los estimadores de Sx y Sy , respectivamen-
n1 i=1
te.
El estimador de razn 2
S es sesgado y su sesgo viene dado por la expresin
IR
340 ESTADSTICA ESPAOLA
s 2y
2
sesgo SIR ( )= cov
s 2x
2
, sx
( )
4
Sy
2
ECM SIR ( 2 (y) + 2 (x) 2)
n
donde
N
(yi Y ) (x j X ) para
40 04 22 1 r s
2 (y) = , 2 (x) = , = siendo rs =
220 202 20 02 N
i=1
cada entero r y s.
2
(
s 2y , s 2x > ) 1 cv(s y )
2
2 cv(s x )
2
SID (
= s 2y + d S2x s 2x )
siendo d una constante prefijada. El valor de dicha constante que proporciona el
estimador ms preciso corresponde a
=
( )=
2 2
cov s y , s x
2
Sy ( 1)
d0
V sx ( )
2 2
Sx (2 (x) 1)
ESTIMADORES INDIRECTOS DE LA VARIANZA EN MUESTREO DE POBLACIONES FINITAS 341
2
S
IDd 0
= s 2y + d0 (2
Sx s 2x )
cuya precisin es ms difcil de determinar al ser
d una variable aleatoria.
0
2
2 2
Sx
S = sy
s2
x
En esta clase los autores determinan el estimador ptimo (en sentido de mayor
precisin) que corresponde al siguiente valor de
1
0 = , 2 (x) 1
2 (x) 1
( )
4
Sy ( 1)2
2
VS 0 ( 2 (y) 1)
n 2 (x) 1
2
Prasad y Singh (1990) proponen un estimador insesgado de Sy de la forma:
2
sx
da = s 2y a 2
+a
Sx
2
<a<0
2 (x) 1
( ) = V(s 2y ) + a2 V(s4x )
V da
2 2
( 2
2a cov s y , s x )
2
Sx Sx
=
(2 2 2
cov s y , s x Sx )
a0
V sx ( )
2
= s2y a0
2
sx
+ a0 = s2y
( 2 2) 2
cov sy , sx Sx s
x
2
+
( 2 2) 2 =
cov s y , s x Sx
da
0 2
Sx Vs( 2x ) 2
Sx ( 2x )
Vs
= s2y +
2
( )( 2
cov s y , s x 2
)
s2x = S
2
V sx ( )
2 Sx IDd0
( )= ( )= (
2
VSIDb1 V da 2
VSIDb2 )
ESTIMADORES INDIRECTOS DE LA VARIANZA EN MUESTREO DE POBLACIONES FINITAS 343
siendo
=
a
=
( )
2 2
2 cov s y , s x a
b1
2
Sx
b2
Vs( 2x ) 2
Sx
2
da = 2
sy a
sx
2
Sx
+a= 2
sy +
a
2
Sx
( 2
Sx )
s 2x = SIDb
2
1
2
2 Sx
tA = As y
2
sx
n + ( 2 (x) )
A0 =
n+ ( 2 (y) + 3 2 (x) 4)
4 2 (y) + 2 (x) 2
1
( 2 (x) )2
( )
ECM t A
0
Sy
n
n
1+
1
( 2 (y) + 3 2 (x) 4)
n
3. EL ESTIMADOR PRODUCTO
C x
(y, x) <
2C y
Puesto que
( )2
2 1
Sy = yi yj
NN ( 1) i j
2
Isaki (1983) justifica el uso del estimador de razn para Sy cuando la propor-
cionalidad entre los pares ((yi yj ) ( i j) )
2
, x x
2
es aproximadamente constante.
Siguiendo el mismo razonamiento, es lgico considerar un estimador producto de
2
(
S y cuando los pares (y i y j ) , (x i x j )
2 2
)
son inversamente proporcionales. En este
caso podemos proponer el estimador
2
sx
2
Sp = s 2y 2
Sx
2
sy S2y 2
sx S2x
e0 = 2
, e1 = 2
Sy Sx
2
mediante ellas expresamos el estimador Sp de la forma:
2
S
p = S 2y (1 + e 0 )(1 + e1 )
As:
2
Sp S2y = S2y (e0 + e1 + e0 e1 )
( )=
2
sesgo Sp
2
(
S y E e 0 e1 ) = S2y
( 2 2)
cov s y , s x
2
Sx
2
sesgo Sp( )= 2 1
Sy
n
( 1)
que como vemos tiende a cero cuando n aumenta. Adems para = 1 el estimador
es insesgado.
2 2 2
( )= ( ) cov(s y , s x )
2
2
ECM Sp
2
ESp S2y S4y ( 2 2
E(e 0 ) + E(e1 ) + 2E(e0 e1) )= 4 V(s y )
Sy
S4y
+
V(s x )
4
Sx
+2 2 2
S x Sy
Sustituyendo los valores de varianzas y covarianzas obtenemos la expresin:
4
2
ECM Sp ( ) Sy
n
( 2 (y) 1+ 2 (x) 1+ 2( 1))
3 2 (x)
2
Tabla 1
POBLACIN I. N=10
x 20 22 25 28 28 31 32 35 38 40
y 35 45 47 50 31 30 25 33 35 40
Tabla 2
POBLACIN II. N=50
x 4.61 4.99 4.40 4.49 5.29 4.96 4.62 4.44 4.79 5.09 4.49 5.29 4.96
y 0.32 4.06 4.00 1.53 1.97 1.80 0.66 0.85 10.39 2.16 1.51 1.92 1.81
x 4.99 4.40 4.79 4.49 4.96 4.44 5.09 4.79 4.62 4.61 4.44 4.99 4.40
y 4.03 4.02 10.40 1.51 1.78 0.88 2.18 9.90 0.65 0.35 0.83 4.07 4.10
x 4.40 4.96 4.62 5.09 5.29 4.79 5.29 4.61 4.40 4.49 4.99 5.09 5.29
y 4.10 1.82 0.64 2.17 1.99 10.29 1.98 0.35 4.01 1.51 4.01 2.15 1.96
x 4.49 4.44 4.79 4.44 4.99 4.62 4.61 4.61 4.96 4.62 5.09 4.44
y 1.43 0.86 9.95 0.83 4.00 0.64 0.22 0.29 1.82 0.68 2.14 0.83
de exponenciacin, S . 2
0
Tabla 3
COCIENTE R DEL ERROR CUADRTICO MEDIO DE CADA
ESTIMADOR SOBRE LA VARIANZA DEL ESTIMADOR DIRECTO
Estimador s 2y S IR2 S20 t A0 S p2
Poblacin I
R 1.0000 3.351 0.591 1.932 0.738
Poblacin II
R 1.0000 1.541 0.830 1.122 0.830
Por ltimo hemos comparado las precisiones entre los estimadores indirectos
antes referidos, para ver su comportamiento. En funcin de sus varianzas y errores
cuadrticos medios hemos determinado bajo qu condiciones poblacionales son
unos preferibles a otros. A continuacin resumimos los principales resultados.
2 2 2 (x) + 1
El estimador de razn SIR es mejor que sy si y slo si
2
2 2 3 2 (x)
El estimador producto Sp es mejor que sy si y slo si
2
y 2 (x) .
2 2
El estimador ptimo de diferencia S ID 0
es mejor que el estimador producto Sp
Para clarificar los resultados anteriores, las figuras siguientes muestran la posi-
cin relativa en cuanto a precisin de los diversos estimadores en funcin del valor
de . Si 2 (x) 3 el estimador producto es mejor que el estimador de razn cuan-
2
do < 1 . Si 2 (x) < 3 el estimador producto es mejor que el estimador usual, sy ,y
3 2 (x)
que el estimador de razn si .
2
S p2
s 2y
S IR2
0 3 2 ( x) 1 2 ( x) + 1 3
2 2
Figura 1. ( 2 (x) 3 )
S20 = S d20
s 2y
S p2
S IR2
0 1 2 ( x) + 1 3
2
varianza no hay un cambio de variable sencillo que permita este paso. Est pues
justificado el estudio detallado del estimador producto y su posible generalizacin a
otros diseos muestrales ms complejos.
REFERENCIAS
DAS, A & TRIPATHI, T.P.T. (1978), Use of auxiliary information in estimating the
finite population variance, Sankhya, Ser. C, 40, 139-148.
ISAKI, C. T. (1983), Variance Estimation Using Auxiliary Information, J. Amer.
Statist. Assoc. 78, 117-123.
KRISHNAIAH, P. R. & RAO, C. R. (1988), Handbook of Statistics Vol 6, North-
Holland.
PRASAD, B. & SINGH, H. P. (1990), Some improved ratio-type estimators of finite
population variance in sample surveys, Commun. Statist. Theory and Meth.
19, 1127-1139.
SWAIN, A.K.P.C. & MISHRA, G. (1994), Limiting distribution of ratio estimator of finite
population variance, Sankhya, Ser. B 56, 11-17.
350 ESTADSTICA ESPAOLA
SUMMARY