Manual sobre las metodologías para la recolección de datos a

II.7 TEMAS SELECCIONADOS EN MATERIA DE MUESTREO 219
práctica de la varianza requieren la presencia de dos o más selecciones primarias en cada
estrato, seleccionadas independientemente y con reemplazo. En aplicaciones prácticas, a
veces es necesario redefinir la estructura real para ajustarse a este modelo. Dicha redefinición
de las unidades de cálculo requiere el acceso a la pericia y experiencia necesarias
en materia de muestreo.
3) Asegúrese de que toda la información sobre la estructura de la muestra necesaria para el
cálculo de varianza se pueda conseguir fácilmente; lo ideal sería que estuviese codificada
como parte integral del archivo de datos de la encuesta.
4) Utilice procedimientos generales y simples cuando sea posible; esto puede brindar estimaciones
de varianza útiles para muchos tipos diferentes de diseños, variables y subclases.
El uso de procedimientos más específicos y complejos, incluso si son más exactos,
es secundario a la producción de por lo menos estimaciones aproximadas de errores
muestrales para los distintos tipos de estimaciones y subgrupos.
5) Marque como objetivo el cálculo, análisis e «imitación» a gran escala de los errores
muestrales. En general, resulta insuficiente limitar los cálculos a algunas estadísticas
seleccionadas arbitrariamente de entre los miles que pueden producirse para diferentes
variables, medidas y subgrupos. El patrón y magnitud de los errores muestrales pueden
variar enormemente para distintas estadísticas en la misma encuesta. Por lo tanto, normalmente
resulta más recomendable un cálculo rutinario a gran escala. Sin embargo, al
mismo tiempo, es necesario explorar los patrones de variación en los errores muestrales
(el error estándar así como medidas derivadas como el coeficiente de variación, efecto
del diseño y correlación intra-conglomerado) para diversas estadísticas, calculados sobre
distintos dominios de muestreo y subpoblaciones.
7.3.4 ❚ Medidas movibles del error muestral
La magnitud del error estándar depende de una serie de factores, incluidos los siguientes:
la naturaleza de la estimación,
sus unidades de medida (escala) y magnitud,
la variabilidad entre los elementos de la población (varianza de población),
el tamaño de la muestra,
la naturaleza y el tamaño de las unidades de muestreo,
la estructura y los procedimientos de las muestras, y
los procedimientos de estimación.
En consecuencia, el valor del error estándar para una estadística determinada es propio
de la estadística en cuestión. Para relacionar el error estándar de una estadística con el
error de otra es necesario descomponer el error en componentes de los cuales se ha eliminado
el efecto de algunos de los factores anteriormente mencionados. Es decir, componentes
que son más estables o «movibles» desde un tipo de estadística o de diseño a otra estadística
o diseño. El error estándar de una estadística, como una media, se escribe de varias maneras
en las siguientes ecuaciones, en términos de las medidas más movibles de acuerdo con el
sentido mencionado anteriormente.
El error tipo relativo se(y)= y.rse( y)
Esto se refiere al error estándar de una estimación dividido por el valor de una estimación.
Elimina el efecto sobre el error estándar de la magnitud y escala de medición de la estimación,
pero sigue dependiendo de otros factores como el tamaño y el diseño de la muestra.