Estrategias de muestreo. Diseño de encuestas y estimación de parámetros.

-I. Inferencia basada en el diseño de muestreo
-1. Encuestas y estudios por muestreo
-1.1 Conceptos metodológicos
Encuesta
Marco de muestreo
Sesgo
-1.2 Marco y Lucy
-2. Muestras probabilísticas y estimadores
-2.1Población y muestra aleatoria
Población finita
Muestra aleatoria
Soportes de muestreo
Diseño de muestreo
Probabilidad de inclusión
Característica de interés y parámetros de interés
Estadística y estimador
-2.2 Estimadores de muestreo
El estimador de Horvitz-Thompson
El estimador de Hanse-Hurwitz
-2.3 Muestra representativas
-2.4 Ejercicios
-3. Muestreo con probabilidades simples
-3.1 Diseño de muestreo de Bernoulli
Algoritmo de selección
El estimador de Horvitz-Thompson
Marco y Lucy
-3.2 Muestreo aleatorio simple sin reemplazo
Algoritmos de selección
El estimador de Horvitz-Thompson
Estimador de la media poblacional
Estimación en dominios
El efecto de diseño
Marco y Lucy
Probabilidades de inclusión en unidades de muestreo
-3.3 Muestreo aleatorio simple con reemplazo
Algoritmo de selección
El estimador de Hansen-Hurwitz
Marco y Lucy
-3.4 Diseño de muestreo sistemático
Algoritmo de selección
El estimador de Hansen-Hurwitz
Optimalidad de la estrategia
Diseño de muestreo q-sistemático
Marco y Lucy
-3.5 Ejercicios
-4. Muestreo con probabilidades proporcionales
-4.1 Diseño de muestreo de Poisson
Algoritmo de selección
El estimador de Hansen-Hurwitz
Diseño de muestreo q-sistemático
Marco y Lucy
-4.2 Diseño de muestreo PPT
Algoritmo de selección
El estimador de Hansen-Hurwitz
Eficacia de la estrategia
Marco y Lucy
-4.3 Diseño de muestreo πPT
-4.4 Selección de muestras πPT
Método de Sunter
Método de escisión
Estimación de la varianza
Marco y Lucy
-4.5 Ejercicios
-5. Muestreo estratificado
-5.1 Fundamentos teóricos
Estimación en el muestreo estratificado
El estimador de Horvitz-Thompson
-5.2 Diseño de muestreo aleatorio estratificado
Algoritmos de selección
El estimador de Horvitz-Thompson
Estimación de la media poblacional
Asignación del tamaño de la muestra
Estimación en dominios
El efecto de diseño
Marco y Lucy
-5.3 Diseño de muestreo estratificado PPT
Algoritmos de selección
El estimador de Hansen-Hurwitz
Marco y Lucy
-5.4 Ejercicios
-6. Muestreo de conglomerados
-6.1 Fundamentos teóricos y notación
El Estimador de Horvitz-Thompson
El estimador de Hansen-Hurwitz
-6.2 Muestreo aleatorio simple de conglomerados
Algoritmos de selección
El estimador de Horvitz-Thompson
Eficiencia de la estrategia
Marco y Lucy
-6.3 Ejercicios
-7. Muestreo en varias etapas
-7.1 Muestreo en dos etapas
El estimador de Horvitz-Thompson
-7.2 Diseño de muestreo MAS-MAS
Algoritmos de selección
Tamaño de muestra
Estimación de la varianza en muestreo de dos etapas
Marco II y Lucy
-7.3 Diseño de muestreo en dos etapas estratificado
Diseños auto-ponderados
-7.4 Diseños en etapas
El estimador de Horvitz-Thompson
El estimador de Hansen-Hurwitz
-7.5 Ejercicios
-II. Inferencia asistida por modelos
-8. Estimación de parámetros diferentes al total
-8.1 Fundamentos teóricos
Aproximación de Taylor
-8.2 Estimación de una razón poblacional
Propiedades
Casos particulares
Estimación de un promedio
Marco y Lucy
-8.3 Estimación de una mediana
Marco y Lucy
-8.4 Estimación de coeficientes de regresión
Fundamentos teóricos
Estimación en la población finita
Estimación en la muestra
Casos especiales
Marco y Lucy
-8.5 Ejercicios
-9. Estimación con información auxiliar
-9.1 Introducción
-9.2 Estimador general de regresión
Construcción
Otras propiedades del estimador general de regresión
-9.3 Estimador de media común
Algunos diseños de muestreo
Marco y Lucy
-9.4 Estimador de razón
Algunos diseños de muestreo
Marco y Lucy
Muestreo estratificado
-9.5 Estimador de regresión simple
Marco y Lucy
-9.6 Post-estratificación
Subgrupos poblacionales
El estimador de post-estratificación
Estimador de media post-estratificada
Estimador de razón post-estratificada
-9.7 Múltiples modelos de regresión
-9.8 Ejercicios
-10. Estimadores de calibración
-10.1 IPFP
Algoritmo
Marco y Lucy
-10.2 Fundamentos teóricos
-10.3 Construcción
Distancias G(.), g (.) y F(.)
-10.4 Algunos casos particulares
Método lineal: distancia Ji cuadrado
Método de raking: distancia de entropía
Método logístico
Método truncado lineal
-10.5 Calibración y Post-estratificación
Post-estratificación
Raking
-10.6 Varianza de los estimadores de calibración
-10.7 Marco y Lucy
-10.8 Discusión
-10.9 Estimadores óptimos de calibración
-10.10 Ejercicios
-11. Inferencia basada en modelos poblacionales
-11.1 Un poco de historia
-11.2 Algunos modelos predictivos
Un modelo para el muestreo aleatorio simple
Un modelo para el muestreo aleatorio estratificado
Un modelo para el muestreo por conglomerados
Un modelo para el muestreo por etapas
Un modelo para el estimador de razón
Un modelo para el estimador de regresión
-11.3 El teorema general de predicción
-11.4 Ignorando el diseño de muestreo
11.5 Ejercicios
-III. Otros tópicos de muestreo
-12. Muestreo en dos fases
-12.1 Introducción
-12.2 El estimador π*
-12.3 Estratificación en muestreo bifásico
-12.4 Selección proporcional al tamaño
-12.5 Otras aplicaciones
Mejorando el estimador
Un modelo para la ausencia de respuesta
Muestreo en ocasiones
-12.6 Marco y Lucy
-12.7 Ejercicios
-13. Encuestas multi-propósito
-13.1 Introducción
-13.2 Estimación de varios parámetros
-13.3 Algunos diseños de muestreo
Estimación en dominios
Estimación en diseños estratificados
-13.4 Información auxiliar
Algunas relaciones
Información tradicional
Información auxiliar conjunta
-13.5. Diseños de muestreo óptimos
Diseño de muestreo de Holmberg
Un ejemplo numérico
-13.6 Marco y Lucy
-13.7 Ejercicios
-14. Muestreo indirecto
-14.1 Notación
-14.2 Estimación del total
-14.3 Método de ponderación generalizada
Propiedades
Algunas matrices especiales
-14.4 Ejemplo
-14.5Ejercicios
-15. Muestreo balanceado
-15.1 Notación
Ejemplos
-15.2 El método del cubo
Fase de vuelo
La martingala balanceada
Implementación de la fase de vuelo
La fase de aterrizaje
-15.3 Marco y Lucy
-15.4 Desarrollos recientes
Algunas preguntas
-15.5 Ejercicios
Distribución normal estándar

El término Estrategia de Muestreo no ha tenido la trascendencia pertinente en el mundo del muestreo. Se habla de la precisión e incluso insesgamiento de un estimador sin tener en cuenta que tales propiedades están ligadas al diseño de muestreo que se haya utilizado en la recolección de la información. Para el autor, el aprendizaje de esta materia es más sencillo cuando se valora de igual manera el diseño de muestreo junto con el estimador del parámetro de interés utilizado en la población finita. No se puede desconocer la regla de oro del muestreo que clama: utilizar diseños de muestreo que induzcan probabilidades de inclusión o selección, según sea el caso proporcionales al valor de la característica de interés en la población y utilizar estimadores que involucren dichas probabilidades. Por lo anterior, se ha decidido titular este texto como Estrategias de muestreo, diseño de encuestas y estimación de parámetros.

En la búsqueda combinada de una mejor estrategia de muestreo se ha querido dividir este texto en cuatro partes que pueden ser utilizadas en los distintos niveles de pregrado así como en cursos de posgrado, dependiendo de la dificultad del tema. La división del libro corresponde al desarrollo teórico del muestreo a través de su corta historia: recuento de las estrategias de muestreo más utilizadas; utilización y aprovechamiento de la información auxiliar disponible en el marco del muestreo; avances metodológicos en el muestreo; y, estimadores de calibración, el muestreo balanceado y el muestreo indirecto.