Variable Binomial PDF

Facultad de Medicina
Departamento de Pediatría, Obstetricia y Ginecología,

Medicina Preventiva y Salud Pública
TESIS DOCTORAL
Aportes metodológicos en la estimación de

tamaños de muestra en estudios poblacionales de
prevalencia
Tesis doctoral presentada por Sergio Alvarado Orellana

Para la obtención del grado de Doctor
Director: Dr. Albert Navarro i Giné
Cerdanyola del Vallès, Barcelona, Junio de 2014

Facultad de Medicina
Departamento de Pediatría, Obstetricia y Ginecología,

Programa de Doctorado en Pediatría, Obstetricia y Ginecología,

Aportes metodológicos en la estimación de

tamaños de muestra en estudios poblacionales de
prevalencia
Tesis doctoral presentada por Sergio Alvarado Orellana

Para la obtención del grado de Doctor
Director: Dr. Albert Navarro i Giné
Cerdanyola del Vallès, Barcelona, Junio de 2014

Agradecimientos
Vayan mis agradecimientos al Dr. Albert Navarro por su apoyo constante y

paciencia, en estos años pasamos de una relación de tutor-alumno a amigo-amigo. Al
Dr. Miguel Martín por su apoyo y amistad, por haberme hecho participe de GRAAL
y por compartir ratos agradables donde Francis y por presentarme a Andres (quien
trabaja en la casa de Jordi Savall), que me conto en el restorant de Francis algo muy
importante. A mi familia, esposa, mis perros: patuda, basurita y aiki. A mi amigo
Dante con el que viaje constantemente a Barcelona. Y finalmente a las águilas y
Bach.
Tabla de contenidos
1. Introducción
1 Introducción ..................................................................................... 1
1.1 El muestreo estadístico .................................................................... 2
1.2 Algunas definiciones de importancia en muestreo............................ 4
1.3 Tipos de muestreo estadístico .......................................................... 6
1.3.1 Muestreo Aleatorio simple (MAS) ................................................... 7
1.3.2 Muestreo Aleatorio Sistemático (MASI) ........................................ 8
1.3.3 Muestreo por Conglomerados (MC) ................................................ 8
1.3.4 Muestreo Estratificado (MAE) .......................................................10
1.4 El efecto diseño ...............................................................................15
1.5 Diseños complejos (muestreo en varias etapas o multietapico).......16
1.6 El tamaño de muestra ....................................................................17
1.7 El rol de la ley de los grandes números en el muestreo ..................20
1.8 El muestreo para poblaciones binomiales .......................................22
1.8.1 La distribución binomial ................................................................22
1.8.2 Intervalos de confianza para la proporción.....................................25
1.8.3 El uso de la máxima varianza o máxima indeterminación .............26
1.9 El muestreo para poblaciones multinomiales ..................................32
1.9.1 La distribución multinomial ...........................................................32
1.9.2 Intervalos de confianza simultáneos para la distribución
multinomial ...............................................................................................34
1.9.3 El muestreo para poblaciones multinomiales ..................................35

2. Métodos
2.1 Propuestas metodológicas en la estimación de tamaños
de muestra para variables categóricas ............................................36
2.1.1 Angers (1974 y 1979) .......................................................................36
2.1.2 Cochran (1977) ................................................................................41
2.1.3 Tortora (1978) .................................................................................42
2.1.4 Thompson (1987) ............................................................................46
2.1.5 Bromaghin (1993) ............................................................................48
2.1.6 Fitzpatrick & Scott (1987) .............................................................51
2 .2 Método de construcción de poblaciones simuladas
y criterios de selección de muestras .................................................54
2.2.1 Construcción de poblaciones............................................................54
2.2.2 Simulación de variables de tipo multinomial ..................................55
2.2.3 Método para evaluar el desempeño de las estimaciones
por muestreo ....................................................................................56
2.3 Índice de entropía de Shannon.........................................................58
2.3.1 Índice de Shannon promedio para las simulaciones .........................61
3. Planteamiento del problema, hipótesis y objetivos
3.1 Hipótesis .........................................................................................62
3.2 Objetivos..........................................................................................63
3.2.1 Objetivo General ............................................................................63
3.2.2 Objetivos específicos ........................................................................63

4. Resultados
4.1 Manuscrito 1 ...............................................................................64
4.1.1 Resumen ..........................................................................................64
4.1.2 Introducción ....................................................................................65
4.1.3 Discusión .........................................................................................73
4.1.4 Conclusiones ....................................................................................74
4.1.5 Bibliografía ......................................................................................75
4.2 Manuscrito 2 ...............................................................................76
4.2.1 Resumen ..........................................................................................76
4.1.2 Introducción ....................................................................................78
4.2.3 Métodos ...........................................................................................79
4.2.4 Resultados .......................................................................................83
4.2.5 Discusión .........................................................................................96
4.2.6 Conclusiones .................................................................................. 100
4.2.7 Bibliografía .................................................................................... 102
4.3 Manuscrito 3 ............................................................................. 103
4.3.1 Resumen ........................................................................................ 103
4.3.2 Introducción .................................................................................. 104
4.3.3 Métodos ......................................................................................... 106
4.3.4 Resultados ..................................................................................... 107
4.3.5 Discusión ....................................................................................... 110
4.3.6 Conclusiones .................................................................................. 111
4.3.7 Bibliografía .................................................................................... 113

5. Discusión general…………………………………………………………………………..115
6. Conclusiones generales………………………………………………………………118
7. Bibliografía general……………………..………………………………………………120
8. Anexos
8.1 Anexo 1 (Manuscrito 1) ........................................................ 126

Resumen
Esta tesis doctoral aborda la aplicación de seis enfoques estadísticos que se utilizan
para estimar tamaños de muestra en poblaciones multinomiales los que corresponden
a: Angers (1974), Tortora (1978), Thompson (1987), Cochran (1977), Bromaghin
(1993) y Fitzpatrick & Scott (1987), dichos enfoques están ampliamente discutidos
en la literatura del muestreo estadístico pero generan controversia al momento de
aplicarlos en estudios de salud dado a que no siempre permiten conjugar costos,
representatividad y tamaños de muestra adecuados para un esquema de muestreo
aleatorio simple y muestreo complejo de poblaciones en donde la variable de diseño o
estudio corresponde a una distribución de tipo multinomial.
Se discute inicialmente como la utilización de la máxima varianza cuando la variable

de diseño con k=2 categorías entrega estimaciones de prevalencias considerando un
valor P=0,50 para estimar dicho tamaño muestral, sin conocer valores previos de
dicho estimador lo que entrega estimaciones sesgadas.
Posteriormente se simularon poblaciones teóricas para variables de k=3, 4, 5, 6 y 7

categorías, generando 25 poblaciones distintas de tamaño N=1.000.000 que variaban
según distintos valores de proporciones para las distintas categorías. Para dichas
poblaciones se extrajeron mediante muestro aleatorio simple, muestras de distintos
tamaños que fueron estimadas mediante los seis enfoques mencionados anteriormente
que consideraron distintos valores de errores muestrales, posteriormente se evaluó el
desempeño de estos mediante: 1) Tamaño de muestra, 2) Nivel de confianza real, 3)
Estimador promedio, 4) Sesgo y 5) Mediana del Error cuadrático medio.
Luego la discusión se enfoca en la determinación de que método analizado entrega

mejores tamaños de muestra y estimaciones considerando distintos escenarios en
donde las categorías consideradas van desde k=3 a k=7, finalmente se propone y
discute la utilización de las medidas de incertidumbre o entropía de Shannon para
estudiar la incertidumbre asociada a los vectores estimados mediante los distintos
métodos.
Summary
This dissertation addresses the application of six statistical approaches used to

estimate sample sizes in multinomial populations which correspond to: Angers
(1974), Tortora (1978), Thompson (1987), Cochran (1977), Bromaghin (1993) and
Fitzpatrick & Scott (1987), such approaches are widely discussed in the literature of
statistical sampling but generated controversy when applying in health studies
because they do not always allow combining costs, representation and adequate
sample sizes for sampling scheme simple random sampling and complex populations
where the design variable or study corresponds to a multinomial distribution type.
Initially discusses how the use of a maximun variance when the design variable with
k = 2 gives estimates of prevalence categories considering a P = 0.50 for this sample
size estimate without knowing previous values of this estimator which delivers biased
estimates.
Later theoretical populations were simulated for variables k = 3, 4, 5, 6 and 7

categories, generating 25 different populations of size N = 1,000,000 varying
proportions according to different values for different categories. For these
populations were extracted by simple random sampling, samples of different sizes
were estimated using the six approaches mentioned above that considered different
values of sampling errors, then the performance of these was assessed by: 1) sample
size, 2) Level of real confidence, 3) average Estimator, 4) bias and 5) mean Square
Error.
The discussion then focuses on determining which delivery method best used sample
sizes and estimates considering scenarios where the categories considered ranging
from k = 3 to k = 7, finally proposes and discusses the use of measures of
uncertainty or entropy Shannon to study the uncertainty associated with the
estimated vectors using different methods.
CAPITULO 1
INTRODUCCIÓN
1 Introducción
Entre las primeras preguntas que se realiza un investigador del área de la salud está
la de ¿cuántos individuos necesito para realizar mi estudio?. La respuesta dependerá
de los objetivos, la naturaleza y el alcance del estudio y en el resultado esperado,
todo lo cual debe ser cuidadosamente considerado en la planificación (Lwanga y
Lemeshow 1991).
Dicha pregunta tiene, habitualmente, una pertinencia evidente: los principales

objetivos de la investigación epidemiológica son, por un lado, describir la distribución
de las enfermedades y eventos de salud en poblaciones humanas y, por otro,
contribuir al descubrimiento y caracterización de las leyes que gobiernan o influyen
en estas condiciones (Hernández et al. 2000). Sea cual sea la definición de
epidemiología que se considere (MacMahon y Pugh 1970, Lilienfeld y Lilienfeld 1987,
Last 2000), todas destacan como interés de estudio un colectivo que representa la
población a la que se quiere caracterizar. Ya que evaluar a la población en su
totalidad es difícil dado el tiempo, recursos financieros (costos), personal involucrado,
etc.…, se trabaja en este grupo menor llamado muestra (Pineda y de Alvarado 2008),
a cuyo tamaño se relaciona con la pregunta anterior.
Así pues, la investigación aplicada en salud normalmente trata de examinar

fenómenos en un grupo de individuos (personas) llamado universo o población, que se
corresponde al conjunto mayor a estudiar y está compuesto por la totalidad de las
unidades o individuos a estudiar (Levy y Lemeshow 1999). Lo que se hace es estudiar
a dicho grupo pero a una escala menor en un conjunto de menor tamaño llamado
“muestra”.
El muestreo procura aportar métodos formales con la finalidad de obtener mediante

la muestra una <<maqueta>> que describa razonablemente bien la población de
interés.
1
Lo que busca el muestreo es elaborar estrategias muestrales y de medición que
permitan inferir (extrapolar) el conocimiento generado hacia el total de la población
(Hernández et al. 2000). Un proceso inductivo de tal naturaleza, que va de lo
particular a lo general, inevitablemente entraña la posibilidad de cometer errores, y
es claramente intuitivo que dichos errores están llamados a ser mayores en la medida
que la porción observada sea más reducida y, sobre todo, en la medida que ella no
refleje o <<represente>>, la realidad sobre la que recaerán las conclusiones de la
inferencia (Silva 2000a).
Gran parte de la investigación realizada en salud pública se caracteriza por utilizar

información levantada mediante encuestas o entrevistas a través de la aplicación de
un cuestionario. Estas estrategias corresponden a una aproximación metodológica que
permite medir un objeto de estudio como por ejemplo una persona entrevistada.
Dichas personas entrevistadas deberían representar a la población en estudio o
población objetivo y el muestreo estadístico las utiliza para poder explorar, describir
o explicar las propiedades de la población que dio origen a la muestra y analizar
dicha información (Vivanco 2005).
1.1 El muestreo estadístico
El muestreo estadístico es un área de la estadística que posee técnicas propias que se

preocupa del diseño, cálculo del tamaño de muestra y obtención de información a
nivel poblacional a partir muestras de una población, que sean lo suficientemente
representativas, y cuya información proveniente de los datos permita inferir las
propiedades y características de la población de estudio, cometiendo un error que
posee las características de ser medible y acotado (Pérez 2005).
Para (Mood y Graybill 1955), el objeto de un experimento es averiguar algo sobre

una determinada población, examinando una parte de esa población conocida como
muestra y con ella se pueden hacer inferencias relativas a la población. Esto tiene
relación con la “inferencia inductiva” el cual es un procedimiento para hallar nuevo
conocimiento científico.
Según (Silva 2000a) el muestreo es la disciplina estadística que ofrece herramientas

para la solución de un problema como el “determinar que parte de la realidad se debe
examinar con la finalidad de hacer inferencias sobre ella”.
2
Existen dos tipos de aproximación al muestreo, el primero hace referencia al
muestreo de tipo poblacional en donde el objetivo radica en otorgar representatividad
a las unidades de análisis, el segundo privilegia el carácter aleatorio de la muestra y
el objetivo es poder hacer comparaciones mediante pruebas o contrastes de hipótesis
estadísticas (Silva 2000a). El trabajo que se presenta en esta tesis se enmarca,
fundamentalmente, en la primera aproximación.
Los sustentos teóricos del muestreo se relacionan con la ley de los grandes números
que postula que a medida que aumenta el tamaño de muestra, el parámetro
poblacional versus el estimador se diferencian lo menos posible (Knight 2000). Dicha
diferencia se conoce como “error muestral” en la teoría del muestreo y es un cierto
valor prefijado por el investigador (Gutiérrez 1995).
Las muestras permiten estudiar valores numéricos a nivel poblacional llamados

“parámetros”, a través de unos estimadores a los que llamamos “estadísticos”. Los
estadísticos se construyen a través de funciones matemáticas de la muestra (Pérez
2005). Muestras diferentes obtenidas mediante el mismo procedimiento permiten la
construcción de estimadores cada una con una determinada probabilidad, las que
constituyen variables aleatorias ya que se considera la variabilidad de las muestras
(Pérez 2005, Mirás 2000). Dada la naturaleza de la estimación los parámetros están
asociados a un cierto grado de incertidumbre que trata de reducirse mediante diseños
muestrales óptimos y construir la distribución del estimador (Mirás 2000).
También hay que tener en cuenta que la mayoría de las investigaciones realizadas en
diferentes áreas del conocimiento se hace a partir de información de índole
cuantitativa, para ello es necesario definir con antelación al estudio que variables se
desean examinar y qué relaciones existen entre ellas. De ahí surge la necesidad de
estudiar colectivos de datos provenientes de “muestras” como por ejemplo personas,
familias, unidades productivas, etc… (Mirás 2000). Teniendo presente lo anterior, la
decisión de definir las variables a estudiar debe ser un paso previo y esto lleva
consigo consecuencias que podrían influir en el estudio a llevar como por ejemplo
beneficios o costos económicos, implementación de políticas públicas, intervenciones,
etc. (Mirás 2000).
Así pues, gran parte de la investigación aplicada se realiza con muestras y no la

población en su totalidad (Censo). El uso de muestras y no censos tienen fortalezas y
debilidades (Quijada y Alvarado 2009), las que se detallan a continuación:
3
Fortalezas:
• Económicas: Permitir el ahorro de recursos económicos en comparación con

un censo.
• Oportunidad: El muestreo permite ahorrar tiempo y la información se tiene
con mayor prontitud que la de un censo.
• Atención de casos específicos: Permite centrar la atención en casos que
requieren un mayor análisis o estudio.
• Tamaño de la Población: Las poblaciones por su tamaño hacen imposible
otro procedimiento que no sea la realización de un muestreo.
Limitaciones:
• Datos para áreas muy pequeñas: La precisión a alcanzar a partir de una

muestra para áreas pequeñas puede depender fuertemente de su tamaño y el
costo involucrado puede llegar a ser casi tan elevado como un censo.
• Medir cambios pequeños: Si los datos se necesitan a intervalos regulares y
es importante medir cambios muy pequeños de un periodo a otro (por ejemplo
encuestas panel o estudios longitudinales), o la variable de interés presenta
baja frecuencia, se necesitan muestras extremadamente grandes.
• Costos Involucrados: Si hay costos generales ligados al muestreo por
ejemplo: trabajo teórico, diseño, selección de la muestra, control,
encuestadores, trabajo de campo, etc… el muestreo puede ser poco práctico.
1.2 Algunas definiciones de importancia en muestreo
Como se ha mencionado el muestreo estadístico trabaja principalmente con

poblaciones y muestras, pero se hace necesario manejar algunos conceptos básicos
para comprender a que se refiere que una muestra sea una “buena muestra”.
Censo: Se entiende como censo a la entrevista, medición o visita completa de todas

y cada una de las unidades de análisis que forman parte de la población (Quijada y
Alvarado 2009).
4
Población objetivo: Es la colección completa de unidades de observación que se
desea estudiar (Lohr 2000, Pérez 2005). Es el conjunto de individuos u objetos de los
que se desea conocer algo en una determinada investigación y para el cual se
generalizaran los hallazgos encontrados (Pineda y de Alvarado 2008).
Unidad de observación o análisis: Corresponde a cada uno de los elementos o

sujetos de la población que podrían ser medidos o interrogados (Silva 2000a), es la
unidad básica de observación que a veces se llama elemento y que en el caso de
estudios en poblaciones humanas corresponde a personas (Lohr 2000). También
denominada “unidad elemental o simple”, corresponde a la unidad más sencilla
posible de muestrear (Pérez 2005).
Muestra: La muestra corresponde al grupo de individuos (observaciones) en el cual

se realizará la investigación así como también el grupo en el que se hará la
recolección de datos (Pineda y de Alvarado 2008). Según (Silva 2000a), la muestra es
un modelo de la realidad y lo que se busca es que la muestra conforme “un modelo
del universo”. El tamaño de la muestra suele denotarse con la letra n y el tamaño
poblacional con N, las características o variables medibles se denotan con X o Y y
las realizaciones o mediciones individuales con xi o yi respectivamente (Levy y
Lemeshow 1999).
Azar y representatividad: Tal como lo menciona (Silva 2000a), el azar no

garantiza la representatividad, los procedimientos probabilísticos permiten mitigar la
carga subjetiva o desviaciones sistemáticas que existen al momento de seleccionar las
unidades a examinar.
Muestra representativa: Se entiende por representatividad aquella característica

que posee la muestra y tiene relación con la capacidad que ella posee en mostrar
todas las características y diversidad presentes en la población” (Silva 2000a), según
(Lohr 2000) una buena muestra reproduce las características de interés que existen
en la población de la manera más cercana posible y seria representativa en el sentido
de que cada unidad muestreada represente las características de una cantidad de
unidades de la población.
Unidad de muestreo: Se puede denominar unidad compuesta ya que posee varias

unidades de análisis elementales (Pérez 2005). Es la unidad en donde se realiza el
muestreo de unidades de análisis (Lohr 2000). En muchas ocasiones las unidades de
5
muestreo y análisis coinciden y eso es en el caso de un muestreo de tipo aleatorio
simple (Silva 2000a).
Marco muestral: Es el listado de todas las unidades de muestreo la cual debería

coincidir con la población objetivo y que son necesarias para llevar adelante el
proceso de muestreo (Silva 2000a, Pérez 2005). Para otros autores como (Quijada y
Alvarado 2009, Pineda y de Alvarado 2008) el marco muestral debería estar
constituido por las unidades de análisis y después definir marcos muestrales duales
como por ejemplo para unidades de muestreo (Quijada y Alvarado 2009).
Error de muestreo: Al margen de error que se comete cuando se examina una

parte de la población se conoce como error de muestreo. Dicho error se asocia a la
estimación del parámetro de interés y este debe ser definido por el investigador el
cual tiene conocimiento de la precisión que se requiere (Lohr 2000). Existen dos tipos
de errores muestrales: el error muestral absoluto (ea) y el error muestral relativo (er),
el primero corresponde a un valor numérico que esta expresado en las mismas
unidades con el cual se mide la característica de interés y el segundo corresponde a
e
( er = a ) en donde el error muestral absoluto está dividido por la estimación del
θˆ
parámetro de interés θˆ . El error muestral relativo suele determinarse una vez que se
ha calculado el error asociado a la estimación de θˆ y carece de unidades de medida
(Silva 2000a). El error muestral sirve, en muchas ocasiones, como criterio para
determinar el tamaño de la muestra, con el fin de asegurar que las estimaciones
tengan un rango de variabilidad que no supere el error máximo fijado por el
investigador.
1.3 Tipos de muestreo estadístico
Los diseños muestrales se dividen en dos grandes grupos, los diseños probabilísticos y
los no probabilísticos, donde cada uno de ellos se divide en varios tipos de diseños
muestrales. Ambos tipos de diseños pueden ser aplicados para el levantamiento de
información por medio de encuestas. Pero la diferencia se encuentra en las
posibilidades de realizar inferencia estadística a partir de las muestras diseñadas y
seleccionadas, ya que este requisito lo tienen solo muestras de naturaleza aleatorias
(Quijada y Alvarado 2009). Existen diferentes estrategias de selección de muestras en
los diseños probabilísticos, entre ellas destacan el muestreo aleatorio simple,
sistemático, por conglomerados, estratificado y complejo (Lohr 2000).
6
A continuación se detallaran las principales estrategias de muestreo empleados en
estudios de salud, se comienza con el muestreo aleatorio simple (MAS), que
constituye el diseño que se trabaja en esta tesis. Con el fin de ver las diferencias
teóricas y de aplicación con los otros diseños como: sistemático (MASI),
conglomerados (MC) y estratificado (MAE), se presentará cada diseño con el objeto
de establecer las diferencias entre ellos y además poder poner en contexto el trabajo a
desarrollar en esta tesis que trata de estimación de tamaños de muestra para
variables de naturaleza multinomial mediante diseño de muestreo aleatorio simple
MAS.
1.3.1 Muestreo Aleatorio Simple (MAS)
Dentro del muestreo aleatorio simple existen dos variantes que corresponden al
muestreo sin reposición y con reposición (Lohr 2000, Mirás 2000), el primero hace
referencia a la elección de n unidades seleccionadas aleatoriamente de modo que cada
posible subconjunto de n unidades distintas tenga la misma probabilidad de ser
escogida en la muestra (Lohr 2000, Silva 2000a) , después de observar o medir la
característica en estudio los elementos no son devueltos a la población (Kish 1965) y
la estructura poblacional cambia de una extracción a otra (Pérez 2005). Luego
N
existen   muestras posibles, de modo que la probabilidad de escoger cualquier
n
muestra M de n unidades está dada por la ecuación (1):
1 n !( N − n ) !
P( M ) = = ; (1)
N N!
 
n
Así, el muestreo aleatorio simple otorga a los N sujetos de la población la misma la

n
probabilidad de quedar incluidos en la muestra y está dada por (Silva 2000a).
N
Por su parte el muestreo de tamaño n con reposición se puede pensar como la
extracción de n muestras independientes de tamaño 1, en donde la probabilidad de
1
ser escogida es , luego la unidad muestreada se reemplaza en la población y se
N
selecciona una nueva unidad que posee la misma probabilidad de ser escogida, el
procedimiento se repite sucesivamente hasta que se completa el tamaño requerido n
(Lohr 2000), manteniendo invariante la estructura poblacional (Pérez 2005).
7
Una característica importante a considerar es que el MAS sin reposición produce
muestras diferentes de la población y en cambio el MAS con reposición puede tener
menor número de elementos diferentes entre sí (ya que se podría escoger el mismo
elemento en más de una oportunidad), lo que nos lleva a concluir que el MAS sin
reposición es más eficiente que el MAS con reposición, ya que este último
procedimiento conlleva una pérdida de información (Silva 2000a).
1.3.2 Muestreo Aleatorio Sistemático (MASI)
Es una manera simple de implementar un muestreo aleatorio simple, la idea básica es

N
elegir un número aleatorio r de 1 a k en donde k = (N tamaño de la población y n
n
tamaño muestral) y se construye la sucesión r, r+k, r+2k,…..,r+(N-k) que consta de
n elementos (Silva 2000a), es decir se selecciona una muestra tomando cada k-ésimo
elemento del marco muestral un individuo hasta completar el tamaño muestral.
Supongamos que tenemos una población de 1000 personas y estimamos un tamaño de
N 1000
muestra de 250, la fracción es k = = = 4 , entonces se toma un número
n 250
aleatorio entre 1 y 4 para determinar el primer elemento y luego se suma 4 a ese
número hasta obtener los 250 elementos. Por ejemplo si r=4, tenemos la siguiente
sucesión: 8, 12, 16,….,r+(N-k) = 4+(1000-4).
Una observación de gran importancia al momento de implementar un MASI es que

dicha estrategia no proporciona necesariamente una muestra representativa si el
marco muestral o listado de la población posee un orden periódico o cíclico (Lohr
2000). Otro detalle importante a considerar tiene relación con la periodicidad de las
unidades de análisis en la población que llevarían a enfrentarse a un problema teórico
relacionado a la estimación de varianzas ya que no existe independencia en la
selección de las unidades en distintas agrupaciones que se den al interior de la
población (Pérez 2005). Se puede comprobar que el error de muestreo mediante
MASI es menor que el de MAS e inclusive que el de muestreo estratificado (ME)
(Pérez 2005).
1.3.3 Muestreo por Conglomerados (MC)
Se denomina así ya que en la selección de la muestra, en lugar de elegir cada unidad

de análisis lo que se hace es tomar conjuntos o grupos de unidades a los que se
llaman conglomerados o clúster (Pineda y de Alvarado 2008). Se usa, en general,
8
cuando el marco muestral está compuesto por un listado de conglomerados y no
elementos (Quijada y Alvarado 2009). En las restantes estrategias muestrales como
por ejemplo: muestreo aleatorio simple (con y sin reposición), sistemático y
estratificado; las unidades de muestreo son las mismas que las unidades objeto de
estudio (o análisis) (Pérez 2005). Este tipo de muestreo suele confundirse con el
estratificado, y la diferencia fundamental que existe entre ambos es que en el muestro
estratificado las agrupaciones ya existen de manera natural (distritos, provincias,
escuelas, hospitales, etc…) y en el de conglomerados el investigador divide
previamente a la población en conglomerados o áreas convenientes según los
objetivos del estudio (Pineda y de Alvarado 2008, Pérez 2005).
En muestreo estratificado todos los estratos son representados en la muestra, esto es

una ventaja si los estratos son homogéneos internamente en las variables de estudio.
Por otro lado, solo con una muestra de clusters seleccionados se debe representar a
los no seleccionados, esto es lo mejor que se puede hacer cuando los clusters son
heterogéneos internamente en las variables de la encuesta (Lohr 2000, Quijada y
Alvarado 2009).
En muestreo estratificado la varianza de la estimación de θ (parámetro poblacional

de interés) depende de la variabilidad de los valores dentro de los estratos, en cambio
en muestreo por conglomerados el conglomerado es la unidad de muestreo; mientras
más cúmulos participen en la muestra, menor será la varianza. La varianza de la
estimación de θ depende principalmente de la variabilidad que existe entre las
medias de los cúmulos Figura 1 (Lohr 2000). Para este tipo de muestreo se debe
tomar en cuenta el tamaño de los conglomerados en el marco muestral pues esto
puede afectar la media y la varianza muestral. Para analizar las medias y varianzas
muestrales se debe asumir que los conglomerados son del mismo tamaño (Quijada y
Alvarado 2009, Levy y Lemeshow 1999).
9
Figura 1. Similitudes y diferencias entre muestreo aleatorio por
conglomerados y muestreo aleatorio estratificado para estimar un
parámetro poblacional θ (Fuente: Adaptado de Sharon, L. (2000))
1.3.4 Muestreo Estratificado (MAE)
Si la variable de interés (variable de diseño) a muestrear presenta distintos valores

para el parámetro poblacional a estudiar en diferentes sub-poblaciones (estratos), se
podrían obtener estimaciones más precisas del parámetro si se utiliza un muestreo de
tipo estratificado (MAE) (Lohr 2000, Pineda y de Alvarado 2008, Mirás 2000). El
objetivo es tener una muestra que posea una variabilidad similar a la que presenta la
población y eso podría lograrse si los subconjuntos o sub-poblaciones en ella fuesen
internamente homogéneos y diferentes o heterogéneos entre sí (Silva 2000a).
La varianza es una estadística muy sensible a valores extremos presentes en las

mediciones de la variable de interés, aunque dichos valores extremos pueden ser poco
frecuentes, el muestreo estadístico presenta mayor eficacia cuando se emplea para
estimar características poblacionales que están constituidas por unidades similares o
que presentan cierta homogeneidad (Mirás 2000). Así el muestreo estratificado
corresponde a un procedimiento muestral que se caracteriza por la utilización de
10
información auxiliar para mejorar la eficiencia en la selección de elementos y mejorar
la precisión de estimaciones (Quijada y Alvarado 2009), una de esas estimaciones
corresponde a la varianza y lo que se persigue es que ella sea pequeña en cada uno de
los estratos (Mirás 2000).
La información auxiliar corresponde a variables de estratificación como -sexo, región,

estado civil, etc…- que dividen a la población en estratos. Los estratos son unidades o
conjuntos excluyentes entre si y cada unidad de análisis pertenece a un único estrato
(Lohr 2000).
La Figura 2 muestra una población Π que tiene N unidades dividida en H estratos o

sub-poblaciones Eh (h=1,….,H) mutuamente excluyentes entre si y en donde las
unidades de análisis presentan cierta homogeneidad en cada estrato.
Figura 2. Esquema representativo del muestreo aleatorio estratificado (Fuente:

Elaboración propia).
11
Una vez configurada dicha partición las unidades se distribuyen en los estratos
configurando la siguiente estructura de forma matricial:
En donde la fila en recuadro indica los elementos o unidades de análisis del estrato h-
ésimo a nivel poblacional, lo que se puede escribir como {u hj }j =h1 , ahora generalizando
N
a todos los estratos de la población, se tiene {u hj }h =1 ;

H ;Nh
j =1
. Una vez extraída la muestra
(muestras por estrato mediante muestreo aleatorio simple) en la matriz
anteriormente esquematizada se puede ver como mediante el proceso de muestreo
estratificado, algunos elementos (unidades de análisis) de cada estrato son
seleccionados aleatoriamente y conforman las muestras por estrato para finalmente
unirlas y generar la muestra final m de tamaño n (Figura 3).
12
Figura 3. Esquema representativo de conformación de muestras (Fuente:
Elaboración propia).
La distribución de la muestra total (muestra m de tamaño n) en los H estratos a

muestrear, se realiza dependiendo de los objetivos del estudio, este procedimiento se
conoce como afijación, reparto, asignación, adjudicación, adscripción o distribución
de la muestra (Pérez 2005). La afijación lo que busca es como dividir el tamaño
muestral estimado n en los tamaños n1 , n2 ,..........., n H de los H estratos (Silva 2000a).
Existen distintas formas de distribuir la muestra entre las cuales destacan la afijación
de mínima varianza (o afijación de Neyman) (Lohr 2000), la afijación proporcional y
la afijación uniforme.
La más comúnmente usada es la afijación proporcional, la cual consiste en asignar a

cada estrato el número de unidades de análisis proporcional al tamaño de unidades
en la población (Pérez 2005, Pineda y de Alvarado 2008, Silva 2000, Levy y
Lemeshow 1999). Si el tamaño poblacional por estrato es Nh, el tamaño muestral
por estrato esta dado por Nhk=nh , la siguiente expresión muestra el desarrollo de la
13
constante k de proporcionalidad o fracción de muestreo f , según (Lohr 2000) a dicha
constante también se le conoce como “probabilidad de selección” (ecuación 2).
H H H
n
nh = N h k ⇒ ∑ n = ∑ N k = k∑ N
h =1
h
h =1
h
h =1
h ⇒ n = kN ⇒ k=
M
= f , ( 2)
La asignación proporcional es la única técnica que produce una muestra

equiprobabilística, pero si el tamaño muestral para el estrato h-ésimo con mayor
varianza que un estrato cualesquiera j, en donde el tamaño muestral total es el
mismo, la precisión empeora (Silva 2000a).
La afijación o asignación de Neyman es útil si los estratos presentan grandes

diferencias en variabilidad (Pérez 2005). Según (Silva 2000a) la manera optima de
asignar los tamaños muestrales por estrato a partir del tamaño muestral total n, es
definir el tamaño muestral por estrato mediante la siguiente expresión (ecuación 3):
Nh Sh
nh = n H
, (3)
∑N
h =1
h Sh
Esto se hace suponiendo que se conocen todos los valores de S h2 , si la varianza es la

misma para cada estrato, estamos ante la afijación proporcional (ecuación 4):
NhS nN h n
Si Sh = S ⇒ nh = n H
= = kN h , k= , (4)
N N
∑N S
h =1
h
Esto es, si las varianzas por estratos son la mismas S h = S , entonces el tamaño
muestral por estrato nh es igual a una constante k multiplicada por el tamaño
poblacional en el estrato, otros autores como (Levy y Lemeshow 1999) a esta técnica
le llaman afijación optima y puede causar confusión con lo que menciona (Pérez
2005) ya que la afijación optima para dicho autor no corresponde a la de Neyman.
La afijación no proporcional o uniforme considera los tamaños de muestra por

estratos sin mantener la proporción que se da en la población (Pineda y de Alvarado
n
2008), este tipo de afijación asigna el mismo tamaño de muestra por estrato nh = .
H
14
El inconveniente es que a aquellos estratos que a nivel poblacional presentan un gran
tamaño o pequeño tamaño les asigna el mimo tamaño muestral, así estratos pequeños
o grandes salen perjudicados en dicha asignación muestral ya que se les asigna más o
menos unidades a muestrear (Pérez 2005).
1.4 El efecto Diseño
El efecto diseño captura el cambio en la varianza muestral que ocurre debido a que
no usamos un muestreo aleatorio simple de tamaño n sino un muestreo por
conglomerado o estratos del mismo tamaño (Quijada y Alvarado 2009).
VarMAE / MC (θ )
Deff (θ ) = , (5)
VarMAS (θ )
Donde:
VarMAS (θ ) , varianza de la media proveniente del muestreo aleatorio simple.

VarMAE / MC (θ ) , varianza de la media del conglomerado o estrato.
Este cambio en la varianza depende de cuán homogéneos sean los elementos del
clúster o estrato y de cuál sea el tamaño de este clúster o estrato. Mientras más
homogéneo es el clúster o estrato mayor efecto diseño se tiene.
El efecto diseño puede ser mayor, menor o igual a 1, donde:
1.- Deff < 1 implica que el diseño muestral utilizado es más eficiente (presenta
mayor varianza) que el muestreo aleatorio simple del mismo tamaño. En general, este
es el caso del muestreo estratificado (MAE), cuando los estratos utilizados están
relacionados a la variable bajo estudio.
2.- Deff > 1 implica que el diseño utilizado es menos eficiente (presenta mayor
varianza) que el MAS del mismo tamaño. El muestreo por conglomerados (MC) es
un ejemplo de este caso.
15
1.5 Diseños complejos (muestreo en varias etapas o multietapico)
Al trabajar con un muestreo aleatorio simple MAS, la elección de las unidades de

análisis se realizan en una sola etapa, entendiendo esto como que no hay que hacer
selecciones previas de otros conjuntos o unidades para acceder a la unidad de análisis
o unidad final de muestreo (UFM) las que se seleccionan con la misma probabilidad
y sin reposición a partir de la población (Pérez 2005, Lohr 2000). Pero en la mayoría
de los diseños muestrales que actualmente se realizan, se utiliza una estrategia
denominada “muestreo complejo”, para designar a aquel diseño en donde se conjugan
diseños de distinta naturaleza: muestreo aleatorio simple (MAS), muestreo
sistemático (MASI), muestreo por conglomerados (MC), muestreo estratificado
(MAE) y distintas etapas de selección de unidades de muestreo y análisis (muestreo
multietapico, polietapico o en varias etapas).
El muestreo en varias etapas se usa a menudo en situaciones en las cuales las listas
de elementos de los marcos muestrales no son suficientes para identificar a las
unidades muestrales, es decir no se puede obtener a las unidades muestrales
directamente del marco muestral y se deben seleccionar unidades que concentran la
unidad principal de análisis y muestreo (Quijada y Alvarado 2009, Lohr 2000). Este
tipo de muestreo se utiliza bastante cuando se usa un procedimiento llamado área de
muestreo, que define áreas ya sea geográficas o por bloques de alguna característica
como unidades de muestreo.
El muestreo en varias etapas reduce el tamaño de la tarea de identificar las listas

asociadas a los diferentes clusters del marco muestral que son elegidos en las
diferentes etapas del muestreo.
Muchas encuestas combinan diseños muestrales, por ejemplo, usando en una primera
etapa un diseño de muestreo estratificado y, luego, un muestreo aleatorio simple o
bien sistemático. Luego la optimización del uso de varias etapas en el diseño muestral
requiere del conocimiento tanto de la variación en términos estadísticos de las
diferentes etapas y los costos asociados a ellas tales como entrenamiento, acceso a las
áreas geográficas, intentos de contactos, etc…(Quijada y Alvarado 2009, Levy y
Lemeshow 1999, Lohr 2000).
16
Luego para obtener un diseño muestral eficiente, se debe muestrear un número
suficiente de unidades del grupo de interés usando un procedimiento que asegure que
cada unidad tendrá la misma probabilidad de selección.
El primer paso da lugar a la selección de la unidad primaria de muestreo, la que es

seleccionada por un procedimiento matemático, donde cada área tiene una
probabilidad conocida de selección y no hay un juicio personal asociado a la selección
que permita considerar desviaciones sistemáticas en la selección. En las primeras
etapas del muestreo se usa una estratificación la cual ayuda a seleccionar la
proporción apropiada de las áreas primarias de diferentes tipos.
Cuando se estratifica por región de un país por ejemplo, tenemos que localizar la
selección en cada una de las áreas primarias de selección las que están divididas en
áreas más pequeñas. La unidad de cuenta podría ser por ejemplo subdivisiones de las
regiones en comunas y barrios los que serán estratos de selección.
1.6 El tamaño de muestra
La determinación del tamaño de muestra en el diseño de una encuesta por muestreo

probabilístico es una de las etapas más importantes en el contexto de un estudio en
salud pública, dado que las conclusiones que se obtengan afectan y modifican
notablemente la calidad de vida de aquellas personas o grupos de personas en donde
se implementen políticas públicas o de salud derivadas de la información levantada.
Una buena muestra reproduce las características de interés que existen en la

población de la manera más cercanamente posible (Levy y Lemeshow 1999, Lohr
2000), si el muestreo es de tipo poblacional una buena muestra se entiende como
aquella representación reducida de la población y que privilegie la
“representatividad”, entendiendo por representatividad a la propiedad de que es
capaz de reproducir la diversidad que existe en una población (Silva 2000a). Por tal
motivo es que el diseño de muestreo y la estimación del tamaño de muestra deben
considerar el carácter técnico de la teoría estadística inferencial y teoría del muestreo,
así como los objetivos de la investigación propuesta. Una condición a considerar
siempre en la estimación del tamaño de muestra es que los recursos disponibles
supeditan a la teoría del muestreo (Silva 2000a).
17
El tamaño de muestra juega un rol importante sobre la magnitud del error muestral
de las estimaciones (Silva 2000a), así el tamaño mínimo necesario depende entre
otras características del error de muestreo máximo admisible o precisión en la
estimación. Luego el tamaño de muestra nos permite tener un número suficiente de
individuos que permita hacer estimaciones confiables del parámetro de interés, cabe
destacar que un tamaño de muestra pequeño es tan perjudicial como un tamaño de
muestra grande ya que los costos involucrados afectan directamente el estudio y
tamaños de muestras pequeños o grandes influyen en las estimaciones del parámetro.
Es usual que en la estimación del número de unidades (unidades de análisis) que

formarán parte de la muestra, los especialistas consideren la varianza de la variable
de interés o variable de diseño, así como la precisión o error de muestreo con la que
se desean obtener las estimaciones y el nivel de confianza requerido (Lohr 2000, Levy
y Lemeshow 1999). Pero se pone muy poco interés en los objetivos de la encuesta, el
tipo de variables e indicadores que se desean estimar, los dominios de estudio que se
quieren analizar, así como el esquema de muestreo que se utilizará para seleccionar a
las unidades de observación (Quijada y Alvarado 2009, Lohr 2000).
Por otro lado, habitualmente, en el ámbito de la salud pública, las encuestas que se
realizan corresponden a propósitos múltiples y por lo tanto se requiere la estimación
de diversas estadísticas, las cuales, de manera individual, pueden conducir a tamaños
de muestra diferentes.
En esta situación el objetivo es determinar el número de observaciones necesarias

para cubrir los objetivos de un estudio multipropósito, logrando generar un balance
apropiado entre los costos de ejecución de la encuesta y la precisión deseada para los
diferentes parámetros poblacionales que se desean estimar a partir de la información
muestral (Quijada y Alvarado 2009, Levy y Lemeshow 1999).
Encontrar soluciones óptimas en un dominio especifico cuando las frecuencias

observadas son muy bajas se torna complejo, por ejemplo el estimar tamaños de
muestra cuando la variable de diseño o interés se corresponde a una enfermedad o
factor de riesgo que presenta una prevalencia baja puede elevar excesivamente el
tamaño muestral si se utiliza un error muestral no apropiado dependiendo de la
variable de estudio (Silva 2000a). Pero dicha variable asegura la representatividad
de los individuos asociados a esa característica y además se tendría un tamaño de
muestra adecuado que permite representar a aquellas variables de fácil acceso (mayor
18
prevalencia por ejemplo) si se logra conjugar una adecuada precisión (error muestral)
y nivel de confianza.
Por una parte los especialistas del área de muestreo estadístico y además los textos
que estudian la teoría del muestreo abordan la determinación del tamaño de muestra
para investigaciones en primera instancia, como si se tratara de un problema que
involucra solo una variable, sin considerar que la mayoría de las encuestas son de
múltiples propósitos (involucran muchas variables). Además de considerar que
variables de naturaleza categórica son tratadas como binarias (Martínez y Martínez
2008), generando estimaciones de tamaños de muestra que a-posteriori entregan
errores muestrales relativos elevados una vez tabulada la información muestral para
la variable de estudio que no fue considerada.
Por ejemplo un caso particular es la determinación del tamaño de muestra para

estimar la prevalencia de determinada enfermedad. La prevalencia no es más que la
proporción de enfermos en una población, y en consecuencia se especifica
probabilísticamente mediante la función de densidad binomial que posee ciertos
atributos. Sin embargo, es habitual que se asuma normalidad en la distribución de
probabilidad del parámetro (p) y no se considera la corrección por población finita y
además se asume máxima indeterminación (Martínez y Martínez 2008). Dicha
situación se torna compleja dado que si no se conoce el valor del parámetro
poblacional, mucho menos podemos imponer un error de muestreo asociado a tal
parámetro (Silva 2000a).
Otro ejemplo lo constituye el uso de la varianza más desfavorable (máxima varianza)

en donde se asume una proporción de éxitos y fracasos (por ejemplo, enfermos y
sanos) igual a 0,5; lo que lleva a obtener un valor de tamaño de muestra constante
(n=384) -conocido como número mágico- independiente del tamaño o magnitud de la
población en estudio, así poblaciones con un alto número de sujetos requieren el
mismo tamaño de muestra que poblaciones más reducidas (Silva 2000a).
En realidad, la pregunta de interés es ¿qué tamaño se requiere para estimar un

parámetro poblacional θ a partir de un estadístico muestral θˆ que cumpla la
condición θˆ − θ < e ? (Silva 2000a), es decir queremos que dicha diferencia sea
menor que un cierto valor establecido con anterioridad el cual se conoce como “error
muestral”.
19
En teoría del muestreo se afirma que, tomando un tamaño de muestra n
suficientemente grande, se podrá estar seguro de que dicha diferencia θˆ − θ < e se
cumpla, pero ¿qué propiedad matemática hace que se cumpla dicha característica?,
según (Gutiérrez 1994) dicha característica se referiría a la ley de los grandes
números.
1.7 El rol de la Ley de los grandes números en el muestreo
Según (Mood y Graybill 1955), en un problema del mundo real solo se pueden
observar un número finito de valores de una variable aleatoria, entonces surgen las
siguientes preguntas ¿Se pueden hacer inferencias fiables de un parámetro θ
construido con un número infinito de valores de la variable X, utilizando una
muestra aleatoria finita de tamaño n?. Para estos autores la respuesta es afirmativa y
con solo una muestra finita es posible hacer dichas inferencias, para ello la ley débil
de los grandes números permite probar dicha afirmación.
La ley de los grandes números establece que si se tienen n variables aleatorias

independientes Xi con i=1,….,n ; idénticamente distribuidas con media µ , entonces
para S n = X 1 + X 2 + .... + X n y un cierto valor e > 0 (ecuación 6), entonces:
S 
P  n − µ < e  → 1 cuando n → ∞ , (6)
 n 
Esta versión también es conocida como ley débil de los grandes números (Roussas
1997, Knight 2000) y su demostración es mostrada en diferentes textos de estadística
matemática y hace referencia a que a medida que aumenta el número de
observaciones para la muestra la estimación se aproxima (acerca) al parámetro
poblacional (Casella y Berger 2002).
En el libro “Filosofía de la estadística” (Gutiérrez 1994) la ley de los grandes

números cumple el siguiente rol y se enuncia:
“Dado un número n suficientemente grande de observaciones experimentales

independientes, entre las cuales m casos son descritos como favorables a un suceso,
la magnitud absoluta de la diferencia entre Pe=m/n (probabilidad empírica) y la
probabilidad Pt, teóricamente establecida, puede, con una probabilidad tan
20
arbitrariamente próxima a uno como sea posible, hacerse menor que un número
arbitrariamente pequeño e (ecuación 7).
P[ Pe − Pt < e] → 1 , (7)
Si en cada investigación se fija previamente la magnitud de e, se puede calcular o

estimar n con suficiente precisión para que la probabilidad estimada Pe de la
proposición empírica, obtenida por elaboración estadística de los datos, permita
considerar dicha proposición como un hecho de la ciencia.
Analizando lo propuesto por Gutiérrez, tenemos una interpretación empírica de la ley

de los grandes números llevado al contexto de la teoría del muestreo, ya que al
referirse a la probabilidad empírica Pe=m/n, se hace referencia al estimador muestral
del parámetro de estudio y el parámetro teórico es el parámetro poblacional (el
asociado a la variable de diseño).
Al fijar el valor o magnitud de e se está hablando de fijar el error muestral absoluto,

y dado que la ley de los grandes números plantea la convergencia en probabilidad
S 
P  n − µ < e  → 1 , siendo S n = X 1 + X 2 + .... + X n , en muestreo no se puede hacer tal
 n 
exigencia dado a que hay que conjugar precisión y exactitud y se trabaja con un
valor inferior a 1, el cual se conoce como nivel de confianza que usualmente es 1 − α ,
siendo un valor pequeño prefijado por el investigador. Así la expresión propuesta por
(Gutiérrez 1994), se puede expresar como la ecuación (8):
P[ p − P < e] = 1 − α , (8)
Que para el caso especifico en salud el valor p y P corresponderían a la prevalencia

muestral y poblacional respectivamente, de dicha expresión se deriva el intervalo de
confianza. Pero en el párrafo anterior de dicho autor hay una expresión que llama la
atención y se refiere a “hecho de la ciencia”, y textualmente dice:
“Un hecho de la ciencia es un compendio estadístico de datos directos. Para que una
proposición empírica sea admitida como hecho de la ciencia es necesario que su
probabilidad estadística se diferencie lo menos posible de su probabilidad lógica o
teórica y pueda aproximarse a ella a medida que crece el número de datos”
21
Nuevamente se menciona la ley de los grandes números, pero esta vez se hace
hincapié en la naturaleza empírica de los datos, datos que se obtienen mediante
levantamiento de la información de una “única muestra” la cual debe ser de calidad y
que permita asegurar estimaciones adecuadas de los parámetros a estudiar (Silva
2000a).
1.8 El muestreo para poblaciones binomiales
1.8.1 La distribución binomial
La distribución Binomial es ampliamente usada en el ámbito de las Ciencias de la

Salud y la Salud Pública más concretamente. Ello se debe a que es la distribución
que permite el estudio probabilístico de la prevalencia. En general las variables
englobadas en el concepto de prevalencia se refieren a la presencia o ausencia de una
determinada propiedad, problema de salud, exposición a un factor de riesgo, etc…
(Martín et al. 2010), que acostumbran a ser los fenómenos de interés cuando se
plantea un estudio en la disciplina que nos ocupa.
Esta distribución se asocia a los denominados “experimentos binomiales” o Bernoulli

(Zwillinger y Kokoska 2000, Casella y Berger 2002), los cuales poseen las siguientes
características:
1. El experimento consta de un número n de ensayos idénticos.
2. Cada ensayo tiene solo dos resultados posibles, denotándose con E el resultado
exitoso y con F el resultado de fracaso.
3. La probabilidad de obtener éxito es p y la de fracaso es 1- p, manteniéndose

constante de un ensayo a otro.
4. Los ensayos son independientes.
5. La variable aleatoria en estudio es X, que corresponde al número de éxitos

observados en n ensayos.
22
Definición: Se dice que una variable aleatoria X, tiene distribución binomial basada
en n ensayos con probabilidad de éxito p si y solo si:
  n x
   p (1 − p ) n− x ; x = 0,1,...., n
p ( x; n, p ) =   x , (9)
 0 ; en otro caso

con 0 ≤ p ≤ 1 , en donde el valor esperado está dado por E ( x) = µ = np y varianza

Var ( x ) = σ 2 = np (1 − p ) (ecuación 9).
Si la distribución binomial toma el valor n=1, se obtiene la distribución de Bernoulli

(ecuación 10), la cual tiene la siguiente función de probabilidad:
p( x, p) = p x (1 − p)1− x ; para x= 0, 1 , (10)
La Figura 4 muestra las relaciones entre distribuciones continuas y discretas y se

pueden ver las relaciones entre la distribución binomial y Bernoulli,en donde si se
trabaja con n=1 ensayos se obtiene la distribución Bernoulli. (Tina 2005).
23
Figura 4. Relaciones de treinta y cinco distribuciones de probabilidad discretas y
continúas (Tomado de Tina (2005)).
24
1.8.2 Intervalos de Confianza para la proporción
Los estudios descriptivos pretenden caracterizar poblaciones a partir de muestras

(Silva 2000a) y no basta con informar mediante valores puntuales de los parámetros
estimados (Lohr 2000). La estimación puntual de un parámetro no resulta de utilidad
si no se posee una medida del error que se está cometiendo en la estimación (Mood y
Graybill 1955). Es necesario ante esto indicar la exactitud de las estimaciones y los
intervalos de confianza nos entregan dicha solución.
Un intervalo de confianza, por ejemplo uno del 95%, se explica heurísticamente

como: “Si se extraen 100 muestras aleatorias de tamaño n, y una vez construidos los
100 intervalos de confianza (uno para cada muestra), en 95 de ellos el valor del
verdadero parámetro estará contenido en dicho intervalo y en 5 de ellos no”, otra
explicación heurística y que se da habitualmente en una clase de estudiantes de grado
es: “Existe una confianza del 95%, que el intervalo construido con los datos
muestrales contenga al verdadero valor del parámetro poblacional “.
A partir de una población finita, solo existe un número finito de muestras posibles, si
se pudieran generar todas las muestras posibles a partir de dicha población, se podría
calcular el nivel de confianza exacto o real (Lohr 2000). El intervalo de confianza
resultante es el resultado de haber realizado una experiencia aleatoria (Silva 2000a).
De manera simple, un intervalo de confianza del (1 − α ) × 100% , está constituido por

dos valores numéricos llamados límite superior LS y límite inferior LI, dichos valores
corresponden al estimador θˆ menos un valor conocido como error máximo admisible
o error muestral, veamos el desarrollo de la ecuación (8) para ejemplificar como se
construye el intervalo de confianza para una proporción o prevalencia poblacional.
Según la ecuación (8) se tiene: P[ p − P < e] = 1 − α , si de dicho intervalo se desarrolla

el valor absoluto tendremos:
P[ p − P < e ] = 1 − α ⇒ P [ p − e < P < p + e ] = 1 − α , (11)
25
Pero el valor de e, se obtiene para el caso de poblaciones infinitas, de la ya clásica
fórmula para estimar tamaños de muestra para una proporción, según la ecuación
(12).
z12−α / 2 × pq
n= , (12)
e2
Donde z12−α / 2 , corresponde al valor de la distribución normal estándar para el

α
percentil (1 −) × 100% , pq es la varianza de una variable de tipo binomial y e el
2
error muestral absoluto o admisible.
Despejando la ecuación (12), tenemos:
pq
e = z1−α / 2 , (13)
n
Ahora sustituyendo la ecuación (13) en (11), se tiene:
 pq pq 
P  p − P < e  = 1 − α ⇒ P  p − z1−α /2 < P < p + z1−α /2  = 1−α , (14)
 n n 
pq
Luego el límite superior esta dado por LS = p + z1−α /2 y el límite inferior por
n
pq
LI = p − z1−α /2 .
n
1.8.3 El uso de la máxima varianza o máxima indeterminación
Usualmente toda investigación de tipo cuantitativa o cualitativa requiere de un

tamaño de muestra necesario para poder recolectar información respecto a los
atributos de interés propias de los objetivos e hipótesis asociadas a dicha
investigación y que permita hacer inferencia estadística a la población de donde ésta
se tomó. Bajo la aproximación de tipo cuantitativa usualmente se requiere explicitar
el nivel de confianza requerido, la varianza de la variable de diseño o interés, el error
muestral y el tamaño de la población en estudio de donde se tomará la muestra
(Cochran 1977) -si lo que se está usando tiene asociado una corrección por población
26
finita- que permita calcular los factores de expansión de la muestra para estudios
poblacionales.
La fórmula utilizada para la estimación del tamaño muestral en muestreo aleatorio

simple está dada por la siguiente ecuación (15) (Levy y Lemeshow 1999):
z 2 × N × σ X2
n= 2 , (15)
z × σ X2 + ( N − 1) × e2
Donde: e es el error muestral absoluto, z es el coeficiente de confianza o percentil

α
( 1 − ) de la distribución normal estándar (usualmente z= 1,96 para un 95% de
2
confianza), σ 2X es la varianza de la variable de interés y N el tamaño de la población.
A medida que el tamaño poblacional comienza a aumentar ( N → ∞ ), el tamaño
muestral n comienza a comportarse de forma asintótica llegando a un valor tal, que
sea cual sea el tamaño de la población N, siempre dará el mismo valor de n estimado.
A partir de la ecuación (15), se deriva la ecuación (16) para poblaciones infinitas,

veamos el siguiente desarrollo (ecuación 15) mediante la aplicación de límites:
 z 2 × N × σ X2 
 
 z × N ×σ
2 2

lim n = lim  2 X
 = lim  2 N 
N →∞ z × σ 2 + ( N − 1) × e 2 
 N →∞ z × σ X + ( N − 1) × e 
N →∞ 2 2
 X

 N N  , (16)
 z 2 × N × σ X2 
 
 = z σX
2 2

= lim 2 N
N →∞ z × σ 2  1  e2

X
+ 1 − e 2 
 N  N 
Teniendo así:
z 2 × σ X2
n= , (17)
e2
La formula (15) finalmente se reduce a la formula (17) mediante la reducción

mostrada en la ecuación (16), la ecuación (17) es la propuesta de estimación de
tamaños de muestra en estudios de corte transversal en Epidemiología para una
27
variable medida como proporción, en donde se busca medir el efecto del atributo que
posee una proporción estimada o prevalencia p o p̂ . Ante este escenario el diseño
muestral que se proponga permitirá tener un tamaño muestral que cumpla dos
objetivos de gran importancia el primero es levantar una encuesta representativa a
nivel poblacional y el segundo medir un efecto (Chow et al. 2008).
Figura 5 Relación asintótica entre el tamaño de muestra n y el tamaño

poblacional, se aprecia que a medida que aumenta el N, el tamaño de
muestra n, tiende a converger a un único valor.
385
n=384
380
n
375
370
0 50000 100000 150000 200000
Para ambas ecuaciones; si la variable de interés X es de tipo binaria, la varianza

estará dada por σ 2X = pq , en donde p corresponde al parámetro de interés de una
distribución de tipo binomial y q a su complemento (p + q = 1). Por ejemplo si p
= 0,50 se tiene que q = 1 − p = 0,50 , estos valores hacen que la varianza sea máxima
(pq = 0,25) y por lo tanto, ante cualquier valor de p diferente de 0,50 dicha varianza
estimada será siempre inferior, es decir, este valor constituye una cota superior para
todas las varianzas, por lo que es conocido como “varianza máxima” o supuesto de
“máxima indeterminación” (Marrugat et al. 1999, Silva 2000b, Suárez-Gil y Alonso
1999, Espinoza-Moreno 2005).
28
Este valor, al ser introducido en la fórmula para el cálculo de tamaño de muestra,
nos dará un valor de n=384 bajo los supuestos estándares habitualmente usados en
investigación (confianza 95% y error de un 5% en una distribución normal), y así el
valor calculado corresponderá al “máximo tamaño de muestra” para un error del 5%
y una confianza del 95%, veamos el desarrollo maximizando la ecuación (17).
Se tiene que el tamaño de muestra depende de tres parámetros: e es el error

α
muestral, z es el coeficiente de confianza o percentil (1 −
) × 100% de la distribución
2
normal estándar (usualmente z= 1,96 para un 95% de confianza) y σ 2X es la varianza
z 2 × σ X2
de la variable de interés, entonces n = f ( z, p, e) luego se tiene que n = ,
e2
maximizando la función respecto a p utilizando la ecuación (17) y derivando se
tiene:
∂f ∂  z 2 × pq  ∂  z 2 × p(1 − p )  ∂  z 2 × ( p − p 2 )  z 2
=  =   =   = 2 × (1 − 2 p ) , (18)
∂p ∂p  e 2  ∂p  e2  ∂p  e2  e
∂f 1
La función tiene su máximo en = 0 , esto es cierto si y sólo si p = = 0,50 .
∂p 2
Por ejemplo si p tomará el valor de 0,20 se tendría una varianza de 0,16 (Figura 6),
y el tamaño de muestra estimado sería de n=246 inferior al que se determinaría si
considera varianza máxima.
29
Figura 6. Gráfica que relaciona el valor del parámetro p y su
varianza. Se aprecia que la varianza para p=0,50 es mayor que para
p=0,17.
.25
.2
.15
PQ
.1
.05
0
0 .2 .4 .6 .8 1
P
Sin embargo, este valor se modifica significativamente cuando los errores muestrales
varían y p=0,50, considerando un 3% el tamaño sería n=1067 y considerando un
5% nos dará un valor de n=384 (Figura 7). Estas premisas son válidas si todos los
otros valores de las ecuaciones (15) y (17) están fijos (Silva 2000b).
30
Figura 7. Comportamiento de la función de estimación de tamaño de
muestra de la ecuación (17) en función de los valores de p y dos valores de
errores muestrales. Se aprecia un máximo absoluto (tamaño de muestra) en
cada caso (representado por los círculos) cuando p=0,50 y cuando el error
disminuye se requiere mayor muestra.
1000
n=1067
800
600
n
400
n=384
200
0
0 .2 .4 .6 .8 1
P
e=0,05 e=0,03
Esta estrategia que utiliza el investigador ante el desconocimiento de la frecuencia en

la población respecto del atributo de interés, le permitirá probabilísticamente asumir
al menos que en mitad de la muestra obtenida de la población estudiada de
presentará el atributo de interés, es decir, un 50% (p=0,5). Este algoritmo mágico
funciona muy bien, cuando la frecuencia o prevalencia del atributo de interés se
aproxima al 50%, especialmente en investigaciones de propósitos simples (Silva
2000b).
Sin embargo, las encuestas habitualmente son diseñadas para propósitos múltiples,
ya que se debe aprovechar los recursos humanos y económicos para obtener la mayor
información posible, y el investigador termina infiriendo a la población no solo el
atributo de interés, sino que una serie de otros atributos que se midieron y que
probablemente están totalmente sobre-representados o sub-representados en este
31
tamaño de muestra obtenido a través del supuesto de máxima indeterminación (Silva
2000a).
Considerando lo anterior esto estamos diciendo, que aquellos atributos que están
dentro del dominio de 0,5 podrán ser usados con bastante tranquilidad al momento
de inferir, pero ¿qué pasa con aquellos de menor orden, como acontece habitualmente
en los fenómenos de salud? ¿Qué me indica la lógica con respecto a un tamaño de
muestra si el atributo que quiero investigar tiene una muy baja frecuencia en la
población?, ¿el supuesto de máxima indeterminación me permitirá tener los
individuos suficientes con el atributo de interés para inferir en población?
1.9 El muestreo para poblaciones multinomiales
1.9.1 La distribución multinomial
La distribución multinomial es una generalización de la distribución binomial. Su uso

en el ámbito de la salud pública es habitual, dado que especifica variables categóricas
con más de dos categorías, como pueden ser las preguntas tipo Likert tan
ampliamente usadas (como ejemplo la pregunta clásica de salud auto percibida “En
general, ¿usted diría que su salud es..?” del cuestionario SF-36 (Alonso et al. 1995) u
otras variables como el índice másico corporal categorizado según los criterios de la
Organización Mundial de la Salud (OMS 1995).
Supongamos que hay n ensayos independientes, y cada uno los resultados de los
ensayos tienen exactamente k diferentes posibles resultados (Zwillinger y Kokoska
2000 , Santner y Duffy 1989). Para i=1,….,k ; sean pi la probabilidad de ocurrencia
k
del i-ésimo resultado con ∑p
i =1
i = 1, donde xi corresponde al número de veces que se
produce el resultado i-ésimo.
32
Definición: Sean los sucesos E1,E2,….,Ek , los que pueden ocurrir con frecuencias
x1,x2,…,xk si sus respectivas probabilidades de ocurrencia son p1,p2,…,pk , entonces la
probabilidad de que E1,E2,….,Ek ocurran x1,x2,…,xk veces, respectivamente es (ecuación
19):
n!
p ( x1 , x2 ,..., xk ) =
x x x
p1 1 p2 2 L pk k , (19)
x1! x2!L xk !
k
dónde ∑x
i =1
i = n.
Con valor esperado para cada xi dado por E ( xi ) = µ i = npi y varianza

Var ( xi ) = npi (1 − pi ) .
La distribución multinomial es una generalización de la distribución binomial, hay

dos propiedades importantes a considerar de esta distribución (Zwillinger y Kokoska
2000):
1. La distribución marginal de xi es corresponde a una variable aleatoria con

distribución binomial con parámetros n y p.
2. Si k=2 y pi = p, entonces la variable aleatoria multinomial corresponde a una

variable aleatoria con distribución binomial de parámetros n y p.
Una observación importante a considerar es que la distribución multinomial analiza

un fenómeno cuantitativo y no cualitativo, la variable es de tipo cuantitativa
independientemente de que cuantifique el número de veces que aparece una variable
nominal o categórica (Martín et al. 2010).
33
1.9.2 Intervalos de confianza simultáneos para la distribución
multinomial.
Supongamos que tenemos θ i parámetros, i=1,…,k para los cuales deseamos construir
sus respectivos intervalos de confianza ICi del (1 − α ) × 100% . Definamos los
siguientes sucesos:
Bi = {θi ∈ ICi } , (20)

y
B = {θi ∉ ICi }
i
c
, (21)
Entonces definiendo a partir de la ecuación (20), la probabilidad de la unión de

sucesos, tenemos:
k
P( B1c ∪ B2c ∪ LL ∪ Bkc ) ≤ ∑ P (Bic ) , (22)
i =1
Luego aplicando las leyes de DeMorgan en el argumento de la probabilidad de la

ecuación (22), se tiene:
k k
P( B1 ∩ B2 ∩ LL ∩ Bk ) ≥ 1 − ∑ P (Bic ) = 1 − ∑α i , (23)
i =1 i =1
k
α
Considerando el término ∑α
i =1
i de la ecuación (23), y tomando α i =
k
, se tiene la
siguiente ecuación:
P( B1 ∩ B2 ∩ LL ∩ Bk ) ≥ 1 − α , (24)
Luego, los intervalos de confianza IC1 ,….., IC k para θ1 ,….., θ k , son intervalos de
confianza simultáneos con coeficiente de confianza no inferior a (1 − α ) (Cuadras
1999).
Para construir intervalos de confianza para la distribución multinomial, Quesenberry

y Hurts (1964) proponen un procedimiento para construir intervalos simultáneos
para distribuciones multinomiales basados en una aproximación a la distribución Ji-
Cuadrada.
34
Posteriormente, Goodman (1965) mejoró el método de cálculo de Quesenberry y
Hurts y propuso otra metodología que genera intervalos de confianza más pequeños,
basados en la aproximación de la densidad binomial a la distribución normal,
utilizando la desigualdad de Bonferroni y el teorema central del límite para
determinar la probabilidad de que los intervalos sean correctos en forma simultánea.
Por su parte Goodman (1965) demostró que los estimadores propuestos se podrían
obtener a partir de la solución de una ecuación de tipo cuadrática.
1.9.3 El muestreo para poblaciones multinomiales
Si en una encuesta se incorporan un conjunto de variables en distintas dimensiones, y

si existieran variables categóricas con más de dos niveles, lo que habría que
considerar al momento de pensar la estrategia de muestreo estadístico es ¿Cuál es la
variable de interés del estudio?, si la variable de interés corresponde a una variable
de más de dos categorías, estaríamos ante un diseño que tendría que estimar el
tamaño de muestra considerando la distribución de probabilidad multinomial para
dicha variable. En la práctica, sin embargo, ante esta situación se puede operar
colapsando la variable politómica, cambiándola a dicotómica y se utilizaría la
distribución binomial.
Si al aplicar el procedimiento binomial y la variable de interés presenta múltiples

categorías (como sería el caso de una variable tipo Likert) se ignoraría que existen
otras características de la población que también serán estimadas a partir de los
datos recabados y no será posible determinar la precisión para las variables
analizadas en forma simultánea y muy probablemente se incrementará el error de
muestreo (Martínez y Martínez 2008, Cochran 1977).
Ante lo anterior y teniendo presente que en un diseño como por ejemplo de uso de
varianza máxima, o simplemente agrupando categorías lo que se está haciendo es
pensar en que una variable de k=2,3,..K categorías se le está dando un tratamiento
como si se tratara de una variable binaria, entonces es válido preguntarse ¿Qué pasa
con las categorías no consideradas?, ¿Se estarán dejando de representar categorías
asociadas a sub-poblaciones importantes para el estudio?, ¿Los errores de muestreo,
disminuyen o aumentan si se consideran o no consideran ciertas categorías?. Todas
estas interrogantes no llevan a hacernos otra pregunta: ¿Que método de estimación
de tamaño de muestra es el más apropiado cuando se trabaja con una variable de
múltiples categorías?.
35
CAPITULO 2
MÉTODOS
2. Métodos
2.1 Propuestas metodológicas en la estimación de tamaños de

muestra para variables categóricas.
A continuación se detallan las distintas propuestas de construcción de intervalos de

confianza simultáneos y estimación de tamaños de muestra existentes que permiten
trabajar con poblaciones multinomiales. Decidir cuál de ellas es la más apropiada,
involucra la consideración de aspectos técnicos tales como: errores muestrales,
representatividad, nivel de confianza, etc…, los costos y aspectos logísticos
involucrados en el muestreo.
2.1.1 Angers (1974 y 1979)
En 1974 se presentó un método gráfico propuesto por Claude Angers, que se basa en
el método de construcción de intervalos de confianza propuesto por Goodman (1965)
el cual permite calcular el tamaño de muestra usando valores conocidos de los
parámetros de la distribución multinomial. La propuesta básicamente consiste en la
utilización de interpolaciones lineales y considera los puntos medios de los intervalos
de confianza, los que se calculan usando la siguiente ecuación:
pi (1 − pi )
ei = zαi × ; i = 1,....., k , (25)
2
n
Usando dicha ecuación (25) se pueden calcular los valores de los errores muestrales ei
para determinados niveles de confianza 1 − α i , pero el mismo autor sugiere que es un
tanto complejo y engorroso el determinar el valor optimo de n considerando todos los
errores muestrales ei para los k intervalos de confianza que contengan el valor del
k
parámetro poblacional en forma simultánea con un nivel de confianza α = ∑ α i . El
i =1
36
procedimiento de Angers sugiere que el tamaño de muestra se debe determinar de
k k
αi
forma gráfica sustituyendo ∑α
i =1
i por ∑2,
i =1
el procedimiento gráfico se explica a
continuación y se pueden ver las gráficas en las Figuras (8) y (9): “Elijase de forma
arbitraria un tamaño de muestra n y calcule posteriormente los k cocientes
nei2
, con i=1,….,k, que representan los valores en el eje de las abscisas, y en el
pi × (1 − pi )
eje de las ordenadas se representan los niveles de confianza que van desde 0,01 hasta
0,10 en incrementos de 0,01 unidades”, luego se deben buscar en la gráfica los valores
obtenidos en el eje las abscisas de tal forma de identificar los correspondientes niveles
k
de significación α i ´s y se compara la ∑α
i =1
i con el valor de α definido previamente
por el investigador, la decisión se basa en:
k
1. Si ∑α
i =1
i > α , entonces el tamaño de muestra “n” propuesto es muy pequeño.
O alternativamente
k
2. Si ∑α
i =1
i < α , entonces el tamaño de muestra “n” propuesto es grande.
37
Figura 8. Las curvas asociadas a n (tomadas de la gráfica original de Angers (1974))
muestran como determinar el tamaño de muestra para α i ≤ 0,10 y k ≥ 3 .
38
Figura 9. Las curvas asociadas a n (tomadas de la gráfica original de Angers (1974))
muestran como determinar el tamaño de muestra para α i ≤ 0,10 y k ≥ 3 .
Luego se tendrá que modificar el tamaño de muestra en múltiplos de n y seguir el

procedimiento antes mencionado hasta encontrar un intervalo que contenga el valor
buscado (i.e. n1 < n < n2 ), cuando se logre construir dicho intervalo, el número final
de observaciones se calcula mediante interpolación lineal. A continuación se muestra
un ejemplo desarrollado por Angers que ilustra dicha situación:
Asumamos una distribución trinomial de parámetros p1=0,40 ; p2=0,30 y p3=0,30.

Supóngase que se desea trabajar con un intervalo de confianza simultaneo de nivel
95%, i.e. 1 − α = 0,95 con e1=0,05; e2=e3=0,025. Consideremos un valor inicial de
n=1000 obteniendo en las abscisas los valores 10,4167; 2,9762 y 2,9742 para los
correspondientes α i ´s (0,0013; 0,085 y 0,085) en la curva asociada a n. Luego
39
3
realizando la suma de los α i ´s tenemos que ∑α
i =1
i = 0,1713 > α = 0,05 lo que indica
que el tamaño de muestra no es adecuado (pequeño).
Luego usando la curva asociada a 2n, se tienen los siguientes valores de α i ´s (0,000
3
;0,015 ; 0,015) lo que da un total de ∑α
i =1
i = 0,03 < α = 0,05 , lo que indica que el
tamaño de muestra es muy grande, a raíz de estos dos casos se tiene que el tamaño
de muestra adecuado debería estar entre 1000 y 2000. Revisando la curva 3n/2 se
3
tiene que ∑α
i =1
i = 0,07 > α = 0,05 y esto muestra que el tamaño de muestra excede el
3
valor 1500. Dado que cuando n=1500, ∑α
i =1
i = 0,07 y cuando n=2000,
3
∑α
i =1
i = 0,03 utilizando interpolación lineal el valor de n se aproxima a 1750,
finalmente la solución exacta es n=1689.
En el año 1979, Angers nuevamente publica un trabajo relacionado con estimación de

tamaños de muestra para la distribución multinomial pero proponiendo una mejora a
la propuesta de Tortora (1978), según Angers los resultados generados por el trabajo
de Tortora son muy conservadores y estima tamaños de muestra muy grandes, la
expresión propuesta por Angers (1979) para la estimación del tamaño de muestra
considera un valor cercano a 0,50 para cada parámetro mediante la siguiente
ecuación:
 B × pi × (1 − pi ) 
n = min max  i  ; i = 1,......, k , (26)
αi i
 ei2 
k
tal que α i ≤ ai ≤ α ; i = 1,...., k y ∑α
i =1
i ≤ α , Bi es el límite superior de α i × 100% de
una distribución χ12 , α i y α es un nivel de significación especifico fijado por el

muestrista. Por este método se encuentra el conjunto de α i ´s que minimiza el
tamaño de muestra al tiempo que satisface las restricciones, luego la probabilidad de
que el i-ésimo intervalo de confianza es correcto es 1 − α i y la probabilidad de que k
intervalos de confianza sean correctos simultáneamente es de 1 − α , según Angers lo
α
que hizo Tortora fue trabajar con un caso particular en donde ai = .
k
40
2.1.2 Cochran (1977)
Cochran (1977) presenta una aproximación que considera a la proporción en la

categoría i-ésima de una distribución multinomial, como si fuese una distribución
binomial versus el resto de las categorías, es decir si la categoría i-ésima es la
categoría de interés y la variable presenta k-categorías se agrupan las otras k-1
categorías en una sola, y por consiguiente se ignoran atributos específicos de las
subpoblaciones no consideradas. Así se resuelve el problema y lo que se debe hacer es
calcular cuatro tamaños de muestra diferentes pensando la situación como si se
tratara de un típico cálculo de tamaño de muestra para una distribución binomial
usando la ecuación:
z 2 × p × (1 − p )
n´= , (26a )
e2
En donde z es la abscisa de la curva de una distribución normal estándar para una

confianza del (1 − α ) × 100% y e corresponde a error muestral absoluto requerido.
Pensemos en este ejemplo hipotético mostrado por Tortora (1978) para ejemplificar
la propuesta de Cochran. Suponga que un antropólogo desea estimar la proporción de
habitantes de una isla en donde existen cuatro tipos de grupos sanguíneos A, O, B y
AB. El antropólogo conoce por trabajos previos en islas similares que
aproximadamente el 27% posee sangre tipo A, el 43% posee sangre tipo O, 19% tipo
B y 11% tipo AB. Con una precisión o error muestral del 5% para cada proporción y
un nivel de confianza del 95%. Luego se tiene que los tamaños requeridos para los
tipos de sangre A, O, B y AB corresponden a nA=303, nO=377, nB=236 y nAB=150.
Luego el procedimiento consiste en escoger el n más grande que en este caso
corresponde nO=377. Un propuesta adicional hecha por Cochran consiste en el uso de
la máxima varianza la que está dada por PQ=0,25; valor que se obtiene al considerar
P=0,50. Para este autor la utilización de dicho valor entrega tamaños de muestra
conservadores. Dicha estrategia es la más utilizada actualmente en estudios de salud
pública y se aplica tanto en los casos en donde la variable que se estudia es de
naturaleza binaria o cuando el número de categorías es superior a dos. Entonces,
Cochran lo que propone es trabajar con un error de muestreo absoluto idéntico para
cada categoría, esto llevaría a estimar tamaños de muestra por categoría
representando adecuadamente a aquellas prevalencias cercanas a P=0,50 ya que este
autor propone la utilización del peor caso.
41
2.1.3 Tortora (1978)
Robert Tortora en el año 1978, introduce la idea del peor caso para distribuciones
multinomiales, análogamente a lo propuesto con el peor caso las distribuciones
binomiales. Tortora analiza como Cochran (1977) aborda la determinación del
tamaño de muestra para estimar una proporción aplicando una estrategia de
muestreo aleatorio simple y considerando además el caso univariado.
El método de Tortora fue criticado por Angers quien estableció que dicho método era
más conservador de lo necesario y propuso revisarlo usando un valor de 0,5 para cada
parámetro.
La propuesta de Tortora consiste en considerar una población de unidades de análisis

divididas en k categorías mutuamente excluyentes. Sea Pi, i=1,…,k , la proporción de
la población en la i-ésima categoría en una muestra aleatoria simple de tamaño n.
Para un valor especifico de α , lo que se busca es obtener un conjunto de intervalos Ii
, i=1,…,k tal que :
k 
Pr  ∩(Pi ∈I i )  ≥1−α ; (27)
i =1 
Lo que se requiere es que la probabilidad de que cada intervalo Ii sea mayor a 1 − α .

Goodman (1965) muestra una aproximación de los intervalos de confianza para
grandes muestras (n tiende a infinito) que está dada por:
Pi − ≤ Pi ≤ Pi +
donde:
B × pi × (1 − pi )
Pi − = pi − ; (28)
n
B × pi × (1 − pi )
Pi + = pi + ; (29)
n
α
Siendo B es el percentil superior × 100 de una distribución Ji-Cuadrado con un
k
pi × (1 − pi )
grado de libertad. Examinando las ecuaciones (28) y (29) se tiene que
n
42
es la desviación estándar de la i-ésima categoría de una población multinomial, en
donde cada probabilidad marginal corresponde a la función de densidad de una
distribución binomial. Si N es el tamaño de la población y usando la corrección por
población finita y la varianza para cada pi se tiene según (Cochran 1977) el intervalo
de confianza:
B × ( N − n) × pi × (1 − pi )
Pi − = pi − ; (30)
( N − 1) × n
B × ( N − n) × pi × (1 − pi )
Pi + = pi + ; (31)
( N − 1) × n
Hay que notar que si N → ∞ las ecuaciones (30) y (31) tienden a (28) y (29)
respectivamente.
Para determinar el tamaño muestral requerido, es necesario definir la precisión para

cada parámetro de la distribución multinomial, supongamos que se desea una
precisión absoluta ei para cada categoría, entonces (28) y (29) toman la forma:
B × pi × (1 − pi )
Pi − − ei = pi − ; (32)
n
B × pi × (1 − pi )
Pi + + ei = pi + ; (33)
n
respectivamente, de manera similar ocurre si se considera corrección por población

finita. Ahora de la ecuación (32) y (33) se tiene que:
B × pi × (1 − pi )
ei = ; (34)
n
Al despejar n elevando al cuadrado, tenemos:
B × pi × (1 − pi )
n= , (35)
ei 2
43
Usando corrección por población finita, se tiene:
B × N × pi × (1 − pi )
n= , (36)
ei × ( N − 1) + B × pi × (1 − pi )
2
Si observamos tanto para la ecuación (35) y (36), el tamaño de muestra es una

función cuyos argumentos corresponden al par (ei,pi) entonces (35) y (36) se pueden
escribir como n = g (ei , pi ) y n = f (ei , pi ) respectivamente.
Para definir qué tamaño de muestra es el apropiado, lo que se debe hacer es calcular
los k-pares (ei,pi), con i=1,…,k y seleccionar el mayor tamaño de muestra , así la
expresión (36) se transforma en:
 B × N × pi × (1 − pi ) 
n* = max f (ei , pi ) = max  2  , (37)
i i
 ei × ( N − 1) + B × pi × (1 − pi ) 
1
Tanto para la ecuación (35) y (36), se puede probar fácilmente que si pi → o si
2
ei → 0 entonces el tamaño muestral n se incrementa.
Cuando el error muestral es el mismo para cada categoría, es decir ei = e , ∀ i solo es

necesario hacer un cálculo y considerar la proporción pi más cercana a 0,50.
Usualmente en investigaciones aplicadas no se tiene conocimiento previo respecto a
las proporciones poblacionales, por lo cual se trabaja con el “peor caso” que
corresponde a trabajar con pi=0,50 y ei = e , ∀ i , así se tiene que la formula (35) se
escribe:
B
n= , (38)
4e 2
Si se trabaja con un error relativo ei para cada categoría i-ésima donde

ei = eí × pi , ∀ i y si se sustituye en la ecuación (35) se tiene:
B × (1 − pi )
n= , (39)
eí 2 × pi
44
También se puede considerar la corrección por población finita y la ecuación (39) se
transforma en:
B × (1 − pi ) × N
n= , (40)
eí × pi × ( N − 1) + ( B × (1 − pi ))
2
Ahora teniendo en consideración k-categorías lo que se hace es calcular los k-pares

(eí , pi ) , con i=1,…,k y seleccionar el mayor tamaño de muestra. Si eí = e´ para todo
i, entonces el mayor tamaño de muestra es:
B × (1 − p )
n= , (41)
eí 2 × p
dónde p = min ( p1 , p2 ,...., pk ) . Tortora (1978) muestra mediante un ejemplo numérico

una aplicación de su propuesta metodológica. Suponga que un antropólogo desea
estimar la proporción de habitantes de una isla en donde existen cuatro tipos de
grupos sanguíneos A, O, B y AB. El antropólogo conoce por trabajos previos en islas
similares que aproximadamente el 27% posee sangre tipo A, el 43% posee sangre tipo
O, 19% tipo B y 11% tipo AB. Con una precisión o error muestral del 5% para cada
proporción y un nivel de confianza del 95%. Usando la notación propuesta se tiene
que ei=0,05; i=1,…,4 y α=0,05, además se asume que las islas tienen un tamaño
poblacional suficientemente grande como para ignorar la corrección por población
finita. Así usando ei=0,05 para cada tipo de sangre y asumiendo un valor de pi=0,50
(peor caso), se tiene que el tamaño de muestra requerido usando la ecuación (35) es
de n=624 habitantes.
Bajo estos resultados Tortora propone considerar la siguiente expresión derivada de

las ecuaciones (35) y (26a):
n / n´= B / z 2 , (42)
z 2 × p × (1 − p)
Siendo n´= y z el valor correspondiente a la curva normal asociado al
e2
 α
percentil 1 −  × 100% .
 2
45
Cuyo cálculo se detalla para algunos casos específicos de valores de k y α para la
misma precisión.
k
alfa 3 4 5 10
0,1 1,71 1,84 2,04 2,44
0,05 1,53 1,66 1,73 2,05
Ahora si suponemos que deseamos estimar las proporciones asociadas con cuatro
parámetros de una distribución multinomial y si el tamaño requerido para el enfoque
binomial es de 100, para el enfoque multinomial seria de 166 con un nivel de
confianza del 95%.
2.1.4 Thompson (1987)
Thompson (1987) hace una revisión de los trabajos publicados y propone que el
método mostrado por Angers (1974) es la propuesta que mejor se aproxima a la
estimación de las proporciones poblacionales, pero afirma que dicha propuesta es
compleja en la práctica ya que su aplicación requiere mucho cálculo tedioso.
Thompson propone la estimación de tamaños muestrales para una distribución
multinomial de manera tal que la probabilidad de que todas las estimaciones de las k
proporciones estén contenidas en un intervalo de confianza del (1 − α ) × 100% este
dada por la expresión:
k 
Pr  ∩ pi − Pi ≤ei  ≥ 1− α , (43)
i =1 
Donde Pi es la proporción poblacional de la i-ésima categoría, pi es la proporción

estimada y k el número de categorías. En su trabajo Thompson asumió que la
población es lo suficientemente grande y lo llevo a considerar dicha estimación con
corrección por población finita cuando se utiliza la aproximación normal utilizando
muestreo aleatorio simple.
Así, propone una manera de determinar el peor de los casos para un vector de
parámetros multinomiales cuando se desean obtener intervalos de confianza
simultáneos en donde todos sean de igual longitud para cada uno de los componentes
r
del vector de parámetros P = ( P1 , P2 ,...., Pk ) .
46
La propuesta comprende una serie de pasos de un procedimiento que consiste en
encontrar la “n” más pequeña en donde se debe cumplir con la siguiente restricción
dada por la desigualdad:
m
∑α
i =1
i <α
r
para todos los posibles valores del vector de proporciones P = ( P1 , P2 ,...., Pk ) en donde
α i con i=1,…,k , es el nivel de significación para cada parámetro, dichos valores se
asumen iguales.
Luego el método consiste básicamente en la aplicación del siguiente algoritmo:
i) Para cada posible valor de los parámetros del vector se debe escoger un
m
ei n
valor de n y calcular ∑α
i =1
i donde α i = 2 × ( 1 − Φ( z i )) en donde zi =
Pi (1 − ei )
, y ei
m
corresponde al error muestral absoluto de la i-ésima categoría. Si ∑α
i =1
i < α , entonces
el procedimiento se repite tomando un valor de n menor que el anterior, por el

m
contrario si ∑α
i =1
i > α se debe tomar un valor de n mayor al anterior.
ii) Se repite el paso anterior con todos los posibles valores que toma el vector
r r
P = ( P1 , P2 ,...., Pk ) para determinar el vector de parámetros P0 , el cual corresponde al
peor caso que permite obtener el mayor valor de n.
El peor caso corresponde a la situación en donde el valor del parámetro corresponde

a 1/k y el resto de los valores son 0. Finalmente el tamaño de muestra según
Thompson (1987) se estima mediante la ecuación (44)
 2 1 1 
 (z (1 − ) 
k0 k0 
n* = max ; (44)
k0  e2 
 
 
47
α
Donde z es el percentil superior correspondiente a ( 100 × )% bajo una distribución
2k
normal estándar, e es un valor común a todos los ei y k0 un numero entero menor o
igual a k que corresponde al número de categorías.
Este resultado también se puede aplicar si se considera corrección por población

finita, basta utilizar la siguiente ecuación:
n * ×N
n= (45)
n * + ( N − 1)
Sustituyendo n* en la ecuación (45) se tiene:
N × z 2 × (k0 − 1 )
n= , (46)
(N − 1 ) × e 2 × k0 + z 2 × (k0 − 1 )
De esta forma, los tamaños de muestra estimados por Thompson son los mismos para
variables que presenten distinto número de categorías ya que siempre considera el
peor de los casos.
2.1.5 Bromaghin (1993)
En 1993 Jeffrey Bromaghin hace una revisión de las propuestas de Tortora (1978) y
Thompson (1987), dichas propuestas están basadas en uno de los dos métodos de
Goodman (1965) que presentó para la construcción de intervalos de confianza
simultáneos como modificación a la propuesta de Queensberry y Hurst (1964). El
procedimiento presentado por Bromaghin está basado en intervalos de confianza que
son asintóticamente equivalentes.
Según Bromaghin el objetivo es determinar el tamaño de muestra n, tal que el

conjunto de k (k > 2) intervalos de confianza simultáneos capturen o contengan
todas las k categorías con una probabilidad 1 − α , que es:
n = min ∋  ∩ [Pi − ≤ Pi ≤ Pi + ] = 1 − α 

k
, (47)
  
+
n∈R i =1
48
Donde Pi − y Pi + son los límites inferior y superior del intervalo de confianza de la i-
ésima probabilidad de una distribución multinomial y R+ es el conjunto de los reales
positivos. En la práctica, la evaluación de (47) es dificultosa y se trabaja con una
variable aleatoria discreta, lo anterior se modifica si se considera:
n = min ∋ ∑ α i ≤ α 
k
, (48)
n∈ I  i =1
+ 
donde α i = Pr( Pi − ≤ Pi ≤ Pi + ) , y I+ es el conjunto de los enteros positivos.
Bromaghin hace hincapié en que tanto Tortora (1978) como Thompson (1987)
construyen los intervalos de confianza considerando los límites del intervalo de
confianza de la manera usual:
pi × (1 − pi )
Pi − = pi − z αi
(1−
2
) n −1
, (49)
pi × (1 − pi )
Pi + = pi + z αi
(1−
2
) n −1
ni
En donde pi = es el estimador de máxima verosimilitud de Pi y zx es la desviación
n
de una normal estándar con probabilidad 1-x. Goodman demuestra que las
propiedades del intervalo en (50) son mucho mejores, especialmente en lo que
concierne a su amplitud ya que (50) es más angosto que (49).
 n − ni 
z2 αi + 2ni − z 2 αi z2 αi + 4ni  
(1− ) (1− ) (1− )  n 
P −i = 2 2 2
 
2 n + z 2 αi 
(1− )
 2 
, (50)
 n − ni 
z2 αi + 2ni + z 2 αi z2 + 4ni 
αi 
(1− ) (1− ) (1− )  n 
P +i = 2 2 2
 
2 n + z 2 α i 
(1− )
 2 
49
Debido a lo anterior, Bromaghin propone el determinar el tamaño de muestra
considerando (50). Siguiendo la propuesta de Tortora, las cantidades αι son fijas y la
anchura del i-ésimo intervalo se limita a ser inferior a 2ei, bajo estas consideraciones
la ecuación (47) se escribe:
  n − ni  
 z αi z αi + 4ni 
2
 
(1− ) (1− )  n 
n = min+ ∋  2 2
≤ ei  ; i = 1,....., k , (48)
n∈I    
 2 n + z αi 
2

  (1− )
2  
Sustituyendo en (48) ni por nPi se tiene:
 
 z α i z α i + 4ni Pi (n − Pi )
2

(1− ) (1− )
n = min+ ∋  2 2
≤ ei 
 ; i = 1,....., k , (49)
n∈I  
 
2 n + z α i 
2
 
  (1− )
2  
La i-ésima desigualdad en (49) puede ser escrita como una ecuación cuadrática en n
y es fácil de demostrar que una de las raíces entrega la solución óptima. Por lo tanto
teniendo Pi y la especificación de αι y ei, la i-ésima inecuación es exactamente
satisfecha por:
 z 2 αi 
 (1− ) 
n=
 2 ei
2  i
2

[ ]
P (1 − Pi ) − 2ei2 + Pi 2 (1 − Pi ) 2 − ei2 (4 Pi (1 − Pi ) ) , (50)
 
En el caso general, el tamaño de muestra requerido se satisface todas las restricciones

se realiza a través k aplicaciones de la ecuación (50). Cuando no hay conocimiento
previo de la información respecto a las probabilidades multinomiales, el tamaño de
muestra basado en el peor caso se estima considerando Pi=0,50 para alguna i, en este
caso se tiene:
50
  0,25 z 2 α i 
  (1− ) 
n = 1 + int  max  2
2
− z αi  
2
, (51)
 i∈(1, 2,..k )  ei 2 
(1− )

  
El resultado es similar, pero ligeramente menor que el tamaño de la muestra

α
recomendado por Tortora (1978). Para el caso donde ei=e y α i = para todo i, se
k
tiene:
 
 0,25 z 2 α i 
 (1− )
 2
n = nt  2k
 − z(1− α i )
, (52)
1 1 2
 1 −  z α i  2k
 
m m  2k 
( 1 − )
donde nt es el tamaño de muestra recomendado por Thompson (1987).
2.1.6 Fitzpatrick y Scott (1987)

r
Estos autores mencionan es su trabajo que si se consideran f = ( f1 , f 2 ,...., f k ) valores
que denotan las frecuencias observadas en una muestra de n observaciones de una
r pˆ
distribución multinomial con probabilidades ( p = p1 , p2 ,...., pk ) y sea i con i=1,…,k.
n
Lo que se busca es construir una cota inferior para el nivel de confianza simultaneo
asintótico:
 k 
r  
Π1 (k , p; α ) = lim P I Ai (α ) 
n→∞
 
 
r z (α / 2) 
En donde Ai (α ) =  f : pˆ i − pi ≤ 
 2 n 
Usando la desigualdad de Bonferroni para y el límite estándar resulta para

P( Ai (α )) que:
51
r  
1 − ∑ (1 − P( A ))  = F (k , pr ; z (α / 2) / 2)
k
Π1 (k , p;α ) ≥ lim P , (53)
n→∞  i

 
1
En donde
k
r
F (k , p; z ) = 2∑ Φ ( z / pi (1 − pi )) + 1 − 2k
1
Con Φ (•) que denota la distribución normal estándar. En base a esto se propone el
siguiente lema:
Lema:
r
F ( k , p; z ) toma el mínimo valor para z fijo sobre k=2,3,… y p ∈ S siendo
r k

S =  p : pi ≥ 0,

∑p
1
i = 1 con k=m(z) y pi=1/k (i=1,…,k) para algún entero m(z).

Después de un cálculo sencillo utilizando la ecuación (53), se tiene un resultado

convencional para los valores usuales de α.
Teorema:
r
Para k=2,3,… y p ∈ S :
r
Π1 (k , p; α ) ≥ L(α )
Donde
 1 − 2α ; α ≤ 0,016

L(α ) =   3 z (α / 2) 
6Φ  −5 ;0,016 ≤ α ≤ 0,150
  8 
Se cumple que L(α ) es continua y decreciente y toma valores en (0,622 ; 1] . Luego

para valores de α usuales se puede determinar un valor α0 que cumpla L(α ) ≥ 1 − α ,
así se obtiene como solución la ecuación del tamaño de muestra como sigue:
52
 1 
n = 1 + int  2 z12−α 0  (54)
 4e 2 
Y dicho tamaño de muestra permite cumplir con la condición:
k 
P I { pi − Pi ≤ ei } ≥ 1 − α
 i =1 
Para los errores de muestreo o precisiones e1,e2,…ek que cumplan con e = min1≤i ≤ k ei .
El tamaño muestral estimado según la ecuación (54) es menor que los que se
determinan con las aproximaciones de Tortora (1978) y Bromaghin (1993) y esto se
debe a este procedimiento se basa en el peor de los casos que se toma entre aquellos
en donde la suma de los parámetros sea igual a 1.
53
2.2 Método de construcción de poblaciones simuladas y criterios de
selección de muestras.
2.2.1 Construcción de poblaciones
Mediante simulaciones usando el método de la transformada inversa (Cameron y

Trivedi 2009, Ross 1999), se procedió a crear poblaciones ficticias en la cual se
presenten variables de tipo categóricas (multinomiales). Se simularon 25 poblaciones
de tamaño N=1000000 para variables de tipo multinomial de k= 3, 4, 5, 6 y 7
categorías, las que constituyen la variable de interés de esta tesis. Dichas poblaciones
se denominaron de “entrenamiento” dado que en ella verificaremos y comprobaremos
qué propuesta metodológica opera de mejor forma. Mediante dicha simulación
tendremos un valor puntual del parámetro poblacional que llamaremos “blanco”.
Para las variables de k =3, 4, 5, 6 y 7 categorías, en cada una de ellas se

establecieron 5 valores de corte que corresponden a: i) Una categoría menor al 5%, ii)
Una categoría entre el 5 y 10% ; iii) Una categoría igual al 50% ; iv) Categorías con
libre distribución y v) Considerando equiprobabilidad (misma proporción en cada
categoría). Todos estos valores de corte establecidos según juicio experto.
Posteriormente se extrajeron muestras m=1000 de tamaño n (considerando muestreo

aleatorio simple) para cada una las propuestas metodológicas de Angers (1974),
Cochran (1977), Tortora (1978), Thompson (1987), Fitzpatrick y Scott (1987) y
Bromaghin (1993).
Para la estimación de tamaños muestrales se trabajó con un criterio de errores

muestrales absolutos para cada valor de proporción (prevalencia) que se muestra en
la Tabla 1. Por ejemplo si la proporción (prevalencia) de la categoría i-ésima es del
4% se trabajará con un error muestral del 1%, la elección del los valores de errores
muestrales se baso en juicio experto del autor.
54
Tabla 1. Errores muestrales absolutos considerados para los
distintos puntos de corte.
Proporción en la categoría Error

i-ésima muestral
Pi ≤ 5% 1%
5% < Pi ≤ 10% 2%
10% < Pi ≤ 15% 3%
15% < Pi ≤ 20% 4%
Pi > 20% 5%
2.2.2 Simulación de variables de tipo multinomial.
El método de simulación de variables de naturaleza multinomial corresponde al de la

“transformada inversa” o “imagen inversa”. Este método permite obtener una
aproximación de una distribución acumulada F(X), sea discreta o continua
(Cameron y Trivedi 2009, Ross 1999). La función inversa F-1(Y) se define como el
valor más pequeño de X, en donde F ( X ) ≥ Y , a continuación se muestran los pasos
para obtener la imagen inversa.
i) Se obtiene Y mediante la simulación de una distribución uniforme

U(0,1).
ii) Calcular F-1(Y)=X
Basta calcular F-1(Y) en el paso ii) para poder aplicarlo, y no es necesario especificar
cuál debe ser la forma de F(X). En el caso de la distribución multinomial si se tiene
una variable X con k categorías, dicha distribución indica la probabilidad de que n
muestras de la variable X sigan una determinada distribución de frecuencias. Sus
parámetros son n el número de muestras y p1,p2,…,pk que indican la probabilidad de
que la variable X tome cada uno de sus posibles valores. Si usamos el algoritmo de la
transformada inversa para seleccionar una muestra de la variable X se procede del
siguiente modo:
55
i) Simular una distribución U(0,1).
V −1 V
ii) La variable toma el valor X=V que satisfaga: ∑ pi < U ≤ ∑ pi , en
i =1 i =1
0
donde ∑p
i =1
i = 0.
2.2.3 Método para evaluar el desempeño de las estimaciones por

muestreo
Para evaluar la calidad de las estimaciones de las distintas muestras trabajadas y

siguiendo a (Burton et al. 2006) se construyeron las siguientes medidas: 1) Estimador
promedio, 2) Sesgo, 3) Nivel de confianza real o cubrimiento los intervalos de
confianza construidos y 4) Error cuadrático medio.
Estimador promedio: Se trabajó con un vector de parámetros poblacional de la

distribución multinomial de k-categorías del siguiente tipo Θ = (θ1 ,....., θ k ) , en donde
~
cada θ j es un valor constante, luego su respectivo vector de estimadores corresponde

m
∑θˆ ij
ˆ = (θˆ ,....., θˆ ) en donde θˆ =
a Θ i =1
y corresponde al valor promedio de las
1 k j
~ m
respectivas estimaciones del parámetro asociado a la categoría j-ésima de la variable
multinomial de k-categorías ( 1 ≤ j ≤ k ) para las m simulaciones realizadas en cada
propuesta de muestreo presentada.
Sesgo: Se define el sesgo para un parámetro β , como sesgo( β ) = βˆ − β , dado que se

trabaja con vectores de parámetros de una distribución multinomial tenemos el
vector de sesgos que se expresa como:
 θˆ − θ 
 1 1
 . 
ˆ −Θ= . 
sesgo(Θ) = Θ , (55)
~ ~ ~  
 . 
 
θˆ − θ 
 k k 
56
Porcentaje de sesgo: La ecuación (55) muestra el vector de sesgos del cual se
puede derivar una expresión llamada porcentaje de sesgo que está dada por la
siguiente expresión ecuación (56)
 θˆ − θ 
 1 1 
 θ1 
 . 
 
psesgo(Θ) =  .  × 100 , (56)
 
~
 . 
 θˆk − θ k 
 θ 
 k 
Sesgo estandarizado: Se define como
 θˆ − θ 
 1 1
 se(θˆ1 ) 
 . 
 
sd (Θ) =  .  , (57)
~
 
 . 
 θˆk − θ k 
 ˆ 
 se(θ k ) 
∑ (θˆ ij − θˆ j ) 2
Siendo se(θˆ j ) = i =1
es la desviación estándar empírica de las estimaciones
m −1
de interés para el parámetro asociado a la categoría j-ésima sobre todas las
simulaciones.
Cobertura o nivel de confianza real: Se calculó como el número de intervalos de

confianza que contenían al parámetro poblacional, es decir de las m=1000 muestras
simuladas de tamaño n para cada estrategia trabajada se contó el número de veces
que el intervalo de confianza contenía al parámetro poblacional. Ya que el vector
contiene k-parámetros se evaluó la contención de la siguiente forma: “Si en cada uno
57
de los m intervalos construidos al menos una categoría no contenía a su respectivo
parámetro, entonces de manera simultánea el intervalo de confianza no contiene al
vector poblacional Θ = (θ1 ,....., θ k ) ”.
~
Error cuadrático medio
Se define el error cuadrático medio como de un estimador βˆ con respecto al

parámetro β como:
(
ECM(βˆ ) = E ( βˆ − β ) 2 )
Se calculará el ECM para cada categoría de las variables a trabajar y considerando
las m=1000 muestras simuladas de tamaño n y se reportara el valor mediano de este.
2.3 Índice de entropía de Shannon:
Sea una población finita conformada por N individuos que se pueden clasificar en k
categorías o clases. Sea E= (E1,E2,…,Ek) el conjunto de todas las categorías o clases,
se define:
r
Φ k =  p = ( p1 , p2 ,....., pk ) : pi ≥ 0 ; i = 1,..., k ; ∑ pi = 1
k
, (58)
 i =1 
como el conjunto de todas las distribuciones de probabilidad definidas sobre el

conjunto E (Pardo 2006). La siguiente aplicación se denomina índice de diversidad
H´:
H ´: Φ k → R
Cuya expresión está dada por:
r k
H ´( p ) = H ´( p1 , p 2 ,..., p k ) = − ∑ pi log pi , (59)
i =1
Y se verifica que.
r r r r
1. H ´( p ) ≥ 0 , ∀ p ∈ Φ k con H ´( p ) = 0 si y sólo si p es degenerada.
2. H ´ es una función de tipo cóncava.
58
Un concepto de importancia en el estudio de la diversidad tiene que ver con la
“mayorización”, que nos permite comparar el grado de incertidumbre en la
estimación de vectores multinomiales. Una definición dada por Pardo (2006) se
enuncia a continuación:
Definición 1:
Dadas p y q en φk se dice que p está más separada en el sentido de una mayor

variabilidad que q, si se verifica:
r r
p p q ⇔ ∑ p( i ) ≤ ∑ q( i ) , r = 1,...., k − 1 , (60)
i =1 i =1
Siendo
p (1) ≥ p( 2 ) ≥ .... ≥ p( k ) y q(1) ≥ q( 2) ≥ .... ≥ q( k )
Un teorema de importancia que posteriormente permite estudiar y comparar las

medidas de entropía entre dos vectores estimados se enuncia a continuación:
Teorema 1: Para todas las medidas de entropía que sean Schur-cóncavas:
p p q ⇔ H hφ ( p) ≥ H hφ (q)
Es importante enunciar a que corresponden las funciones H hφ (•)
Definición 2: Dado el vector de probabilidad p, siendo:
p = ( p1 , p2 ,..., pk ) t ∈ Φ k
Se denomina (h,φ)-entropía asociada a p a la siguiente expresión:
 k 
H hφ ( p) = h ∑ φ ( pi )
 i =1 
59
En donde
i) φ :[0, ∞ ) → R cóncava y h : R → R creciente
ii ) φ :[0, ∞ ) → R convexa y h : R → R decrecient e
Estos resultados se deben a (Salicrú et al. 1993) y son extendidos en una aplicación
por Pardo (2006). Al considerar h(x)=x y φ(x)=-log (x) se obtiene el índice de
Shannon.
Relacionado la definición 1 y el teorema 1 podemos enunciar la siguiente equivalencia

que posteriormente será aplicada en el estudio de comparación de variabilidad e
incertidumbre en los vectores estimados en este trabajo mediante las distintas
propuestas metodológicas.
Equivalencia:
r r
p p q ⇔ ∑ p(i ) ≤ ∑ q( i ) ⇔ H hφ ( p ) ≥ H hφ ( q)
i =1 i =1
El índice de Shannon, índice que permite estudiar la entropía de un sistema,

originalmente fue desarrollado por Shannon como una medida de entropía
relacionada con la teoría de la información (Begon et al. 2006) y actualmente se
aplica en muchas disciplinas para estudiar el nivel de incertidumbre. Por ejemplo en
ecología se podría interpretar como “el grado promedio de incertidumbre en predecir
a que especie pertenecerá un individuo escogido al azar de una colección” (Begon et
al. 2006, Magurran 1988).
En este trabajo se utilizará para estudiar una variable de tipo multinomial de k-

categorías. Si toda la masa de probabilidad está concentrada en una de las categorías
el índice seria cero, es decir las subpoblaciones restantes no estarían representadas.
Adquiere el valor cero (o cercano) cuando existe solo una categoría o la proporción
(prevalencia) de una categoría es muy baja, y toma el logaritmo de k (número de
categorías de la variable) cuando todas las categorías o subpoblaciones están
representadas por el mismo número de individuos (Magurran 1988).
60
2.3.1 Índice de Shannon promedio para las simulaciones
En este trabajo para cada simulación (m=1000 muestras de tamaño n) se calculo el

índice de Shannon y posteriormente la entropía media la cual se expresa por la
ecuación (59), en donde m denota el número de simulaciones realizadas.
∑ Hˆ i
Hˆ = i =1
, (61)
m
En donde Ĥ i es la entropía en la muestra i − ésima.
61
3 Planteamiento del problema, hipótesis y objetivos
Este trabajo de tesis pretende estudiar seis enfoques estadísticos que se que se usan
en la estimación de tamaños de muestra cuando la variable de diseño es de
naturaleza multinomial, los que corresponden a: Angers (1974), Tortora (1978),
Thompson (1987), Cochran (1953), Bromaghin (1993) y Fitzpatrick y Scott (1987),
dichos enfoques están ampliamente discutidos en la literatura del muestreo
estadístico pero son controversiales al momento de aplicarlos en estudios de salud
dado a que no siempre permiten conjugar costos, representatividad y tamaños de
muestra adecuados para un esquema de muestreo aleatorio simple y muestreo
complejo de poblaciones en donde la variable de diseño o estudio corresponde a una
distribución con múltiples categorías. Se discute inicialmente como la utilización de
la máxima varianza cuando la variable de diseño con k=2 categorías entrega
estimaciones de prevalencias considerando un valor P=0,50 para estimar dicho
tamaño muestral sin conocer valores previos de dicho estimador lo que entrega
estimaciones sesgadas, luego la discusión se enfoca en la determinación de que
método analizado entrega mejores tamaños de muestra y estimaciones considerando
distintos escenarios en donde las categorías consideradas van desde k=3 a k=7,
finalmente se propone y discute la utilización de las medidas de incertidumbre o
entropía de Shannon para estudiar la variabilidad de los vectores estimados mediante
los distintos métodos.
3.1 Hipótesis
1. La propuesta de Cochran para estimar tamaños de muestra para variables

multinomiales, entrega pequeños tamaños y estimaciones sesgadas, además de
presentar niveles de confianza reales menores a los niveles de confianza
nominales previamente propuestos en comparación con las otras propuestas.
2. Ante la estimación de vectores multinomiales que presenten

“equiprobabilidad” mediante los distintos enfoques, se tendrá como resultado
que el índice de entropía será el máximo frente a distribución de proporciones
diferentes en vectores de igual dimensión.
62
3.2 Objetivos
3.2.1 Objetivo General
Revisar y comparar las propuestas metodológicas vigentes que permiten estimar los
tamaños de muestra en poblaciones multinomiales en muestreos de tipo monoetapico
bajo el enfoque aleatorio simple.
3.2.2 Objetivos Específicos
1.- Revisar las distintas propuestas vigentes respecto a estimación de tamaños de

muestra en encuestas de salud que involucren variables de múltiples categorías.
2.-Comparar las distintas propuestas vigentes respecto a estimación de tamaños de

muestra en encuestas de salud que involucren variables de múltiples categorías.
3.- Estimar el tamaño de muestra para la variable de diseño de tipo multinomial

utilizando las distintas propuestas vigentes.
4.- Comparar los tamaños de muestra estimados mediante las distintas propuestas
metodológicas.
5.- Comparar mediante una aplicación real los niveles de confianza reales, sesgos,
porcentajes de sesgo y varianzas de los estimadores (medidas de entropía)
construidos, y decidir que método de estimación de tamaños de muestra es el más
adecuado.
6.- Discutir las ventajas y desventajas del uso del supuesto de varianza máxima en la
estimación de tamaños de muestra.
63
4.1
MANUSCRITO 1
Aclaraciones y consideraciones sobre la estimación del tamaño de muestra

necesario para estudiar un atributo de baja frecuencia usando el supuesto
de máxima indeterminación.
4.1.1 Resumen
El objetivo de este trabajo es plantear una reflexión sobre el uso y abuso del supuesto
de máxima indeterminación para la estimación del tamaño de muestra necesario
para estudiar un atributo de interés en estudios poblacionales y en estudios
epidemiológicos. Se enfatiza el sentido de seguridad que le da al investigador trabajar
con este supuesto y los probables errores de medición que se puede incurrir cuando
en la practica el atributo de interés tiene un frecuencia sustancialmente diferente de
la esperada según el supuesto de máxima indeterminación, lo que puede afectar
seriamente la precisión y confiabilidad de los resultados obtenidos. Se presentan
aclaraciones técnicas y prácticas respecto al correcto uso de dicho supuesto en
muestreo estadístico y discutimos las ventajas y desventajas de su uso.
Palabras Claves: Máxima indeterminación, error muestra absoluto, error muestral

relativo.
64
4.1.2 Introducción
Usualmente toda investigación de tipo cuantitativa o cualitativa requiere de un

tamaño de muestra necesario para poder recolectar información respecto a los
atributos de interés propias de los objetivos e hipótesis asociadas a dicha
investigación y que permita inferir las conclusiones obtenidas a la población de donde
ésta se tomó. Bajo la aproximación de tipo cuantitativa usualmente se requiere
explicitar el nivel de confianza requerido, la varianza de la variable de diseño o
interés, el error muestral y el tamaño de la población en estudio de donde se tomará
la muestra (Cochran 1977) -si lo que se está usando tiene asociado una corrección por
población finita- que permita calcular los factores de expansión de la muestra para
estudios poblacionales.
La fórmula utilizada para la estimación del tamaño muestral en muestreo aleatorio

simple está dada por la siguiente ecuación (Levy y Lemeshow 1999):
z 2 × N × σ 2X
n= ; (1.1)
z 2 × σ 2X + ( N − 1) × e 2
Donde: e es el error muestral absoluto, z es el coeficiente de confianza o percentil

α
( 1 − ) de la distribución normal estándar (usualmente z= 1,96 para un 95% de
2
confianza), σ 2X es la varianza de la variable de interés (una idea de la varianza a nivel
poblacional que puede ser obtenida de estudios similares) y N el tamaño de la
población. A partir de ésta, se deriva la ecuación (1.2) para poblaciones infinitas:
z 2 × σ 2X
n= , (1.2)
e2
Para ambas ecuaciones si la variable de interés X es de tipo binaria (como sería el

caso de que la medida de interés fuese la prevalencia de una enfermedad o factor de
riesgo), la varianza estará dada por σ X2 = PQ , en donde P corresponde al parámetro
de interés de una distribución de tipo binomial, y Q a su complemento (P+Q = 1).
Por ejemplo si P = 0,50 se tiene que Q = 1 − P = 0,50 y estos valores hacen que la
varianza sea máxima (PQ = 0,25). Ante cualquier valor de P diferente de 0,50 la
varianza estimada será siempre inferior, es decir, este valor (con P = 0,50) constituye
una cota superior para todas las varianzas, por lo que es conocido como “varianza
65
máxima” o supuesto de “máxima indeterminación”. Al introducir P = 0,50 en las
ecuaciones (1.1) y (1.2) para el cálculo de tamaño de muestra, se obtendrá que
n=384 bajo los supuestos estándares habitualmente usados (confianza del 95% en
una distribución normal y error de muestreo de un 5%). Por ejemplo si P tomara el
valor de 0,15 se tendría una varianza de PQ = 0,13 (Figura 1) y el tamaño de
muestra estimado sería de n=246, inferior al que se determinaría si considera
varianza máxima. Sin embargo, este valor se modifica relevantemente cuando los
errores muestrales varían: con P = 0,50, considerando un 3% de error, el tamaño
sería n=1062 usando la ecuación (1.1). (Figura 2, mayores detalles ver Anexo 1).
Esto es válido si todos los otros valores de las ecuaciones (1.1) y (1.2) están fijos.
Esta estrategia que utiliza el investigador, ante el desconocimiento de la frecuencia

en la población respecto del atributo de interés, obliga a asumir que en la mitad de la
muestra obtenida de la población se presentará el atributo de interés, es decir, un
50% (P = 0,50). Este algoritmo mágico funciona bien cuando la prevalencia del
atributo de interés se aproxima al 50% en la población muestreada, especialmente en
investigaciones de propósitos simples. Sin embargo, las encuestas habitualmente son
diseñadas para propósitos múltiples, ya que se debe aprovechar los recursos humanos
y económicos para obtener la mayor información posible, y el investigador acaba
infiriendo a la población no sólo el atributo de interés, sino otros atributos que se
midieron y que probablemente están totalmente sobrerrepresentados o
subrepresentados en este tamaño de muestra obtenido a través del supuesto de
máxima indeterminación. Luego los atributos que están dentro del dominio de 0,50
podrán ser usados con bastante tranquilidad en el momento de inferir y/o generalizar
los resultados a la población blanco, pero ¿qué pasa con aquellos de menor
prevalencia, como acontece habitualmente en los fenómenos de salud? ¿Qué me
indica la lógica con respecto a un tamaño de muestra si el atributo que quiero
investigar tiene una muy baja frecuencia en la población?, ¿el supuesto de máxima
indeterminación me permitirá tener los individuos suficientes con el atributo de
interés para inferir en población?. El objetivo de este trabajo es plantear una
reflexión sobre el uso y abuso del supuesto de máxima indeterminación para la
estimación del tamaño de muestra necesario para estudiar un atributo de interés en
estudios poblacionales y en estudios epidemiológicos.
66
Figura 1. Gráfica que relaciona el valor del parámetro P y su varianza. Se
aprecia que la varianza para P = 0,50 es mayor que para P = 0,15 (Ver Anexo 1
para la demostración de la maximización).
.25
.2
.15
PQ
.1
.05
0
0 .2 .4 .6 .8 1
P
Figura 2. Comportamiento de la función de estimación de tamaño de muestra de la

ecuación (2) en función de los valores de P y dos valores de errores muestrales. Se
aprecia un máximo absoluto (tamaño de muestra) en cada caso (representado por los
círculos) cuando P = 0,50 y cuando el error disminuye se requiere mayor muestra.
1000
n=1067
800
600
n
400
n=384
200
0
0 .2 .4 .6 .8 1
P
e=0,05 e=0,03
67
Error absoluto versus error relativo
La respuesta a estas interrogantes, tiende a ir por el lado de los errores asociados a la

estimación del atributo en la población en estudio, el cual puede ser absoluto o
relativo. El decidir que error utilizar considerando el uso de máxima indeterminación
no es fácil, véase las discusiones en (Marrugat y Pavesi 1999, Suárez-Gil y Alonso
1999, Silva 2000b).
ea
Se puede determinar el error relativo según er = , en donde ea es el error absoluto
p
el cual indica la desviación sobre la estimación en la misma magnitud en la que se
mide la característica poblacional de interés. Trabajando con un error absoluto del
5% y considerando un valor de P = 0,50, se tendría un error relativo del orden del
e
10% ( a =0,05/0,50=10%), pero si el valor de P = 0,10 o P = 0,05 se tendrían
p
valores de errores relativos del 50% y del 100%, respectivamente. En ambos casos
ningún investigador debería estar dispuesto a cometer un error relativo tan alto en su
investigación, ya que las estimaciones obtenidas serían altamente imprecisas y por lo
tanto muy poco confiables. Pero ¿es correcto fijar el valor del error absoluto,
desconociendo el valor de P ?, como veremos en unos ejemplos, esto no es correcto: si
por ejemplo P = 0,50 y fijamos arbitrariamente el valor del error absoluto se tendrá
que el tamaño muestral depende exclusivamente del valor del error absoluto. La
paradoja que acontece, es cómo definimos el error absoluto si no tenemos información
sobre el valor de P (Espinoza-Moreno 2005).
Pensemos por ejemplo en el brote de gripe AH1N1 que tuvo su origen a mediados del
año 2009, y por un momento pensemos en cómo estimar un tamaño de muestra que
nos permita levantar una encuesta de propósitos múltiples y además tomar una
muestra biológica para determinar si hubo exposición al virus lo que desencadena la
presencia y o ausencia de anticuerpos en los individuos, es decir, estimar la
seroprevalencia en la muestra estudiada. Lo que necesitaríamos para estimar dicho
tamaño sería considerar por ejemplo un error muestral que se encuentre asociado a la
seroprevalencia (desconocida) que en este caso es una variable de tipo binaria, dicho
error fijémoslo en un 5%, pero como la seroprevalencia no se conoce por el hecho de
ser una enfermedad nueva, supongamos que la fijamos un P = 0,50, i.e. el 50% de la
población tiene anticuerpos del virus en un tiempo determinado, pero además
68
deberemos considerar la ecuación (1.2) para la población infinita (ya que la
población en estudio es lo suficientemente grande), ahora si se estima dicho tamaño
de muestra considerando un nivel de confianza del 95% se tiene que el tamaño de
muestra requerido es n= 384. Aquí hay dos situaciones importantes que hay que
tener presente, primero: es que necesitamos tan solo 384 personas para poder hacer
una inferencia a la población, asumiendo todos lo demás constante (z y error) siendo
que nuestra población la estamos considerando infinita y segundo: estamos
asumiendo o considerando la peor de las situaciones respecto a la prevalencia de
dicha enfermedad, es decir hacemos uso de la máxima varianza.
El primer caso, se tendrá que sea cual fuere el tamaño de la población y si ésta
tiende a infinito, el valor estimado de n se aproximará en torno al valor 384 (ver
Figura 3), esta situación se da por la naturaleza de la fórmula utilizada, ya que si a
la ecuación (1.1) se le calcula el límite de N cuando tiende a infinito permite obtener
la ecuación (1.2) y con esto se genera una relación de tipo asintótica entre el tamaño
de la población y el tamaño muestral. En el segundo caso se está estimando un
tamaño de muestra considerando la máxima indeterminación ante un evento nuevo,
del cual no se posee información de la prevalencia ni mucho menos se tiene
información de otros estudios en donde se tenga una estimación de dicho parámetro.
¿Cómo operamos en esta situación?, en este caso lo más adecuado sería utilizar una
muestra de tipo intencionada con el objeto de poder levantar información preliminar
de la prevalencia constituyendo en este caso un estudio de “línea base” el que
posteriormente permita tener una aproximación del comportamiento de la variable en
estudio y del parámetro, y así elaborar una estrategia de diseño muestral en donde se
estime un tamaño de muestra suficiente para contar con un número de individuos
con el atributo de interés que permita hacer inferencia a la población.
69
Figura 3. Relación asintótica entre el tamaño de la población N y el tamaño
de la muestra n (Ver Anexo 1).
385
n=384
380
n
375
370
0 50000 100000 150000 200000
Pensemos en un ejemplo numérico con el fin de ilustrar el supuesto de máxima

indeterminación. Se simularon seis poblaciones ficticias mediante la función
transformada inversa (Cameron y Trivedi 2009, Ross 1999) de N=100000
observaciones que tomaban valores 0 y 1 según distintos valores de corte de
prevalencias poblacionales. Luego se extrajeron mediante muestreo aleatorio simple
m=100 muestras de tamaño n=384 para cada población simulada. Para el cálculo del
tamaño de muestra se consideraron los siguientes Valores de Entrada: NCnominal
(Nivel de Confianza nominal ), z: (Valor z de la distribución normal estándar
α
asociada al percentil (1 − ) ), ea (error muestral absoluto); Estimaciones: p
2
(prevalencia estimada), er : error muestral relativo promedio expresado en porcentaje
 m =100 
 ∑ (er j ) 
en donde er =  j =1  × 100 y e el error relativo de la muestra j-ésima de tamaño
 100  rj
 
 
70
pˆ
n=384 , NCreal (Nivel de confianza real) y es: error estándar promedio ( es = ). La
n
prevalencia promedio estimada p̂ se calculo mediante la ecuación (1.3).
m =100
∑ ( pˆ )
j =1
j
pˆ = , (1.3)
100
donde p̂ j es la prevalencia estimada en la muestra j-ésima de tamaño n=384. El

nivel de confianza real NCreal, se calcula contando cuantos Intervalos de confianza de
entre los 100 contienen a la prevalencia poblacional P. La Tabla 1 presenta distintos
ejemplos de tamaños de muestra estimados considerando P=0,50 (varianza máxima).
La Figura 4 muestra los ejemplos para las poblaciones 1 y 6 de prevalencias

poblacionales P=0,70 y P=0,02 respectivamente, se aprecia en el caso de la Figura
4a (población 1) los 100 intervalos de confianza construidos en donde en solo dos de
ellos (marcados con un circulo) no contienen al valor de prevalencia poblacional. Al
observar los puntos (prevalencias estimadas) se puede apreciar a simple vista que se
encuentran mucho más cercanos al valor de la prevalencia poblacional (línea
continua negra) reafirmando el hecho de que al estimar el tamaño de muestra con
P=0,50, esta se encuentra más cercano a la prevalencia poblacional P=0,70
entregando errores relativos promedio de er = 7% y un error estándar es = 0,00064 .
Análogamente Figura 4b para la prevalencia poblacional P=0,02 se tiene un error
relativo promedio de er = 256% y un error estándar es = 0,00205 lo que indica
nuevamente que al usar P=0,50 para prevalencias bajas las estimaciones puntuales
son menos precisas, pese a que el nivel de confianza real NCreal = 95%.
La Tabla 1 muestra errores relativos bajos cuando la prevalencia poblacional es

cercana al valor de P=0,50 valor considerado para estimar los tamaños de muestras,
así con una prevalencia poblacional del 35%,55% y 70% los errores corresponden en
términos porcentuales a 15%, 9% y 7% respectivamente, y nos indica el porcentaje de
error en la precisión de la medida estimada los cuales son considerados bajos. En
cambio para prevalencias bajas como 15%, 4% y 2%, estos errores están en el 34%,
124% y 256% respectivamente indicándonos mayor imprecisión en las estimaciones.
En las estimaciones de los intervalos de confianza se muestran algunos ejemplos de
algunos de ellos seleccionados de entre los m=100 simulaciones realizadas para cada
71
valor de prevalencia poblacional, por ejemplo para P=70% se selecciono la muestra
m=24 en donde el intervalo es (64,4% - 73,63%) y la estimación es p=69%, con un
error relativo bajo del 7,2% que corresponde al porcentaje de error en la precisión de
la medida estimada.
Tabla 1. Ejemplos de tamaños de muestra estimados considerando P=0,50. Valores de

Entrada: P (Prevalencia poblacional), NCnominal (Nivel de Confianza), z: (Valor z de la
α/2), ea (error muestral absoluto);
distribución normal estándar asociada al percentil 1-α
Estimaciones: p̂ (prevalencia promedio estimada), er (error muestral relativo), NCreal
(Nivel de confianza real). La prevalencia estimada p̂ y el error relativo er, se calcula
como el promedio de las prevalencias estimadas en m=100 muestras de tamaño n=384.
El nivel de confianza real NCreal, se calcula contando cuantos Intervalos de confianza de
entre los 100 contienen a la prevalencia poblacional P.
Prevalencia Tamaño
Valores de Entrada Estimaciones
Población Poblacional Muestral
P NC Nominal z ea n p̂ er NC Real IC 95%
1 70% 95% 1,96 5% 384 70,2% 7,10% 98% m=24 p=69% (64,4% - 73,63%)
2 55% 95% 1,96 5% 384 54,5% 9,20% 97% m=14 p=54% (48,9% - 58,88%)
3 35% 95% 1,96 5% 384 34,7% 14,50% 95% m=88 p=33% (28,12% - 37,50%)
4 15% 95% 1,96 5% 384 15,1% 33,60% 97% m=60 p=12% (8,73% - 15,22%)
5 4% 95% 1,96 5% 384 4,2% 124% 97% m=92 p=4,95% (2,78% - 7,11%)
6 2% 95% 1,96 5% 384 2,1% 256% 95% m=13 p=1,82% (0,49% - 3,16%)
72
Figura 4. Ejemplos para las poblaciones 1 y 6 de prevalencias poblacionales P=0,70 y
P=0,02 respectivamente, en (a) solo dos intervalos de confianza (marcados con un
circulo) no contienen al valor de prevalencia poblacional. En (b) en cinco intervalos de
confianza (marcados con un circulo) no contienen al valor de prevalencia poblacional.
4.1.3 Discusión
El uso del principio de máxima indeterminación o varianza máxima permite obtener

aquel tamaño de muestra mayor en función del error de muestreo y en nivel de
confianza fijados por el investigador. Dicha situación de “máxima varianza” siempre
permitirá estimar el mayor tamaño de muestra en función de los errores de muestreo
y nivel de confianza que el investigador use, es decir con 5%, 4% o 3% y siendo P =
0,50, siempre se obtendrá aquel tamaño de muestra mayor. Por otra parte el uso de
P = 0,50 permite obtener la máxima varianza que corresponde a 0,25 y cualquier
otro valor de P nos entregará varianzas inferiores a 0,25. Dicha situación no es la
más ideal dado que se estiman tamaños de muestra fijando un error de muestreo sin
conocer o tener una idea del parámetro de interés, situación que nos puede llevar a
calcular errores relativos que alcancen un valor impensable respecto a la precisión de
la medida estimada.
Adicionalmente el uso de la máxima varianza en enfermedades o eventos raros hace

que se estime el máximo tamaño de muestra para una situación en donde se espera
que a lo menos la mitad muestra obtenida tenga el atributo de interés, sin embargo,
al ser las tasas o prevalencias bajas para el atributo buscado, en la muestra obtenida
73
este atributo estará subrrepresentado. En la práctica, esto se traduce en que cuanto
más se parece el parámetro estimado a P=0,50, la longitud del intervalo de confianza
aumenta si bien su precisión mejora. Teniendo así que el error relativo es mayor
cuanto más se aleja la prevalencia estimada de la considerada para el cálculo del
tamaño muestral, P=0,50.
Ante tal situación se necesitan tamaños de muestra mucho más grandes con el fin de
poder detectar o encontrar las unidades (atributos) en la muestra, dada su baja
frecuencia, situación que se contradice con el supuesto ya que este trabaja con el
máximo tamaño de muestra el cual no es suficiente en dicha situación.
4.1.4 Conclusiones
La estimación del tamaño de muestra haciendo uso de la máxima varianza

(P=Q=0,50), con un nivel de confianza del 95% y error absoluto del 5%, siempre
dará como resultado un valor de n=384.
Desde un punto de vista de los diseños de estudios epidemiológicos, el uso y abuso de

este supuesto de máxima varianza, tenderá a subrepresentar aquellos atributos cuya
frecuencia en la población blanco en estudio es muy baja y por lo tanto las
probabilidades de inclusión de este atributo en una muestra particular será muy baja,
sino nula, de ahí que cualquier conclusión que se infiera a partir de este atributo
sobre la población blanco será muy inconsistente e altamente inestable. Este
fenómeno es especialmente complejo en aquellos diseños de tipo transversal o
encuestas, ya que en general la variable de interés es otra. Este tipo de sesgo de
selección puede alterar significativamente la dirección y cualidad de los resultados de
un estudio epidemiológico, por lo tanto, el diseño “a priorí” debiera considerar
situaciones como esta con el objetivo de obtener estimaciones insesgadas, obviamente
equilibrando todas las dimensiones y complejidades de un estudio. Los análisis de
sensibilidad en investigación epidemiológica tienden a simular situaciones como ésta
y nos informa del peso de los errores que pudiéramos estar cometiendo, sin embargo,
estos son “ex post” (Cabral y Luis 2007).
74
4.1.5 Bibliografía
Cabral, MD., Luiz, RR. (2007). Sensitivity analysis for unmeasured confounders
using an electronic spreadsheet. Rev Saude Publica, 41(3):446-52
Cameron, C., y Trivedi, P. (2009). Microeconometrics using Stata. A Stata Press

Publication. 732 pp.
Cochran, WG. (1977). Sampling Technics. Third Edition. John Wiley y Sons, Inc.442
pp.
Espinoza-Moreno, N. (2005). El supuesto de máxima indeterminación y el tamaño de

muestra. Medicina Universitaria, 7(29): 243-4.
Levy, P., y Lemeshow, S. (1999). Sampling of populations: Methods and applications

(4ª ed). Wiley series in probability and statistics. Survey Methodology Section. 616
pp
Marrugat, J., Vila, J., y Pavesa, M. (1999). Supuesto de máxima indeterminación:

¿error absoluto o error relativo en el cálculo del tamaño de la muestra?. Gaceta
Sanitaría, 13: 491-493.
Ross, S. (1999). Simulación. Prentice Hall. México. 281 pp.
Suárez-Gil, P., Alonso, JC. (1999). Sobre el supuesto de máxima indeterminación, el

tamaño muestral y otras consideraciones sobre muestreo. Gaceta Sanitaría, 13: 243-
246
Silva, LC. (2000b). Nueva visita al supuesto de máxima indeterminación y al empleo

de errores absolutos y relativos. Gaceta Sanitaría, 14(3): 254-257.
75
4.2
MANUSCRITO 2
Comparación de métodos de estimación de tamaños de muestra para

variables de múltiples categorías
4.2.1 Resumen
El presente trabajo muestra los resultados de seis enfoques estadísticos que se

utilizan para estimar tamaños de muestra en poblaciones multinomiales los que
corresponden a: Angers (1974), Tortora (1978), Thompson (1987), Cochran (1977),
Bromaghin (1993) y Fitzpatrick y Scott (1987), dichos enfoques están ampliamente
discutidos en la literatura del muestreo estadístico pero generan controversia al
momento de aplicarlos en estudios de salud dado a que no siempre permiten conjugar
costos, representatividad y tamaños de muestra adecuados para un esquema de
muestreo aleatorio simple y muestreo complejo de poblaciones en donde la variable
de diseño o estudio corresponde a una distribución de tipo multinomial.
Se simularon poblaciones teóricas para variables de k=3, 4, 5, 6 y 7 categorías,

generando 25 poblaciones distintas de tamaño N=1.000.000 que variaban según
distintos valores de proporciones para las distintas categorías. Para dichas
poblaciones se extrajeron mediante muestro aleatorio simple, muestras de distintos
tamaños que fueron estimadas mediante los seis enfoques mencionados anteriormente
que consideraron distintos valores de errores muestrales, posteriormente se evaluó el
desempeño de estos mediante: 1) Tamaño de muestra, 2) Nivel de confianza real, 3)
Estimador promedio, 4) Sesgo y 5) Mediana del Error cuadrático medio.
76
Se realizo una aplicación tomando como ejemplo una variable de naturaleza
categórica de la Encuesta Nacional de Salud (ENS) realizada el año 2009 en Chile.
En dicha aplicación se utilizaron los tamaños de muestra para una población teórica
de características similares en cuanto a las proporciones a los valores que presentó la
variable de la encuesta y se evaluó el desempeño de los métodos estudiados siguiendo
los mismos criterios de las simulaciones teóricas.
Palabras claves: Multinomial, error muestral, tamaño de muestra
77
4.2.2 Introducción
Habitualmente los diseños de muestreo involucran las estimaciones de muchos

parámetros a la vez, ya sea en muchas variables o en variables con múltiples
categorías y en pocas ocasiones se pone énfasis en uno de ellos, ya que usualmente no
se tiene claro qué variable es la más importante de estudio, generando así un diseño
que no identifica aquella característica a la cual destinar todo el esfuerzo de
muestreo.
Si en una encuesta de salud se incorporan un conjunto de variables de distintas

dimensiones, y si existieran variables categóricas con más de dos niveles, lo que
habría que considerar al momento de pensar la estrategia de muestreo estadístico es
¿Cuál es la variable de interés del estudio?, si la variable de interés corresponde a
una variable de más de dos categorías, estaríamos ante un diseño en donde se tendría
que estimar el tamaño de muestra considerando la distribución de probabilidad
multinomial para dicha variable.
Actualmente se utilizan variadas estrategias que permiten estimar dicho tamaño y

una de las más utilizadas es la propuesta de Cochran (1977) la que se a popularizado
ampliamente por presentar una simpleza en la forma de calculo que consiste en
colapsar algunas categorías (generalmente las menos prevalentes en una sola) y
estimar el tamaño muestral como si se tratara de una variable binaria. Cuando la
variable de interés posee múltiples categorías y si se estima el tamaño de muestra
considerando la distribución binomial, que es lo que habitualmente se hace, se estaría
ignorando que existen otras características de la población que también serán
estimadas a partir de los datos recolectados. Esto haría que la determinación de la
precisión para las variables analizadas en forma simultánea sea errónea y muy
probablemente se incrementará el error de muestreo (Martínez y Martínez 2008).
El objetivo de este trabajo es mostrar cinco alternativas distintas relacionadas a

estimación de tamaños de muestra para variables de naturaleza categórica con más
de dos categorías y la alternativa de Cochran de colapsar categorías para llevar la
variable a una de tipo binaria y evaluar cuál de estas presenta un mejor desempeño
en la estimación del parámetro poblacional.
78
4.2.3 Métodos
Simulaciones poblacionales
Mediante simulaciones usando el método de la transformada inversa (Cameron y

Trivedi 2009, Ross 1999), se procedió a crear poblaciones ficticias con variables de
tipo categóricas (multinomiales). Se simularon poblaciones de tamaño N=1.000.000
para variables de tipo multinomial de k= 3, 4, 5, 6 y 7 categorías, las que constituyen
la variable de interés. Dichas poblaciones se denominaron de “entrenamiento” dado
que en ella verificaremos y comprobaremos que propuesta metodológica opera de
mejor forma.
Para las variables a nivel poblacional se establecieron 5 tipos de variables que

presentaban distintos valores de proporciones por categorías y la elección de estas se
realizo en base a juicio experto a partir de lo reportado en la literatura y lo trabajado
por el autor, los criterios corresponden a: i) Una categoría menor al 5%, ii) Una
categoría entre el 5% y 10%; iii) Una categoría igual al 50% ; iv) Categorías con libre
distribución de proporciones y v) Considerando equiprobabilidad (misma proporción
en cada categoría). En total se construyeron 25 poblaciones mediante simulación ver
Tabla 2. En cada población se tiene un valor puntual del parámetro poblacional que
llamaremos “blanco”. Posteriormente se extrajeron muestras de tamaño “n” según las
propuestas metodológicas a trabajar.
Para las estimaciones de tamaños de muestra se trabajó con un criterio de errores

muestrales absolutos para cada valor de proporción (prevalencia) que se muestra en
la Tabla 1. Por ejemplo si la proporción (prevalencia) de la categoría i-ésima es del
4% se trabajará con un error muestral del 1%. Para las propuestas de Cochran,
Fitzpatrick y Scott y Thompson, se trabajo con el mismo error constante de 5% para
todas las poblaciones, esto dado que las dos últimas aproximaciones están basadas
en el peor de los casos de la distribución multinomial y trabajan precisamente con un
error constante para todas las categorías y Cochran con el peor caso de la
distribución binomial. Para las otras propuestas como Bromaghin, Angers y Tortora
se trabajaron los tamaños de muestra considerando los criterios de errores muestrales
presentados en Tabla 1 y 2.
Para las poblaciones 4, 9, 14, 19 y 24 generadas con “libre distribución” se trabajó un

error muestral del 5% para las seis propuestas a estudiar, el objetivo es estudiar el
comportamiento de los estimadores muestrales y ver que errores y sesgos se cometen
79
habitualmente asumiendo el mismo error independiente del numero de categorías,
prevalencias y método.
Posterior a eso se calcularon los tamaños de muestra que se pueden ver en la Tabla
3. En las Tablas 3a-3f (Anexo 2) se muestran los tamaños de muestra máximos
obtenidos con ciertas categorías de la variable. Los valores de errores muestrales se
escogieron en función de juicio experto del autor. Finalmente para evaluar el
desempeño de los métodos a comparar se utilizo: 1) Tamaño de muestra, 2) Nivel de
confianza real, 3) Estimador promedio, 4) Sesgo y 5) Mediana del Error cuadrático
medio (Burton et al.,2006). Las Tablas 4a-4x’ del Anexo 2 incorporan el porcentaje
de sesgo y sesgo estandarizado (Burton et al. 2006), para mejor comprensión del
lector.
Tabla 1. Errores muestrales absolutos

considerados para los distintos puntos
de corte de prevalencias poblacionales.
Proporción en la Error
categoría i-ésima muestral
Pi ≤ 5% 1%
5% < Pi ≤ 10% 2%
10% < Pi ≤ 15% 3%
15% < Pi ≤ 20% 4%
Pi > 20% 5%
80
Tabla 2. Valores de parámetros poblacionales (Pi) considerados en la simulación y
errores muestrales (ei) a considerar para la estimación de tamaño muestral
dependiendo del método a emplear siguiendo los criterios mostrados en Tabla 1.
k=3
Población 1 Población 2 Población 3 Población 4 Población 5
<5% < 10 % 50% (1 categoría) libre distribución equiprobabilidad
Pi ei Pi ei Pi ei Pi ei Pi ei
3,17% 1% 8,98% 2% 24,98% 5% 3,14% 5% 33,34% 5%
53,86% 5% 40,01% 5% 50,03% 5% 53,83% 5% 33,37% 5%
42,97% 5% 51,01% 5% 24,99% 5% 43,03% 5% 33,29% 5%
k=4
3,16% 1% 9,17% 2% 10,02% 2% 3,13% 5% 24,98% 5%
13,83% 3% 15,87% 4% 15,01% 3% 13,85% 5% 25,03% 5%
40,03% 5% 40,03% 5% 50,01% 5% 40,02% 5% 25,00% 5%
42,98% 5% 34,93% 5% 24,95% 5% 43,00% 5% 24,99% 5%
k=5
3,13% 1% 9,18% 2% 9,17% 2% 3,16% 5% 20,02% 5%
8,89% 2% 12,81% 3% 12,83% 3% 8,87% 5% 20,04% 5%
25,02% 5% 15,04% 4% 15,09% 4% 25,01% 5% 20,01% 5%
19,98% 4% 19,99% 4% 13,03% 3% 19,99% 5% 19,96% 5%
42,97% 5% 42,98% 5% 49,88% 5% 42,98% 5% 19,97% 5%
k=6
4,02% 1% 8,99% 2% 10,06% 2% 3,99% 5% 16,66% 4%
12,97% 3% 16,04% 4% 9,96% 2% 12,99% 5% 16,74% 4%
23,03% 5% 20,05% 5% 50,04% 5% 22,99% 5% 16,61% 4%
17,00% 4% 20,02% 5% 9,98% 2% 17,03% 5% 16,67% 4%
22,00% 5% 19,91% 5% 10,01% 2% 22,05% 5% 16,65% 4%
20,98% 5% 14,99% 3% 9,95% 2% 20,95% 5% 16,67% 4%
k=7
3,99% 1% 9,97% 2% 4,04% 1% 3,99% 5% 14,31% 3%
15,99% 4% 13,98% 3% 14,00% 3% 16,00% 5% 14,29% 3%
14,94% 3% 15,98% 4% 49,98% 5% 14,97% 5% 14,24% 3%
15,01% 4% 19,99% 4% 11,97% 3% 15,03% 5% 14,32% 3%
15,00% 4% 15,01% 4% 9,99% 2% 15,04% 5% 14,28% 3%
25,07% 5% 13,06% 3% 4,98% 1% 24,98% 5% 14,26% 3%
9,99% 2% 12,00% 3% 5,03% 2% 9,99% 5% 14,29% 3%
81
Métodos comparados de estimación de tamaños de muestra
Los métodos a evaluar en este trabajo corresponden a seis enfoques que son los más
utilizados para trabajar variables categóricas, las propuestas corresponden a Angers
(1974), Tortora (1978), Thompson (1987), Bromaghin (1993) y Fitzpatrick y Scott
(1987) y el de Cochran (1977) que corresponde a un enfoque empleado para estimar
tamaños de muestra para variables de tipo binomial. La propuesta de Angers es un
método gráfico, que se basa en la construcción de intervalos de confianza propuesto
por Goodman (1965) el cual permite calcular el tamaño de muestra usando valores
conocidos de los parámetros de la distribución multinomial. La propuesta
básicamente consiste en la utilización de interpolaciones lineales y considera los
puntos medios de los intervalos de confianza. Tortora introduce la idea del peor caso
para distribuciones multinomiales, análogamente a lo propuesto con el peor caso las
distribuciones binomiales. Para definir qué tamaño de muestra es el apropiado, lo que
se debe hacer es calcular los k tamaños de muestra (k categorías) considerando los k-
pares (ei,pi), en donde ei y pi corresponden al error y proporción para la categoría i-
ésima respectivamente con i=1,…,k y posteriormente seleccionar el mayor tamaño de
muestra de entre los k calculados.
Thompson (1987) hace una revisión de los trabajos publicados y propone que el
método mostrado por Angers (1974) es la propuesta que mejor se aproxima a la
estimación de las proporciones poblacionales, pero afirma que dicha propuesta es
compleja en la práctica ya que su aplicación requiere mucho cálculo tedioso. Su
método busca determinar el peor de los casos para un vector de parámetros
multinomiales cuando se desean obtener intervalos de confianza simultáneos en
donde todos sean de igual longitud para cada uno de los componentes del vector de
r
parámetros P = ( P1 , P2 ,...., Pk ) . La propuesta de Cochran utiliza una aproximación que
considera a la proporción en la categoría i-ésima de una distribución multinomial,
como si fuese una distribución binomial versus el resto de las categorías, es decir si la
categoría i-ésima es la categoría de interés y la variable presenta k-categorías se
agrupan las otras k-1 categorías en una sola. Bromaghin presenta un método que está
basado en intervalos de confianza que son asintóticamente equivalentes. El objetivo
es determinar el tamaño de muestra n, tal que el conjunto de k (k > 2) intervalos de
confianza simultáneos capturen o contengan todas las k categorías con una
probabilidad 1 − α .
82
r
Fitzpatrick y Scott consideran un vector f = ( f1 , f 2 ,...., f k ) de valores que denotan las
frecuencias observadas en una muestra de n observaciones de una distribución
r
multinomial con probabilidades ( p = p1 , p 2 ,...., p k ) y lo que se busca es construir
una cota inferior para el nivel de confianza simultaneo asintótico. Finalmente el
procedimiento se basa en el peor de los casos que se toma entre aquellos en donde la
suma de los parámetros sea igual a 1.
4.2.4 Resultados
Simulaciones
Puntajes de tamaños muestrales
La Tabla 3 presenta los tamaños de muestra para las 25 poblaciones y las 5

variables con categorías que van desde k=3 a k=7, se destaca un valor constante
independiente del número de categorías para las propuestas de Fitzpatrick y Scott
y Thompson que corresponden a n=510 y n=512 respectivamente. Para Tortora y
Bromaghin los tamaños de muestra son los mayores y este patrón se presenta
para todas las categorías. Para el método de Cochran se aprecia un tamaño de
muestra n ≤ 384 , en donde 384 corresponde al máximo valor. Las Tablas 4 y 5
presentan los puntajes asignados a los tamaños de muestra calculados y se
destaca el método de Cochran con el máximo puntaje de 30 puntos seguido por
Fitzpatrick y Scott con totales que varían entre 22 y 25 puntos.
83
Tabla 3. Tamaños de muestra estimados según los métodos utilizados para las
25 poblaciones simuladas.
k=3
Método
<5% < 10 % 50% (1 categoria) libre distribución equiprobabilidad
Tortora 1788 1190 583 583 518
Bromaghin 1784 1171 564 564 502
Fitzpatrick & Scott 510 510 510 510 510
Thompson 512 512 512 512 512
Cochran 382 384 384 384 342
Angers 1250 840 485 498 510
k=4
Método
Tortora 1901 1296 1403 623 468
Bromaghin 1945 1306 1411 618 465
Thompson 512 512 512 512 512
Cochran 376 369 384 384 288
Angers 1211 854 965 649 1849
k=5
Método
Tortora 2010 1381 1380 663 425
Bromaghin 2055 1390 1389 657 423
Thompson 512 512 512 512 512
Cochran 376 376 384 384 246
Angers 1304 908 928 465 426
k=6
Método
Tortora 2733 1451 1604 710 618
Bromaghin 2720 1433 1582 690 606
Thompson 512 512 512 512 512
Cochran 272 246 384 384 214
Angers 1498 897 1496 419 600
k=7
Método
Tortora 2893 1696 3571 756 1030
Bromaghin 2807 1631 3451 717 987
Thompson 512 512 512 512 512
Cochran 289 246 384 384 188
Angers 1600 1012 2203 387 985
84
Tabla 4. Puntajes asignados a tamaños de muestra estimados según los métodos
utilizados para las 25 poblaciones simuladas de Tabla 3.
k=3
Método Total
Tortora 1 1 1 1 1 5
Bromaghin 2 2 2 2 5 13
Fitzpatrick & Scott 5 5 5 5 3,5 23,5
Thompson 4 4 4 4 2 18
Cochran 6 6 6 6 6 30
Angers 3 3 3 3 3,5 15,5
k=4
Método Total
Tortora 2 2 2 2 2 10
Fitzpatrick & Scott 5 5 5 5 5 25
Thompson 4 4 4 4 4 20
Cochran 6 6 6 6 6 30
Angers 3 3 3 1 1 11
k=5
Método Total
Tortora 2 2 2 1 4 11
Thompson 4 4 4 4 1 17
Cochran 6 6 6 6 6 30
Angers 3 3 3 3 3 15
k=6
Método Total
Tortora 1 1 1 1 1 5
Thompson 4 4 4 4 4 20
Cochran 6 6 6 6 6 30
Angers 3 3 3 3 3 15
k=7
Método Total
Tortora 1 1 1 1 1 5
Thompson 4 4 4 3 4 19
Cochran 6 6 6 6 6 30
Angers 3 3 3 5 3 17
85
Tabla 5. Puntajes totales por categoría asignados a tamaños de muestra
presentados en Tabla 4.
Método k=3 k=4 k=5 k=6 k=7 Total

Tortora 5 10 11 5 5 36
Bromaghin 13 9 10 10 10 52
Fitzpatrick & Scott 23,5 25 22 25 24 119,5
Thompson 18 20 17 20 19 94
Cochran 30 30 30 30 30 150
Angers 15,5 11 15 15 17 73,5
Puntajes de intervalos de confianza
Los niveles de confianza reales se calcularon en base a m=1000 muestras del mismo
tamaño para cada método y población considerado en la Tabla 3, así por ejemplo
para la población 6 y considerando el método de Tortora se estimo un n=1901 para
k=4 categorías, luego se sacaron 1000 muestras del mismo tamaño mediante
muestreo aleatorio simple y si en cada uno de los m intervalos construidos al menos
una categoría no contenía a su respectivo parámetro, entonces de manera simultánea
el intervalo de confianza no contiene al vector poblacional. La Tabla 6 presenta los
resultados de los intervalos y se aprecia que para todas las poblaciones trabajadas, el
método de Cochran es el que presenta el nivel de confianza más bajo en relación al
nivel de confianza nominal fijado previamente del 95%. La Tabla 7 corresponde a los
puntajes asignados a los intervalos de confianza de la Tabla 6 y posteriormente se
construyo la Tabla 8 que corresponde a la suma de puntajes presentados en la Tabla
7 como Tabla final de la construcción de intervalos de confianza.
Se puede ver en la Tabla 8 que los puntajes finales para las propuestas de Fitzpatrick
y Scott y Thompson presentan los valores más altos cuando las categorías son
superiores a 3, posicionando con un empate a ambos métodos seguidos del método de
Tortora y en último lugar el método de Cochran.
86
Tabla 6. Niveles de confianza reales para las muestras seleccionadas según los métodos
utilizados para las 25 poblaciones simuladas.
k=3
Método
Tortora 96,40% 96,60% 95,70% 98,00% 97,40%
Bromaghin 95,90% 95,80% 96,30% 97,50% 94,10%
Fitzpatrick & Scott 97,40% 96,20% 96,80% 96,80% 95,50%
Thompson 97,30% 96,30% 96,90% 97,10% 95,90%
Cochran 87,00% 88,10% 87,80% 90,10% 85,70%
Angers 96,20% 94,00% 94,00% 94,70% 94,80%
k=4
Método
Tortora 96,00% 95,20% 96,00% 98,70% 94,80%
Bromaghin 96,00% 94,90% 94,70% 97,60% 95,80%
Thompson 95,40% 96,80% 97,20% 96,20% 95,90%
Cochran 81,40% 82,70% 84,60% 83,10% 82,70%
Angers 97,20% 94,70% 95,80% 94,50% 97,30%
k=5
Método
Tortora 95,70% 96,60% 93,10% 98,40% 94,80%
Bromaghin 96,10% 96,60% 94,40% 98,50% 94,20%
Thompson 96,20% 97,30% 97,50% 96,90% 97,80%
Cochran 78,20% 78,30% 78,50% 78,00% 76,80%
Angers 95,00% 95,30% 93,70% 93,40% 89,20%
k=6
Método
Tortora 94,60% 94,90% 95,20% 99,70% 94,30%
Bromaghin 94,80% 95,80% 93,70% 99,30% 93,20%
Thompson 98,00% 98,50% 97,20% 98,20% 98,10%
Cochran 68,90% 75,80% 71,70% 69,40% 68,30%
Angers 94,30% 95,10% 94,00% 92,80% 94,90%
k=7
Método
Tortora 95,20% 94,50% 94,90% 99,80% 95,40%
Bromaghin 95,60% 94,90% 94,40% 99,50% 94,60%
Thompson 98,60% 98,70% 96,80% 98,70% 98,70%
Cochran 65,30% 65,20% 67,40% 67,00% 72,00%
Angers 94,70% 94,50% 94,20% 93,60% 94,10%
87
Tabla 7. Puntajes asignados a niveles de confianza reales para las muestras seleccionadas
según los métodos utilizados para las 25 poblaciones simuladas.
k=3
Método Total
Tortora 4 6 3 6 6 25
Thompson 5 5 6 4 5 25
Cochran 1 1 1 1 1 5
Angers 3 2 2 2 3 12
k=4
Método Total
Tortora 3,5 4 4 6 2 19,5
Bromaghin 3,5 3 2 4 3 15,5
Fitzpatrick & Scott 5 5 5,5 5 6 26,5
Thompson 2 6 5,5 3 4 20,5
Cochran 1 1 1 1 1 5
Angers 6 2 3 2 5 18
k=5
Método Total
Tortora 6 3,5 2 6 4 21,5
Bromaghin 3 3,5 4 5 3 18,5
Thompson 4 6 6 3 6 25
Cochran 1 1 1 1 1 5
Angers 2 2 3 2 2 11
k=6
Método Total
Tortora 3 2 4 6 3 18
Thompson 6 5 5 4 6 26
Cochran 1 1 1 1 1 5
Angers 2 3 3 2 4 14
k=7
Método Total
Tortora 3 2,5 4 6 4 19,5
Fitzpatrick & Scott 6 5,5 5 3 5,5 25
Thompson 5 5,5 6 4 5,5 26
Cochran 1 1 1 1 1 5
Angers 2 2,5 2 2 2 10,5
88
Tabla 8. Puntajes asignados por categorías a niveles de confianza reales para las
muestras seleccionadas según los métodos utilizados para las 25 poblaciones simuladas, el
valor total es la suma de los totales que se ven en Tabla 7.

Tortora 25 19,5 21,5 18 19,5 103,5
Bromaghin 16 15,5 18,5 17 19 86
Fitzpatrick & Scott 22 26,5 24 25 25 122,5
Thompson 25 20,5 25 26 26 122,5
Cochran 5 5 5 5 5 25
Angers 12 18 11 14 10,5 65,5
Puntajes de desempeño de simulaciones
Las Tablas presentadas en Anexo (véase Anexo 2 Tablas 4a-4x’) muestran los valores
obtenidos para el desempeño de las simulaciones realizadas considerando: estimador
promedio, sesgo y error cuadrático medio, para todas las muestras así como también
los puntajes asignados para cada población y categoría. Para el estimador y sesgo se
reporta su valor promedio en m=1000 muestras y para el error cuadrático medio la
mediana en m=1000 muestras. La Tabla 9 muestra un resumen de los totales de las
Tablas presentadas en Anexo, luego se generó la Tabla 10 derivada de la anterior que
simplifico la asignación de puntajes y consistió en asignarle un rango de 1 a 6 a los
valores de cada casilla de la Tabla 9 generando la Tabla final de puntajes de las
simulaciones. El método de Tortora presenta el valor final de puntajes más alto y
Fitzpatrick y Scott y Thompson valores que van en contraposición con lo obtenido
en los intervalos de confianza inclusive superados por el método de Cochran.
Adicionalmente se calcularon las prevalencias promedio para cada categoría de las

variables de k=3 a k=7 niveles (ver Anexo 2 Tablas 5a-5e).
89
Tabla 9. Puntajes totales asignados por cada método y categoría en relación al
desempeño de las simulaciones considerando estimador promedio, sesgo y error
cuadrático medio, los totales en cada población corresponden a los totales de cada Tabla
del anexo 4a-4x’
K=3
Método Total
Tortora 41 19 29,5 31 47 167,5
Bromaghin 29 43 26 32,5 27 157,5
Fitzpatrick & Scott 41 36 32 27,5 29,5 165,5
Thompson 34 41 37,5 25,5 28 166
Cochran 15 20 32,5 40 33 140,5
Angers 30 31 32 32,5 31 156,5
K=4
Método Total
Tortora 49 45 38,5 44,5 35,5 212,5
Bromaghin 47 42 38,5 34 40,5 202
Fitzpatrick & Scott 34 47 34,5 35,5 44,5 195,5
Thompson 49 45 32 40 32,5 198,5
Cochran 42 27,5 57 56 41,5 224
Angers 33,5 46 51,5 42 57,5 230,5
K=5
Método Total
Tortora 54,5 45 60,5 66,5 47 273,5
Bromaghin 59 55,5 46,5 56 53 270
Fitzpatrick & Scott 49 52,5 52,5 39 49 242
Thompson 50 47,5 54,5 42,5 43,5 238
Cochran 47 57,5 45 35,5 68 253
Angers 55,5 57 56 73,5 55 297
K=6
Método Total
Tortora 67 69 72,5 56,5 78,5 343,5
Bromaghin 76 72,5 65 75 80,5 369
Fitzpatrick & Scott 53 54 50,5 58,5 59 275
Thompson 52 64 46 58 48,5 268,5
Cochran 55 50 64,5 73,5 54 297
Angers 72 68,5 79,5 57 54,5 331,5
K=7
Método Total
Tortora 86 85,5 87 65,5 73,5 397,5
Bromaghin 78 90 93,5 100 71 432,5
Fitzpatrick & Scott 69 60 55 71,5 69 324,5
Thompson 53 68 60,5 72,5 74,5 328,5
Cochran 61 78 63,5 71 78 351,5
Angers 94 67,5 81,5 60,5 70,5 374
90
Tabla 10. Puntajes asignados a cada método por categorías de los valores totales de
Tabla 9 en el desempeño de las simulaciones, los valores corresponden a un puntaje de 1
a 6 en donde 6 corresponde a la nota más alta.

Tortora 6 4 5 5 5 25
Fitzpatrick & Scott 4,5 1 2 2 1 10,5
Thompson 4,5 2 1 1 2 10,5
Cochran 1 5 3 3 3 15
Angers 2 6 6 4 4 22
Puntajes finales y posición final
La Tabla 11 presenta la suma de todos los puntajes para cada método y categoría
considerados, los valores corresponden a las sumas en casillas de las Tablas 5, 8 y 10.
En la última columna se aprecia que el método de Fitzpatrick y Scott se posicionan
en primer lugar, seguido por Thompson.
Tabla 11. Suma de todos los puntajes para cada método y categoría considerados, los
valores corresponden a las sumas en casillas de las Tablas 5, 8 y 10.
Método k=3 k=4 k=5 k=6 k=7 Total Posición

Tortora 36 33,5 37,5 28 29,5 164,5 4
Bromaghin 32 27,5 32,5 33 35 160 6
Fitzpatrick & Scott 49,5 52,5 48 52 50 252 1
Thompson 48 42,5 43 47 47 227,5 2
Cochran 36 40 38 38 38 190 3
Angers 29,5 35 32 33 31,5 161 5
91
Aplicación
Como aplicación se consideró la Encuesta Nacional de Salud (ENS) realizada en

Chile el año 2009, se trabajo con la variable grupo sanguíneo que posee las categorías
AB, A, B y O, las prevalencias son 1,9%; 29,1%; 9,7% y 59,3% respectivamente
reportadas a nivel muestral y que en esta aplicación son consideradas como
información de entrada para estimar los tamaños de muestra. Para ello se simulo una
población multinomial de tamaño N=1.000.000 considerando las prevalencias de la
ENS (“Población de Validación”) la que paso a llamarse población “blanco”. Luego
se simularon m=100 muestras de tamaño n considerando los tamaños de muestra
propuestos en la Tabla 3 para k=4 categorías y población 6 ya que una de las
categorías de la variable seleccionada de la ENS presenta una prevalencia inferior al
5%, el objetivo es ver si dichos tamaños de muestra son adecuados para estudiar una
distribución de prevalencias como la que presenta la población “blanco”.
Para evaluar la calidad de las estimaciones de las distintas muestras trabajadas se

construyeron las siguientes medidas de desempeño: 1) Tamaño de muestra, 2)
Estimador promedio, 3) Sesgo, 4) Mediana del error cuadrático medio y 5) Nivel de
confianza real (Tabla 12). Para cada una de las medidas anteriores, se asigno un
puntaje de 1 a 6 (6 métodos a evaluar). Así se obtiene un ranking en que cada
método se clasifica en cada una de las medidas de rendimiento, otorgando el puntaje
máximo (6) al método con mejor desempeño y el puntaje mínimo (1) al puntaje que
muestra peor desempeño, si se generaban empates, el puntaje asignado corresponde
al valor promedio de las puntuaciones asignadas inicialmente ordenadas de menor a
mayor (Tabla 13).
La Tabla 13 muestra los puntajes por desempeño para cada método evaluado, se
destaca la propuesta de Bromaghin, en donde se puede ver que para todas las
categorías posee un alto puntaje entre 14 y 17 puntos siendo el valor máximo 18
puntos sumando un total de 66 puntos, el método de Cochran presenta los puntajes
más bajos para las categorías P2 y P3 y en cambio para P1 y P4 puntajes similares
sumando un total de 28 puntos. La Tabla 15 muestra las posiciones finales en donde
el método de Bromaghin queda en primer lugar seguido de Tortora y en último lugar
a Cochran.
92
Tabla 12. Valores correspondientes a: 1) Estimador promedio, 2) Sesgo y 3) Error
cuadrático medio.
P1 P2 P3 P4
Parámetro Poblacional
Método 1,90% 9,70% 29,06% 59,30%
Criterio p1 p2 p3 p4
Estimador promedio 1,92% 9,68% 29,07% 59,31%
Tortora Sesgo 0,001175 -0,000399 0,000197 0,000084
Error Cuadratico Medio 1083,41 3268,63 264,44 38,52
Bromaghin Sesgo -0,000014 -0,000033 -0,000036 0,000082
Fitzpatrick & Scott Sesgo 0,000186 -0,000032 0,000690 -0,000844
Thompson Sesgo -0,000210 -0,000135 -0,000040 0,000384
Cochran Sesgo -0,000175 -0,000529 0,000816 -0,000112
Angers Sesgo 0,000169 0,000474 -0,000041 -0,000602
93
Tabla 13. Puntajes asignados a medidas mostradas en Tabla 12.
Parámetro Poblacional P1=1,9% P2=9,7% P3=29,06% P4=59,3%

Método Total
Estimador promedio 2,5 4 4 5 15,5
Sesgo 1 3 3 5 12
Tortora Error Cuadratico Medio 5 6 5 5 21
Total 8,5 13 12 15 48,5
Estimador promedio 5 4 6 5 20
Sesgo 6 5 6 6 23
Bromaghin Error Cuadratico Medio 6 5 6 6 23
Total 17 14 18 17 66
Sesgo 3 6 2 1 12
Fitzpatrick & Scott Error Cuadratico Medio 3 3 2 3 11
Total 8,5 13 5 5 31,5
Estimador promedio 5 6,0 4 3 18
Sesgo 2 4 5 3 14
Thompson Error Cuadratico Medio 2 2 3 2 9
Total 9 12,0 12 8 41,0
Sesgo 4 1 1 4 10
Cochran Error Cuadratico Medio 1 1 1 1 4
Total 10 4 4 10 28
Estimador promedio 1 1,0 4 2 8
Sesgo 5 2 4 2 13
Angers Error Cuadratico Medio 4 4 4 4 16
Total 10 7,0 12 8 37
Tabla 14. Tamaños de muestra utilizados para Población 6 de k=4 categorías para
ejemplo de ENS, niveles de confianza nominal y real para las muestras.
Método n NC Nominal NC Real

Tortora 1901 95% 93,9%
Bromaghin 1945 95% 95,2%
Fitzpatrick & Scott 510 95% 96,7%
Thompson 512 95% 96,8%
Cochran 376 95% 79,4%
Angers 1211 95% 95,2%
94
Tabla 15. Puntajes asignados mostrados en Tabla 13 y asignación de puntajes de Tabla
14 para nivel de confianza real y tamaño de muestra (columna C).
n NC Real Total Total

Método Posición
(A) (B) (C=A+B) (C + Tabla 13)
Tortora 2 2 4 52,5 2
Bromaghin 1 3,5 4,5 70,5 1
Fitzpatrick & Scott 5 5 10 41,5 5
Thompson 4 6 10 51 3
Cochran 6 1 7 35 6
Angers 3 3,5 6,5 43,5 4
95
4.2.5 Discusión
En las simulaciones realizadas, se aprecia que independiente del número de categorías

trabajadas, errores muestrales absolutos y prevalencias poblacionales, los tamaños de
muestra según los métodos de Fitzpatrick y Scott (1987) y Thompson (1987) son
bajos y además son constantes n=510 y n=512 respectivamente (Tabla 3). Los
niveles de confianza reales siempre superaron el 95% de nivel de confianza nominal
posicionando a ambos métodos con el puntaje más alto respecto a nivel de confianza
real (Tablas 6 y 8).
Ambos métodos estiman tamaños de muestra inferiores a los de Tortora (1978) y

Bromaghin (1993), estos dos últimos están basados en el peor caso de los valores de
los parámetros para cada categoría, en cambio los procedimientos de Fitzpatrick y
Scott (1987) y Thompson (1987) se basan en el peor caso tomado de aquellos que la
suma de los parámetros de la multinomial sea igual a uno.
Para las simulaciones el método de Tortora presenta el puntaje más alto seguido por
el método de Angers y Bromaghin, llama la atención que los métodos de Fitzpatrick
y Scott y Thompson presenten los puntajes más bajos en contraposición con el
desempeño mostrado en los intervalos de confianza, esto se debería que las
estimaciones realizadas por estos métodos presentan menor exactitud que las
realizadas por los métodos de Tortora, Angers y Bromaghin véanse puntajes en
(Tablas 9 y 10) (mayores detalles en Tablas 4a-4x’ del Anexo 2).
Los tamaños de muestra estimados por el método de Cochran (1977) siempre son
inferiores a 384, esto se debe a que se utiliza el “peor de los casos” en donde P=0,50
y se tiene una varianza máxima de PQ=0,25 para la estimación del tamaño muestral,
este método es el más adecuado para trabajar con dos categorías en donde una de
ellas se aproxime al 50% y no con k ≥ 3 categorías ya que categorías con
proporciones bajas son poco representadas. Las Tablas 4 y 5 presentan los puntajes
asignados a los tamaños de muestra calculados y se destaca el método de Cochran
con el máximo puntaje de 30 puntos seguido por Fitzpatrick y Scott con totales que
varían entre 22 y 25 puntos.
Estos tamaños n ≤ 384 permiten que a medida que aumenta el número de categorías
( k ≥ 3 ), el nivel de confianza real para el método de Cochran comienza a disminuir
(Tablas 6 y 8), lo que estaría dado por el hecho de que en cada uno de los m=1000
intervalos construidos al menos una categoría no contenía a su respectivo parámetro,
96
entonces de manera simultánea el intervalo de confianza no contiene al vector
poblacional y esto hace que el puntaje asignado a intervalos de confianza sea el más
bajo.
Para las simulaciones se puede ver que el método de Cochran presenta un puntaje
total de 15 puntos el cual es bajo (Tabla 10), en donde solo en variables de k=4
categorías alcanzo un puntaje mayor y que corresponde a poblaciones en donde un
parámetro presenta una prevalencia cercana al 40% o superior salvo la población 10
que posee una distribución equiprobable con prevalencias cercanas al 25%. Esto pone
en evidencia que dicho método es apropiado para estimar prevalencias altas.
Los tamaños de muestra estimados según Tortora (1978) presentan valores altos,
situación que ya había sido mencionada por Angers en su trabajo del año 1979 el
cual afirma “los resultados generados por el trabajo de Tortora son muy
conservadores y estima tamaños de muestra muy grandes”. El método de Tortora
estima los tamaños de muestra para cada categoría y luego se escoge aquel tamaño
de muestra mayor que asegure una adecuada variabilidad para aquellas proporciones
o prevalencias bajas. En el caso de las poblaciones 1, 6, 11, 16 y 21 de k=3, 4, 5, 6 y
7 categorías respectivamente, los tamaños de muestra son grandes juntos con los
estimados por el método de Bromaghin (1993) (Tabla 3), debido a que las
poblaciones consideran una categoría con una proporción inferior al 5%. Los niveles
de confianza reales obtenidos presentan un patrón en donde se aprecia por ejemplo
que para algunas poblaciones tanto el método de Tortora (1978) como el de
Bromaghin (1993) presentan niveles de confianza reales inferiores al nominal del
95% y los posicionan con puntajes en un segundo y tercer puesto. Esto podría
deberse a que estos métodos están basados en intervalos de confianza que son
asintóticamente equivalentes obtenidos por Goodman (1968) y que permiten tener
niveles de confianza reales similares.
Los tamaños de muestra obtenidos mediante la propuesta de Angers (1974) son altos
en comparación con el resto y se posicionan en un tercer puesto después de las
estimaciones con los métodos de Tortora (1978) y Bromaghin (1993). Angers también
trabaja con intervalos de confianza obtenidos por Goodman (1968) al igual que
Tortora y Bromaghin y esto podría explicar el porqué el tamaño de muestra es tan
alto. Los niveles de confianza real obtenidos presentaron un patrón de
comportamiento no claro en función del número de categorías trabajadas, y en
algunos casos fueron inferiores a los niveles de confianza nominales.
97
Los tamaños de muestra para las variables de “libre distribución” y considerando un
error constante del 5% (véase Tabla 3 para poblaciones 4, 9, 14, 19 y 24) para los
métodos de Tortora (1978) y Bromaghin (1993) son muy similares, esto se debería a
que estos métodos están basados en intervalos de confianza que son asintóticamente
equivalentes obtenidos por Goodman (1968) y que permiten tener niveles de
confianza reales altos y similares.
Para la aplicación con datos de la Encuesta Nacional de Salud (ENS), en donde se

utilizaron las prevalencias muestrales (de la encuesta) como datos de entrada para el
cálculo de tamaño de muestra suponiendo que estas fueran datos fiables, se aprecia
que para el método de Cochran se destacan los 10 puntos obtenidos para la 4ta
categoría (P=59,30%) mostrando un desempeño regular para prevalencias altas
cercanas al 50% en comparación con los métodos de Tortora y Bromaghin. Se
esperaba un mayor puntaje ya que la propuesta de Cochran trabaja con el peor caso
o máxima varianza y un mal desempeño para prevalencias bajas como P=1,90% no
siendo así y entregando un puntaje regular de 10 puntos a esta ultima (Tabla 13). A
su vez la Tabla 14 muestra un nivel de confianza real de 79,4% muy inferior al nivel
nominal considerado del 95%.
El método de Thompson presentó mejor desempeño que el de Fitzpatrick y Scott

para las prevalencias P3 y P4 pese a tener tamaños de muestra relativamente
similares. Posicionando a ambos en los puestos 3 y 5 respectivamente. El método de
Angers presenta un puntaje que lo posiciona en un cuarto lugar (Tabla 15),
situación que se visualizaba en el desempeño mostrado en las simulaciones en el cual
quedo en un quinto puesto.
La Tabla 13 muestra un buen desempeño del método de Bromaghin en donde se

puede ver que para todas las categorías posee un alto puntaje entre 14 y 17 puntos
siendo el valor máximo 18 puntos, el método de Cochran presenta los puntajes más
bajos para las categorías P2 y P3 y en cambio para la P1 un puntaje no esperado por
el hecho de ser una baja prevalencia y si esperable para P4. El método de Bromaghin
entrega el puntaje más alto respecto a los otros métodos con 70,5 puntos (Tabla 15),
destacándose un puntaje de 18 (total) para la categoría 3 (prevalencia P3) de un
total de 18 puntos para cada categoría. El desempeño de este método es más
uniforme en todos los aspectos medidos.
Se debe tener presente que en la aplicación a la ENS se utilizaron los tamaños de

muestra estimados para la simulación de la Población 6 (Tabla 2), ya que esta
98
presentaba una categoría con una prevalencia menor al 5% y además se consideraban
errores específicos por categoría (e=1% si la categoría era menor al 5% ; véase Tabla
1). Si bien en las simulaciones el nivel de confianza real para el método de
Bromaghin para la población 6 es del 96% (ver Tabla 4), en el ejemplo de la
aplicación este nivel baja al 95,2%, esto estaría dado por el hecho de que el tamaño
de muestra según el método de Bromaghin de n=954 es generado para aquella
categoría de menor prevalencia j=1 que en el caso de la Población 6 era de
P1=3,16% (Véase Tabla 3c de Anexo).
En la aplicación a la ENS se utilizo el tamaño de n=954 y la prevalencia poblacional

a estimar era P1=1,9%, se podría estar dando que el nivel de confianza real de la
aplicación sea menor que el de la simulación (95,2% v/s 96%) respectivamente, por el
hecho de que hay mayor número de intervalos de confianza para dicha categoría que
no contengan el parámetro P1 ya que el tamaño de muestra se calculo usando un
error de muestreo del 1% mucho más adecuado según Tabla 1 para una prevalencia
del 3,16% que del 1,9%. Ante esto surge la necesidad de revisar y proponer errores
muestrales adecuados ante prevalencias tan bajas como la estudiada, una opción
podría ser el uso de errores relativos los que aumentarían el tamaño de muestra y nos
llevaría a una situación que no podría ser aplicada en la práctica.
Pese a que los métodos de Bromaghin y Tortora son similares por la forma de
construir los intervalos de confianza, el método de Tortora presenta un nivel de
confianza real inferior al que presenta Bromaghin, esto podría estar explicado a que
el desempeño del método de Tortora para prevalencias bajas no es adecuado ya que
presenta bajos puntajes para las categorías 1 y 2 y en el caso del sesgo para P1 posee
el puntaje más bajo indicando que dichas estimaciones están altamente sesgadas y
probablemente los intervalos de confianza para esa categoría no contienen al
parámetro P1 lo que hace que el intervalo simultaneo no lo contenga disminuyendo
así la proporción de contención del vector de parámetros.
Finalmente hay que destacar que todos los procedimientos anteriores están basados
en la desigualdad de Bonferroni y por lo tanto son conservativos.
99
4.2.6 Conclusiones
El método de Cochran (1977) es el menos eficiente en la estimación de tamaños de

muestra cuando se tienen más de dos categorías, esto ya que el principio de máxima
indeterminación o varianza máxima propuesto por este autor permite obtener aquel
tamaño de muestra mayor en función del error de muestreo y en nivel de confianza
fijados por el investigador cuando se trabaja con dos categorías y en donde una de
ellas sea cercana al 50%. El desempeño de este método lo posiciona en un tercer lugar
en la aplicación realizada, pero dicho puntaje obtenido (190 ptos) se basa en los 150
puntos obtenidos como mejor tamaño de muestra (más pequeño). Así un tamaño de
muestra menor no asegura que el método sea mejor.
La propuesta de Angers (1974) trabaja con tamaños muestrales altos y los niveles de
confianza real podrían ser inferiores a los niveles de confianza nominales dependiendo
del número de categorías a trabajar.
El método de Bromaghin (1993), estaría entregando un tamaño de muestra

conservador respecto a los otros métodos cuyo desempeño es más uniforme en todos
los aspectos medidos. Se destaca en la aplicación un buen desempeño para categorías
con prevalencias altas (P3 y P4) y bajas (P1 y P2), lo que se debería a que esta
propuesta trabaja con intervalos de confianza simultáneos que capturan o contienen
todas las k categorías con una probabilidad 1 − α .
Finalmente se sugiere ante diseños de muestreo poblacionales en donde el objetivo

sea la estimación y construcción de intervalos de confianza que involucren a múltiples
categorías, trabajar con las propuestas de Fitzpatrick y Scott y Thompson.
Todos estos puntos harían que finalmente las propuestas más apropiadas para
trabajar tamaños de muestra para variables multinomiales correspondan a
Fitzpatrick y Scott y Thompson, ya que estiman el mismo tamaño de muestra
conservador de n=510 y n=512 respectivamente, que además conjugan buen nivel de
confianza. Si bien el método de Cochran estima los menores tamaños, los niveles de
confianza son los más bajos ya que al construir los intervalos simultáneos hay ciertas
categorías que no incluyen al parámetro respectivo y hacen que el intervalo
simultáneo no contenga al vector de parámetros.
100
Los métodos de Fitzpatrick y Scott (1987) y Thompson (1987) son constantes y
toman valores bajos, los cuales son adecuados en términos de costo pero no de
estimaciones de prevalencias pequeñas ya que su puntaje es bajo.
101
4.2.7 Bibliografía
Angers, C. (1974), "A Graphical Method to Evaluate Sample Sizes for the.
Multinomial Distribution," Technometrics, 16, 469-471.
Bromaghin, J.F. (1993). Sample size determination for interval estimation of

multinomial parameters. The American Statistician, 47, 203-206.
Burton, A., Altman, D., Royston, P., y Holder, R. (2006). The design of simulation
studies in medical statistics. Statistics in Medicine, 25:4279-4292.

pp.
Encuesta Nacional de Salud. (2009). Ministerio de Salud, República de Chile.
Fitzpatrick, S., y Scott, A. (1987). Quick simultaneous confidence intervals for

multinomial proportions. Journal of American Statistics Association, 82, 875-878.
Goodman, L. (1965). On Simultaneous Confidence Intervals for Multinomial

Proportions. Technometrics, vol. 7, No. 2, 247-254.
Martínez, JA., y Martínez, L. (2008). Determinación de la máxima varianza para el

cálculo del factor de Imprecisión sobre la Escala de Medida, y extensión a diferentes
tipos de muestreo. Psicothema, Vol 20 nº2, 311-316.
Thompson, S. (1987). Sample Size for Estimating Proportions. The American

Statistician, vol. 41, No.1, 42-46.
Tortora, R. (1978). A Note on Sample Size estimation for Multinomial Populations.

The American Statistician, vol. 32, No. 3, 100-102.
102
4.3
MANUSCRITO 3
Sobre la información en muestreo multinomial: Reflexiones acerca de la

incertidumbre en muestreo basadas en medidas de entropías
4.3.1 Resumen
Este trabajo muestra una forma alternativa de estudiar la información en vectores

multinomiales provenientes de encuestas, mediante la utilización de funciones de
entropía, particularmente con el índice de Shannon (Dahl y Osteras 2010, Oruç et al.
2009, Wu y Zhang 2006). Se utilizaron para dicha evaluación las simulaciones
mostradas en el manuscrito 2 de esta tesis y se construyeron los índices de Shannon
para los vectores estimados para las muestras seleccionadas mediante las seis
propuestas metodológicas las que corresponden a Angers (1974), Tortora (1978),
Thompson (1987), Bromaghin (1993) y Fitzpatrick y Scott (1987) y Cochran (1977).
Se apreciaron distribuciones simétricas para el índice de Shannon promedio Ĥ en las
combinaciones de categorías correspondientes a: i) Una categoría menor al 5%, ii)
Una categoría entre el 5% y 10%; iii) Una categoría igual al 50% ; iv) Categorías con
libre distribución de proporciones, en el caso v) considerando equiprobabilidad
(misma proporción en cada categoría) se observo una distribución asimétrica para el
índice de Shannon promedio Ĥ el cual se asociada a la función de máxima entropía.
Las estimaciones de dichos índices promedios presentaron valores casi iguales entre
los distintos métodos y poblaciones evaluadas, pero con leves diferencias en la
distribución de probabilidades asociada al vector de estimadores promedios de
Shannon.
103
4.3.2 Introducción
Cuando se realizan encuestas en muestreo lo que se hace habitualmente es estimar

parámetros para variables de distinta naturaleza en donde dichas encuestas
usualmente corresponden a propósitos múltiples. Si se estiman por ejemplo
porcentajes o prevalencias asociadas a variables de múltiples categorías se podría
correr el riesgo de subestimar o sobreestimar los parámetros debido a las deficiencias
del muestreo estadístico empleado. Al evaluar por ejemplo en estudios de simulación
de tamaños de muestra las estimaciones realizadas, lo que habitualmente se
construyen son: 1) Sesgos, 2) Porcentajes de sesgos, 3) Sesgo estandarizado, 4) Error
cuadrático medio, 5) Cobertura de los intervalos de confianza, 6) Tamaños de
muestra y 7) Varianza de los estimadores.
Esta última medida evaluada se aborda de la forma clásica y pocas veces se pone
interés en estudiar si en el proceso de muestreo en donde una muestra que dio origen
a ciertas estimaciones “tiene más información” respecto a otra muestra construida
con los mismos fines. Los trabajos de Wu y Zhang (2006) y Dahl y Orestas (2010)
aplican la teoría de la información para estudiar encuestas por muestreo
incorporando las funciones de entropía, otras aplicaciones novedosas se encuentran en
el campo del diseño de escalas en encuestas (Oruç et al. 2009) y sereening en estudios
de VIH (Tu et al. 1992), extensiones del índice de Shannon (Yamano 2001), de lo
anterior se desprende la importancia del estudio de la información proveniente de
encuestas.
Ante tal escenario la utilización de medidas de entropía como las de “Shannon”

(Shannon 1948), aportan gran información desde el punto de vista de la
“incertidumbre” (Burton et al. 2006, Robinson 2008), en donde mientras más incierto
es un resultado, mas información nos puede proporcionar cuando se produce.
Por ejemplo en comunidades biológicas se realizan inventarios de diversidad y la

población está basada en categorías o clases, asociadas a estas categorías se pueden
cuantificar las probabilidades de pertenencia a dichas clases las que se denotan por pi
con i=1,….,K. Cuanto mayor sea el número de especies presentes y más similares
sean sus proporciones, se dice que existe mayor “diversidad” (Magurran 1988, Begon
et al. 2006), dicha medida de diversidad puede ser cuantificada teóricamente por
medio de las llamadas medidas de entropía entre las cuales destacan las más
populares como Gini-Simpson y Shannon (Pielou 1977, Begon et al. 2006, Pardo
2006, Cuadras 1993, Joust 2006, Keylock 2005)
104
Cuando uno se enfrenta a un proceso de tipo aleatorio es difícil predecir con certeza
el resultado de este y por ende las probabilidades o proporciones de especies (a nivel
de comunidad biológica) presentarán una distribución dependiente de la abundancia
de dichas especies (Joust 2006, Keylock 2005, Lieberson 1969), y del muestreo
empleado, de igual forma ocurre cuando se estudian prevalencias asociadas a
enfermedades ya que el resultado del experimento “muestreo” no se puede predecir y
dicho valor depende de la prevalencia, del adecuado tamaño de muestra y de una
adecuada estrategia de muestreo.
Por ejemplo si pensamos en dos procesos aleatorios (muestreo de prevalencias por

ejemplo) con las siguientes distribuciones de probabilidad p1=(0,50 ; 0,50) asociada a
una enfermedad X con prevalencia del 50% en donde el vector p1 nos llevaría a
trabajar con el principio de varianza máxima (manuscrito 1 de esta tesis) y p2=(0,80
; 0,20) asociada a una enfermedad Y con una prevalencia del 80%, se tendría por
ejemplo que la varianza asociada al vector p1 es de 0,25 y al vector p2 de 0,16, ante
este escenario es licito preguntarse ¿Respecto a que proceso se tiene más
información?. Es fácil ver que es más probable para p2 obtener más individuos que
poseen enfermedad Y respecto a la enfermedad X, así en el proceso p2 el resultado es
más predecible que en p1 el cual posee más incertidumbre respecto al resultado. Pero
podríamos por ejemplo mediante una medida adecuada estimar que proceso
“informa” más. Si trabajamos con la llamada entropía de Shannon se tendrá para la
enfermedad X un índice de Shannon de H´=0,693 y para la enfermedad Y un índice
de Shannon de H´=0,50. Dicho resultado se deriva de la relación (1):
1 1
H ´( p1 , p2 ,..., pk ) ≤ H ´ ,....,  ; (1)
k k
1
Con la condición de igualdad para pi =
, ∀ i = 1,..., k , en donde H ´(P ) alcanza el
k
valor máximo cuando la distribución es la uniforme, siendo P = ( p1 , p2 ,..., pk ) , es
decir el vector de probabilidad asociado a la enfermedad Y posee menos
incertidumbre que el vector de probabilidad asociado a la enfermedad X
( H ´(Y ) = 0,50 ≤ 0,693 = H ´( X ) ).
105
A nivel poblacional la entropía resulta desconocida, debido a todos los inconvenientes
que tienen relación con medir la diversidad y posterior construcción dicho parámetro,
por ejemplo: 1) Costos, 2) accesibilidad a las unidades de muestreo, 3) tamaño
poblacional y 4) Problemas de diseño de muestreo. A raíz de esto surge la necesidad
de medir dicha entropía a partir de una muestra, ¿Pero cuál es el tamaño adecuado?
¿Existen formulas que permiten estimar dichos tamaños?, ¿ que formula es la más
adecuada en el sentido de una adecuada representación de las categorías de la
variable a estudiar?.
El objetivo de este trabajo es mostrar una forma alternativa de medir la

“información” en vectores multinomiales mediante la utilización de funciones de
entropía, particularmente con el índice de Shannon. Se utilizaron para dicha
evaluación las simulaciones mostradas en el manuscrito 2 de esta tesis y se
construyeron los índices de Shannon para los vectores estimados promedios para las
muestras seleccionadas mediante las seis propuestas metodológicas las que
corresponden a Angers (1974), Tortora (1978), Thompson (1987), Bromaghin (1993)
y Fitzpatrick y Scott (1987) y Cochran (1977) y se discute cuál de estas
aproximaciones entrega un estimador promedio de entropía más adecuado.
4.3.3 Métodos
Se trabajo con el índice de Shannon promedio Ĥ para los vectores estimados para
los tamaños de muestra asociadas a las 25 poblaciones simuladas para las seis
propuestas metodológicas las que corresponden a Angers (1974), Tortora (1978),
Thompson (1987), Bromaghin (1993) y Fitzpatrick y Scott (1987) y Cochran (1977).
Se trabajaron con las combinaciones de categorías correspondientes a: i) Una
categoría menor al 5%, ii) Una categoría entre el 5% y 10%; iii) Una categoría igual
al 50%; iv) Categorías con libre distribución de proporciones, en el caso de la
combinación de categorías v) que considerando equiprobabilidad (misma proporción
en cada categoría). Se calculo el valor del índice de Shannon poblacional (parámetro)
para cada población y se comparo cualitativamente con los índices estimados.
Para cada simulación (m=1000 muestras de tamaño n para cada método y

población) se calculo el índice de Shannon y posteriormente la entropía media la cual
se expresa por la ecuación (2), en donde m denota el número de simulaciones
realizadas.
106
m
∑ Hˆ i
Hˆ = i =1
, (2)
m
Siendo Hˆ 'i es la entropía promedio para la muestra i-ésima, en donde:
k
Hˆ ´= −∑ pi log pi
i =1
Adicionalmente se construyeron los gráficos para las distribuciones de las entropías

promedios para las m=1000 muestras.
4.3.4 Resultados
Tabla 1. Índices de Shannon Poblacionales para las 25 poblaciones

simuladas.
k=3
0,806 0,926 1,039 0,805 1,099
k=4
1,112 1,245 1,208 1,112 1,386
k=5
1,355 1,452 1,380 1,355 1,609
k=6
1,694 1,760 1,497 1,694 1,792
k=7
1,852 1,925 1,535 1,852 1,946
La Tabla 1 muestra los índices de entropía de Shannon a nivel poblacional

(parámetro), se destaca para las poblaciones 5, 10, 15, 20 y 25 los índices más altos
para sus respectivas categorías. La Tabla 2 muestra los índices de Shannon promedio
los que presentan valores muy similares entre los distintos métodos en donde se
destaca al igual que a nivel poblacional un patrón de índices en donde los más altos
(máxima entropía) están asociados a las mismas poblaciones que en el caso
poblacional. También se puede ver que a medida que aumenta el número de
categorías, el índice de Shannon promedio comienza a aumentar.
107
Tabla 2. Índices de Shannon promedio para las seis propuestas de
Estimación de tamaños de muestra en las 25 poblaciones.
k=3
Método
Tortora 0,805 0,927 1,037 0,802 1,097
Bromaghin 0,804 0,926 1,036 0,802 1,094
F & Scott 0,804 0,925 1,038 0,802 1,097
Thompson 0,803 0,925 1,037 0,802 1,097
Cochran 0,802 0,926 1,037 0,803 1,095
Angers 0,805 0,926 1,037 0,802 1,097
k=4
Método
Tortora 1,112 1,244 1,210 1,110 1,380
Bromaghin 1,112 1,243 1,206 1,109 1,379
F & Scott 1,110 1,242 1,205 1,110 1,383
Thompson 1,109 1,242 1,206 1,109 1,383
Cochran 1,109 1,242 1,204 1,108 1,381
Angers 1,112 1,243 1,206 1,110 1,385
k=5
Método
Tortora 1,354 1,451 1,379 1,352 1,604
Bromaghin 1,352 1,451 1,379 1,352 1,599
F & Scott 1,351 1,448 1,378 1,352 1,605
Thompson 1,350 1,448 1,378 1,352 1,606
Cochran 1,350 1,447 1,375 1,349 1,601
Angers 1,353 1,451 1,379 1,350 1,605
k=6
Método
Tortora 1,693 1,758 1,496 1,691 1,787
Bromaghin 1,692 1,756 1,496 1,690 1,783
F & Scott 1,690 1,756 1,493 1,689 1,787
Thompson 1,690 1,755 1,493 1,689 1,787
Cochran 1,685 1,750 1,490 1,686 1,780
Angers 1,693 1,757 1,496 1,687 1,788
k=7
Método
Tortora 1,851 1,923 1,535 1,849 1,943
Bromaghin 1,849 1,921 1,533 1,848 1,939
F & Scott 1,846 1,919 1,529 1,847 1,940
Thompson 1,846 1,919 1,529 1,847 1,940
Cochran 1,842 1,910 1,527 1,845 1,923
Angers 1,850 1,921 1,533 1,845 1,943
108
Las Figuras 1 a 25 (Anexo 3) muestran las distribuciones del estimador promedio de
Shannon para las 25 poblaciones en estudio y los métodos a evaluar, para aquellas
distribuciones con i) Una categoría menor al 5%, ii) Una categoría entre el 5% y
10%; iii) Una categoría igual al 50% y iv) Categorías con libre distribución de
proporciones se ve que las distribuciones presentan una asimetría marcada que se
modifica en función del número de categorías y método evaluado, para el caso de la
combinación de categorías v) que considera equiprobabilidad se puede ver un
comportamiento de la distribución en forma de escalón en donde se aprecia una
marcada frecuencia en aquellas medidas de entropía “máximas” dentro de la
distribución para todas las poblaciones y métodos evaluados.
109
4.3.5 Discusión
El índice de Shannon mide la información de un experimento (muestra) a partir del

promedio de las incertidumbres contenidas en cada uno de los resultados posibles del
experimento. Para este trabajo se seleccionaron m=1000 muestras de tamaño n (para
cada tamaño de muestra por método se selecciono dicho número de muestras) y se
calculo dicho índice promedio.
La entropía de Shannon no tiene un significado estadístico para medir la dispersión

muy diferente de la desviación típica “s”. Pero al no depender de los valores que
toman las variables, es una medida de heterogeneidad especialmente apropiada para
datos multinomiales sobre clase no ordenadas (Cuadras 1993).
Este estudio muestra como una distribución de probabilidadades empírica (vector

promedio estimado) para cada método y población permitió construir un índice de
Shannon muestral que presentó una característica particular, y era que para una
población respectiva el índice no variaba considerablemente y se mantenía casi igual.
Dicha característica se explica ya que por lo visto en el manuscrito 2 de esta tesis se
comprobó que las estimaciones promedio para cada método en una población
específica se mantenían similares y las diferencias que se encontraron tenía relación
específica con: 1) Niveles de confianza, 2) Sesgos y 3) errores cuadráticos medios.
Si bien el método de Fitzpatrick y Scott fue el más adecuado para estimar tamaños
de muestra seguido por el de Thompson, y pese a haber diferencias entre un método
y otro, el estimador promedio del índice presentó un comportamiento similar para
todos los métodos evaluados. Un propiedad importante es que la función de Shannon
es una función continua y a pequeños cambios en el vector p=(p1,p2,….,pk) se deben
producir pequeños cambios en H (Pardo 2006), esto se corresponde con las pequeñas
variaciones observadas en las estimaciones (manuscrito 2), lo que hizo que se
generaran índices similares.
110
4.3.6 Conclusiones
Las Figuras 1 a 25 (Anexo 3) muestran las distribuciones del estimador promedio de

Shannon para las 25 poblaciones en estudio y los métodos a evaluar, para aquellas
distribuciones con i) Una categoría menor al 5%, ii) Una categoría entre el 5% y
10%; iii) Una categoría igual al 50% y iv) Categorías con libre distribución de
proporciones, se ve que las distribuciones presentan una marcada simetría que se
modifica en función del número de categorías y método evaluado. Para el caso de la
combinación de categorías v), que considera equiprobabilidad se puede ver un
comportamiento de la distribución en forma de escalón en donde se aprecia una
marcada frecuencia en aquellas medidas de entropía “máximas” dentro de la
distribución para todas las poblaciones y métodos evaluados. Esto es esperable ya
que la teoría indica que este tipo de distribuciones presentan un comportamiento en
donde los valores estimados corresponden al máximo valor.
En las poblaciones que presentaban una distribución “equiprobable” (poblaciones 5,

10, 15, 20 y 25), las estimaciones promedio de índice de Shannon Ĥ entregan el
máximo valor y dicha distribución que en este caso es uniforme presenta “la máxima
ignorancia”, tal es el caso en estudios de salud con la utilización de la máxima
varianza (P=Q=0,50 ver manuscrito 1).
En este trabajo se puede ver que todos los métodos evaluados realizan estimaciones
del índice de Shannon promedio similares sin presentar variaciones incluso con los
valores del índice a nivel poblacional, los índices construidos muestran que el grado
de homogeneidad de las probabilidades estimadas (prevalencias) por los distintos
métodos son similares. Pero ante este escenario se aconseja por los resultados del
manuscrito 2, utilizar las propuestas de Fitzpatrick y Scott y Thompson si se trabaja
con poblaciones de similares características a las simuladas.
111
Finalmente los resultados obtenidos nos permiten interpretar los índices como “el
grado promedio de incertidumbre en predecir a que categoría pertenecerá un
individuo escogido al azar de una colección” (Begon et al. 2006, Magurran 1988).
Esto relacionado a prevalencias de enfermedades y asociándolo al principio de
máxima varianza nos llevaría a que “existiría mayor incertidumbre en predecir que se
encuentre un evento de salud en un momento determinado en la medida que este
valor se hace extremo”.
Ante tal situación estimaciones adecuadas de tamaños de muestra son fundamentales

para asegurar buenas estimaciones de prevalencias y de medidas de entropía ya que
las medidas de entropía asignan un valor numérico a cada distribución de
probabilidad, materializando la idea de mayor o menor incertidumbre.
112
4.3.7 Bibliografía
Begon, M., Townsend, C., y Harper, J. (2006). Ecology: from individuals to

ecosystems. Blackwell Publishing Ltd. 4th ed. 738 pp.

pp.
Cuadras, C. (1993).Comentarios en: Teoría de la información estadística. Estadística

Española, Vol35. Num.133, pags 195 a 268.
Dahl, F., y Osteras, N. (2010). Quantifying information content in survey data by

entropy. Entropy, 12, 161-163.

Joust, L. (2006). Entropy and Diversity. Oikos, 113(2): 363-375.
Keylock, C. (2005). Simpson diversity and Shannon-Wiener index as special cases of

a generalized entropy. Oikos, 109: 203-207.
Lieberson, S. (1969). Measuring population diversity. Amer. Soc. Rev., 34:850-862.

Sanitaría, 13: 491-493.
113
Oruç, O., Kurouglu, E., y Vupa, O. (2009). An Application of Entropy in Survey
Scale. Entropy, 11, 598-605.
Pardo, L. (2006). Statistical inference based in divergence measures. Chapman y

Hall/CRC. 497 pp.
Pielou, EC. (1977). Mathematical Ecology.Wiley, Second Edition. 385 pp.
Robinson, D. (2009). Entropy and Uncertainty. Entropy, 10,493-506.
Shannon, EC. (1948). A Mathematical theory of communication. The Bell System

Technical Journal, 27, 379-423.


Yamano, T. (2001). A possible extension of Shannon’s information theory. Entropy,

3: 280-292.
Tu, X., Litvak, E., y Pagano, M. (1992). Issues in human Immunodeficiency Virus
VIH screening programs. Am.J. Epidemiol., 136,244-255.
Wu, CC., y Zhang., RC. (2006). An information-theoretic approach to tehe effective

usage of auxiliary information from survey data. Ann. Inst. Statist. Math., 58,499-
509.
114
5. Discusión general
El uso del principio de máxima indeterminación o varianza máxima permite obtener

aquel tamaño de muestra mayor en función del error de muestreo y en nivel de
confianza fijados por el investigador. Dicha situación de “máxima varianza” siempre
permitirá estimar el mayor tamaño de muestra en función de los errores de muestreo
y nivel de confianza que el investigador use, es decir con 5%, 4% o 3% y siendo P =
0,50, siempre se obtendrá aquel tamaño de muestra mayor.
El uso de la máxima varianza en enfermedades o eventos raros hace que se estime el

máximo tamaño de muestra para una situación en donde se espera que a lo menos la
mitad de la muestra obtenida tenga el atributo de interés, sin embargo, al ser las
tasas o prevalencias bajas para el atributo buscado, en la muestra obtenida este
atributo estará subrepresentado.
Independiente del número de categorías trabajadas, errores muestrales absolutos y

prevalencias poblacionales, los tamaños de muestra estimados según los métodos de
Fitzpatrick y Scott (1987) y Thompson (1987) son bajos y además son constantes
n=510 y n=512 respectivamente. Los niveles de confianza reales superaron el 95% de
nivel de confianza nominal posicionando a ambos métodos con el puntaje más alto
respecto a nivel de confianza real.
Los tamaños de muestra según Tortora (1978) y Bromaghin (1993) son superiores a
los de Fitzpatrick y Scott (1987) y Thompson (1987). Los métodos de Tortora (1978)
y Bromaghin (1993) están basados en el peor caso de los valores de los parámetros
para cada categoría, en cambio los procedimientos de Fitzpatrick y Scott (1987) y
Thompson (1987) se basan en el peor caso tomado de aquellos que la suma de los
parámetros de la multinomial sea igual a uno.
El método de Tortora presenta el puntaje más alto para las simulaciones realizadas
seguido por el método de Angers y Bromaghin. Se destaca en los métodos de
Fitzpatrick y Scott y Thompson puntajes bajos en contraposición con el desempeño
mostrado en los intervalos de confianza (puntajes altos), esto se debería que las
estimaciones realizadas por estos métodos presentan menor exactitud que las
realizadas por los métodos de Tortora, Angers y Bromaghin.
El método de Cochran (1977) generó estimaciones de tamaños de muestra inferiores a

384, esto se debe a que se utiliza el “peor de los casos” en donde P=0,50 y se tiene
115
una varianza máxima de PQ=0,25 para la estimación del tamaño muestral. En los
puntajes asignados a los tamaños de muestra calculados el método de Cochran se
destaca con el máximo puntaje de 30 puntos seguido por Fitzpatrick y Scott con
totales que varían entre 22 y 25 puntos. El método de Cochran presentó niveles de
confianza reales muy bajos, ya que en los m=1000 intervalos construidos al menos
una categoría no contenía a su respectivo parámetro, luego simultáneamente el
intervalo de confianza no contiene al vector poblacional lo que hace que el nivel de
confianza sea más bajo.
Los niveles de confianza reales obtenidos presentan un patrón en donde se aprecia

por ejemplo que para algunas poblaciones tanto el método de Tortora (1978) como el
de Bromaghin (1993) presentan niveles de confianza reales inferiores al nominal del
95% y los posicionan con puntajes en un segundo y tercer puesto. Los tamaños de
muestra obtenidos mediante la propuesta de Angers (1974) son altos en comparación
con el resto y se posicionan en un tercer puesto después de las estimaciones con los
métodos de Tortora (1978) y Bromaghin (1993).
Para la aplicación con datos de la Encuesta Nacional de Salud (ENS), el método de

Cochran mostrando un desempeño regular para prevalencias altas cercanas al 50%
(P=59,30%) en comparación con los métodos de Tortora y Bromaghin. Se esperaba
un mayor puntaje ya que la propuesta de Cochran trabaja con el peor caso o máxima
varianza y un mal desempeño para prevalencias bajas como P=1,90% no siendo así.
El método de Angers presenta un puntaje que lo posiciona en un cuarto lugar (Tabla
15), situación que se visualizaba en el desempeño mostrado en las simulaciones en el
cual quedo en un quinto puesto.
Si bien en las simulaciones el nivel de confianza real para el método de Bromaghin

para la población 6 es del 96% (ver Tabla 4), en el ejemplo de la aplicación este nivel
baja al 95,2%, esto estaría dado por el hecho de que el tamaño de muestra según el
método de Bromaghin de n=954 es generado para aquella categoría de menor
prevalencia j=1 que en el caso de la Población 6 era de P1=3,16% (Véase Tabla 3c
de Anexo 2).
Pese a que los métodos de Bromaghin y Tortora son similares por la forma de
construir los intervalos de confianza, el método de Tortora presenta un nivel de
confianza real inferior al que presenta Bromaghin, esto podría estar explicado a que
el desempeño del método de Tortora para prevalencias bajas no es adecuado. Se debe
tener presente que en la aplicación a la ENS se utilizaron los tamaños de muestra
116
estimados para la simulación de la Población 6 (Tabla 2), ya que esta presentaba una
categoría con una prevalencia menor al 5% y además se consideraban errores
específicos por categoría (e=1% si la categoría era menor al 5% ; véase Tabla 1).
El índice de Shannon mide la información de un experimento (muestra) a partir del

promedio de las incertidumbres contenidas en cada uno de los resultados posibles del
experimento.
El índice promedio de Shannon presentó una característica particular, y era que para
una población respectiva el índice no variaba considerablemente y se mantenía casi
igual. Dicha característica se explica ya que las estimaciones promedio para cada
método en una población específica se mantenían similares (resultado manuscrito 2)
y las diferencias que se encontraron tenían relación específica con: 1) Niveles de
confianza, 2) Sesgos y 3) errores cuadráticos medios.
Un propiedad importante es que la función de Shannon es una función continua y a

pequeños cambios en el vector p=(p1,p2,….,pk) se deben producir pequeños cambios
en H, esto se explicaría por las pequeñas variaciones observadas en las estimaciones
(manuscrito 2).
117
6 Conclusiones generales
1. Cuando se trabajan prevalencias bajas se recomienda trabajar con tamaños

de muestra mucho más grandes con el fin de poder detectar o encontrar las
unidades (atributos) en la muestra, dada su baja frecuencia, situación que se
contradice con el supuesto de máxima varianza que trabaja con el máximo
tamaño de muestra el cual no es suficiente.
2. La estimación del tamaño de muestra haciendo uso de la máxima varianza

(P=Q=0,50), con un nivel de confianza del 95% y error absoluto del 5%,
siempre dará como resultado un valor de n=384.
3. Desde un punto de vista de los diseños de estudios epidemiológicos, la mala

utilización de este supuesto de “máxima varianza”, tenderá como
consecuencia la subrepresentacion de aquellos atributos cuya frecuencia en la
población blanco en estudio es muy baja y por lo tanto las probabilidades de
inclusión de este atributo en una muestra particular serán muy bajas.
4. El método de Cochran (1977) es el menos eficiente en la estimación de

tamaños de muestra para variables multinomiales.
5. El desempeño de este método lo posiciona en un tercer lugar en la aplicación

realizada, pero dicho puntaje obtenido (190 ptos) se basa en los 150 puntos
obtenidos como mejor tamaño de muestra (más pequeño).
6. Los niveles de confianza reales para el método de Cochran en algunas

situaciones eran inferiores al 80%, esto nos lleva a concluir que un buen
tamaño de muestra (reducido) no asegura que el método sea mejor.
7. Las propuestas más apropiadas para trabajar tamaños de muestra para

variables multinomiales correspondan a Fitzpatrick y Scott y Thompson, ya
que estiman el mismo tamaño de muestra reducido de n=510 y n=512
respectivamente, que además conjugan buen nivel de confianza.
118
8. En la construcción de los índices de Shannon, los vectores que consideraban
equiprobabilidad muestran un comportamiento de la distribución de los
estimadores promedios de Shannon en forma de escalón, en donde se aprecia
una marcada frecuencia en aquellas medidas de entropía “máximas” dentro
de la distribución para todas las poblaciones y métodos evaluados.
9. En las poblaciones que presentaban una distribución “equiprobable”

(poblaciones 5, 10, 15, 20 y 25), las estimaciones promedio de índice de
Shannon Ĥ entregan el máximo valor y dicha distribución que en este caso
es uniforme presenta “la máxima ignorancia”, tal es el caso en estudios de
salud con la utilización de la máxima varianza (P=Q=0,50).
10. Las estimaciones del índice de Shannon promedio son similares sin presentar
variaciones incluso con los valores del índice a nivel poblacional.
11. Se recomienda para tener buenas estimaciones de medidas de entropía,

estimaciones adecuadas de tamaños de muestra que permitan tener
estimaciones de prevalencias que posibiliten estudiar la información
contenida en la información levantada.
12. Los índices de Shannon construidos se pueden interpretar en estudios de

prevalencias de enfermedades asociadas al principio de máxima varianza en
el sentido de que “existiría mayor incertidumbre en predecir que se encuentre
un evento de salud en un momento determinado en la medida que este valor
se hace extremo”.
119
7 Bibliografía General
Alonso, J., Prieto, L., y Anto, JM. (1995). The Spanish version of the SF-36 Health
Survey (the SF-36 health questionnaire): an instrument for measuring clinical
results]. Med Clin (Barc), May 27;104(20):771-776.
Begon, M., Townsend, C., y Harper, J. (2006). Ecology: from individuals to

ecosystems. Blackwell Publishing Ltd. 4th ed. 738 pp.

Cabral, MD., Luiz, RR. (2007). Sensitivity analysis for unmeasured confounders
using an electronic spreadsheet. Rev Saude Publica, 41(3):446-52

Casella, G. y Berger, R. (2002). Statistical inference. Second Edition. Duxbury

Thomson Learning. 686 pp.
Chow, S., Shao, J., y Wang, H. (2008). Sample Size Calculations in Clinical
Research. Chapman y Hall. 449 pp.
pp.
Cuadras, C. (1993).Comentarios en: Teoría de la información estadística. Estadística

Española, Vol35. Num.133, pags 195 a 268.
120
Cuadras, C. (1999). Problemas de Probabilidades y Estadística. Volumen II.
Inferencia Estadística. EUB, Barcelona, (2a edición), 454pp., 2000.
Dahl, F., y Osteras, N. (2010). Quantifying information content in survey data by

entropy. Entropy, 12, 161-163.
Encuesta Nacional de Salud. (2009). Ministerio de Salud, República de Chile.
Espinoza-Moreno, N. (2005). El supuesto de máxima indeterminación y el tamaño de

muestra. Medicina Universitaria, 7(29): 243-4.

Glaz, J., y Johnson, B. (1984). Probability for multivariate distributions with

dependence structures. Journal of the American Statistical Association, 79, 436-441
Goodman, L. (1965). On Simultaneous Confidence Intervals for Multinomial

Proportions. Technometrics, vol. 7, No. 2, 247-254.
Grau,M., Elosua,R., Cabrera de León,A., Guembe,M., Baena-Díez,JM., Vega,T.,

Félix,F., Zorrilla,B., Rigo,F., Lapetra,J., Gavrila, D., Segura,A., Sanz,H., Fernández-
Bergés, D., Fitó, M., y Marrugat, J. (2011). Factores de riesgo cardiovascular en
España en la primera década del siglo xxi : análisis agrupado con datos individuales
de 11 estudios de base poblacional, estudio DARIOS Rev Esp Cardiol., 64(4):295–
304.
Gutiérrez, S. (1994). Filosofía de la Estadística. Servei de Publicacions Universitat de

Valencia. 318 pp.
Hernández, M., Garrido, F., y López, S. (2000). Diseño de estudios epidemiológicos.

Salud Pública de México, Vol. 42 Nº 2. 145-154.
Joust, L. (2006). Entropy and Diversity. Oikos, 113(2): 363-375.
Keylock, C. (2005). Simpson diversity and Shannon-Wiener index as special cases of

a generalized entropy. Oikos, 109: 203-207
121
Kish, L. (1965). Survey Sampling. John Wiley y Sons. 635 pp.
Knight, K. (2000). Mathematical Statistics. Chapman y Hall/CRC Texts in

Statistical Science. 505 pp.
Last, JM. (Ed.). A Dictionary of Epidemiology.Oxford: Oxford University Press;

2000
Levy, P., y Lemeshow, S. (1999). Sampling of populations: Methods and applications

(4ª ed). Wiley series in probability and statistics. Survey Methodology Section. 616
pp
Levin, B. (1981). A representation for multinomial cumulative distributions

functions. The Annals of Statistics, 9, 1123-1126.
Lieberson, S. (1969). Measuring population diversity. Amer. Soc. Rev., 34:850-862.
Lilienfeld, AM., y Lilienfeld, DE. (1987). Fundamentos de epidemiología. Addison-

Wesley Iberoamericana; cop.
Lohr, S. (2000). Muestreo: Diseño y Análisis. Internacional Thomson Editores 480

pp.
Lwanga, S. y Lemeshow, S. (1991). Sample size determination in health studies: a

practical manual. World Health Organization. 80 pp.
MacMahon, B., y Pugh, TF. (1970) Epidemiology : principles and methods. Little,
Brown.
Magurran, AE. (1988). Ecological diversity and its measurement. Princeton

University Press, New Jersey, 179 pp.
Martín, M., Horna, O., Nedel, F., y Navarro, A. (2010). Fundamentos de estadística
en ciencias de la salud. Universitat Autónoma de Barcelona. Servei de Publicacions.
224 pp.
122
Sanitaría, 13: 491-493.
Martínez, JA., y Martínez, L. (2008). Determinación de la máxima varianza para el

cálculo del factor de Imprecisión sobre la Escala de Medida, y extensión a diferentes
tipos de muestreo. Psicothema, Vol 20 nº2, 311-316.
Mirás, J. (2000). Elementos de muestreo para poblaciones finitas. Instituto Nacional

de Estadísticas. Colección Libros de Autor. Madrid, España. 365 pp.
Mood, A. y Graybill, F. (1955). Introducción a la teoría de la estadística. Colección

ciencia y tecnología. Aguilar S.A. Ediciones. 536 pp.
OMS Organización Mundial de la Salud (1995). Comité de Expertos de la OMS

sobre el estado físico: El estado físico: uso e interpretación de la antropometría. Serie
de informes técnicos, 854. Ginebra (Suiza): Organización Mundial de la Salud.
Oruç, O., Kurouglu, E., y Vupa, O. (2009). An Application of Entropy in Survey

Scale. Entropy, 11, 598-605.
Pardo, L. (2006). Statistical inference based in divergence measures. Chapman y

Hall/CRC. 497 pp.
Pérez, C. (2005). Muestreo estadístico, Conceptos y problemas resueltos. Pearson

Prentice Hall. 374 pp.
Pielou, EC. (1977). Mathematical Ecology.Wiley, Second Edition. 385 pp.
Pineda, E. y de Alvarado, E. (2008). Metodología de la Investigación. Organización

Panamericana de la Salud. Tercera Edición.260 pp.
Quijada, S., y Alvarado, S. (2009). Encuestas: Muestreo Estadístico. Apuntes del

Curso Encuestas para Políticas Públicas. Facultad de Economía y Negocios.
Universidad de Chile. 50 pp.
Quesenberry, C., y Hurst, D. (1984). Large Sample Simultaneous Confidence

Intervals for Multinomial Proportions. Technometrics, vol. 6, No. 2. 191-195.
123
Robinson, D. (2009). Entropy and Uncertainty. Entropy, 10,493-506.
Roussas, G. (1997). A course in mathematical statistics. Second edition. Academy

press. 571 pp.
Salicrú, M., Menéndez, M., Morales, D. y Pardo, L. (1993). Asymptotics distribution

of (h, )-entropies. Communications in Statistics: Theory and Methods, 22(7), 2015-
2031.
Santner, T. y Duffy, D. (1989). The statistical analysis of discrete data. Springer-

Verlag. 367 pp.
Shannon, EC. (1948). A Mathematical theory of communication. The Bell System

Technical Journal, 27, 379-423.
Silva, LC. (2000b). Nueva visita al supuesto de máxima indeterminación y al empleo

de errores absolutos y relativos. Gaceta Sanitaría, 14(3): 254-257.
Silva, LC. (2000a). Diseño razonado de muestras y captación de datos para la

investigación sanitaria. Editorial Díaz de Santos. 332 pp.
Suárez-Gil, P., Alonso, JC. (1999). Sobre el supuesto de máxima indeterminación, el

tamaño muestral y otras consideraciones sobre muestreo. Gaceta Sanitaría, 13: 243-
246

Tina, W. (2005). Relationships among some univariate distributions. IIE

Transactions, 37, 651-656.

124
Tu, X., Litvak, E., y Pagano, M. (1992). Issues in human Immunodeficiency Virus
VIH screening programs. Am.J. Epidemiol., 136,244-255.
Vivanco, M. (2005). Muestreo Estadístico Diseño y Aplicaciones. Editorial

Universitaria. S.A. 210 pp.
Wu, CC., y Zhang., RC. (2006). An information-theoretic approach to tehe effective

usage of auxiliary information from survey data. Ann. Inst. Statist. Math., 58, 499-
509.
Yamano, T. (2001). A possible extension of Shannon’s information theory. Entropy,
3: 280-292.
Zwillinger, D., y Kokoska, D. (2000). CRC Standard Probability and Statistics

Tables and Formulae. Chapman y Hall/CRC. 568 pp.
125
8. Anexos
1.1. Anexo 1 (Manuscrito 1):
Maximización de la ecuación de estimación de tamaño de muestra

considerando máxima indeterminación.
Se tiene que el tamaño de muestra depende de tres parámetros: e es el error

α
muestral, z es el coeficiente de confianza o percentil ( 1 − ) de la distribución
2
normal estándar (usualmente z= 1,96 para un 95% de confianza) y σ 2X es la
varianza de la variable de interés, que en este caso es , entonces n = f ( z , p, e) luego
z 2 σ 2X
se tiene que n = , maximizando la función respecto al parámetro p utilizando la
e2
ecuación (1.1) y derivando se tiene:
∂f ∂  z 2 pq  ∂  z 2 p (1 − p )  ∂  z 2 ( p − p 2 )  z 2
=  =   =   = 2 (1 − 2 p )
∂p ∂p  e 2  ∂p  e2  ∂p  e2  e
∂f 1
La función tiene su máximo en = 0 , esto es cierto si y sólo si p = .
∂p 2
Derivación de la ecuación (1.2).
Se tiene que la ecuación asociada a poblaciones finitas está dada por

z 2 × N × σ 2X
n= 2 , que corresponde a la ecuación (1), luego aplicando límites
z × σ 2X + ( N − 1) × e 2
se tiene:
 z 2 × N × pq 
 
 z × N × pq
2

lim n = lim  2  = lim  2 N 
N →∞ N → ∞ z × pq + ( N − 1) × e 2  N →∞  z × pq ( N − 1) × e 2 
  +
 
 N N 
 z 2 × N × pq 
  2
= lim  2 N  = z pq

N →∞ z × pq  1 e2
 + 1 − e 2 
 N  N 
126
8.2 Anexo 2 (Manuscrito 2)
Tabla 3a. Estimaciones de tamaño de muestra según propuesta de Tortora.
Tortora
k=3 k=3 k=3 k=3 k=3
j=1 j=1 j=2 peor caso constante para cada j
n=1788 n=1190 n=583 n=583 n=518
k=4 k=4 k=4 k=4 k=4
n=1901 n=1296 n=1403 n=623 n=468
k=5 k=5 k=5 k=5 k=5
n=2010 n=1381 n=1380 n=663 n=425
k=6 k=6 k=6 k=6 k=6
j=1 j=1 j=1 peor caso j=2
n=2733 n=1451 n=1604 n=710 n=618
k=7 k=7 k=7 k=7 k=7
n=2893 n=1696 n=3571 n=756 n=1030
127
Tabla 3b. Estimaciones de tamaño de muestra según propuesta de Cochran.
Cochran
<5% < 10 % 50% (1 categoria) error constante equiprobabilidad
k=3 k=3 k=3 k=3 k=3
n=382 n=384 n=384 n=384 n=342
k=4 k=4 k=4 k=4 k=4
n=376 n=369 n=384 n=384 n=288
k=5 k=5 k=5 k=5 k=5
n=376 n=376 n=384 n=384 n=246
k=6 k=6 k=6 k=6 k=6
n=272 n=246 n=384 n=384 n=214
k=7 k=7 k=7 k=7 k=7
n=289 n=246 n=384 n=384 n=188
128
Tabla 3c. Estimaciones de tamaño de muestra según propuesta de Angers.
Angers
k=3 k=3 k=3 k=3 k=3
n=1250 n=840 n=485 n=498 n=510
k=4 k=4 k=4 k=4 k=4
n=1211 n=854 n=965 n=649 n=1049
k=5 k=5 k=5 k=5 k=5
n=1304 n=908 n=928 n=465 n=426
k=6 k=6 k=6 k=6 k=6
n=1498 n=897 n=1496 n=419 n=600
k=7 k=7 k=7 k=7 k=7
n=1600 n=1012 n=2203 n=387 n=985
129
Tabla 3d. Estimaciones de tamaño de muestra según propuesta de Thompson.
Thompson
k=3 k=3 k=3 k=3 k=3
j=3 j=3 j=3 j=3 j=3
n=512 n=512 n=512 n=512 n=512
k=4 k=4 k=4 k=4 k=4
j=3 j=3 j=3 j=3 j=3
n=512 n=512 n=512 n=512 n=512
k=5 k=5 k=5 k=5 k=5
j=3 j=3 j=3 j=3 j=3
n=512 n=512 n=512 n=512 n=512
k=6 k=6 k=6 k=6 k=6
j=3 j=3 j=3 j=3 j=3
n=512 n=512 n=512 n=512 n=512
k=7 k=7 k=7 k=7 k=7
j=3 j=3 j=3 j=3 j=3
n=512 n=512 n=512 n=512 n=512
130
Tabla 3e. Estimaciones de tamaño de muestra según propuesta de Bromaghin.
Bromaghin
k=3 k=3 k=3 k=3 k=3
n=1784 n=1171 n=564 n=564 n=502
k=4 k=4 k=4 k=4 k=4
n=1946 n=1306 n=1411 n=618 n=465
k=5 k=5 k=5 k=5 k=5
n=2055 n=1390 n=1389 n=657 n=423
k=6 k=6 k=6 k=6 k=6
n=2720 n=1433 n=1582 n=690 n=606
k=7 k=7 k=7 k=7 k=7
n=2807 n=1631 n=3451 n=717 n=987
131
Tabla 3f. Estimaciones de tamaño de muestra según propuesta de Fitzpatrick y Scott.
Fitzpatrick & Scott

k=3 k=3 k=3 k=3 k=3
n=510 n=510 n=510 n=510 n=510
k=4 k=4 k=4 k=4 k=4
n=510 n=510 n=510 n=510 n=510
k=5 k=5 k=5 k=5 k=5
n=510 n=510 n=510 n=510 n=510
k=6 k=6 k=6 k=6 k=6
n=510 n=510 n=510 n=510 n=510
k=7 k=7 k=7 k=7 k=7
n=510 n=510 n=510 n=510 n=510
132
Tabla 4a. Evaluación de desempeño de las simulaciones para población 1 de K=3
categorías.
P1 P2 P3
Método 3,17% 53,86% 42,97%
Criterio p1 p2 p3
Estimador promedio 3,17% 53,88% 42,94%
Sesgo 0,000012 0,000222 -0,000233
Tortora % Sesgo 0,04% 0,04% -0,05%
Sesgo Estandarizado 2,62% 18,06% -16,93%
Error Cuadratico Medio 452612,80 406691,80 335482,10
Sesgo 0,000091 -0,000375 0,000285
Bromaghin % Sesgo 0,28% -0,06% 0,06%
Sesgo Estandarizado 20,61% -29,04% 22,94%
Sesgo -0,000078 -0,000167 0,000245
Fitzpatrick & Scott % Sesgo -0,24% -0,03% 0,05%
Sesgo Estandarizado -7,46% -7,33% 10,44%
Sesgo -0,000088 -0,000178 0,000266
Thompson % Sesgo -0,27% -0,03% 0,06%
Sesgo -0,000266 0,001374 -0,001108
Cochran % Sesgo -0,83% 0,25% -0,26%
Sesgo Estandarizado -26,77% 49,87% -41,45%
Sesgo 0,000017 -0,000500 0,000483
Angers % Sesgo 0,05% -0,09% 0,11%
133
Tabla 4a’. Puntajes asignados a desempeño de las simulaciones para población 1 de K=3
categorías.
Parámetro Poblacional P1=3,17% P2=53,86% P3=42,97%

Método Total
Criterio p1 p2 p3
Estimador promedio 5 5 3,5 13,5
Sesgo 6 4 6 16
Tortora
Error Cuadratico Medio 2 4 5 11
Total 13 13 14,5 41
Estimador promedio 2,5 3 3,5 9,0
Sesgo 2 3 3 8
Bromaghin
Total 7,5 12 9,5 29
Estimador promedio 5 5 5,5 15,5
Sesgo 4 6 5 15
Fitzpatrick & Scott
Total 14 14 12,5 40,5
Estimador promedio 2,5 5 5,5 13,0
Sesgo 3 5 4 12
Thompson
Total 12 12 11 34
Estimador promedio 1 1 1 3
Sesgo 1 1 1 3
Cochran
Total 6 3 6 15
Sesgo 5 2 2 9
Angers
Total 11 9 10 30
134
Tabla 4b. Evaluación de desempeño las simulaciones para población 2 de K=3 categorías.
P1 P2 P3
Método 8,98% 40,01% 51,01%
Criterio p1 p2 p3
Sesgo 0,000644 -0,000126 -0,000519
Tortora % Sesgo 0,72% -0,03% -0,10%
Sesgo Estandarizado 66,05% -8,00% -35,22%
Sesgo 0,000148 -0,000071 -0,000077
Bromaghin % Sesgo 0,16% -0,02% -0,01%
Sesgo 0,000211 0,0000001 -0,000218
Fitzpatrick & Scott % Sesgo 0,23% 0,002% -0,04%
Sesgo 0,000193 -0,0000005 -0,000188
Thompson % Sesgo 0,21% -0,001% -0,037%
Sesgo 0,001014 0,000104 -0,001118
Cochran % Sesgo 1,13% 0,03% -0,22%
Sesgo 0,000417 -0,000110 -0,000308
Angers % Sesgo 0,46% -0,03% -0,06%
135
Tabla 4b’. Puntajes asignados a desempeño de las simulaciones para población 2 de K=3
categorías.

Método Total
Criterio p1 p2 p3
Sesgo 2 1 2 5
Tortora
Total 6 8 5 19
Estimador promedio 5,5 5 6 16,5
Sesgo 6 4 6 16
Bromaghin
Total 18 10 15 43
Estimador promedio 4 2,5 4,5 11
Sesgo 4 6 4 14
Fitzpatrick & Scott
Total 9 14 14 36
Estimador promedio 5,5 2,5 4,5 12,5
Sesgo 5 5 5 15
Thompson
Total 14 12 16 41
Sesgo 1 3 1 5
Cochran
Total 6 10 4 20
Sesgo 3 2 3 8
Angers
Total 11 10 10 31
136
Tabla 4c. Evaluación de desempeño de las simulaciones para población 3 de K=3
categorías.
P1 P2 P3
Método 24,98% 50,03% 29,99%
Criterio p1 p2 p3
Sesgo -0,000191 0,000243 -0,000052
Tortora % Sesgo -0,08% 0,05% -0,02%
Sesgo 0,000634 0,000113 -0,000747
Bromaghin % Sesgo 0,25% 0,02% -0,30%
Sesgo 0,000495 0,0002196 -0,000715
Fitzpatrick & Scott % Sesgo 0,20% 0,04% -0,28%
Sesgo 0,000717 0,0000964 -0,000813
Thompson % Sesgo 0 ,29% 0,02% -0,32%
Sesgo 0,000103 0,000211 -0,000314
Cochran % Sesgo 0,04% 0,04% -0,12%
Sesgo 0,000498 0,000152 -0,000649
Angers % Sesgo 0,20% 0,03% -0,26%
137
Tabla 4c’. Puntajes asignados a desempeño de las simulaciones para población 3 de K=3
categorías.

Método Total
Criterio p1 p2 p3
Estimador promedio 5 2,5 6 13,5
Sesgo 2 1 6 9
Tortora
Total 8 8 14 29,5
Sesgo 5 5 2 12
Bromaghin
Total 9 12 6 26
Sesgo 3 2 3 8
Fitzpatrick & Scott
Total 13 9,5 9,5 32
Sesgo 6 6 1 13
Thompson
Total 12 17,5 8 37,5
Sesgo 1 3 5 9
Cochran
Total 10 7,5 15 32,5
Sesgo 4 4 4 12
Angers
Total 11 9,5 11 32
138
Tabla 4d. Evaluación de desempeño de las simulaciones para población 4 de K=3
categorías.
P1 P2 P3
Método 3,14% 53,83% 43,03%
Criterio p1 p2 p3
Sesgo -0,000465 0,000637 -0,000172
Tortora % Sesgo -1,48% 0 ,12% -0,04%
Sesgo -0,000299 0,000669 -0,000370
Bromaghin % Sesgo -0,95% 0,12% -0,08%
Sesgo -0,000279 0,0007903 -0,000511
Fitzpatrick & Scott % Sesgo -0,89% 0,15% -0,12%
Sesgo -0,000254 0,0010243 -0,000770
Thompson % Sesgo -0,81% 0,19% -0,18%
Sesgo 0,000182 -0,000231 0,000049
Cochran % Sesgo 0,58% -0,04% 0,01%
Sesgo -0,000329 0,000796 -0,000468
Angers % Sesgo -1,05% 0,15% -0,11%
139
Tabla 4d’. Puntajes asignados a desempeño de las simulaciones para población 4 de K=3
categorías.

Método Total
Criterio p1 p2 p3
Sesgo 6 2 5 13
Tortora
Total 8 12 11 31
Sesgo 4 3 4 11
Bromaghin
Total 12,5 8 12 32,5
Sesgo 3 4 2 9
Fitzpatrick & Scott
Total 8,5 8,5 10,5 27,5
Sesgo 2 6 1 9
Thompson
Total 9,5 11 5 25,5
Sesgo 1 1 6 8
Cochran
Total 10 13 17 40
Sesgo 5 5 3 13
Angers
Total 14,5 10,5 7,5 32,5
140
Tabla 4e. Evaluación de desempeño de las simulaciones para población 5 de K=3
categorías.
P1 P2 P3
Método 33,34% 33,37% 33,29%
Criterio p1 p2 p3
Sesgo -0,000199 -0,000040 0,000239
Tortora % Sesgo -0,06% -0,01% 0,07%
Sesgo -0,000823 0,001152 -0,000328
Bromaghin % Sesgo -0,25% 0,34% -0,09%
Sesgo -0,000846 0,0010650 -0,000219
Fitzpatrick & Scott % Sesgo -0,25% 0 ,32% -0,06%
Sesgo -0,000924 0,0002103 0,000714
Thompson % Sesgo -0,28% 0,06% 0,21%
Sesgo -0,000091 0,001402 -0,001312
Cochran % Sesgo -0,03% 0,42% -0,39%
Sesgo -0,000846 0,001065 -0,000219
Angers % Sesgo -0,25% 0,32% -0,07%
141
Tabla 4e’. Puntajes asignados a desempeño de las simulaciones para población 5 de K=3
categorías.

Método Total
Criterio p1 p2 p3
Sesgo 5 6 4 15
Tortora
Total 15 17 15 47
Sesgo 4 3 3 10
Bromaghin
Total 9 8 10 27
Sesgo 3 4 5,5 12,5
Fitzpatrick & Scott
Error Cuadratico Medio 3,5 1,5 2,5 8
Total 8,5 8 13 29,5
Sesgo 2 5 2 9
Thompson
Total 6 13 9 28
Sesgo 6 2 1 9
Cochran
Total 18 12 3 33
Estimador promedio 2 2,5 6 11
Sesgo 3 4 5,5 13
Angers
Total 9 8 14 31
142
Tabla 4f. Evaluación de desempeño de las simulaciones para población 6 de K=4
categorías.
P1 P2 P3 P4
Método 3,16% 13,83% 40,03% 42,98%
Sesgo 0,000128 0,000061 -0,000337 0,0001484
Tortora % Sesgo 0,40% 0,04% -0,08% 0,03%
Sesgo Estandarizado 27,64% 6,78% -29,89% 13,85%
Sesgo 0,000142 0,000083 -0,000335 0,0001098
Bromaghin % Sesgo 0,45% 0,06% -0,08% 0,02%
Sesgo Estandarizado 29,74% 8,98% -31,11% 10,68%
Sesgo -0,000063 0,0007589 -0,001051 0,0003548
Fitzpatrick & Scott % Sesgo -0,20% 0 ,55% -0,26% 0,08%
Sesgo Estandarizado -6,37% 46,95% -38,15% 14,08%
Sesgo 0,000021 -0,0002299 0,000060 0,000149
Thompson % Sesgo 0,07% -0,17% 0,01% 0,03%
Sesgo Estandarizado 2,46% -15,68% 2,36% 5,34%
Sesgo 0,000379 0,000055 0,000318 -0,0007522
Cochran % Sesgo 1,20% 0,04% 0,08% -0,17%
Sesgo Estandarizado 34,63% 2,74% 11,25% -29,14%
Sesgo 0,000146 0,000555 -0,000532 -0,0001697
Angers % Sesgo 0,46% 0,40% -0,13% -0,04%
Sesgo Estandarizado 25,93% 50,86% -35,65% -11,33%
143
Tabla 4f’. Puntajes asignados a desempeño de las simulaciones para población 6 de K=4
categorías.

Método Total
Estimador promedio 3,5 5 3,5 4 16
Sesgo 4 5 3 5 17
Tortora
Error Cuadratico Medio 5 4 5 2 16
Total 12,5 14 11,5 11 49
Sesgo 3 4 4 6 17
Bromaghin
Total 9,5 15 9,5 13 47
Sesgo 5 1 1 2 9
Fitzpatrick & Scott
Total 12,5 4,0 8,0 9,0 34
Sesgo 6 3 6 4 19
Thompson
Total 13 7 15 14 49
Sesgo 1 6 5 1 13
Cochran
Total 8 15 14 5 42
Sesgo 2 2 2 3 9
Angers
Total 7,5 9 5 12 33,5
144
Tabla 4g. Evaluación de desempeño de las simulaciones para población 7 de K=4
categorías.
P1 P2 P3 P4
Método 9,17% 15,87% 40,03% 34,93%
Sesgo -0,000028 -0,000283 0,000541 -0,0002301
Tortora % Sesgo -0,03% -0,18% 0,13% -0,06%
Sesgo Estandarizado -3,11% -26,54% 34,35% -17,90%
Sesgo -0,000024 -0,000300 0,000547 -0,0002227
Bromaghin % Sesgo -0,03 -0,19% 0,14 -0,06%
Sesgo -0,000013 0,0001176 0,000584 -0,0006884
Fitzpatrick & Scott % Sesgo -0,01% 0,07% 0,14% -0,19%
Sesgo Estandarizado -0,95% 4,31% 23,80% -31,91%
Sesgo -0,000084 -0,0000321 0,000395 -0,0002786
Thompson % Sesgo -0,09% -0,02% 0,09% -0,08%
Sesgo 0,000486 0,000366 0,000375 -0,0012258
Cochran % Sesgo 0,53% 0,23% 0,09% -0,35%
Sesgo Estandarizado 29,84% 17,27% 14,49% -54,10%
Sesgo 0,000142 -0,000126 0,000287 -0,0003031
Angers % Sesgo 0,15% -0,08% 0,07% -0,08%
Sesgo Estandarizado 13,92% -9,29% 14,11% -17,79%
145
Tabla 4g’. Puntajes asignados a desempeño de las simulaciones para población 7 de K=4
categorías.

Método Total
Estimador promedio 5 2,5 2 4,5 14
Sesgo 4 3 3 5 15
Tortora
Total 14,0 9,5 9,0 12,5 45
Estimador promedio 5 2,5 2 5 14,0
Sesgo 5 2 2 6 15
Bromaghin
Total 13 7,5 9 13 42
Sesgo 6 5 1 2 14
Fitzpatrick & Scott
Total 17 15,5 6 8 47
Estimador promedio 3 6 4,5 4,5 18
Sesgo 3 6 4 4 17
Thompson
Total 7 14 9,5 14,5 45
Estimador promedio 1 1 4,5 1 7,5
Sesgo 1 1 5 1 8
Cochran
Total 6 7 11,5 3 27,5
Estimador promedio 2 4,5 6 4,5 17
Sesgo 2 4 6 3 15
Angers
Total 6 9,5 18 12,5 46
146
Tabla 4h. Evaluación de desempeño de las simulaciones para población 8 de K=4
categorías.
P1 P2 P3 P4
Método 10,02% 15,01% 50,01% 24,95%
Sesgo -0,000486 -0,000242 0,000361 0,000367
Tortora % Sesgo -0,48% -0,16% 0,07% 0,15%
Sesgo Estandarizado -58,34 -27,07 22,58 28,78
Sesgo 0,000340 0,000147 0,000071 -0,000558
Bromaghin % Sesgo 0,34% 0,10% 0,01% -0,22%
Sesgo Estandarizado 45,71 13,61 4,96 -45,80
Sesgo 0,000259 -0,000372 -0,000518 0,000632
Fitzpatrick & Scott % Sesgo 0,26% -0,25% -0,10% 0,25%
Sesgo Estandarizado 18,32 -20,97 -21,31 27,22
Sesgo 0,000288 -0,000391 -0,000509 0,000612
Thompson % Sesgo 0,29% -0,26% -0,10% 0,25%
Sesgo -0,000188 -0,000040 0,000501 -0,000272
Cochran % Sesgo -0,19% -0,03% 0,10% -0,11%
Sesgo Estandarizado -10,68 -2,08 16,10 -11,13
Sesgo -0,000276 0,000347 0,000061 -0,000132
Angers % Sesgo -0,27% 0,23% 0,01% -0,05%
Sesgo Estandarizado -25,91 26,32 2,91 -9,76
147
Tabla 4h’. Puntajes asignados a desempeño de las simulaciones para población 8 de K=4
categorías.

Método Total
Sesgo 1 4 4 4 13
Tortora
Total 7 9,5 12 10 38,5
Estimador promedio 3,5 4,5 5,5 3 16,5
Sesgo 2 5 5 3 15
Bromaghin
Total 6,5 11,5 11,5 9 38,5
Sesgo 5 3 1 1 10
Fitzpatrick & Scott
Total 10,5 10 6 8 34,5
Estimador promedio 3,5 1,5 2 2 9
Sesgo 3 1 2 2 8
Thompson
Total 9,5 7,5 6 9 32
Sesgo 6 6 3 5 20
Cochran
Total 18 15 10 14 57
Sesgo 4 2 6 6 18
Angers
Total 11,5 9,5 17,5 13 51,5
148
Tabla 4i. Evaluación de desempeño de las simulaciones para población 9 de K=4
categorías.
P1 P2 P3 P4
Método 3,13% 13,85% 40,02% 42,99%
Sesgo 0,000226 0,000207 -0,000174 -0,000259
Tortora % Sesgo 0,72% 0,15% -0,04% -0,06%
Sesgo Estandarizado 33,32 13,34 -9,86 -11,79
Sesgo 0,000397 -0,000294 0,000250 -0,000354
Bromaghin % Sesgo 1,27% -0,21% 0,06% -0,08%
Sesgo Estandarizado 53,86 -20,05 10,99 -12,68
Sesgo 0,000219 0,000432 -0,000415 -0,000236
Fitzpatrick & Scott % Sesgo 0,70% 0,31% -0,10% -0,05%
Sesgo 0,000322 -0,000445 0,000242 -0,000120
Thompson % Sesgo 1,03% -0,32% 0,06% -0,03%
Sesgo 0,000013 -0,000275 0,000026 0,000236
Cochran % Sesgo 0,04% -0,20% 0,01% 0,05%
Sesgo Estandarizado 1,23 -11,94 1,06 9,18
Sesgo 0,000287 0,000274 -0,000239 -0,000239
Angers % Sesgo 0,92% 0,20% -0,06% -0,07%
149
Tabla 4i’. Puntajes asignados a desempeño de las simulaciones para población 9 de K=4
categorías.

Método Total
Sesgo 4 6 5 2 17
Tortora
Total 8,5 16,5 11,5 8 44,5
Estimador promedio 1,5 3,5 2,5 1,5 9
Sesgo 1 3 2 1 7
Bromaghin
Total 5,5 10,5 9,5 8,5 34
Sesgo 5 2 1 4,5 12,5
Fitzpatrick & Scott
Total 15 5 6 9,5 35,5
Sesgo 2 1 3 6 12
Thompson
Total 7,5 4 11,5 17 40
Estimador promedio 6 3,5 5,5 1,5 16,5
Sesgo 6 4 6 4,5 20,5
Cochran
Total 18 13,5 14,5 10 56
Estimador promedio 3,5 5,5 4 4 17
Sesgo 3 5 4 3 15
Angers
Total 8,5 13,5 10 10 42
150
Tabla 4j. Evaluación de desempeño de las simulaciones para población 10 de K=4
categorías.
P1 P2 P3 P4
Método 24,97% 25,03% 24,99% 24,99%
Sesgo 0,000708 -0,000343 0,000360 -0,000724
Tortora % Sesgo 0,28% -0,14% 0,14% -0,29%
Sesgo 0,000653 -0,000318 0,000360 -0,000695
Bromaghin % Sesgo 0,26% -0,13% 0,14% -0,28%
Sesgo 0,000495 -0,000357 0,000576 -0,000715
Fitzpatrick & Scott % Sesgo 0,20% -0,14% 0,23% -0,29%
Sesgo -0,000774 0,000364 0,000910 -0,000501
Thompson % Sesgo -0,31% 0,15% 0,36% -0,20%
Sesgo Estandarizado -43,89 17,52 46,67 -24,34
Sesgo 0,000416 -0,000559 -0,000250 0,000393
Cochran % Sesgo 0,17% -0,22% -0,10% 0,16%
Sesgo -0,000390 -0,000143 -0,000155 0,000688
Angers % Sesgo -0,16% -0,06% -0,06% 0,28%
Sesgo Estandarizado -36,81 -12,97 -13,09 64,44
151
Tabla 4j’. Puntajes asignados a desempeño de las simulaciones para población 10 de K=4
categorías.
Método P1=24,97% P2=25,03% P3=24,99% P4=24,99% Total
Estimador promedio 1 3 4,5 2,5 11
Sesgo 2 4 3,5 1 10,5
Tortora
Error Cuadratico Medio 2 3 3 6 14,0
Total 5 10 11 9,5 35,5
Estimador promedio 2,5 5,5 4,5 2,5 15
Sesgo 3 5 3,5 4 15,5
Bromaghin
Total 8,5 12,5 10 9,5 40,5
Estimador promedio 4,5 5,5 3 2,5 15,5
Sesgo 4 3 2 2 11
Fitzpatrick & Scott
Total 14,5 12,5 9 8,5 44,5
Sesgo 1 2 1 5 9
Thompson
Total 4,5 9 4 15 32,5
Sesgo 5 1 5 6 17
Cochran
Total 13,5 3 12 13 41,5
Estimador promedio 6 4 6 2,5 18,5
Sesgo 6 6 6 3 21
Angers
Total 17 16 17 7,5 57,5
152
Tabla 4k. Evaluación de desempeño de las simulaciones para población 11 de K=5
categorías.
P1 P2 P3 P4 P5
Método 3,13% 8,89% 25,02% 19,98% 42,97
Criterio p1 p2 p3 p4 p5
Estimador promedio 3,10% 8,91% 25,02% 20,02% 42,95%
Sesgo -0,000323 0,000169 -0,000001 0,0003998 -0,0002375
Tortora % Sesgo -1,03% 0,19% -0,33% 0,20% -0,06%
Sesgo Estandarizado -71,63 23,35 -0,74 40,00 -16,46
Error Cuadratico Medio 437353,80 278767,80 341438,90 375478,10 259677,5
Sesgo 0,000051 -0,000031 0,000317 -0,0000285 -0,0003084
Bromaghin % Sesgo 0,16% -0,03% 0,13% -0,01% -0,07%
Sesgo Estandarizado 13,57 -4,52 32,51 -2,75 -27,64
Sesgo 0,000192 -0,0003569 0,000336 -0,0002754 0,0001041
Fitzpatrick & Scott % Sesgo 0,61% -0,40% 0,13% 0,14% 0,02%
Sesgo Estandarizado 24,00 -20,66 16,04 -13,36 5,05
Sesgo -0,000454 0,0001098 0,000086 0,0001403 0,0001183
Thompson % Sesgo -1,45% 0,12% 0,03% 0,07% 0,03%
Sesgo Estandarizado -51,83 7,58 4,19 7,73 5,49
Sesgo -0,000533 0,000121 -0,000109 0,0005317 -0,0000116
Cochran % Sesgo -1,70% 0,14% -0,04% 0,27% -0,003%
Error Cuadratico Medio 318168,10 415253,20 482056,50 514521 237920,7
Sesgo -0,000104 -0,000073 -0,000229 -0,000055 0,000461
Angers % Sesgo -0,33% -0,08% -0,09% -0,28% 0,11%
Sesgo Estandarizado -22,26 -7,90 -19,70 -3,90 27,54
153
Tabla 4k’. Puntajes asignados a desempeño de las simulaciones para población 10 de
K=4 categorías.
Parámetro Poblacional P1=3,13 P2=8,89% P3=25,02% P4=19,98% P5=42,97%

Método Total
Estimador promedio 3 3 6 2 3,5 17,5
Sesgo 3 2 6 2 3 16
Tortora
Error Cuadratico Medio 3 5 6 2 5 21
Total 9 10 18 6 11,5 54,5
Estimador promedio 5,5 6 2 5,5 2 21
Sesgo 6 6 2 6 2 22
Bromaghin
Total 16,5 14 8 15,5 5 59
Estimador promedio 4 1,5 2 3,5 5 16
Sesgo 4 1 1 3 5 14
Fitzpatrick & Scott
Total 9 8,5 8 11,5 12 49
Estimador promedio 2 1,5 4,5 3,5 3,5 15
Sesgo 2 1 5 4 4 16
Thompson
Total 8 8,5 12,5 10,5 10,5 50
Estimador promedio 1 4,5 4,5 1 6 17
Sesgo 1 3 4 1 6 15
Cochran
Total 8 8,5 9,5 3 18 47
Estimador promedio 5,5 4,5 2 5,5 1 18,5
Sesgo 5 5 3 5 1 19
Angers
Total 12,5 13,5 7 16,5 6 55,5
154
Tabla 4l. Evaluación de desempeño de las simulaciones para población 12 de K=5
categorías.
P1 P2 P3 P4 P5
Método 9,18% 12,83% 15,09% 19,99% 42,98%
Sesgo 0,000481 -0,000213 0,000360 -0,000399 -0,000229
Tortora % Sesgo 0,52% -0,17% 0,24% -0,20% -0,05%
Sesgo 0,000434 0,000011 0,000148 -0,000252 -0,000341
Bromaghin % Sesgo 0,47% 0,01% 0,10% -0,13% -0,08%
Sesgo Estandarizado 58,08 1,18 15,61 -24,83 -24,58
Sesgo -0,000220 -0,000585 0,000117 0,000553 0,000135
Fitzpatrick & Scott % Sesgo -0,24% -0,46% 0,08% 0,28% 0,03%
Sesgo Estandarizado -13,00 -41,04 7,45 32,10 5,41
Sesgo 0,000432 0,000015 -0,000235 -0,000507 0,000296
Thompson % Sesgo 0,47% 0,01% -0,16% -0,25% 0,07%
Sesgo Estandarizado 30,67 1,08 -13,07 -25,72 11,73
Sesgo -0,000175 -0,000295 0,000207 0,000393 -0,000130
Cochran % Sesgo -0,19% -0,23% 0,14% 0,20% -0,03%
Sesgo Estandarizado -9,66 -15,88 10,51 20,59 -5,24
Sesgo 0,000652 -0,000001 0,000261 -0,000439 -0,000473
Angers % Sesgo 0,71% -0,0004% 0,17% -0,22% -0,11%
155
Tabla 4l’. Puntajes asignados a desempeño de las simulaciones para población 12 de K=4
categorías.
Parámetro Poblacional P1=9,18% P2=12,83% P3=15,09% P4=19,99% P5=42,98%

Método Total
Estimador promedio 2 3 6 4 4 19
Sesgo 2 3 1 4 4 14
Tortora
Total 7 7 11 10 10 45
Estimador promedio 3,5 5 3,5 6 2,5 20,5
Sesgo 3 5 5 6 2 21
Bromaghin
Total 7,5 14 11,5 15 7,5 55,5
Estimador promedio 5,5 1 2 1,5 5,5 15,5
Sesgo 5 1 6 1 5 18
Fitzpatrick & Scott
Total 16,5 5 9 6,5 15,5 52,5
Sesgo 4 4 3 2 3 16
Thompson
Total 9,5 11 9 8,5 9,5 47,5
Estimador promedio 5,5 2 3,5 4 5,5 20,5
Sesgo 6 2 4 5 6 23
Cochran
Total 16,5 9 9,5 10 12,5 57,5
Sesgo 1 6 2 3 1 13
Angers
Total 6 17 13 13 8 57
156
Tabla 4m. Evaluación de desempeño de las simulaciones para población 13 de K=5
categorías.
Parámetro P1 P2 P3 P4 P5
Método Poblacional 9,17% 12,83% 15,09% 13,03% 49,88%
Sesgo 0,000268 -0,000106 0,000036 -0,000022 -0,000176
Tortora % Sesgo 0,29% -0,08% 0,02% -0,02% -0,04%
Sesgo 0,000083 -0,000397 0,000571 0,000136 -0,000393
Bromaghin % Sesgo 0,09% -0,31% 0,38% 0,10% -0,08%
Sesgo Estandarizado 9,95 -41,20 49,45 12,27 -30,11
Sesgo -0,000013 0,000362 -0,000059 0,000539 -0,000829
Fitzpatrick & Scott % Sesgo -0,01% 0,28% -0,04% 0,41% -0,17%
Sesgo -0,000006 0,000387 -0,000055 0,000587 -0,000913
Thompson % Sesgo -0,01% 0,30% -0,04% 0,45% -0,18%
Sesgo -0,000080 -0,000887 0,000942 0,000081 -0,000056
Cochran % Sesgo -0,09% -0,69% 0,62% 0,06% -0,01%
Sesgo Estandarizado -5,42 -51,13 46,29 4,43 -2,30
Sesgo 0,000213 -0,000084 -0,000031 0,000250 -0,000347
Angers % Sesgo 0,23% -0,07% -0,02% 0,19% -0,07%
Sesgo Estandarizado 22,05 -5,89 -2,36 17,55 -22,88
157
Tabla 4m’. Puntajes asignados a desempeño de las simulaciones para población 13 de
K=4 categorías.
Parámetro
Método Poblacional P1=9,17% P2=12,83% P3=15,09% P4=13,03% P5=49,88% Total
Estimador promedio 1 5,5 6 6 5 23,5
Sesgo 1 5 5 6 5 22
Tortora
Total 6 13,5 13 14 14 60,5
Sesgo 3 2 2 4 3 14
Bromaghin
Total 9,5 8 10 11,5 7,5 46,5
Estimador promedio 5,5 2,5 4 2 1,5 15,5
Sesgo 5 4 3 2 2 16
Fitzpatrick & Scott
Total 15,5 11,5 8 9 8,5 52,5
Estimador promedio 5,5 2,5 4 1 1,5 14,5
Sesgo 6 3 4 1 1 15
Thompson
Total 17,5 11,5 11 6 8,5 54,5
Estimador promedio 3,5 1 1 4,5 6 16
Sesgo 4 1 1 5 6 17
Cochran
Total 9,5 3 7 10,5 15 45
Estimador promedio 2 5,5 4 3 3,5 18
Sesgo 2 6 6 3 4 21
Angers
Total 5 15,5 14 12 9,5 56
158
Tabla 4n. Evaluación de desempeño de las simulaciones para población 14 de K=5
categorías.
Sesgo -0,000019 -0,000161 -0,000271 0,000465 -0,000015
Tortora % Sesgo -0,06% -0,18% -0,11% 0,23% -0,003%
Sesgo Estandarizado -2,03 -12,37 -15,59 27,71 -0,70
Sesgo 0,000044 0,000530 -0,000097 -0,000619 0,000142
Bromaghin % Sesgo 0,14% 0,60% -0,04% -0,31% 0,03%
Sesgo Estandarizado 5,67 37,41 -4,96 -37,69 7,46
Sesgo -0,000063 0,000572 -0,000376 -0,000488 0,000355
Fitzpatrick & Scott % Sesgo -0,20% 0,65% -0,15% -0,24% 0,08%
Sesgo Estandarizado -6,37 39,27 -19,77 -25,14 14,08
Sesgo -0,000057 0,000601 -0,000332 -0,000507 0,000296
Thompson % Sesgo -0,18% 0,68% -0,13% -0,25% 0,07%
Sesgo Estandarizado -5,83 41,73 -17,82 -25,72 11,73
Sesgo 0,000174 -0,000617 0,000596 -0,000488 0,000335
Cochran % Sesgo 0,55% -0,70% 0,24% -0,24% 0,08%
Sesgo 0,000041 -0,000356 0,000001 0,000100 0,000214
Angers % Sesgo 0,13% -0,40% 0,0006% 0,05% 0,05%
Sesgo Estandarizado 3,97 -20,16 0,05 5,42 6,98
159
Tabla 4n’. Puntajes asignados a desempeño de las simulaciones para población 14 de
K=4 categorías.
Parámetro
Estimador promedio 3 6,0 4 3,5 6 22,5
Sesgo 6 6 4 5 6 27
Tortora
Total 14 14 12 12,5 14 66,5
Estimador promedio 5,5 3,5 5 1 5 20
Sesgo 4 4 5 1 5 19
Bromaghin
Total 13,5 13,5 15 3 11 56
Estimador promedio 3 3,5 2,5 3,5 1 13,5
Sesgo 2 3 2 3,5 1 11,5
Fitzpatrick & Scott
Total 6 10,5 6,5 9 7 39
Estimador promedio 3 2 2,5 3,5 2,5 13,5
Sesgo 3 2 3 2 3 13
Thompson
Total 8 7 6,5 11,5 9,5 42,5
Estimador promedio 1 1 1 3,5 2,5 9
Sesgo 1 1 1 3,5 2 8,5
Cochran
Total 8 3 5 12 7,5 35,5
Estimador promedio 5,5 5 6 6 4 26,5
Sesgo 5 5 6 6 4 26
Angers
Total 13,5 15 18 15 12 73,5
160
Tabla 4o. Evaluación de desempeño de las simulaciones para población 15 de K=5
categorías.
Sesgo 0,000423 -0,000917 0,000711 -0,000498 0,000280
Tortora % Sesgo 0,21% -0,46% 0,36% -0,25% 0,14%
Sesgo 0,000443 -0,000877 0,000760 -0,000462 0,000136
Bromaghin % Sesgo 0,22% -0,44% 0,38% -0,23% 0,07%
Sesgo 0,000238 -0,001195 0,000807 -0,000337 0,000486
Fitzpatrick & Scott % Sesgo 0,12% -0,60% 0,40% -0,17% 0,24%
Sesgo 0,000266 -0,001201 0,000782 -0,000307 0,000460
Thompson % Sesgo 0,13% -0,60% 0,39% -0,15% 0,23%
Sesgo -0,000016 -0,001153 0,000630 -0,000240 0,000779
Cochran % Sesgo -0,01% -0,58% 0,32% -0,12% 0,39%
Sesgo Estandarizado -0,58 -42,72 19,12 -8,87 26,73
Sesgo 0,000715 -0,000754 0,000518 -0,000573 0,000094
Angers % Sesgo 0,36% -0,38% 0,26% -0,29% 0,05%
161
Tabla 4o’. Puntajes asignados a desempeño de las simulaciones para población 15 de
K=4 categorías.
Parámetro
Estimador promedio 2,5 4,5 3,5 2,5 4 17
Sesgo 3 4 3 2 4 16
Tortora
Total 9,5 13,5 7,5 5,5 11 47
Estimador promedio 2,5 4,5 3,5 2,5 5 18
Sesgo 2 5 4 3 5 19
Bromaghin
Total 9,5 13,5 10,5 8,5 11 53
Sesgo 5 2 1 4 2 14
Fitzpatrick & Scott
Total 12 6 7,5 13,5 10 49
Sesgo 4 1 2 5 3 15
Thompson
Total 9 4 7,5 13,5 9,5 43,5
Sesgo 6 3 5 6 1 21
Cochran
Total 18 8 16 18 8 68
Sesgo 1 6 6 1 6 20
Angers
Total 5 18 14 4 14 55
162
Tabla 4p. Evaluación de desempeño de las simulaciones para población 16 de K=6
categorías.
Parámetro P1 P2 P3 P4 P5 P6
Método Poblacional 4,02% 12,97% 23,03% 17,00% 22,00% 20,98%
Criterio p1 p2 p3 p4 p5 p6
Estimador promedio 4,02% 12,96% 22,99% 17,04% 22,04% 20,96%
Sesgo 0,000013 -0,000122 -0,000397 0,000407 0,000376 -0,000277
Tortora % Sesgo 0,03% -0,09% -0,17% 0,24% 0,17% -0,13%
Sesgo Estandarizado 2,78 -16,71 -38,67 57,26 44,98 -30,53
Error Cuadratico Medio 330236,8 332978,0 306920,5 482952,6 386004,7 341192,2
Sesgo -0,000051 0,000006 -0,000314 0,000235 0,000424 -0,000301
Bromaghin % Sesgo -0,13% 0,005% -0,14% 0,14% 0,19% -0,14%
Sesgo Estandarizado -11,33 0,87 -29,87 32,05 50,30 -32,26
Sesgo -0,000115 0,000811 -0,000774 -0,000277 0,000890 -0,000535
Fitzpatrick & Scott % Sesgo -0,29% 0,63% -0,34% -0,16% 0,40% -0,25%
Sesgo Estandarizado -11,19 58,24 -39,07 -14,17 47,24 -26,34
Sesgo -0,000113 0,000846 -0,000733 -0,000295 0,000871 -0,000575
Thompson % Sesgo -0,28% 0,65% -0,32% -0,17% 0,40% -0,27%
Sesgo Estandarizado -11,14 59,10 -36,56 -15,33 47,08 -28,09
Sesgo 0,000568 -0,000488 -0,000049 -0,000691 0,000093 0,000566
Cochran % Sesgo 1,41% -0,38% -0,02% -0,41% 0,04% 0,27%
Sesgo Estandarizado 44,80 -17,58 -1,66 -29,75 2,94 20,47
Sesgo 0,000073 0,000343 -0,000158 -0,000209 0,000036 -0,000085
Angers % Sesgo 0,18% 0,26% -0,07% -0,12% 0,02% -0,04%
Sesgo Estandarizado 12,13 34,42 -13,18 -21,68 2,84 -7,83
163
Tabla 4p’. Puntajes asignados a desempeño de las simulaciones para población 16 de K=5 categorías.
Parámetro
Método Poblacional P1=4,02% P2=12,97% P3=23,03% P4=17,00% P5=22,00% P6=20,98% Total
Estimador promedio 5,5 5 3 2 3,5 5 24
Sesgo 6 5 3 2 4 5 25
Tortora
Error Cuadratico Medio 4 4 4 1 2 3 18
Total 15,5 14 10 5 9,5 13 67
Estimador promedio 5,5 6 4 6 3,5 4 29
Sesgo 5 6 4 5 3 4 27
Bromaghin
Total 11,5 15 14 15 7,5 13 76
Estimador promedio 3 1,5 1 4 1 2,5 13
Sesgo 2 2 1 4 1 3 13
Fitzpatrick & Scott
Total 11 5,5 7 14 6 9,5 53
Sesgo 3 1 2 3 2 1 12
Thompson
Total 11 3,5 7 12 9 9,5 52
Estimador promedio 1 3 6 1 5 1 17
Sesgo 1 3 6 1 5 2 18
Cochran
Total 4 12 14 4 16 5 55
Sesgo 1 4 5 6 6 6 28
Angers
Total 7 13 11 13 15 13 72
164
Tabla 4q. Evaluación de desempeño de las simulaciones para
población 17 de K=6 categorías.
Sesgo 0,000055 0,000212 0,000003 0,000164 -0,000717 0,000284
Tortora % Sesgo 0,06% 0,13% 0,001% 0,08% -0,36% 0,19%
Sesgo Estandarizado 6,98 19,88 0,26 14,78 -73,06 29,02
Sesgo 0,000367 -0,000633 0,000219 -0,000163 0,000090 0,000121
Bromaghin % Sesgo 0,41% -0,39% 0,11% -0,08% 0,04% 0,08%
Sesgo Estandarizado 48,32 -65,00 18,48 -13,79 7,18 12,70
Sesgo 0,000564 -0,000302 0,000615 0,000001 -0,000581 -0,000297
Fitzpatrick & Scott % Sesgo 0,63% -0,19% 0,31% 0,0003% -0,29% -0,20%
Sesgo Estandarizado 45,09 -20,00 27,97 0,04 -27,73 -18,17
Sesgo 0,000228 0,000153 0,000232 -0,000500 0,000208 -0,000320
Thompson % Sesgo 0,25% 0,10% 0,12% -0,25% 0,10% -0,21%
Sesgo Estandarizado 16,89 8,57 12,00 -26,77 11,61 -18,92
Sesgo 0,000428 0,000718 -0,000928 0,000533 0,000297 -0,001048
Cochran % Sesgo 0,48% 0,45% -0,46% 0,27% 0,15% -0,70%
Sesgo Estandarizado 17,73 30,40 -25,85 23,52 10,05 -39,99
Sesgo 0,000113 -0,000477 0,000426 0,000247 -0,000494 0,000186
Angers % Sesgo 0,13% -0,30% 0,21% 0,12% -0,25% 0,12%
Sesgo Estandarizado 9,61 -38,04 23,77 15,45 -36,02 15,36
165
Tabla 4q’. Puntajes asignados a desempeño de las simulaciones para población 17 de K=5 categorías.
Parámetro
Sesgo 6 5 6 4 1 4 26
Tortora
Total 16 14 13 13 3 10 69
Estimador promedio 3 1,5 4,5 3,5 6 6 24,5
Sesgo 3 2 5 5 6 6 27
Bromaghin
Total 8 5,5 12,5 13,5 17 16 72,5
Estimador promedio 1 4 2 6 2 3,0 18
Sesgo 1 4 2 6 2 3 18
Fitzpatrick & Scott
Total 5 9 8 14 10 8 54
Estimador promedio 4 6 4,5 1,5 5 3,0 24
Sesgo 4 6 4 2 5 2 23
Thompson
Total 9 15 10,5 6,5 13 10 64
Estimador promedio 2 1,5 1 1,5 4 1 11
Sesgo 2 1 1 1 4 1 10
Cochran
Total 10 8,5 8 3,5 12 8 50
Estimador promedio 5 3 3 3,5 3 5 22,5
Sesgo 5 3 3 3 3 5 22
Angers
Total 15 11 11 12,5 8 11 68,5
166
Tabla 4r. Evaluación de desempeño de las simulaciones para población
18 de K=6 categorías.
Sesgo 0,000195 -0,000184 -0,000289 0,000140 -0,000012 0,000149
Tortora % Sesgo 0,19% -0,18% -0,06% 0,14% -0,01% 0,15%
Sesgo Estandarizado 25,75 -21,34 -22,45 20,10 -1,65 15,75
Sesgo -0,000122 0,000131 -0,000552 -0,000252 0,000328 0,000466
Bromaghin % Sesgo -0,12% 0,13% -0,11% -0,25% 0,33% 0,47%
Sesgo Estandarizado -13,22 16,72 -44,69 -24,45 41,93 44,14
Sesgo 0,000795 0,000025 -0,001062 0,000372 -0,000365 0,000235
Fitzpatrick & Scott % Sesgo 0,79% 0,03% -0,21% 0,37% -0,36% 0,24%
Sesgo Estandarizado 55,04 1,84 -50,85 24,09 -25,43 17,10
Sesgo -0,000441 -0,000272 -0,000199 0,000379 0,000247 0,000284
Thompson % Sesgo -0,44% -0,27% -0,04% 0,38% 0,25% 0,29%
Sesgo Estandarizado -32,81 -18,20 -8,96 27,52 20,38 21,02
Sesgo 0,000179 -0,000208 0,000241 0,000177 -0,000034 -0,000355
Cochran % Sesgo 0,18% -0,21% 0,05% 0,18% -0,03% -0,36%
Sesgo Estandarizado 11,60 -12,72 9,06 9,53 -2,22 -22,77
Sesgo 0,000287 -0,000230 -0,000232 0,000082 -0,000030 0,000122
Angers % Sesgo 0,28% -0,23% -0,05% 0,08% -0,03% 0,12%
Sesgo Estandarizado 34,67 -23,80 -16,53 10,57 -4,03 12,34
167
Tabla 4r’. Puntajes asignados a desempeño de las simulaciones para población 18 de K=5 categorías.
Parámetro
Estimador promedio 4,5 4 3,5 4 6 5,5 27,5
Sesgo 4 4 3 5 6 5 27
Tortora
Total 9,5 12 10,5 10 16 14,5 72,5
Sesgo 6 5 2 3 2 1 19
Bromaghin
Total 18 11 6 13 9 8 65
Sesgo 1 6 1 2 1 4 15
Fitzpatrick & Scott
Total 5 15 5 8,5 8 9 50,5
Estimador promedio 2 2 5,5 1,5 3 3 17
Sesgo 2 1 6 1 3 3 16
Thompson
Total 6 9 12,5 4,5 7 7 46
Estimador promedio 4,5 2 3,5 4 4,5 3 21,5
Sesgo 5 3 4 4 4 2 22
Cochran
Total 13,5 7 12,5 12 11,5 8 64,5
Estimador promedio 3 2 5,5 6 4,5 5,5 26,5
Sesgo 3 2 5 6 5 6 27
Angers
Total 11 9 16,5 15 11,5 16,5 79,5
168
Tabla 4s. Evaluación de desempeño de las simulaciones para población
Sesgo 0,000469 -0,000452 0,000317 -0,000288 0,000212 -0,000259
Tortora % Sesgo 1,18% -0,35% 0,14% -0,17% 0,10% -0,12%
Sesgo Estandarizado 63,19 -33,68 20,06 -17,32 11,79 -17,81
Sesgo 0,000379 0,000139 -0,000065 -0,000188 -0,000531 0,000266
Bromaghin % Sesgo 0,95% 0,11% -0,03% -0,11% -0,24% 0,13%
Sesgo Estandarizado 50,95 10,38 -3,69 -11,51 -28,43 16,97
Sesgo 0,000308 0,000314 0,000253 -0,000639 -0,000661 0,000425
Fitzpatrick & Scott % Sesgo 0,77% 0,24% 0,11% -0,38% -0,30% 0,20%
Sesgo Estandarizado 30,08 20,73 14,26 -38,88 -29,67 22,05
Sesgo 0,000498 -0,000621 0,000592 -0,000350 -0,000012 -0,000108
Thompson % Sesgo 1,25% -0,48% 0,26% -0,21% -0,01% -0,05%
Sesgo Estandarizado 52,66 -42,17 29,00 -20,99 -0,58 -5,26
Sesgo -0,000396 -0,000063 0,000186 0,000420 -0,000078 -0,000069
Cochran % Sesgo -0,99% -0,05% 0,08% 0,25% -0,04% -0,03%
Sesgo Estandarizado -37,48 -4,01 8,92 18,57 -2,92 -2,94
Sesgo -0,000372 -0,001052 0,000948 0,000183 -0,000694 0,000986
Angers % Sesgo -0,93% -0,81% 0,41% 0,11% -0,31% 0,47%
Sesgo Estandarizado -34,11 -60,51 40,19 7,66 -33,94 48,75
169
Tabla 4s’. Puntajes asignados a desempeño de las simulaciones para población 19 de K=5 categorías.
Parámetro
Estimador promedio 1,5 3 3 4 4 4 19,5
Sesgo 2 3 3 4 4 4 20
Tortora
Total 5,5 10 9 12 11 9 56,5
Estimador promedio 4 5,5 6 5,5 3 3 27
Sesgo 4 5 6 5 3 3 26
Bromaghin
Total 11 12,5 16 15,5 12 8 75
Estimador promedio 6 4 4 1 1,5 2 18,5
Sesgo 6 4 4 1 2 2 19
Fitzpatrick & Scott
Total 18 11 9 3 7,5 10 58,5
Estimador promedio 1,5 2 2 2,5 5,5 5 18,5
Sesgo 1 2 2 3 6 5 19
Thompson
Total 3,5 10 9 7,5 12,5 15 58
Estimador promedio 4 5,5 5 2,5 5,5 6 28,5
Sesgo 3 6 5 2 5 6 27
Cochran
Total 11 12,5 12 7,5 15,5 15 73,5
Estimador promedio 4 1 1 5,5 1,5 1,0 14
Sesgo 5 1 1 6 1 1 15
Angers
Total 14 7 8 17,5 4,5 6 57
170
Tabla 4t. Evaluación de desempeño de las simulaciones para población
P1 P2 P3 P4 P5 P6
Método 16,66% 16,74% 16,61% 16,67% 16,65% 16,67%
Sesgo -0,000296 0,000316 -0,000231 0,000258 0,000064 -0,000111
Tortora % Sesgo -0,18% 0,19% -0,14% 0,15% 0,04% -0,07%
Sesgo Estandarizado -18,53 17,43 -13,05 16,67 3,48 -6,57
Sesgo -0,000281 0,000212 -0,000079 0,000282 -0,000071 -0,000064
Bromaghin % Sesgo -0,17% 0,13% -0,05% 0,17% -0,04% -0,04%
Sesgo Estandarizado -17,81 11,80 -4,51 17,88 -3,90 -3,83
Sesgo -0,000808 0,000356 0,000075 0,000733 -0,000098 -0,000258
Fitzpatrick & Scott % Sesgo -0,48% 0,21% 0,05% 0,44% -0,06% -0,15%
Sesgo Estandarizado -41,44 20,87 4,44 38,61 -4,92 -13,35
Sesgo 0,000205 0,000386 0,001192 -0,001263 0,000080 -0,000599
Thompson % Sesgo 0,12% 0,23% 0,72% -0,76% 0,05% -0,36%
Sesgo Estandarizado 12,01 22,21 68,00 -63,30 4,67 -34,71
Sesgo 0,000199 -0,000185 0,001222 -0,001713 0,000753 -0,000276
Cochran % Sesgo 0,12% -0,11% 0,74% -1,03% 0,45% -0,17%
Sesgo Estandarizado 8,79 -6,19 54,40 -58,86 24,01 -8,73
Sesgo 0,000742 0,000032 -0,000556 0,000056 0,000486 -0,000761
Angers % Sesgo 0,45% 0,02% -0,33% 0,03% 0,29% -0,46%
Sesgo Estandarizado 43,52 1,48 -38,38 3,55 29,49 -51,15
171
Tabla 4t’. Puntajes asignados a desempeño de las simulaciones para población 20 de K=6 categorías.
Método P1=16,66% P2=16,74% P3=16,61% P4=16,67% P5=16,65% P6=16,67% Total
Sesgo 3 3 4 5 6 5 26
Tortora
Total 10 10,5 14 11,5 17,5 15 78,5
Sesgo 4 4 5 4 5 6 28
Bromaghin
Total 13 12,5 15 11,5 12,5 16 80,5
Estimador promedio 1,5 2,5 6 3 3,5 3,5 20
Sesgo 1 2 6 3 3 4 19
Fitzpatrick & Scott
Total 7,5 5,5 16 10 9,5 10,5 59
Estimador promedio 3 1 2 2 5,5 2 15,5
Sesgo 5 1 2 2 4 2 16
Thompson
Total 11 4 7 10 10,5 6 48,5
Sesgo 6 5 1 1 1 3 17
Cochran
Total 12 12,5 3 7 7 12,5 54
Sesgo 2 6 3 6 2 1 20
Angers
Total 10 17 8 11,5 6 3 54,5
172
Tabla 4u. Evaluación de desempeño de las simulaciones para
P1 P2 P3 P4 P5 P6 P7
Método 3,99% 15,99% 14,94% 15,01% 15,00% 25,07% 9,99%
Criterio p1 p2 p3 p4 p5 p6 p7
Estimador promedio 3,98% 15,98% 14,95% 15,00% 15,03% 25,05% 10,00%
Sesgo -0,000088 -0,000019 0,000054 -0,000044 0,000261 -0,000188 0,000024
Tortora % Sesgo -0,22% -0,01% 0,04% -0,03% 0,17% -0,07% 0,02%
Sesgo Estandarizado -21,41 -2,40 7,81 -5,03 36,00 -25,16 3,68
Error Cuadratico Medio 393219,5 355805,0 399154,5 270846,6 387322,1 525243,6 338357,5
Sesgo 0,000042 0,000296 -0,000086 -0,000155 -0,000264 0,000162 0,000005
Bromaghin % Sesgo 0,10% 0,19% -0,06% -0,10% -0,18% 0,06% 0,01%
Sesgo Estandarizado 10,06 38,40 -14,12 -20,29 -37,50 19,87 1,02
Sesgo 0,000045 -0,000702 -0,000080 0,000571 0,000233 -0,000114 0,000048
Fitzpatrick & Scott % Sesgo 0,11% -0,44% -0,05% 0,38% 0,16% -0,05% 0,05%
Sesgo Estandarizado 4,32 -42,20 -4,80 35,17 13,23 -5,55 3,54
Sesgo -0,000092 0,000824 -0,000277 -0,000492 -0,000415 0,000301 0,000150
Thompson % Sesgo -0,23% 0,52% -0,19% -0,33% -0,28% 0,12% 0,15%
Sesgo Estandarizado -8,46 49,92 -15,25 -26,19 -23,64 14,56 11,16
Sesgo -0,000025 0,000770 0,000024 -0,001028 -0,000937 0,000413 0,000782
Cochran % Sesgo -0,06% 0,48% 0,02% -0,69% -0,62% 0,16% 0,78%
Sesgo Estandarizado -1,57 34,42 1,07 -39,01 -35,78 16,72 41,77
Sesgo 0,000021 0,000247 0,000087 0,000118 0,000009 -0,000461 -0,000021
Angers % Sesgo 0,05% 0,15% 0,06% 0,08% 0,01% -0,18% -0,02%
Sesgo Estandarizado 4,05 27,41 7,41 12,07 0,66 -40,43 -2,57
173
Tabla 4u’. Puntajes asignados a desempeño de las simulaciones para población 21 de K=7 categorías.
Método P1=3,99% P2=15,99% P3=14,94% P4=15,01% P5=15,00% P6=25,07% P7=9,99% Total
Estimador promedio 5 6 4 5,5 3,5 4,5 3,5 32
Sesgo 2 6 2 6 4 4 4 28
Tortora
Error Cuadratico Medio 2 6 3 6 3 1 5 26
Total 9 18 9 17,5 10,5 9,5 12,5 86
Estimador promedio 2 4 4 4 5 4,5 3,5 27
Sesgo 4 4 4 4 3 5 6 30
Bromaghin
Total 11 13 9 12 9 11,5 12,5 78
Estimador promedio 2 2,5 4 2 3,5 6 5 25
Sesgo 3 2 3 2 5 6 3 24
Fitzpatrick & Scott
Total 6 7,5 11 5 12,5 18 9 69
Estimador promedio 2 1 1 3 2 3 2 14
Sesgo 1 1 6 3 2 3 2 18
Thompson
Total 6 3 12 9 6 11 6 53
Estimador promedio 5 2,5 4 1 1 1,5 1 16
Sesgo 5 3 1 1 1 2 1 14
Cochran
Total 16 9,5 7 7 7 6,5 8 61
Estimador promedio 5 5 4 5,5 6 1,5 6 33
Sesgo 6 5 5 5 6 1 5 33
Angers
Total 15 12 15 12,5 18 6,5 15 94
174
Tabla 4v. Evaluación de desempeño de las simulaciones para
P1 P2 P3 P4 P5 P6 P7
Método 9,97% 13,98% 15,98% 19,99% 15,01% 13,06% 12,00%
Sesgo -0,000312 -0,000067 -0,000168 0,000145 0,000215 -0,000115 0,000303
Tortora % Sesgo -0,31% -0,05% -0,10% 0,07% 0,14% -0,09% 0,25%
Sesgo Estandarizado -40,47 -5,67 -18,06 15,40 22,09 -14,22 36,84
Sesgo -0,000058 -0,000250 -0,000168 0,000074 0,000032 0,000355 0,000014
Bromaghin % Sesgo -0,06% -0,18% -0,10% 0,04% 0,02% 0,27% 0,01%
Sesgo Estandarizado -6,48 -29,55 -16,79 6,49 3,62 41,30 1,49
Sesgo 0,000784 -0,000230 -0,000127 0,000802 -0,000385 -0,000403 -0,000441
Fitzpatrick & Scott % Sesgo 0,79% -0,16% -0,08% 0,40% -0,26% -0,31% -0,37%
Sesgo Estandarizado 60,92 -14,35 -8,35 36,26 -19,79 -21,33 -28,47
Sesgo 0,000741 -0,000230 -0,000068 0,000781 -0,000391 -0,000368 -0,000465
Thompson % Sesgo 0,74% -0,16% -0,04% 0,39% -0,26% -0,28% -0,39%
Sesgo Estandarizado 58,30 -14,03 -4,17 35,87 -20,02 -20,07 -31,08
Sesgo 0,000514 0,000062 0,000525 0,000220 -0,000171 -0,000852 -0,000299
Cochran % Sesgo 0,52% 0,04% 0,33% 0,11% -0,11% -0,65% -0,25%
Sesgo Estandarizado 24,46 2,60 24,65 7,20 -6,93 -32,98 -13,32
Sesgo 0,000182 -0,000516 0,000203 0,001055 -0,000221 -0,000275 -0,000428
Angers % Sesgo 0,18% -0,37% 0,13% 0,53% -0,15% -0,21% -0,36%
Sesgo Estandarizado 18,94 -51,80 15,39 74,40 -18,53 -23,79 -40,20
175
Tabla 4v’. Puntajes asignados a desempeño de las simulaciones para población 22 de K=7 categorías.
Estimador promedio 4 6 4 4,5 4 6 4,5 33
Sesgo 4 5 3,5 5 3 6 4 30,5
Tortora
Total 13 17 11,5 10,5 11 13 9,5 85,5
Estimador promedio 6 3 4 6 6 2,5 6,0 33,5
Sesgo 6 2 3,5 6 6 4 6 33,5
Bromaghin
Total 18 8 12,5 15 13 8,5 15 90
Estimador promedio 1,5 3 4 2,5 1,5 2,5 2,5 18
Sesgo 1 3,5 5 2 2 2 2 17,5
Fitzpatrick & Scott
Total 4,5 8,5 10 9,5 8,5 10,5 8,5 60
Estimador promedio 1,5 3 6 2,5 1,5 4 1 19,5
Sesgo 2 3,5 6 3 1 3 1 19,5
Thompson
Total 4,5 10,5 14 11,5 8,5 11 8 68
Estimador promedio 3 5 1 4,5 4 1 4,5 23
Sesgo 3 6 6 4 5 1 5 30
Cochran
Total 9 16 10 12,5 12 7 11,5 78
Estimador promedio 5 1 2 1 4 5 2,5 20,5
Sesgo 5 1 5 1 4 5 3 24
Angers
Total 14 3 13 4 10 13 10,5 67,5
176
Tabla 4w. Evaluación de desempeño de las simulaciones para
P1 P2 P3 P4 P5 P6 P7
Método 4,04% 14,00% 49,98% 11,97% 9,99% 4,98% 5,03%
Sesgo -0,000096 0,000080 -0,000099 0,000010 -0,000022 0,000049 0,000078
Tortora % Sesgo -0,24% 0,06% -0,02% 0,01% -0,02% 0,10% 0,16%
Sesgo Estandarizado -0,24 0,06 -0,02 0,01 -0,02 0,10 0,16
Sesgo 0,000119 0,000295 -0,000548 0,000074 0,000016 0,000015 0,000031
Bromaghin % Sesgo 0,29% 0,21% -0,11% 0,06% 0,02% 0,03% 0,06%
Sesgo Estandarizado 30,66 45,48 -61,10 13,06 2,37 3,09 8,34
Sesgo 0,000077 -0,000727 0,000825 -0,000856 -0,000055 0,000323 0,000414
Fitzpatrick & Scott % Sesgo 0,19% -0,52% 0,16% -0,71% -0,06% 0,65% 0,82%
Sesgo Estandarizado 6,72 -46,98 33,81 -45,41 -3,71 31,70 33,18
Sesgo 0,000081 -0,000711 0,000762 -0,000877 -0,000029 0,000342 0,000433
Thompson % Sesgo 0,20% -0,51% 0,15% -0,73% -0,03% 0,69% 0,86%
Sesgo -0,000225 -0,000664 0,000533 -0,000653 0,000199 0,000418 0,000392
Cochran % Sesgo -0,56% -0,47% 0,11% -0,55% 0,20% 0,84% 0,78%
Sesgo Estandarizado -20,09 -35,85 19,53 -31,37 12,31 34,50 25,71
Sesgo -0,000064 -0,000591 0,000782 0,0000003 0,000046 -0,000046 -0,000121
Angers % Sesgo -0,16% -0,42% 0,16% 0,003% -0,05% -0,24% 0,07%
Sesgo Estandarizado -15,83 -75,86 55,69 0,42 -6,87 -23,10 7,14
177
Tabla 4w’. Puntajes asignados a desempeño de las simulaciones para población 23 de K=7 categorías.
Estimador promedio 4 6 6 6 5,5 4,5 5 37
Sesgo 3 6 6 5 5 4 5 34
Tortora
Total 9 14 17 13 11,5 10,5 12 87
Estimador promedio 4 5 4 5 5,5 6 5 34,5
Sesgo 2 5 4 4 6 6 6 33
Bromaghin
Total 12 15 9 10 17,5 18 12 93,5
Estimador promedio 4 1,5 2 1,5 3 2,5 2,5 17
Sesgo 5 1 1 2 2 3 3 17
Fitzpatrick & Scott
Total 12 3,5 7 7,5 7 8,5 9,5 55
Estimador promedio 4 2 2 1,5 3 3 1 15,5
Sesgo 4 2 3 1 4 2 2 18
Thompson
Total 13 7 8 8,5 11 6 8 60,5
Estimador promedio 1 3,5 5 3,5 1 1 2,5 17,5
Sesgo 1 3 5 3 1 1 4 18
Cochran
Total 6 10,5 12 11,5 5 6 12,5 63,5
Estimador promedio 4 3,5 2 3,5 3 4,5 5 25,5
Sesgo 6 4 2 6 3 5 1 27
Angers
Total 11 13,5 10 12,5 11 14,5 9 81,5
178
Tabla 4x. Evaluación de desempeño de las simulaciones para
P1 P2 P3 P4 P5 P6 P7
Método 3,99% 16,00% 14,97% 15,03% 15,04% 24,98% 9,99%
Sesgo 0,000533 0,000000 0,000087 -0,000786 0,000112 -0,000286 0,000340
Tortora % Sesgo 1,33% 0,0001% 0,06% -0,52% 0,07% -0,11% 0,34%
Sesgo Estandarizado 73,00 0,02 7,11 -45,88 8,66 -16,90 29,85
Sesgo 0,000068 0,000022 -0,000334 -0,000062 0,000097 -0,000135 0,000342
Bromaghin % Sesgo 0,17% 0,01% -0,22% -0,04% 0,06% -0,05% 0,34%
Sesgo Estandarizado 7,98 1,48 -24,51 -3,55 6,92 -6,35 22,05
Sesgo 0,000514 -0,000182 0,000349 -0,000508 -0,000203 -0,000173 0,000203
Fitzpatrick & Scott % Sesgo 1,29% -0,11% 0,23% -0,34% -0,14% -0,07% 0,20%
Sesgo Estandarizado 57,55 -10,65 20,51 -30,78 -13,34 -7,46 14,22
Sesgo 0,000319 -0,000064 0,000808 -0,000269 -0,001032 0,000173 0,000066
Thompson % Sesgo 0,80% -0,04% 0,54% -0,18% -0,69% 0,07% 0,07%
Sesgo 0,000169 -0,000266 0,000745 -0,000610 -0,000465 0,000285 0,000143
Cochran % Sesgo 0,42% -0,17% 0,50% -0,41% -0,31% 0,11% 0,14%
Sesgo 0,000197 -0,000326 0,000782 -0,000608 -0,000418 0,000297 0,000076
Angers % Sesgo 0,49% -0,20% 0,52% -0,40% -0,28% 0,12% 0,08%
179
Tabla 4x’. Puntajes asignados a desempeño de las simulaciones para población 24 de K=7 categorías.
Estimador promedio 1,5 5,5 6 1,5 5,5 2 1,5 23,5
Sesgo 1 6 6 1 5 2 2 23
Tortora
Total 4,5 12,5 13 8,5 13,5 6 7,5 65,5
Estimador promedio 6 5,5 5 1,5 5,5 6 1,5 31
Sesgo 6 5 5 6 6 6 1 35,0
Bromaghin
Error Cuadratico Medio 5 4 4 5 4 6 6 34,0
Total 17 14,5 14 12,5 15,5 18 9 100
Estimador promedio 1,5 3 4 5 4 4,5 3 25
Sesgo 2 3 4 4 4 4,5 3 24,5
Fitzpatrick & Scott
Total 4,5 9 13 12 10 14 9 71,5
Estimador promedio 3 4 2 6 1 4,5 5,5 26
Sesgo 3 4 1 5 1 4,5 6 24,5
Thompson
Total 12 10 6 15 3 13 13,5 72,5
Estimador promedio 4,5 2 2 3,5 2 2 4 20
Sesgo 5 2 3 2 2 3 4 21
Cochran
Total 12,5 10 11 6,5 10 8 13 71
Estimador promedio 4,5 1 2 3,5 3 2 5,5 21,5
Sesgo 4 1 2 3 3 1 5 19
Angers
Total 12,5 7 6 8,5 11 4 11,5 60,5
180
Tabla 4y. Evaluación de desempeño de las simulaciones para
P1 P2 P3 P4 P5 P6 P7
Método 14,31% 14,29% 14,24% 14,32% 14,28% 14,26% 14,29%
Sesgo 0,000961 -0,000030 -0,000115 -0,000362 -0,000035 -0,000182 -0,000236
Tortora % Sesgo 0,67% -0,02% -0,08% -0,25% -0,02% -0,13% -0,17%
Sesgo Estandarizado 83,66 -2,62 -9,95 -28,82 -3,11 -13,38 -20,23
Sesgo 0,000178 0,000193 -0,000331 0,000194 0,000031 -0,000834 0,000569
Bromaghin % Sesgo 0,12% 0,13% -0,23% 0,14% 0,02% -0,58% 0,40%
Sesgo Estandarizado 13,67 14,08 -28,08 14,92 2,47 -81,34 48,82
Sesgo 0,000906 -0,000647 -0,000186 -0,000453 0,000875 -0,000103 -0,000392
Fitzpatrick & Scott % Sesgo 0,63% -0,45% -0,13% -0,32% 0,61% -0,07% -0,27%
Sesgo Estandarizado 51,13 -38,02 -8,24 -26,30 48,19 -6,07 -24,57
Sesgo -0,000760 0,000039 0,000532 0,000079 0,000341 0,000100 -0,000331
Thompson % Sesgo -0,53% 0,03% 0,37% 0,06% 0,24% 0,07% -0,23%
Sesgo Estandarizado -40,86 2,47 28,85 5,41 19,94 5,81 -20,60
Sesgo 0,000661 -0,000438 0,000225 0,000331 0,000029 0,000106 -0,000915
Cochran % Sesgo 0,46% -0,31% 0,16% 0,23% 0,02% 0,07% -0,64%
Sesgo Estandarizado 19,68 -17,10 7,78 9,82 1,26 3,67 -31,42
Sesgo 0,000912 0,000027 -0,000165 -0,000409 0,000093 -0,000161 -0,000296
Angers % Sesgo 0,64% 0,02% -0,12% -0,29% 0,06% -0,11% -0,21%
Sesgo Estandarizado 76,83 2,30 -14,55 -32,09 7,20 -12,40 -26,10
181
Tabla 4y’. Puntajes asignados a desempeño de las simulaciones para población 25 de K=7 categorías
Estimador promedio 1 6 6 2,5 5 4,5 4,5 29,5
Sesgo 1 5 6 3 4 2 6 27
Tortora
Total 3 12 15 8,5 11 11,5 12,5 73,5
Estimador promedio 6 3 2 5 5 1 2 24
Sesgo 6 3 2 5 5 1 2 24
Bromaghin
Total 15 12 6 12 14 3 9 71
Estimador promedio 2 1,5 4 1 1 4,5 3 17
Sesgo 3 1 4 1 1 5 3 18
Fitzpatrick & Scott
Total 9 7,5 14 6 8 15,5 9 69
Estimador promedio 3 4,5 1 6 2 4,5 4,5 25,5
Sesgo 4 4 1 6 2 6 4 27
Thompson
Total 12 11 7 13 7 12,5 12,5 74,5
Estimador promedio 4,5 1,5 4 4 5 2 1 22
Sesgo 5 2 3 4 6 4 1 25
Cochran
Total 15,5 7,5 11 14 12 10 8 78
Estimador promedio 4,5 4,5 4 2,5 3 4,5 4,5 27,5
Sesgo 2 6 5 2 3 3 5 26
Angers
Total 8,5 13,5 10 6,5 11 10,5 10,5 70,5
182
Tabla 5a. Prevalencias estimadas según métodos para k=3 categorías.
Metodo Estimación Tamaño Muestral

Parámetro Estimador
Población
Poblacional Promedio Tortora Bromaghin F & Scott Thompson Cochran Angers
P1=3,17% p1 3,17% 3,18% 3,17% 3,16% 3,15% 3,17%
Población 1 <5% P2=53,86% p2 53,88% 53,82% 53,84% 53,84% 54,00% 53,81%
P3=42,97% p3 42,94% 42,99% 42,99% 42,99% 42,86% 43,02%
P1=8,98% p1 9,05% 8,99% 9,01% 9,00% 9,09% 9,03%
Población 2 < 10 % P2=40,01% p2 40,00% 40,00% 40,01% 40,01% 40,02% 40,00%
P3=51,01% p3 50,96% 51,00% 50,99% 50,99% 50,90% 50,98%
P1=24,98% p1 24,96% 25,03% 25,02% 25,05% 24,99% 25,03%
Población 3 50% (1 categoria) P2=50,03% p2 50,05% 50,04% 50,05% 50,04% 50,05% 50,05%
P3=24,99% p3 24,99% 24,92% 24,92% 24,91% 24,96% 24,93%
P1=3,14% p1 3,09% 3,11% 3,11% 3,11% 3,16% 3,11%
Población 4 libre distribución P2=53,83% p2 53,89% 53,90% 53,91% 53,93% 53,81% 53,91%
P3=43,03% p3 43,01% 42,99% 42,98% 42,95% 43,04% 42,98%
P1=33,34% p1 33,32% 33,25% 33,25% 33,25% 33,33% 33,25%
Población 5 equiprobabilidad P2=33,37% p2 33,37% 33,49% 33,48% 33,39% 33,51% 33,48%
P3=33,29% p3 33,31% 33,25% 33,27% 33,36% 33,16% 33,27%
183
Tabla 5b. Prevalencias estimadas según métodos para k=4 categorías.

Población
P1=3,16% p1 3,17% 3,17% 3,15% 3,16% 3,19% 3,17%
P2=13,83% p2 13,84% 13,84% 13,91% 13,81% 13,84% 13,89%
Población 6 <5%
P3=40,03% p3 39,99% 39,99% 39,92% 40,03% 40,06% 39,97%
P4=42,98% p4 43,00% 42,99% 43,02% 43,00% 42,91% 42,96%
P1=9,17% p1 9,17% 9,17% 9,17% 9,16% 9,22% 9,19%
P2=15,87% p2 15,84% 15,84% 15,88% 15,87% 15,91% 15,86%
Población 7 < 10 %
P3=40,03% p3 40,09% 40,08% 40,09% 40,07% 40,07% 40,06%
P4=34,93% p4 34,90% 34,90% 34,86% 34,90% 34,80% 34,90%
P1=10,02% p1 9,97% 10,05% 10,05% 10,05% 10,00% 9,99%
P2=15,01% p2 14,99% 15,03% 14,98% 14,97% 15,01% 15,05%
Población 8 50% (1 categoria)
P3=50,01% p3 50,05% 50,02% 49,96% 49,96% 50,06% 50,02%
P4=24,95% p4 24,99% 24,89% 25,02% 25,01% 24,93% 24,94%
P1=3,13% p1 3,16% 3,17% 3,15% 3,17% 3,13% 3,16%
P2=13,85% p2 13,87% 13,82% 13,89% 13,80% 13,82% 13,87%
Población 9 libre distribución
P3=40,02% p3 40,01% 40,05% 39,98% 40,05% 40,03% 40,00%
P4=43,00% p4 42,97% 42,96% 42,97% 42,99% 43,02% 42,97%
P1=24,98% p1 25,05% 25,04% 25,02% 24,90% 25,02% 24,94%
P2=25,03% p2 25,00% 25,00% 25,00% 25,07% 24,98% 25,02%
Población 10 equiprobabilidad
P3=25,00% p3 25,03% 25,03% 25,05% 25,09% 24,97% 24,98%
P4=24,99% p4 24,92% 24,92% 24,92% 24,94% 25,03% 25,06%
184
Tabla 5c. Prevalencias estimadas según métodos para k=5 categorías.

Población
P1=3,13% p1 3,10% 3,14% 3,15% 3,09% 3,08% 3,12%
P2=8,89% p2 8,91% 8,89% 8,85% 8,90% 8,90% 8,88%
Población 11 <5% P3=25,02% p3 25,02% 25,05% 25,05% 25,03% 25,01% 24,99%
P4=19,98% p4 20,02% 19,98% 19,96% 20,00% 20,04% 19,98%
P5=42,97% p5 42,95% 42,94% 42,98% 42,99% 42,97% 43,02%
P1=9,18% p1 9,23% 9,22% 9,16% 9,22% 9,16% 9,24%
P2=12,81% p2 12,79% 12,81% 12,75% 12,81% 12,78% 12,81%
Población 12 < 10 % P3=15,04% p3 15,08% 15,05% 15,05% 15,02% 15,06% 15,07%
P4=19,99% p4 19,95% 19,96% 20,04% 19,94% 20,03% 19,95%
P5=42,98% p5 42,96% 42,95% 42,99% 43,01% 42,97% 42,93%
P1=9,17% p1 9,20% 9,18% 9,17% 9,17% 9,16% 9,19%
P2=12,83% p2 12,82% 12,80% 12,87% 12,87% 12,74% 12,82%
P4=13,03% p4 13,03% 13,04% 13,08% 13,09% 13,04% 13,06%
P5=49,88% p5 49,86% 49,84% 49,79% 49,79% 49,87% 49,84%
P1=3,16% p1 3,15% 3,16% 3,15% 3,15% 3,17% 3,16%
P2=8,87% p2 8,85% 8,92% 8,92% 8,93% 8,80% 8,83%
P4=19,99% p4 20,04% 19,93% 19,94% 19,94% 19,94% 20,00%
P5=42,98% p5 42,98% 42,99% 43,02% 43,01% 43,01% 43,00%
P1=20,02% p1 20,06% 20,06% 20,04% 20,05% 20,02% 20,09%
P2=20,04% p2 19,95% 19,95% 19,92% 19,92% 19,92% 19,96%
P4=19,96% p4 19,91% 19,91% 19,93% 19,93% 19,94% 19,90%
P5=19,97% p5 20,00% 19,99% 20,02% 20,02% 20,05% 19,98%
185
Tabla 5d. Prevalencias estimadas según métodos para k=6 categorías.

Población
P1=4,02% p1 4,02% 4,02% 4,01% 4,01% 4,08% 4,03%
P2=12,97% p2 12,96% 12,97% 13,05% 13,05% 12,92% 13,00%
P3=23,03% p3 22,99% 23,00% 22,95% 22,96% 23,03% 23,02%
Población 16 <5%
P4=17,00% p4 17,04% 17,02% 16,97% 16,97% 16,93% 16,97%
P5=22,00% p5 22,04% 22,04% 22,09% 22,08% 22,01% 22,00%
P6=20,98% p6 20,96% 20,95% 20,93% 20,93% 21,04% 20,97%
P1=8,99% p1 9,00% 9,03% 9,05% 9,02% 9,04% 9,01%
P2=16,04% p2 16,06% 15,97% 16,01% 16,05% 16,11% 15,99%
P3=20,05% p3 20,05% 20,07% 20,11% 20,07% 19,96% 20,09%
Población 17 < 10 %
P4=20,02% p4 20,03% 20,00% 20,02% 19,97% 20,07% 20,04%
P5=19,91% p5 19,84% 19,92% 19,85% 19,93% 19,94% 19,86%
P6=14,99% p6 15,02% 15,00% 14,96% 14,96% 14,89% 15,01%
P1=10,06% p1 10,08% 10,05% 10,14% 10,01% 10,08% 10,09%
P2=9,96% p2 9,94% 9,97% 9,96% 9,93% 9,93% 9,93%
P3=50,04% p3 50,01% 49,99% 49,94% 50,02% 50,07% 50,02%
Población 18 50% (1 categoria)
P4=9,98% p4 10,00% 9,95% 10,02% 10,02% 10,00% 9,99%
P5=10,01% p5 10,01% 10,04% 9,97% 10,03% 10,00% 10,00%
P6=9,95% p6 9,97% 9,99% 9,98% 9,98% 9,92% 9,97%
P1=3,99% p1 4,04% 4,03% 4,02% 4,04% 3,95% 3,95%
P2=12,99% p2 12,94% 13,00% 13,02% 12,93% 12,98% 12,88%
P3=22,99% p3 23,03% 22,99% 23,02% 23,05% 23,01% 23,09%
Población 19 libre distribución
P4=17,03% p4 17,00% 17,01% 16,96% 16,99% 17,07% 17,05%
P5=22,05% p5 22,07% 21,99% 21,98% 22,04% 22,04% 21,98%
P6=20,95% p6 20,93% 20,98% 20,99% 20,94% 20,95% 21,05%
P1=16,66% p1 16,64% 16,63% 16,58% 16,69% 16,68% 16,74%
P2=16,74% p2 16,77% 16,75% 16,77% 16,78% 16,72% 16,74%
P3=16,61% p3 16,58% 16,60% 16,61% 16,73% 16,73% 16,55%
Población 20 equiprobabilidad
P4=16,67% p4 16,70% 16,70% 16,75% 16,55% 16,50% 16,68%
P5=16,65% p5 16,65% 16,64% 16,64% 16,65% 16,72% 16,69%
P6=16,67% p6 16,66% 16,67% 16,65% 16,61% 16,65% 16,60%
186
Tabla 5e. Prevalencias estimadas según métodos para k=7 categorías

Población
P1=3,99% p1 3,98% 3,99% 4,00% 3,98% 3,99% 3,99%
P2=15,99% p2 15,98% 16,02% 15,92% 16,07% 16,06% 16,01%
P3=14,94% p3 14,95% 14,93% 14,93% 14,92% 14,95% 14,95%
Población 21 <5% P4=15,01% p4 15,00% 14,99% 15,07% 14,96% 14,91% 15,02%
P5=15,00% p5 15,03% 14,98% 15,03% 14,96% 14,91% 15,00%
P6=25,07% p6 25,05% 25,09% 25,06% 25,10% 25,11% 25,03%
P7=9,99% p7 10,00% 9,99% 10,00% 10,01% 10,07% 9,99%
P1=9,97% p1 9,94% 9,97% 10,05% 10,05% 10,02% 9,99%
P2=13,98% p2 13,97% 13,96% 13,96% 13,96% 13,99% 13,93%
P3=15,98% p3 15,97% 15,97% 15,97% 15,98% 16,04% 16,00%
Población 22 < 10 % P4=19,99% p4 20,01% 19,99% 20,07% 20,07% 20,01% 20,10%
P5=15,01% p5 15,03% 15,01% 14,97% 14,97% 14,99% 14,99%
P6=13,06% p6 13,05% 13,10% 13,02% 13,03% 12,98% 13,04%
P7=12,00% p7 12,03% 12,00% 11,96% 11,95% 11,97% 11,96%
P1=4,04% p1 4,03% 4,05% 4,05% 4,05% 4,02% 4,03%
P2=14,00% p2 14,01% 14,03% 13,93% 13,93% 13,94% 13,94%
P3=49,98% p3 49,97% 49,92% 50,06% 50,06% 50,03% 50,06%
P5=9,99% p5 9,99% 9,99% 9,98% 9,98% 10,01% 9,98%
P6=4,98% p6 4,99% 4,98% 5,02% 5,02% 5,03% 4,97%
P7=5,03% p7 5,04% 5,03% 5,07% 5,08% 5,07% 5,04%
P1=3,99% p1 4,04% 4,04% 4,04% 4,02% 4,01% 4,01%
P2=16,00% p2 16,00% 16,00% 15,98% 15,99% 15,97% 15,96%
P3=14,97% p3 14,98% 14,98% 15,01% 15,05% 15,05% 15,05%
P5=15,04% p5 15,05% 15,06% 15,02% 14,93% 14,99% 15,00%
P6=24,98% p6 24,95% 24,95% 24,96% 25,00% 25,01% 25,01%
P7=9,99% p7 10,02% 10,01% 10,01% 9,99% 10,00% 9,99%
P1=14,31% p1 14,41% 14,33% 14,40% 14,23% 14,38% 14,40%
P2=14,29% p2 14,29% 14,31% 14,23% 14,30% 14,25% 14,30%
P3=14,24% p3 14,23% 14,21% 14,22% 14,29% 14,26% 14,22%
P5=14,28% p5 14,28% 14,28% 14,37% 14,32% 14,28% 14,29%
P6=14,26% p6 14,25% 14,18% 14,25% 14,27% 14,28% 14,25%
P7=14,29% p7 14,27% 14,35% 14,25% 14,26% 14,20% 14,26%
187
8.3 Anexo 3 (Manuscrito 3)
Figura 1. Histogramas de para el índice de Shannon promedio en la

población 1 para los seis métodos evaluados.
Tortora Bromaghin Fitzpatrick & Scott

Población 1 Población 1 Población 1
,1
,1
,1
,08
,06
f(H)
f(H)
f(H)
,05
,05
,04
,02
0
0
,76 ,78 ,8 ,82 ,84 ,76 ,78 ,8 ,82 ,84 ,75 ,8 ,85 ,9
H H H
Thompson Cochran Angers

,08
,1
,1
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
,75 ,8 ,85 ,9 ,7 ,75 ,8 ,85 ,9 ,76 ,78 ,8 ,82 ,84

H H H
188

,1
,1
,08
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
0
,88 ,9 ,92 ,94 ,96 ,88 ,9 ,92 ,94 ,96 ,85 ,9 ,95 1
H H H

,15
,1
,1
,08
,08
,1
,06
,06
f(H)
f(H)
f(H)
,04
,04
,05
,02
,02
0
0
,85 ,9 ,95 1 ,8 ,85 ,9 ,95 1 ,85 ,9 ,95 1
H H H
189

,15
,1
,1
,08
,1
,06
f(H)
f(H)
f(H)
,05
,04
,05
,02
0
0
,98 1 1,02 1,04 1,06 1,08 ,98 1 1,02 1,04 1,06 1,08 ,98 1 1,02 1,04 1,06 1,08
H H H

,1
,1
,1
,08
,08
,06
f(H)
f(H)
f(H)
,06
,05
,04
,04
,02
,02
0
,98 1 1,02 1,04 1,06 1,08 ,95 1 1,05 1,1 ,95 1 1,05 1,1
H H H
190

,1
,1
,1
,08
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
0
,7 ,75 ,8 ,85 ,9 ,7 ,75 ,8 ,85 ,9 ,7 ,75 ,8 ,85 ,9
H H H

,1
,1
,1
,08
,08
,06
,06
f(H)
f(H)
f(H)
,05
,04
,04
,02
,02
0
,7 ,75 ,8 ,85 ,9 ,7 ,75 ,8 ,85 ,9 ,7 ,75 ,8 ,85 ,9

H H H
191

,25
,2
,2
,2
,15
,15
,15
f(H)
f(H)
f(H)
,1
,1
,1
,05
,05
,05
0
0
1,08 1,085 1,09 1,095 1,1 1,085 1,09 1,095 1,1 1,085 1,09 1,095 1,1
H
H H

,4
,2
,2
,15
,3
,15
f(H)
f(H)
f(H)
,2
,1
,1
,05
,05
,1
0
1,085 1,09 1,095 1,1 1,06 1,07 1,08 1,09 1,1 1,085 1,09 1,095 1,1
H H H
192

,1
,08
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
0
1,08 1,1 1,12 1,14 1,16 1,08 1,1 1,12 1,14 1,16 1,05 1,1 1,15 1,2
H H H

,08
,1
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
1 1,05 1,1 1,15 1,2 1 1,05 1,1 1,15 1,2 1,06 1,08 1,1 1,12 1,14 1,16
H H H
193

,1
,1
,1
,08
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
0
1,2 1,22 1,24 1,26 1,28 1,2 1,22 1,24 1,26 1,28 1,15 1,2 1,25 1,3
H H H

,15
,1
,1
,08
,1
,06
f(H)
f(H)
f(H)
,05
,04
,05
,02
0
1,15 1,2 1,25 1,3 1,1 1,15 1,2 1,25 1,3 1,15 1,2 1,25 1,3
H
H H
194

,08
,1
,1
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
0
1,16 1,18 1,2 1,22 1,24 1,15 1,2 1,25 1,1 1,15 1,2 1,25 1,3
H H H
Thompson Cochran Cochran

,15
,1
,1
,08
,08
,1
,06
,06
f(H)
f(H)
f(H)
,04
,04
,05
,02
,02
0
1,1 1,15 1,2 1,25 1,3 1,1 1,15 1,2 1,25 1,3 1,1 1,15 1,2 1,25 1,3
H H H
195

,1
,1
,1
,08
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
0
1,05 1,1 1,15 1,2 1,05 1,1 1,15 1,2 1 1,05 1,1 1,15 1,2
H H H

,1
,1
,1
,08
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
1 1,05 1,1 1,15 1,2 1 1,05 1,1 1,15 1,2 1 1,05 1,1 1,15 1,2
H H H
196

,15
,15
,15
,1
,1
,1
f(H)
f(H)
f(H)
,05
,05
,05
0
0
1,37 1,375 1,38 1,385 1,37 1,375 1,38 1,385 1,37 1,375 1,38 1,385
H H H

,25
,15
,2
,2
,15
,1
,15
f(H)
f(H)
f(H)
,1
,1
,05
,05
,05
0
1,365 1,37 1,375 1,38 1,385 1,34 1,35 1,36 1,37 1,38 1,39 1,382 1,383 1,384 1,385 1,386
H H H
197

,1
,1
,08
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
0
1,3 1,32 1,34 1,36 1,38 1,4 1,32 1,34 1,36 1,38 1,4 1,25 1,3 1,35 1,4 1,45
H H H

,1
,1
,08
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
1,25 1,3 1,35 1,4 1,45 1,25 1,3 1,35 1,4 1,45 1,3 1,32 1,34 1,36 1,38 1,4
H H H
198

,1
,1
,08
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
0
1,4 1,42 1,44 1,46 1,48 1,5 1,4 1,42 1,44 1,46 1,48 1,5 1,35 1,4 1,45 1,5 1,55
H H H

,1
,1
,1
,08
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
1,35 1,4 1,45 1,5 1,35 1,4 1,45 1,5 1,55 1,4 1,42 1,44 1,46 1,48 1,5
H
H H
199

,1
,08
,1
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
0
1,3 1,35 1,4 1,45 1,3 1,35 1,4 1,45 1,25 1,3 1,35 1,4 1,45
H H H

,08
,08
,1
,06
,06
f(H)
f(H)
f(H)
,04
,04
,05
,02
,02
0
1,25 1,3 1,35 1,4 1,45 1,25 1,3 1,35 1,4 1,45 1,3 1,35 1,4 1,45
H H H
200

,1
,1
,1
,08
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
0
1,25 1,3 1,35 1,4 1,45 1,25 1,3 1,35 1,4 1,45 1,25 1,3 1,35 1,4 1,45
H H H

,15
,1
,1
,08
,08
,1
,06
,06
f(H)
f(H)
f(H)
,04
,04
,05
,02
,02
0
1,25 1,3 1,35 1,4 1,45 1,25 1,3 1,35 1,4 1,45 1,25 1,3 1,35 1,4 1,45
H H H
201

,15
,15
,15
,1
,1
,1
f(H)
f(H)
f(H)
,05
,05
,05
0
0
1,585 1,59 1,595 1,6 1,605 1,61 1,585 1,59 1,595 1,6 1,605 1,61 1,59 1,595 1,6 1,605 1,61
H H H

,15
,15
,15
,1
,1
,1
f(H)
f(H)
f(H)
,05
,05
,05
0
1,59 1,595 1,6 1,605 1,61 1,56 1,57 1,58 1,59 1,6 1,61 1,585 1,59 1,595 1,6 1,605 1,61
H H H
202

,1
,1
,1
,08
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
0
1,67 1,68 1,69 1,7 1,71 1,67 1,68 1,69 1,7 1,71 1,6 1,65 1,7 1,75
H H H

,08
,1
,1
,08
,06
,08
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
1,6 1,65 1,7 1,75 1,6 1,65 1,7 1,75 1,66 1,68 1,7 1,72
H H H
203

,1
,1
,08
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
0
1,74 1,75 1,76 1,77 1,78 1,74 1,75 1,76 1,77 1,78 1,72 1,74 1,76 1,78
H H H

,1
,08
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
1,72 1,74 1,76 1,78 1,7 1,72 1,74 1,76 1,78 1,73 1,74 1,75 1,76 1,77 1,78
H H H
204

,1
,1
,08
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
0
1,4 1,45 1,5 1,55 1,4 1,45 1,5 1,55 1,4 1,45 1,5 1,55 1,6
H H H

,1
,1
,1
,08
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
1,35 1,4 1,45 1,5 1,55 1,6 1,35 1,4 1,45 1,5 1,55 1,6 1,4 1,45 1,5 1,55
H H H
205

,1
,1
,1
,08
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
0
1,64 1,66 1,68 1,7 1,72 1,64 1,66 1,68 1,7 1,72 1,64 1,66 1,68 1,7 1,72 1,74
H H H

,1
,1
,1
,08
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
1,64 1,66 1,68 1,7 1,72 1,74 1,6 1,65 1,7 1,75 1,6 1,65 1,7 1,75
H H H
206
Tortora Bromaghin Fitzpatrick & scott

,15
,15
,1
,08
,1
,1
,06
f(H)
f(H)
f(H)
,04
,05
,05
,02
0
0
1,775 1,78 1,785 1,79 1,795 1,775 1,78 1,785 1,79 1,795 1,77 1,775 1,78 1,785 1,79
H H H

,15
,1
,1
,08
,1
,06
f(H)
f(H)
f(H)
,05
,04
,05
,02
0
1,77 1,775 1,78 1,785 1,79 1,75 1,76 1,77 1,78 1,79 1,775 1,78 1,785 1,79 1,795
H H H
207

,1
,08
,1
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
0
1,83 1,84 1,85 1,86 1,87 1,83 1,84 1,85 1,86 1,87 1,78 1,8 1,82 1,84 1,86 1,88
H H H

,1
,08
,1
,08
,06
,06
f(H)
f(H)
f(H)
,04
,05
,04
,02
,02
0
1,75 1,8 1,85 1,9 1,75 1,8 1,85 1,9 1,82 1,84 1,86 1,88
H H H
208

,08
,1
,1
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
0
1,91 1,92 1,93 1,94 1,9 1,91 1,92 1,93 1,94 1,88 1,9 1,92 1,94
H H H

,1
,1
,1
,08
,08
,06
,06
f(H)
f(H)
f(H)
,05
,04
,04
,02
,02
0
1,88 1,9 1,92 1,94 1,84 1,86 1,88 1,9 1,92 1,94 1,89 1,9 1,91 1,92 1,93 1,94
H H H
209

,1
,1
,08
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
0
1,5 1,55 1,6 1,48 1,5 1,52 1,54 1,56 1,58 1,4 1,45 1,5 1,55 1,6 1,65
H H H

,1
,08
,1
,08
,06
,06
f(H)
f(H)
f(H)
,04
,05
,04
,02
,02
0
1,4 1,45 1,5 1,55 1,6 1,65 1,3 1,4 1,5 1,6 1,7 1,45 1,5 1,55 1,6
H H H
210

,1
,1
,1
,08
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
0
1,8 1,82 1,84 1,86 1,88 1,78 1,8 1,82 1,84 1,86 1,88 1,75 1,8 1,85 1,9
H H H

,1
,1
,1
,08
,08
,08
,06
,06
,06
f(H)
f(H)
f(H)
,04
,04
,04
,02
,02
,02
0
1,75 1,8 1,85 1,9 1,75 1,8 1,85 1,9 1,75 1,8 1,85 1,9
H H H
211

,15
,15
,15
,1
,1
,1
f(H)
f(H)
f(H)
,05
,05
,05
0
0
1,935 1,94 1,945 1,93 1,935 1,94 1,945 1,92 1,925 1,93 1,935 1,94 1,945
H H H

,15
,15
,1
,08
,1
,1
,06
f(H)
f(H)
f(H)
,04
,05
,05
,02
0
1,925 1,93 1,935 1,94 1,945 1,88 1,9 1,92 1,94 1,935 1,94 1,945
H H
H
212

Variable Binomial PDF

Cargado por

Copyright:

Formatos disponibles

Variable Binomial PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Variable Binomial PDF

Cargado por

Copyright:

Formatos disponibles

Facultad de Medicina

Departamento de Pediatría, Obstetricia y Ginecología,

Aportes metodológicos en la estimación de

Tesis doctoral presentada por Sergio Alvarado Orellana

Director: Dr. Albert Navarro i Giné

Cerdanyola del Vallès, Barcelona, Junio de 2014

Departamento de Pediatría, Obstetricia y Ginecología,

Programa de Doctorado en Pediatría, Obstetricia y Ginecología,

Aportes metodológicos en la estimación de

Tesis doctoral presentada por Sergio Alvarado Orellana

Director: Dr. Albert Navarro i Giné

Cerdanyola del Vallès, Barcelona, Junio de 2014

Vayan mis agradecimientos al Dr. Albert Navarro por su apoyo constante y

1.1 El muestreo estadístico .................................................................... 2

1.2 Algunas definiciones de importancia en muestreo............................ 4

1.3 Tipos de muestreo estadístico .......................................................... 6

1.3.1 Muestreo Aleatorio simple (MAS) ................................................... 7

1.3.2 Muestreo Aleatorio Sistemático (MASI) ........................................ 8

1.3.3 Muestreo por Conglomerados (MC) ................................................ 8

1.3.4 Muestreo Estratificado (MAE) .......................................................10

1.4 El efecto diseño ...............................................................................15

1.5 Diseños complejos (muestreo en varias etapas o multietapico).......16

1.6 El tamaño de muestra ....................................................................17

1.7 El rol de la ley de los grandes números en el muestreo ..................20

1.8 El muestreo para poblaciones binomiales .......................................22

1.8.1 La distribución binomial ................................................................22

1.8.2 Intervalos de confianza para la proporción.....................................25

1.8.3 El uso de la máxima varianza o máxima indeterminación .............26

1.9 El muestreo para poblaciones multinomiales ..................................32

1.9.1 La distribución multinomial ...........................................................32

1.9.2 Intervalos de confianza simultáneos para la distribución

1.9.3 El muestreo para poblaciones multinomiales ..................................35

2.1 Propuestas metodológicas en la estimación de tamaños

de muestra para variables categóricas ............................................36

2.1.1 Angers (1974 y 1979) .......................................................................36

2.1.2 Cochran (1977) ................................................................................41

2.1.3 Tortora (1978) .................................................................................42

2.1.4 Thompson (1987) ............................................................................46

2.1.5 Bromaghin (1993) ............................................................................48

2.1.6 Fitzpatrick & Scott (1987) .............................................................51

2 .2 Método de construcción de poblaciones simuladas

y criterios de selección de muestras .................................................54

2.2.1 Construcción de poblaciones............................................................54

2.2.2 Simulación de variables de tipo multinomial ..................................55

2.2.3 Método para evaluar el desempeño de las estimaciones

por muestreo ....................................................................................56

2.3 Índice de entropía de Shannon.........................................................58

2.3.1 Índice de Shannon promedio para las simulaciones .........................61

3. Planteamiento del problema, hipótesis y objetivos

3.1 Hipótesis .........................................................................................62

3.2.1 Objetivo General ............................................................................63

3.2.2 Objetivos específicos ........................................................................63

4.1 Manuscrito 1 ...............................................................................64

4.1.1 Resumen ..........................................................................................64

4.1.2 Introducción ....................................................................................65

4.1.3 Discusión .........................................................................................73

4.1.4 Conclusiones ....................................................................................74

4.1.5 Bibliografía ......................................................................................75

4.2 Manuscrito 2 ...............................................................................76