Muestreo y distribuciones muestrales

Los diseños no probabilísticos: cuándo son la única opción, qué permiten afirmar y cómo se declaran sin fingir que son otra cosa.

borrador

La distribución de los valores que tomaría la media si repitiéramos el muestreo: el concepto que hace posible toda la inferencia estadística.

borrador

El mismo razonamiento de la media aplicado a porcentajes: cómo varía una proporción de muestra en muestra y cuándo se puede usar la normal.

borrador

Cuánto varía un estimador de muestra en muestra: el número que convierte una estimación puntual en un resultado con incertidumbre declarada.

borrador

Dos números que se parecen en el nombre y miden cosas distintas: qué describe cada uno, cuándo va cada uno, y cómo detectar el error en un gráfico.

borrador

La lista desde la cual se sortea la muestra: por qué casi nunca coincide con la población y qué sesgos introduce esa diferencia.

borrador

El diseño de referencia: todas las muestras posibles tienen la misma probabilidad. Cómo se hace, cuándo conviene y por qué casi nunca se usa en encuestas grandes.

borrador

Dividir la población en grupos homogéneos y sortear dentro de cada uno: el diseño que gana precisión y garantiza representación de los grupos chicos.

borrador

Sortear grupos enteros en lugar de individuos: el diseño que hace viables las encuestas de campo, y el precio que se paga en precisión.

borrador

La división que decide si se puede generalizar: qué significa que cada unidad tenga probabilidad conocida de ser elegida, y qué se pierde cuando no la tiene.

borrador

Un arranque al azar y después cada k-ésima unidad: el diseño más práctico en campo, y el único riesgo real que tiene.

borrador

Las razones para observar una parte en vez del todo, y por qué una muestra bien elegida puede ser más precisa que un censo mal hecho.

borrador

Por qué la distribución de la media se vuelve normal aunque la población no lo sea: el resultado que sostiene casi toda la estadística aplicada.

borrador

Cómo se reparte el tamaño de muestra entre los estratos, qué gana cada criterio y por qué la afijación no proporcional obliga a ponderar.

borrador

Cuando la muestra es una parte grande de la población, el error real es menor: cuándo aplicar el factor de corrección y cuánto cambia.

borrador

Por qué la media muestral se acerca a la poblacional cuando crece n, en qué se diferencia del teorema central del límite y qué falacia populariza su nombre.

borrador

Combinar varios diseños en etapas sucesivas: cómo funciona el esquema que usan todas las encuestas nacionales y qué implica para el análisis.

borrador

Quiénes no contestan y por qué eso importa más que cuántos: los dos tipos de no respuesta y cómo se corrigen.

borrador

Cuánto se aparta el error real de un diseño complejo del que daría un muestreo aleatorio simple, y cómo se usa ese número para calcular el tamaño de muestra.

borrador

Por qué cada caso de una encuesta representa a una cantidad distinta de personas, cómo se usa ese número y qué pasa si se lo ignora.

borrador