Libros y ensayos

URI permanente para esta colecciónhttp://54.81.141.168/handle/123456789/124153

Explorar

collection.search.results.head

Mostrando 1 - 2 de 2
  • Miniatura
    ÍtemDesconocido
    Notas de Técnicas de Muestreo
    (PUCP. Departamento Académico de Ciencias, 2021-10-26) Valdivieso Serrano, Luis
    La gran mayoría de las investigaciones trabajan con datos, los cuales se obtienen al observar una o más variables en una población o muestra. Si bien una muestra es cualquier subconjunto de la población, conclusiones válidas sobre esta última podrán solo garantizarse de ser la muestra probabilística, es decir, en las que cada unidad seleccionada tenga una probabilidad conocida de ser tomada. Este texto, en su segunda edición corregida y aumentada, introduce las principales técnicas para seleccionar y analizar este tipo de muestras sobre poblaciones finitas. La finitud es aquí relevante, pues hace que el desarrollo de estas técnicas se oriente más por un enfoque basado en el diseño. En él, la aleatoriedad de los resultados es producto del proceso de selección de la muestra y no de la consideración de que la o las variables de interés provengan de un hipotético modelo poblacional como se acostumbra asumir en la inferencia clásica. Aparte de las técnicas o esquemas de muestreo básicos como el del muestreo aleatorio simple, el muestreo estratificado y el de conglomerados, el texto introduce algunos tópicos de muestreo complejo. Este, que en la práctica es el esquema más utilizado, se origina cuando debido a las restricciones presupuestales y logísticas o a la configuración y tamaño de la población, se hace necesario el restringir o combinar dos o más esquemas básicos ya sea que las selecciones se hagan con igual probabilidad o no. Parte central y transversal del desarrollo del texto será el uso del software libre R, con principalmente los paquetes survey y sampling. El texto incluye también varios ejercicios propuestos y soluciones o sugerencias a todos los problemas pares. Muchos de los ejemplos desarrollados en el texto y de los ejercicios planteados se basan en datos reales locales o foráneos de dominio público.
  • Miniatura
    ÍtemAcceso Abierto
    Notas de Técnicas de Muestreo
    (Ponticia Universidad Católica del Perú. Departamento de Ciencias, 2020-12-24) Valdivieso Serrano, Luis
    La gran mayoría de las investigaciones trabajan con datos, los cuales pueden obtenerse a través de la observación de una o más variables en una población o muestra. Si bien una muestra puede ser cualquier conjunto de una población, conclusiones válidas sobre esta última solo podrán garantizarse de ser la muestra probabilística, es decir, en las que cada unidad seleccionada tenga una probabilidad conocida de ser tomada. Este texto introduce las principales técnicas para seleccionar y analizar este tipo de muestras cuando la población es finita. La finitud es aquí relevante, pues hace que el desarrollo de estas técnicas se oriente más por un enfoque basado en el diseño. En él, la aleatoriedad de los resultados es producto del proceso de selección de la muestra y no de la consideración de que la o las variables de interés provienen de un hipotético modelo poblacional como se acostumbra asumir en la inferencia clásica. Aparte de las técnicas o esquemas de muestreo básicos como el del muestreo aleatorio simple, el muestreo estratificado y el de conglomerados, el texto introduce algunos tópicos de muestreo complejo. Este, que en la práctica es el esquema más utilizado, se origina cuando debido a las restricciones presupuestales y logísticas o la configuración y tamaño de la población se hace necesario el restringir o combinar dos o más esquemas básicos ya sea que las selecciones se hagan con igual probabilidad o no. Parte central y transversal del desarrollo del texto será el uso del software libre R, con principalmente los paquetes survey y sampling. El texto incluye también varios ejercicios propuestos y soluciones o sugerencias a todos los problemas pares. Muchos de los ejemplos desarrollados en el texto y de los ejercicios planteados se basan en datos reales locales o foráneos de dominio público.