modulo 3

EXPERIMENTOS Y MUESTREOS

EXPERIMENTACION

1) El lenguaje de los experimentos; grupo control, grupo experimental, variable dependiente, variable independiente.

La experimentación se sustenta en la posibilidad de mantener bajo su dominio a la variable cuyo efecto se está estudiando. En particular interesa en este tipo de estudios verificar relaciones entre una variable que causa (variable independiente o de tratamiento) un cierto efecto sobre otra (variable dependiente).

En diversos diseños de investigación se organización dos grupos que serán comparados a los fines de medir el efecto de la variable dependiente o de respuesta:

 Grupo experimental: conjunto de individuos a los cuales se les aplicara el o los tratamientos.

 Grupo de control: conjunto de individuos en los cuales se realizaran mediciones a fin de constituirse una referencia de comparación, ya que no se les aplicara el tratamiento.

La principal ventaja de este método es que permite comprobar hipótesis acerca de causalidad de una o más variables sobre otra. Además, este método favorece al control frente a explicaciones alternativas del fenómeno y facilita el análisis de situaciones en las que se desarrolle interacción grupal de individuos.

Otro aspecto positivo es la posibilidad de replicar el experimento en condiciones similares y aun en diferentes momentos de tiempo.

Entre las desventajas de la experimentación, surgen en primer lugar los problemas derivados de la exigencia de validez externa.

En general, es muy complejo, debido a la necesidad de colaboración de los individuos, poder trabajar con muestras realmente representativas.

2) El diseño experimental

El estudio de causalidad exige, tan como señala Cea Dáncona, comprobar tres criterios proporcionados por el filósofo, historiador y economista escocés Davis Hume (1711-1776):

 Contigüidad entre causa y efecto.

 Precedencia temporal de la causa al efecto.  Conjunción permanente de la causa y efecto,

El investigador debe decidir entre una variedad de diseños experimentales. Una clasificación útil, propuesta por los autores Campbell y Stanley:

Los diseños intersujetos, los experimentos factoriales, permiten el análisis del efecto de más de una variable independiente sobre la dependiente, cada una de las cuales se considera en distintos niveles o valores posibles. Estos factores determinan la complejidad y tamaño de la muestra.

Los experimentos intrasujetos consisten en aplicar a un mismo grupo de individuos, en momentos sucesivos, distintos niveles del tratamiento, con la intención de apreciar los cambios sucesivos en la variable de respuesta. La limitación más evidente se asocia con el desgranamiento de la muestra y con los sesgos provocados por la participación reiterada en el experimento.

3) La lógica del control de variables

Para establecer el control a priori, es decir, antes de la captura de datos, se consideran:

 Manipulación experimental: el investigador diseña una estrategia que le permite someter a prueba la relación causal que le resulta de interés entre una variable dependiente y otra y otras independiente/s.  Control del investigador

 Aleatorización: este procedimiento consiste en que los individuos seas asignados al azar. Si los individuos tienen características diferentes, es posible que la explicación del experimento no sea correcto, ya que el efecto se deba más a las características de ellos que a la variable manipulada.

En el caso de los diseños vinculados con la comparación del nivel de tratamiento en varios grupos experimentales, también es necesario que la asignación a los diferentes grupos se realice con procedimientos azarosos y no por decisión del investigador ni por autoselección.

El grupo de control justamente actúa como modo de controlar los factores diferentes del tratamiento, ya que operan tanto afectando al grupo de control como al de tratamiento, y será posible entonces contar ese conjunto de efectos respecto del efecto de interés vinculado con la manipulación experimental.

Cea D’Acona destaca en relación con la aleatorización: “Al seguirse un procedimiento de asignación grupal aleatorio, se da a todos los individuos que participan en el experimento la misma probabilidad de pertenecer a cualquier de los grupos. Esto favorece la equitatividad en el reparto de la muestra en los distintos grupos.”

4) Diseños defectuosos: diseños pre-experimentales y cuasi-experimentales

Cuasi-experimentos: poseen aparentemente todas las características de los experimentos verdaderos. La principal diferencia es que no es posible manipular la variable independiente o asignar aleatoriamente los sujetos a las condiciones experimentales.

Diseños preexperimentales:

Diseño pretest-postest de un solo grupo: un solo grupo sobre el que se ha realizado una observación antes y otra después de la aplicación del tratamiento. No hay asignación aleatoria. Es de carácter intrasujeto, carencia de grupo de control.

Diseño de grupo no equivalentes sin pretest: cuenta con dos grupos, la asignación es no aleatoria. Ninguno de los grupos ha tenido mediación previa a la introducción de la variable independiente. Es de carácter intersujeto. La ausencia de asignación aleatoria y la carencia de medida pretest que impiden la utilización de procedimientos de ajuste estadístico.

Suele compensarse por alguno de los siguientes procedimientos:  Con pretest retrospectivos.

 Formando los grupos de control y experimental a posteriori por emparejamiento.  Utilizando variables aproximadas.

Diseño de grupo control no equivalente: se utilizan uno o varios grupos a los que se les aplica la variable independiente y de uno o varios grupos de control. En unos u otros grupos se realizan medidas pre y pos tratamiento.

Diseño de grupo control no equivalente pretest y postest: los grupos forman conjuntos naturales.

5) Criterios del diseño de investigación. Validez interna y externa

La validez de un experimento es la medida en que las conclusiones extraídas de los experimentos son ciertas.

La validez interna hace referencia al grado en que el diseño de investigación identifica con precisión relaciones causales. Factores que la limitan:

 Maduración: cambios que van experimentando, fruto del paso del tiempo. El uso de grupo de control permite comparar la evolución de otros sujetos.

 Historia: los cambios externos pueden determinar alteraciones en la variable de respuesta no provocados por la variable independiente.

 Instrumentación: los cambios producidos en los instrumentos de medición también introducen problemas de validez.

 Mortalidad experimental: el abandono de sujetos provoca una reducción del tamaño de la muestra bajo estudio. Mientras menor sea la duración, será menor el impacto de este efecto.

 Efecto de regresión: cuando individuos que presentaron valores extremos. “regresan” a los valores medios o típicos. Este efecto es atenuado por la aleatorización en la conformación de los grupos experimentales y de control, y de los diferentes grupos experimentales si correspondiera.

 Efecto de la medición inicial: los individuos pueden desarrollar comportamientos diferentes.

La propia existencia del grupo de control deriva en la existencia de fuentes de invalidez específicas:  Sesgos de selección: los individuos poseen características distintas. La solución es la aleatorización.  Compensación al grupo de control por la privación del tratamiento.

En el caso de la validez externa, esta medida indica que puede esperarse que la relación causal descubierta en un estudio sea válida para la población meta en su conjunto.

Efecto Hawthorne. Tendencia de las personas a modificar sus hábitos porque son objeto de interés y atención especial en un estudio, independientemente de la naturaleza especifica de la intervención que reciben. Este término tiene su origen en estudios realizados en los años veinte en las obras de la Compañía Western Electric en Hawthorne, Illinois.

Los trabajadores expuestos a niveles variables de intensidad de la luz incrementaban su productividad independientemente de que la intensidad hubiera aumentado, disminuido o no hubiera variado. Se considero que determinadas características de la situación del estudio, independientes de la iluminación, fueron la causa de los cambios de productividad. En un ensayo sin grupo de control es imposible distinguir el efecto Hawthorne del efecto del tratamiento. El efecto Hawthorne contribuye al efecto placebo general.

La productividad puede tener un efecto profundo sobre sus equipos conjuntos de la relación. La comprensión de cómo aumentar la productividad o trabajar salida de su equipo o del equipo de su socio conjunto puede aumentar sus beneficios tan bien como cree los proyectos futuros de la sociedad.

La planta de Hawthorne era el brazo de fabricación para las compañías telefónicas del sistema de Bell. Empleo sobre 29.000 hombres y mujeres en la fabricación de teléfonos, de equipo de sede, de bobinas cargadas, de alambre de teléfono, de cabe cubierto de plomo, de cable del peaje, y de otras formas de aparatos de teléfono.

En los mediados de los años veinte, la planta de Hawthorne emprendió una serie de estudios para investigar cómo podría mejorar la productividad del trabajador. Particularmente, la compañía está interesada en el descubrimiento de si manipulaba la iluminación; recortes en los horarios, y otras condiciones del lugar de trabajo llevarían a una productividad más alta. Fue pensado que incluso las mejoras leves podrían tener un impacto significativo en el fondo de la compañía debido al volumen enorme de productos que la planta producía para la red de Bell.

Uno de los experimentos más tempranos implico a un grupo de seis mujeres de la cadena de producción de arrollar bobina. Tiraron de la línea y fueron vueltos a poner a estos voluntarios en un cuarto más pequeño en donde los varios elementos del ambiente podrían ser manipulados.

El primer experimento miraba si el cambio tendría un impacto positivo en la producción. Utilizaron a los experimentadores comenzados con la misma intensidad de luz los trabajadores en la cadena de producción. Entonces aumentaron la luz alguna candela.

La productividad subió.

Satisfecho con los resultados, aumentaron la luz del sitio en otra poca candela.

La productividad subió otra vez.

Ahora, absolutamente confiados en haber hallado algo, continuaron aumentando la iluminación del sitio un poco más cada vez hasta que la iluminación del cuarto fuera varias veces la intensidad normal. En cada incremento del cambio, la productividad de las seis mujeres continúo levantándose. A este punto, los investigadores sentían una necesidad de validar su hipótesis que una mejor iluminación era responsable de la salida creciente, así que trajeron la intensidad de luz de nuevo al punto de partida original.

Para su sorpresa, la productividad continua subiendo.

¿Qué se encendía?

No era claramente una mejora en la iluminación que aumento la productividad, especialmente puesto que la productividad continua levantándose frente a condiciones de iluminación menos favorables. Después de la prueba numerosa otros factores ambientales, las respuestas emergieron. Aunque estos cambios en el ambiente del trabajo tuvieran cierto poco efecto, la razón de la producción más alta puesta en el hecho de que traer a los trabajadores juntos permitió que se unieran en un grupo cohesivo, y eran la creación de este grupo dinámico que tenía un efecto profundo sobre el modo de pensar y la salida de cada miembro individual del grupo.

Mientras que eran apenas partes sin nombre en la cadena de producción, los trabajadores carecieron cualquier sentido de la importancia. Tenían pocas asociaciones significativas con sus compañeros de trabajo. Su relación con su jefe era sobre todo adversarial. El jefe básicamente se encargaba de indicarles que mejoraran sus tiempos de producción y el volumen producido. Generaban en tales condiciones una responsabilidad personal en cuanto a generar un producto de calidad. Algún otro fijo los estándares, y operaban según instrucciones.

No había mucho orgullo en hacer la tarea. Era apenas un trabajo.

Pero todo esto cambio cuando las retiraron de la cadena de producción y fue dado a cada una de las seis mujeres su propio espacio de trabajo privado. Desde el principio se enfocaron en la atención prestada a ellas por el equipo de investigación. Cada una de las mujeres no era apenas una cara impersonal en la cadena de producción. Ella ahora era “alguien”.

MUESTREO

1) Población y muestra. Representatividad de un resultado muestral, generalización

Una manera de estudiar cierto fenómeno o grupo de interés, consiste en relevar datos del conjunto completo de tales objetivos y/o individuos. En tales situaciones decimos que realizamos un censo de esa población.

El universo de estudio en diversos problemas de investigación consiste en una población numerosa o debido a restricciones en los recursos no es posible realizar un estudio exhaustivo de ese universo de interés. En tales situaciones se recurre al muestreo.

El muestreo es una herramienta de investigación científica, orientada a determinar que parte de cierta realidad de interés debe examinarse. El error que se comete debido al hecho de que se obtiene conclusiones sobre cierta realidad. Se denomina error de muestreo. Obtener una muestra adecuada significa lograr una versión simplificada de la población.

Existen dos tipos de errores: sistemáticos y aleatorios. Los primeros, sesgos, se deben tratar de minimizar, haciendo todos los esfuerzos en las tareas previas y posteriores a la obtención de la muestra, en tanto los errores muestrales, se definen a partir de diferentes factores, uno de los cuales es el tamaño de la muestra.

Universo o población: conjunto de individuos objeto de estudio.

Muestra: cualquier subconjunto de la población.

Muestra representativa: muestra que se pretende que represente a la población. Para adquirir esta característica debe hacer resultado seleccionada a partir de determinados procedimientos que garanticen la aleatoriedad y el conocimiento de la probabilidad de selección de cada individuo de la población.

Unidades de muestreo: número de elementos de la población, no repetidos, que van a ser estudiados.

Marco muestral: lista de unidades o elementos de muestreo.

Error muestral: diferencia entre el verdadero valor poblacional que se desea inferir y el valor obtenido a través de la muestra del correspondiente estimador muestral.

2) Muestreos no probabilísticos, razones de su utilización

En las muestras no probabilísticas los elementos de la población no tienen una probabilidad conocida de formar parte de la muestra. Estas muestras no tienen valor desde el punto de vista estadístico. Los procedimientos más utilizados son:

 Muestras intencionales o por juicio del investigador: el investigador interroga solamente a ciertos informantes claves elegidos por él. Tienen utilidad en investigaciones de tipo exploratorio. Esfuerzo deliberado de obtener muestras representativas.

 Muestra por cuotas: se definen cuotas o números de individuos a entrevistar con determinadas características y los propios encuestadores seleccionan a los entrevistadores. Luego, se eligen los primeros que se encuentren que cumplan esas características. No tiene el carácter de aleatoriedad.

 Muestreo casual, incidental o por conveniencia: el investigador selecciona directa e intencionadamente los individuos de la población.

 Bola de nieve: se localiza a ciertos individuos, los cuales conducen a otros, y estos a otros. Se emplea cuando se efectúan estudios con poblaciones de difícil acceso o con muy baja participación en el total.

3) Muestreos probabilísticos

Cada elemento de la población tiene una probabilidad conocida de formar parte de la muestra. Los distintos tipos de muestras probabilísticas son:

 Muestreo aleatorio simple: muestra en la que se eligen los integrantes al azar entre el total de la población. Ventajas:

 Metodología muy simple desde el punto de vista estadístico, tanto para llevar a cabo como para interpretar y utilizar.

 Es insesgada, especialmente está libre de sesgos que introducirían ponderaciones incorrectas.

 No supone un conocimiento previo de la población de la cual se va a extraer la muestra; y en consecuencia, tiende a reflejar todas las características del universo.

 Muestreo sistemático: es el que sigue cuando se elige según un orden determinado, uno de cada X individuos del listado de la población de interés. Se menciona la ventaja en la selección de la muestra y la desventaja es que si hay una tendencia en el orden esta sesgando los resultados.

 Muestreo estratificado: es cuando la población se divide en estratos y se hace un muestreo aleatorio simple dentro de cada estrato.

 El estrato necesita una muestra más pequeña que la del aleatorio simple.

 Los estratos deben presentar homogeneidad interna y heterogeneidad entre estratos.

En este caso, se debe tomar una decisión vinculada con la cantidad de casos de la muestra que se asignan a cada estrato:

- Proporcional: el tamaño de la muestra de cada estrato es proporcional al tamaño del estrato en la población.

- Optima: se realizan proporcionalmente más casos en los estratos donde la variabilidad entre los individuos es mayor. También se requiere ponderar los casos para estimar totales poblacionales.  Muestreo por conglomerados: es utilizado en aquellos casos donde el universo a estudiar esta disperso en

CARACTERÍSTICAS VENTAJAS DESVENTAJAS A le at o ri o s im p

le Se selecciona una muestra de_{tamaño n de una población de}

N unidades, cada elemento tiene una probabilidad de inclusión igual y conocida de n/ N.

-Sencillo y de fácil comprensión. -Calculo rápido de medias y varianzas.

-Se basa en la teoría estadística, por lo tanto existen paquetes informáticos para analizar los datos.

-Requiere que se posea de antemano un listado completo de la población.

-Cuando se trabaja con pequeñas muestras es posible que no represente a la población adecuadamente. Si st e m áti co

-Conseguir un listado de los N elementos de la población. -Determinar el tamaño muestral n.

-Definir un intervalo k=n/N. -Elegir un número aleatorio, r, entre 1 y k.

-Seleccionar los elementos de la lista.

-Fácil de aplicar.

-No siempre es necesario tener el listado de toda la población. -Cuando la población esta ordenada siguiendo una tendencia conocida, asegura una cobertura de unidades de todos los tipos.

Si la constante de muestreo está asociada con el fenómeno de interés, las estimaciones obtenidas a partir de la muestra pueden contener sesgo de selección. Es tr ati fi ca d o

En ciertas ocasiones resultara conveniente estratificar la muestra según ciertas variables de interés. Para ello debemos conocer la composición estratificada de la población objetivo a muestrear. Una vez calculado el tamaño muestral apropiado, este se reparte de manera proporcional entre los distintos estratos definidos en la población usando una simple regla de tres.

-Tiende a asegurar que la

muestra represente

adecuadamente a la población en función de unas variables seleccionadas.

-Se obtienen estimaciones más precisas.

-Su objetivo es conseguir una muestra lo mas semejante posible a la población en lo que a la o las variables estratificadoras se refiere.

Se ha de conocer la distribución en la población de las variables utilizadas para la estratificación.

C o n gl o m e ra d o s

-Se realizan varias fases de

muestreo sucesivas

(polietapico).

-La necesidad de listados de las unidades de una etapa se limita a aquellas unidades de muestreo seleccionadas en la etapa anterior.

-Es muy eficiente cuando la oblación es muy grande y dispersa.

-No es preciso tener un listado de toda la población, solo de las unidades primarias de muestreo.

-El error estándar es mayor que en el muestreo aleatorio simple o estratificado.

-El cálculo del error estándar es complejo.

4) Algunas consideraciones sobre el tamaño de la muestra  Tamaño muestral si trabajamos con una población infinita

Población infinita: la muestra en relación con la población tiene una relación muy reducida, inferior al 5% de la población.

n

=

Z

σ

℮

Z

:

media 0 y desviación estándar 1. A los fines prácticos, habitualmente se utiliza una probabilidad del 95%, con Z=1,96.

σ

_:

_{Varianza poblacional .}

℮

Para calcular el tamaño de muestra para la estimación de proporciones poblacionales hemos de tener en cuenta los mismos factores que en el caso de la media. La fórmula para determinar el tamaño muestral es la siguiente:

n

=

Z

2

P

(

1

−

P

)

℮

P: proporción de la categoría de interés de la variable E: error muestral máximo.

Si en cada una de las formulas presentadas se despeja el valor del error muestral e, es posible determinarlo, con información sobre el tamaño de la muestra, el nivel de confianza deseado y la desviación estándar.

En resumen, ¿de qué aspectos depende la determinación del tamaño muestral?

 Variabilidad del parámetro a estimar: se mide a través de la desviación estándar. Puede obtenerse a través de datos previos, estudios piloto o usar P=0,50, como valor más pesimista. Mientras más elevada es la variabilidad de población, con todos los demás factores constantes, mas cantidad de casos deberán incluirse en le muestra.

 Error muestral o precisión: amplitud del intervalo de confianza. En el caso de la estimación de una media poblacional, se expresa en las mismas unidades que esta medida. En el caso de la estimación de una proporción poblacional, se expresa en porcentajes. Mientras menor sea el error muestral tolerado, mayor deberá ser el tamaño de la muestra.

 Nivel de confianza (1-ᾳ): habitualmente 95% o 99%. Probabilidad de ser correcta la afirmación acerca del error máximo de estimación indicado. Mientras mayor sea el nivel de confianza, mayor deberá ser el tamaño de la muestra.

CASO DE ANALISIS

MUESTREO NO PROBABILISTICO Y SUBJETIVIDAD

Definición general de muestra

“es una parte de un todo que suele llamarse población”. La RAE tiene 14 acepciones del término, de los cuales 4 se refieren a lo que pretendemos tratar, la idea de que toda parte es una muestra del todo que procede. Este concepto, sugiere que toda la población por examinar es homogénea y que bastaría con tomar una pequeña muestra para ver lo que ocurre.

La subjetividad como guía del muestreo

Como se conoce existen dos grandes grupos de muestreo, los no probabilísticos y los probabilísticos. En el probabilístico se usan técnicas formales de muestreo, que evita ir a ciegas y minimiza el riesgo y errores debidos al azar. El no probabilístico es un muestreo sin requerimientos formales, los errores de concepto se cometen con mayor frecuencia. Algunos de ellos se muestran a continuación.

Sudman (1976) citado por Manzano Arrondo (1998): “Mi impresión es que en muchos casos estos investigadores están enterados de que están disponibles poderosos procedimientos de muestreo, pero se creen incapaces para utilizarlos porque son demasiado difíciles o costosos. En cambio, son utilizados procedimientos ad hoc increíblemente descuidados, frecuentemente con resultados desastrosos.”

Pero el uso de tales procedimientos no garantiza evitar los equívocos de razonamiento pues al evitarse procedimientos formales, debe apelarse a juicios sobre la realidad los cuales vienen cargados de intencionalidad.

Bandura (2006): “…una característica de la perspectiva cognitiva de la motivación es el carácter proactivo de la conducto, es decir que hay una anticipación de la meta la cual influye a la conducto, hay una intención que implica esfuerzo o voluntad y existe un plan de ejecución para el logro de la meta.”

Algunas falacias que se cometen en el muestreo no probabilístico

 Argumento desde la ignorancia  Recurso de la fuerza

 Popularidad

 Recurso de la autoridad  Autoridad anónima

Finalmente, los textos de muestreo cundo se refieren a la crítica al muestreo no probabilístico lo hacen con base en dos aspectos: homogeneidad y aleatorización de selección.

LA GUERRA DE LOS CIEN AÑOS DEL MUESTREO PROBABILISTICO

Introducción

Me voy a referir a algunas de mis observaciones e ideas sobre algunos campos de la estadística aplicada, especialmente a los métodos probabilísticos y la enseñanza del muestreo para urbanístico ha aplicado y encuestas nacionales o en gran escala. Es decir correspondientes a áreas extensas. Me refiero a los modelos probabilísticos aplicados para obtener las principales estadísticas nacionales que se llevan a cabo en la mayoría de los países del mundo. Lo que se llaman estadísticas básicas porque son aquellas sobre las cuales se apoyan la gran mayoría de las estadísticas de un país. Contar con estadísticas confiables, oportunas y pertinentes es hoy más importante que nunca debido al auge de las economías de mercado en el mundo, ya que la competitividad asociada a la política de mercado exige un buen uso de la información para la toma de decisiones públicas y privadas tanto a nivel nacional como internacional. Dentro de este campo, tratare en especial de los modelos probabilísticos aplicables a los países que pueden disponer de recursos limitados.

La enseñanza de métodos de muestreo para la agricultura: el uso de métodos probabilísticos de muestreos

Queremos en primer lugar, especificar el tipo de encuestas agropecuarias a que nos referiremos. Se trata de un diseño general de una encuesta sobre la estructura y producción agrícola, es decir, el diseño general de una encuesta agrícola periódica, basada en métodos probabilísticos de muestreo y estimación, cuyo propósito es obtener un gran número de datos básicos y oportunos y fiables sobre el sector agrícola. Se supone que se requieren estimaciones para la mayoría de las siguientes variables: superficies agrícolas, rindes, producción agrícola, inventarios de ganado, reservas de cereales, sistemas de cultivo, costos de la producción, gastos de las explotaciones y características sociales y económicas de las explotaciones agrícolas.

estimaciones con múltiples marcos de muestreo combinan las estimaciones derivadas del muestreo de áreas con las estimaciones obtenidas de la lista de explotaciones agrícolas especiales.

 El marco de áreas de la encuesta: el diseño de una muestra de áreas consiste en una muestra probabilística estratificada de segmentos, con un procedimiento de selección replicada. Los estratos deben tener límites físicos reconocibles y permanentes. Se utilizan muestras replicadas para evitar el cansancio de los informantes.

 El marco de lista complementario de la encuesta: asegura la inclusión de las explotaciones que contribuyen de manera significativa a la estimación de lagunas variables importantes de la encuesta.

 Procedimiento de recolección de la encuesta: el componente de muestreo de áreas requiere una recolección de datos sobre el terreno, realizada por encuestadores que completan el cuestionario para cada tramo incluido en cada segmento de la muestra. Un tramo es la parte de una explotación incluidas en el segmento.

Existen dos tipos básicos de diseños de muestreo en función de la unidad muestral de la última etapa y de las reglas para asignar sus probabilidades de selección: diseños de muestreo de áreas (donde las unidades finales de muestreo son segmentos), y diseños de muestreo de lista (donde las unidades finales de selección son generalmente explotaciones agropecuarias), también llamados encuestas por muestreo con marco de áreas y encuestas por muestreo con marco de lista.

Las encuestas agrícolas con múltiples marcos son las encuestas por muestreo probabilístico que combinan más de un diseño de muestreo para obtener las estimaciones de la encuesta, combinando diseños de marcos de áreas con diseños con marcos de lista.

Diseños con múltiples marcos frente a diseños con marco de lista únicamente

 Marco de lista:

 Errores de cobertura relacionados con la cobertura completa  Errores de cobertura relacionados con el uso repetido del marco  Precisión de las estimaciones

 Errores no muestrales y medición objetiva de superficies

 Base para encuestas sobre el rendimiento de cultivos con mediciones de cortes  Tamaño de la muestra

 Cambios en el sistema de explotaciones  Costos de la recolección de datos  Requisitos cartográficos

 Falta de límites físicos permanentes

 Proximidad a la explotación del productor o del informante  Costos de selección de la muestra

 Personal técnico

Una breve historia de los métodos de muestreo diseñados en el USDA, y en particular la introducción de muestreo de áreas y muestreo con múltiples de marcos de selección

 Métodos con múltiples marcos de listas  Métodos de muestreo de áreas

 Métodos de muestreo de múltiples marcos

 Métodos de múltiples marcos combinado con el uso de imágenes satelitales