Métodos de selección de muestras

Para usar el método de selección de intervalo fijo, especifique:

• El valor del intervalo que Analytics genera al calcular el tamaño de la muestra
• Un número de inicio mayor que cero y menor o igual que el valor del intervalo.

El número de inicio y el valor del intervalo se usa para seleccionar qué registros están contenidos en la muestra.

Consideraciones

Cuando use el método de selección de intervalo fijo, debe estar alerta por cualquier patrón en los datos. Como se utiliza un intervalo fijo para la selección de la muestra, se puede seleccionar una muestra no representativa si en los datos hay un patrón que coincide con el intervalo que especificó.

Por ejemplo, hace una muestra de gastos usando un intervalo de $10.000, y la misma categoría de gastos aparece a intervalos de diez mil dólares en el archivo, esto hace que todos los registros seleccionados provengan de una sola categoría de gastos. Este tipo de escenario es poco frecuente, pero debe tener en cuenta que podría ocurrir.

Para usar el método de selección por celda, especifique:

• El valor del intervalo que Analytics genera al calcular el tamaño de la muestra
• Un valor semilla se usa para inicializar el generador de números aleatorios en Analytics

El valor del intervalo indica el tamaño de cada celda. El generador de números aleatorios especifica qué unidad monetaria o qué número de registro se selecciona de cada celda.

El valor de la semilla

Si se especifica un valor de semilla puede ser cualquier número. Todo valor de la semilla exclusiva produce un conjunto diferente de números aleatorios. Si especifica el mismo valor de la semilla, se genera el mismo conjunto de números aleatorios. Explícitamente especifique un valor de la semilla y guárdelo, si desea replicar una determinada selección de muestra.

Consideraciones

La principal ventaja del método de selección por celdas en comparación con el método de selección por intervalo fijo es que evita problemas relacionados con los patrones en los datos.

Existen dos desventajas en el muestreo por unidad monetaria:

• Los importes pueden abarcar el punto de división entre dos celdas. Esto significa que podrían seleccionares dos veces, produciendo una muestra menos consistente que la generada por el método de intervalo fijo.
• Los importes más grandes que son menores al corte de estrato superior, tienen una posibilidad ligeramente menor de ser seleccionados.

Para usar el método de selección aleatoria, especifique:

• El tamaño de la muestra, tal como Analytics lo calculó (este es el número de muestras a seleccionar)
• Un valor semilla se usa para inicializar el generador de números aleatorios en Analytics
• El tamaño de la población (es decir, el valor absoluto del campo de muestra o el número total de registros en el conjunto de datos)

Para el muestreo de variables clásicas, Analytics puede completar automáticamente el tamaño de la muestra y el tamaño de la población.

El generador de números aleatorios especifica qué unidades monetarias o qué números se seleccionan del conjunto de datos. Cada selección tiene una distancia aleatoria.

El valor de la semilla

Si se especifica un valor de semilla puede ser cualquier número. Para el muestreo de variables clásicas, el valor de semilla debe ser un número positivo no superior a 2.147.483.647.

Todo valor de la semilla exclusiva produce un conjunto diferente de números aleatorios. Si especifica el mismo valor de la semilla, se genera el mismo conjunto de números aleatorios. Explícitamente especifique un valor de la semilla y guárdelo, si desea replicar una determinada selección de muestra. También puede recuperar un valor de semilla del log de comandos.

Consideraciones

Los importes grandes pueden excluirse de la muestra por unidad monetaria

Con el método de selección aleatoria, cada unidad monetaria tiene la misma posibilidad de selección, y no existe una garantía de que la muestra resultante esté distribuida uniformemente. Como resultado, la distancia o intervalo entre las unidades seleccionadas puede ser grande en algunos casos. Si todas las unidades monetarias asociadas con un importe grande entran en un intervalo, el importe no se incluirá en la muestra. También, no existe un corte de estrato superior disponible al usar el método de selección aleatoria.

Con los métodos de selección por intervalo fijo y por celda, existe la certeza de que las unidades seleccionadas se distribuyen uniformemente, o con cierta uniformidad. Además, el corte de estrato superior está disponible.

Los importes pueden estar incluidos más de una vez en una muestra por unidad monetaria

Analytics no genera el mismo número aleatorio dos veces; sin embargo, pueden ocurrir números cercanos o secuenciales.

Con el muestreo por unidad monetaria, los números aleatorios cercanos o secuenciales equivalen a las unidades monetarias cercanas o secuenciales que se seleccionan, esto puede ocasionar que un importe asociado sea seleccionado más de una vez.

Con el muestreo de registros y el muestreo de variables clásicas, no existe el mismo problema porque cada número aleatorio equivale a un registro diferente.

Algoritmos de números aleatorios

Para el muestreo por registros y el muestreo por unidad monetaria, el generador de números aleatorios en Analytics tiene dos opciones de algoritmo:

• Mersenne-Twister
• El algoritmo de Analytics predeterminado

Mersenne-Twister es un algoritmo de números aleatorios ampliamente utilizado y tiene mejores propiedades estadísticas que el algoritmo predeterminado de Analytics. Use el algoritmo predeterminado de Analytics si necesita tener compatibilidad con versiones anteriores de los scripts de Analytics o con los resultados de muestras creados antes de la versión 12 de Analytics.

Para el muestreo de variables clásicas, Mersenne-Twister no es una opción y se utiliza el algoritmo de Analytics predeterminado.

1. En la tabla de origen, cree un campo calculado que use la siguiente expresión:

   RECNO( )

   Para obtener más información, consulte Definir un campo calculado condicional.

2. Cuando muestrea los datos, la salida es por Campos, no por Registro.

   Para poder convertir el número de registro calculado en un campo físico que preserve los números de registro de la tabla de origen, debe generar la salida por Campos.

3. Incluya el número de registro calculado en los campos de salida que especifique.