Para nuestro ejemplo de Harare, pudimos revisar los datos anteriores de asistencia al servicio para ver cómo el valor de M podría depender del período de referencia elegido. El valor de M a su vez afecta el tamaño de la muestra requerido a través del impacto en P, como se muestra en la Tabla 1 y la Figura 3, que supone una población de 15,000 FSW en Harare. Dependiendo de si elegimos un período de 1 o 24 meses, podríamos estimar una proporción de .006 o una proporción de .148. Para un tamaño de muestra dado, el ancho del IC del 95% aumentará si el período de referencia es más corto y P es menor. Los deff más altos aumentan la incertidumbre alrededor del PSE, Figura 4.
Número de trabajadoras sexuales que asisten al programa de hermanas y efecto en P dada la población total de trabajadoras sexuales = 15,000 en Harare.
Efecto del período de referencia (variaciones en P), ancho del intervalo de confianza del 95% alrededor de la estimación del tamaño de la población y el tamaño de la muestra requerido para estimar el número de trabajadoras sexuales en Harare.
Tamaño de muestra y ancho de intervalos de confianza del 95% alrededor de una estimación de tamaño de la población de 15,000 trabajadoras sexuales en Harare, por un período de referencia asumido de 6 meses y efectos de diseño (DEFF) de 2, 3 y 4.
Utilizamos datos anteriores de asistencia al servicio para observar cómo M variaba en el período de referencia y, por lo tanto, para predecir cómo nuestra estimación de P, la proporción de mujeres que asisten, podría variar según el período de referencia que elegimos, ver Tabla 1. La Figura 3 muestra la relación entre Estos valores de P con el ancho de los IC del 95% alrededor del PSE para diferentes tamaños de muestra.
¿Qué es la estimación de la población?
Si bien el censo es crucial para la asignación y planificación de recursos, debido a que se lleva a cabo solo cada diez años, se requieren otros métodos para planificar en los años intermedios. Las estimaciones de la población usan el censo como línea de base, suman nacimientos, restan las muertes y tienen en cuenta la migración. Se pueden usar para la planificación nacional y local. Las estimaciones de la población se producen anualmente. En el Reino Unido, las estimaciones de la Oficina de Estadísticas Nacionales (ONS) también se utilizan como base para la financiación basada en la capitación de autoridades locales y PCT. Por lo tanto, la subestimación puede tener efectos severos en los servicios locales.
La migración internacional es ahora el principal impulsor del cambio de población en el Reino Unido. ONS estima una entrada neta de 318,000 en 2014.
La migración afecta a diferentes comunidades locales de diferentes maneras y se deben desarrollar respuestas locales. Puede afectar la composición de la población local, la economía local, la naturaleza de los trabajos que se llenan, la velocidad de rotación y la ocupación de la vivienda. Si las familias vienen con niños, hay impactos en los sistemas de educación y salud infantil, como programas de inmunización. En general, la migración atraviesa muchas áreas de políticas y servicios y, por lo tanto, es un importante problema de salud pública; Por ejemplo: empleo, vivienda, educación, salud infantil, salud mental, acceso a los servicios.
Crucial para la planificación local. Uso más amplio localmente para vivienda, educación y otra planificación.
¿Cómo hacer una estimación de población?
Objetivo: se espera que estime el tamaño de una población de muestra utilizando la técnica de marca-recaptura y compare la técnica de marca y recuperación con otros métodos de estimación de la población.
1. Se le da la responsabilidad de determinar el número de peces en el lago Horseshoe. Discuta con su pareja cómo lograría esta tarea y describiría en detalle a continuación.
Se puede utilizar una técnica llamada muestreo para estimar el tamaño de la población. En este procedimiento, los organismos en algunas áreas pequeñas se cuentan y se proyectan a toda el área. Por ejemplo, si un biólogo cuenta con 10 ardillas que viven en un área de 200 pies cuadrados, podría predecir que hay 100 ardillas que viven en un área de 2000 pies cuadrados. Esta es una relación simple.
2. Un biólogo recolectó 50 litros de agua del estanque y contó 10 larvas de mosquitos. ¿Cuántas larvas estimarías estar en ese estanque si el volumen total de agua en el estanque era de 80,000 litros? Mostrar trabajo.
3. ¿Cuáles son algunos problemas con esta técnica? ¿Qué podría afectar su precisión?
En este procedimiento, los biólogos usan trampas para capturar animales y marcarlos de alguna manera. Los animales se devuelven ilesos a su entorno. Durante un período de tiempo, los animales están atrapados nuevamente, y los investigadores registran cuántas de las personas etiquetadas originales son recapturadas. La proporción de animales atrapados con las etiquetas y los animales atrapados que no estaban etiquetados se usa para estimar el número de población general.
¿Qué es la estimación estadística?
En estadísticas, un estimador es una regla para calcular una estimación de una cantidad dada basada en datos observados: por lo tanto, la regla (el estimador), la cantidad de interés (el estimado) y su resultado (la estimación) se distinguen. [1] Por ejemplo, la media de la muestra es un estimador comúnmente utilizado de la media de la población.
Hay estimadores de puntos e intervalos. Los estimadores de puntos producen resultados de valor único. Esto contrasta con un estimador de intervalo, donde el resultado sería un rango de valores plausibles. El «valor único» no significa necesariamente «número único», sino que incluye estimadores valorados o valorados de función vectorial.
La teoría de la estimación se refiere a las propiedades de los estimadores; Es decir, con las propiedades de definición que pueden usarse para comparar diferentes estimadores (diferentes reglas para crear estimaciones) para la misma cantidad, en función de los mismos datos. Dichas propiedades se pueden usar para determinar las mejores reglas para usar en circunstancias dadas. Sin embargo, en estadísticas sólidas, la teoría estadística continúa considerando el equilibrio entre tener buenas propiedades, si se mantienen supuestos estrechamente definidos y tener propiedades menos buenas que se mantienen en condiciones más amplias.
Un «estimador» o «estimación puntual» es una estadística (es decir, una función de los datos) que se utiliza para inferir el valor de un parámetro desconocido en un modelo estadístico. Una forma común de redactarlo es «El estimador es el método seleccionado para obtener una estimación de un parámetro desconocido».
El parámetro que se estima a veces se llama estimado. Puede ser finito-dimensional (en modelos paramétricos y semiparamétricos) o de dimensiones infinitas (modelos semiparamétricos y no paramétricos). [2] Si el parámetro se denota θ { displayStyle theta}, entonces el estimador se escribe tradicionalmente agregando un circunflejo sobre el símbolo: θ^{ displayStyle { widehat { theta}}}. Al ser una función de los datos, el estimador es en sí mismo una variable aleatoria; Una realización particular de esta variable aleatoria se llama «estimación». A veces, las palabras «estimador» y «estimación» se usan indistintamente.
Cuando la palabra «estimador» se usa sin un calificador, generalmente se refiere a la estimación de puntos. La estimación en este caso es un solo punto en el espacio de parámetros. También existe otro tipo de estimador: estimadores de intervalos, donde las estimaciones son subconjuntos del espacio de parámetros.
¿Qué es la estimación del tamaño de la muestra?
Podemos consultar nuestra página de Sampsizes para obtener referencias web sobre los detalles de los cálculos.
Los cálculos llevados a cabo en una muestra proporcionan valores estadísticos que permiten obtener una estimación de los valores reales para la población subyacente, nombrados parámetros. Cuando la estimación devuelve solo un valor, hablamos de estimación puntual; De lo contrario, el rango de valores de la estimación del intervalo se denomina intervalo de confianza (ver las estimaciones para ejemplos de estimación).
Cálculos de estimación Use el tamaño N de la muestra; Para una precisión dada, podemos deducir las fórmulas de la estimación del tamaño mínimo requerido N para una proporción, un promedio, una desviación estándar.
En la literatura estadística, también hay fórmulas para determinar el tamaño de muestra más pequeño para detectar una diferencia «real» entre dos proporciones, o para probar el valor de un coeficiente de correlación lineal…
Para obtener el tamaño de la muestra para estimar una proporción en una población.
Un ejemplo de referencia es que donde P-Capeau = 0.169, E = 4 y α = 0.05; Zα/2 entonces vale 1.96 y el tamaño es entonces 338 (Triola, Biostistas para las ciencias biológicas y de salud, 3d ed., Pearson, p. 267).
Para obtener el tamaño de la muestra para estimar un promedio en una población.
Un ejemplo de referencia es que donde σ = 0.64, e = 0.25 y α = 0.05; Zα/2 entonces vale 1.96 y el tamaño es entonces 25 (ZAR, Análisis Bioestadística, 4ª ed., Prentice Hall, p. 106); El libro utiliza la T de Student en lugar de la ley normal, de ahí un tamaño de 27 en lugar de 25.
Artículos Relacionados:
