Resumen

Para el análisis de datos en muestras complejas, el usuario recurre comúnmente a los procedimientos tradicionales que están implementados en los paquetes estadísticos computacionales convencionales en donde, por defecto, suponen que las observaciones obtenidas en la muestra son independientes e idénticamente distribuidas. Esto los lleva a ignorar el diseño de muestreo complejo, o bien la forma estructural que presenta la población de interés, ocasionando graves distorsiones en las inferencias de tipo analítico. Con base en lo anterior, aquí se examinan algunas alternativas para estimar la matriz de covarianza. Además, se proponen algunas correcciones simples para obtener estimadores consistentes de los errores estándar del vector de coeficientes en un modelo de regresión lineal.

• Materias:Investigación operacional Desarrollo de procesos Administración de empresas Administración
• Subjects:Operations research Process development Business enterprises Management
• Palabras claves:Optimización de procesos, Matriz de covarianza, Regresión lineal, Diseño de muestreo complejo, Efecto de diseño, Estimadores
• Keywords:Process optimization, Covariance matrix, Linear regression, Complex sampling design, Design effect, Estimators