¿Qué es el Exit Poll?

La encuesta de salida (o exit poll) es un instrumento poderoso, las encuestas de salida son como

cualquier otro tipo de encuestas, solo que estas se realizan al salir de las casillas electorales, el día

de una elección, para preguntar directamente a las personas por quién votaron. La encuesta

proyecta un grado de certeza alto. (Moreno, 2016)

Ventajas de las encuestas de salida

Cuando son realizadas correctamente, los datos pueden predecir resultados de las elecciones con

un alto grado de confiabilidad.

Las encuestas de salida constituyen un registro de la acción que acaba de suceder, a diferencia, por

ejemplo, de las encuestas electorales que pueden realizarse, por ejemplo, para medir la aceptación

de las propuestas que traen los candidatos, antes de llevarse a cabo una elección.

En todo el mundo, las encuestas de salida funcionan correctamente para verificar la integridad de

las elecciones.

A diferencia de las encuestas telefónicas, una encuesta de salida no estará sesgada por el hecho de

que alguna persona o algunos grupos de persona no se encuentran en casa o no tienen teléfono.

Las encuestas de salida identifican a toda la población de votantes en distritos electorales y a los

encuestados inmediatamente después de abandonar el lugar donde realizaron su voto.

Son útiles para detectar fraudes, ya que, si los resultados de una encuesta de salida son muy

diferentes a los reales, pueden impulsar una investigación para descubrir por qué podrían existir

esas diferencias.
Desventajas de las encuestas de salida

Este tipo de encuestas nos dan una noción de lo que está sucediendo en las elecciones, sin embargo,

no son resultados que se puedan considerar como oficiales.

Puede haber un cierto sesgo involucrado, ya que son muchos los factores que pueden intervenir en

su realización, por ejemplo, el clima, problemas de acceso al lugar donde se va a llevar a cabo la

encuesta, etc.

Las encuestas de salida generalmente son menos predictivas en elecciones muy cerradas porque el

margen de error dentro de la misma encuesta podría cruzarse con la diferencia de puntos real entre

los candidatos.

Algunos medios de comunicación, con el fin de ganar la nota presentan encuestas de salida sin

tener los resultados completos o realizados con una metodología incorrecta.

Propiedades de los estimadores

Insesgado: Un estimador es insesgado si la media de su distribución muestral es igual al parámetro

de su población.

Eficiente: De todo estimador insesgado, el estimador más eficiente es aquel que tenga la varianza

más pequeña. Un estimador es más eficiente o preciso que otro, si la varianza del primero es menor

que la del segundo.

Consistente: Un estimador es consiste si, a medida que n aumenta, el valor del estadístico se

aproxima al valor del parámetro.

Suficiente: Un estimador es suficiente si ningún otro estimador puede proporcionar información

sobre el parámetro.
¿Qué es el error tipo 2 con ejemplos?

En un caso de prueba de hipótesis también existe la posibilidad de que no se rechace una hipótesis

nula cuando en realidad es falsa. Es decir, se acepta una hipótesis nula falsa. Esto recibe el nombre

de error tipo II. La probabilidad de un error tipo II se identifica con la letra griega beta (β). Los

siguientes ejemplos ilustran los detalles de la determinación del valor de β.

Ejemplo: Western Wire Products compra barras de acero para hacer clavijas. La experiencia indica

que la fuerza media de tensión de las cargas que llegan es de 10 000 psi, y que la desviación

estándar, σ, es de 400 psi.

Con el fin de tomar una decisión sobre las cargas de barras de acero que llegan, el fabricante

establece la siguiente regla para que el inspector de control de calidad se apegue a ella: “Tome una

muestra de 100 barras de acero. Si la fuerza media (x) se encuentra entre 9 922 y 10 078 psi con

un nivel de significancia de 0.05, acepte el lote. De lo contrario, debe rechazarlo.” La gráfica 10-

9, región A, muestra la región en que se rechaza cada lote y en la que no se rechaza. La media de

esta distribución se representa mediante µ0. Las colas de la curva representan la probabilidad de

cometer un error tipo I, es decir, de rechazar el lote de barras de acero que ingresa cuando, en

realidad, se trata de un buen lote, con una media de 10 000 psi.

Suponga que la media poblacional desconocida de un lote que llega, designada, es en realidad de

9 900 psi. ¿Cuál es la probabilidad de que el inspector de control de calidad no rechace la carga

(error tipo II)?

La probabilidad de cometer un error tipo II, según representa el área sombreada en la gráfica 10-

9, región B, se calcula al determinar el área bajo la curva normal que se localiza sobre 9 922

libras. El cálculo de las áreas bajo la curva normal se analizó en el capítulo 7. Un breve repaso:

es necesario determinar primero la probabilidad de que la media muestral caiga entre 9 900 y 9

922. Después, se resta esta probabilidad de 0.5000 (que representa toda el área más allá de la

media de 9 900) para llegar a la probabilidad de cometer un error tipo II en este caso. El número

de unidades estándares (valor de z) entre la media del lote que llega (9 900), designada 1, y, que

representa el valor crítico de 9 922, se calcula de la siguiente manera:

Si n =100 y σ= 400, el valor de z es 0.55:

El área bajo la curva entre 9 900 y 9 922 (un valor z de 0.55) es 0.2088. El área bajo la curva más

allá de 9 922 libras es 0.5000 0.2088 o 0.2912; tal es la probabilidad de cometer un error tipo II,

es decir, de aceptar el ingreso de un lote de barras de acero cuando la media poblacional es de 9

900 psi. Otra ilustración, en la gráfica 10-10, región C, describe la probabilidad de aceptar un

lote cuando la media poblacional es de 10 120. Para determinar la probabilidad:

La probabilidad de que z sea menor que -1.05 es 0.1469, que se determina al calcular 0.5000

- 0.3531. Por lo tanto, β, o la probabilidad de cometer un error tipo II, es 0.1469.

De acuerdo con las técnicas que se ilustran en las gráficas 10-9, región B, y 10-10, región C, puede

determinarse la probabilidad de aceptar una hipótesis como verdadera cuando en realidad es falsa

para cualquier valor de 1. Las probabilidades de cometer un error tipo II aparecen en la columna

central de la tabla 10-4 para valores selectos de, dados en la columna de la izquierda. La columna

derecha proporciona la probabilidad de no cometer un error tipo II, que también se conoce como

la fuerza de una prueba.

¿Qué son los grados de libertad?

“Número de elementos de una muestra que tienen libertad para variar. Suponga que hay dos

elementos en una muestra y se conoce la media. Se tiene libertad de especificar sólo uno de los

dos valores, debido a que el otro valor se determina de manera automática (pues el total de los dos

valores es el doble de la media). Ejemplo: si la media es $6, se tiene libertad de elegir sólo un

valor. Si elige $4, el otro valor es $8, porque $4+$8 = 2($6). Por lo tanto, hay 1 grado de libertad

en este ejemplo. Se pueden determinar los grados de libertad mediante n–1=2–1=1. Si n es 4, hay

3 grados de libertad, determinados por n–1=4–1=3”. (Lind, Marchal, Wathen, 2008. p. 456)