Professional Documents
Culture Documents
RESU1'VIEN
Con relación al trabajo realizado entre los años 1943 y 1952 queremos mencionar los
siguientes nombres: C^oodman y Kish (1950), Lahiri (1951), Madow { 1949), Midzuno
(1950) y Narain (1951).
En una carta reciente J. N. K. Rao hizo mención sobre el trabajo realizado en esta
dirección por Sethi en 19b2. Me sorprendió ya quc cuando en 1977 presenté mi artículo
en Nueva Delhi nadie mencionó dicho trabajo a pesar de cstar presentes durante la
discusión más de 5^ est^tdísticos, especialistas en muestrea, cíc^ la lndia. E1 presidente de
la reunión fue Hartley y a ella asistieron Azorin, E3rcwer, F'ellegi, Hansen y Kish, entrc
otros que no recuerdo. C'onsulté algunos lihros hien conocidos camo los de C'ochran,
Kish y Murthy. Solo en este último encontré cl cnt^^que de las suh-unidacies de Sethi,
páginas 187-88, pero sin mención dc la varianl;i del estimador dcl total en cl caso cíel
muestreo sin reposición. Es posihlc que cstc^ tic clchti al hccho dc yuc en las pvcas líneas
que en las páginas 219-20 de su artículo Sethi dedica al muestreo sin reposición, la
fórmula (3.2) para la v^irianla ^ip^Irc^c c:c^^^ c^c^ti ^•rr^^<<I^. ^u fi^,ur<< c) t^^ctc^r (X-1 )-^ y I^t X
UN ESQUEMA MIXTO DE MUESTREO C'ON PROBABILIDADES DESIt^I'ALES
,
debería ser X`. Utra razón podría ser la no presentación de un e^;tin^ador para la
mencionada varianza. Con nuestra notación X=M. ?Vo abstante el enfoque de Sethi
debe considerarse como un antecedente del esquerna con probabiiidades graduales.
u) Si la unidad t^; queda representada en la urna por 1'vi, bolas y el muestreo es sin
reposición, el número de veces e; que dicha unidad aparece en una muestra de tamaño
n sigue una distribuCión hipergeométrica generalizada con:
M-n
E(c^,) _ ,r^; _ V (c^,) _ . n P; { 1-P,)
M-1
M - rT
^OV{('; ; ('^^ _ ^ jr P; P^ ^ # .Í
M- l
M-n ..
V^?^ sc^) = --- • V (X tcl^}
M-1
^ M - ^t ^r
V i ^ s^ .) _ _____ • ^ {X^^P; - X.^^c^)^ / rt(tt- l )
M ,
Supondremos que el lec:tor est^í f^imiliarizado con los desarrollos en el nluestreo con
probabilidades desiguales, tal cc^n^o sc pres^^nt^rn en e[ lihro dc.^ K. B. E3rewer y M. Hanif^
{1983).
En el muestreo sin reposición, todas las bolas que representan a la unidad selecciona-
da (del mismo color que esta unidad), son retiradas de la urna.
n
para t = 0, 1, 2,... n con ^ P(n,t) = 1
y por lo tanto
t=2
W(M, b, 2) .^ P(2;t) = W(M, b, 2) + 0. M^ +©. M;
r=o
c-1
^ P(2;t) = 1
r=0
+ W(M,b^3)
W(M,b,3} . P(3;1) = 3Mj +M^ (-^iM+3b) + M; (3M2 - 3Mb)
de donde se deduce
t =3
^ P(3;t) = 1 y asi sucesivamente para n> 3.
r=0
^
E(e;) _ ^ tP(n;t)
r=0
F..STADISTIC'A FSPAÑOLA
y por lo tanto
n
= nP; ^ P(n-1; t) ; pero P(n-1, t) es una función de cuantía para
r^o
t=1, 2, ... n por lo que E{e;} = n P;
V(e,) = E(e;)^ - n2 . P^
n(n-1) (MP; - b)
E(e;.(e;- 1))= ^ t(^ . P(n-2, t)
M-b t=^ t (t-1)
n P;
_ -- . (-nb - MP; + M -nbP;)
M-b
^(e; ) _ ^ . n P; ( l - P;)
M -b
con varianza
1
V (^S,^,c) = ^ ^ (X`)ZV(e;)+ ^ x`X^..Cov(e1^e^)l
J
n t Pi i^^ P; P^
n P; P^
Cov (e; , e^ } _ - -nb)-- M-nb
M-b ^nP;P^f
M-b
y por lo tanto
N _
V (^scc1 = M n • ^ • ^ (X^ / P; - X)2 . P ^^ = M nb . V( ^
HH)
M-b n ^ M-b
^ (X ; ^ Pl - 1^..SC'G)2
^ (^S^•^;) = k . l
n(n- 1)
ESTAD1STi('A ESPA!V()LA
^t
= ^ (X;lP;-X)^-n(^scc-X}2
^
y por lo tanto
k n ^ Z
^(^sC.G)= •( ^ (x^^P^-X)`-n(^S^•^;-X) }
n (n - 1) ^
^(^scc}= •( ^ (X;^P^-X}2.e;-n(^scG-X)2}
n(n- 1} ^
y tomando esperanzas
k ^
E (^ (xsrG) ) _ • ( ^ ^ (X; ^ P; - X)2 . nP^ - nU (^scG) ) -
n(n-1) ^
y k . n^(M
( h}.V^
( SC )-nV(^
G SC ))_
G
n(n-1) Ni-nb
Mk
= V (^s^•c) k ( n(M - b} - 1}= y(^scc)
n- 1 M-nb M- nb
M1 M;
P(uj;2.,)-. M^
`(M^` - b ) +'^; M^
r - b+M - M^^
=P;.
M(M-b) M(M-b) M-b
y así sucesivamente.
6. ALGUNAS CUNSIDERACIONES
Por el mornento hemos postpuesto la comparación formal del esquema mixto con
otros esquemas de muesireo. E1 único propósito de esta sección es ilustrativo para
conjuntos particulares de Ios valores de X; y P;. En ningún caso debe de ínterpretarse el
resultado como indicadar de una superioridad de un método sobre otro.
Ejemplo 1
Consideremos los valores X; (1; 3; 4) y M; (3; 5; 7) con M= 15, P; (3/ 15; 5/ l 5; 7/ 15),
b= 3, y n=2. Las posibles tnuestras sk con el esquema mixto son:
9,00 0,0556 0 0
8,57 0,0508 0 0
7,00 0,1667 2,4 0,4000
6,79 0,3440 1,9 l 32 0,44ó4
8,79 0,2400 0,0276 0,0107
Por lo tanto para este ejemplo ilustrativo del esquema mixto tenemos:
Ejempio 2
Supongamos ahora los valores X; (40; 42; 43) , M; (120; 125; 130} , P; (0,320(^;
0,3333; 0,34b7), M=375, b=120, y n=2.
De acuerdo con lo expuesto en la sección segunda sabemos que, para un tamar^o dado
de la muestra, la probabilidad de que la unidad u; pertenezca n veces a la misma viene
dada por la expresión:
= mr'n . M; M^,
con la condición M; -(n - l) h >0, correspondiendo fi = _______
n-1 n-1
M - nh
a la mínima varianza. Por otro lado sabemos que: G= 1- .
M-h
ES7^AL)^STIC`A ESP^^()LA
n-1
G =^
N(n- 1)- 1
que para n= 2 proporciona la misma ganancia que el muestreo sin reposición sobre el
muestre© con reposición en el muestreo con probabilidades iguales.
Ejerrtplo 3
Consideremos ahora el siguiente conjunta de valores: X; (40; 42; 43; 46; 48; 50; 55;
58; 60) con tamaños: M; (120; 125; 130; 150; 160; 165; 200; 215; 220).
Varianza
global 19,0 2,045 1,099 6
Vemos por lo tanto que con la estratificación, tomando dos unidades por estrato,
tenemos una ganancia sobre el método de Hansen y Hurwitz del 46% con el mismo
tamaño de rnuestra, en vez de( 8,2%. Sobre el muestreo aleatorio simple estratificado,
V(^.s^), la ganancia en este caso es del 94°!0.
UN FSC;^UEMA MIXTO DE Ml^`ESTREU CON PROHABII_IDADES DESI^áUAL_ES ^ ^
nh
NN 2 3 4 b 10
3 1,00
4 1,00 0,43
s l,ao 0,44 0,29
ó 1,00 0,4s 0,29
7 1,00 0,46 0,30 0,18
8 1,00 0,47 0,30 0,18
9 1,00 0,47 0,31 0,18
10 1,00 0,49 0, 31 0,18
20 1,00 0,49 0,32 0,19 0,10
Esta tabla confirma para nh = 2 una mejora potencial substancial del esquema mixto
sobre el de Hansen y Hurwitz en cada estrato. Esta ganancia seria idéntica a la que se
obtendria con el muestreo aleatorio simple sin reposición sobre el mismo esquema con
reposición, en el caso de probabi lidades iguales. La ganancia se reduci ría a la m itad
para n=3, y a un tercio para n=4.
Cuando N es grande la razón se aproxima a 1 /(nh - 1).
La tabla 2 presenta los valores de Gm^X para varios tamaños de muestra y estrato. En
ella vemos que para un valor fíjo de N^, los valores de G,^ú^ decrecen lentarnente al
aumentar nh cuando Nh es menor o igual a cinco.
r=h
^ 2 3 4 6 10
^
3 0, 50 --
4 0,33 0,29 -
s O,ZS 0,22 0,21 -
b 0,20 0,18 0,18
7 0,17 0,15 0,15 0,15 -
8 0,14 0,13 0,13 O,i3 -
9 0,12 0,12 0, l 2 0,1 1 --
20 0,05 0,05 0,05 0,05 0,05
a) Las unidades de primera etapa son elegidas con el esquema mixto. En las
unidades primarias de ia muestra se realiza un listado y las unidades de segunda etapa
se seleccionan utilizando muestrec^ sxn reposición y probabilidades iguales.
,. „ ^;
El estimador del total es: ^scG = T-- con ^; = M; z;
` n P;
M-nó 1 ^ 1 2 M; - m; S;
^t^SCGj ^ ^(^NH^ + -"` ^
M-ó n ^ P; M; m;
,^ ^ ^. ^^ ,
El estimador es: ^sC^G = ^ = donde ^; _ ^ X;^^ / n'P;
r n p; i
se obtiene:
^ M- n b w M; - n; b;
V(^sr^^) = V(^HN) ♦ ^ ^ (^^^x / i) / n P;
Ejemplo ilustrativo
ul 80 8 n=2
u2 40 4=b ^-0,^1
u3 b0 b
M = 180 18
Supongamos conocidos los tamaños de las unidades de segunda etapa, para todas las
unidades de primera etapa en la población, aunque en la práctica solo sería necesario
conocer los tamaños de las unidades primarias pertenecientes a la muestra.
-0, 8 ó
-0, 7 S+G 3--
C^=0, 8 8 C;-
^;=^M;+E; i= l, 2,... N
E*(E; / M;) = 0 E*(E?/ M;) = a. M;^ E*(^; ^e; / M;, Mi} = 0 i^j
^^ ,v
E* (V (^fr^^) ) _ ^ • ^ { 1 ' ^^ f n ) ^^"- i
n^^- ^
y por lo tanto
12. Ct)NCLUSIONES
M - nb
E{e;) = n P; V(e^ )_ . n P; (1 - P; )
M-b
M-nb
Cav (e;, e^ )_ . n P; P^
M-b
V (^s,^.c) = M - nh •v (^i^ii)
de la que se deduce, al ser n> 1,
M-b
,^. (^ n ( z
) ^ M - nó X^ / Pt - ^sc^)
sc ^ ^
M i n{n - 1)
b(n - 1)
G _ .-.
M-b
que para n= 2 produce una ganancia potencial máxima, equivalente a la obtenida con
el muestreo sin reposicicín sobre el muestreo con reposición en el caso de probabilidades
iguales.
i) Al aplicar los resultados obtenidos por Bayless y Rao con un modelo de super-
población para g= 1 y n= 2 hemos obtenido:
indicando con E* la esperanza, sobre todas las poblaciones hipotéticas del modelo,
condicionada a un conjunto de las M; .
l1N ESQl7EMA MIXTO DE MUESTREO C`o11 PR(JBABIC.ID.ADES C?FSIGI'AL.ES 23
RECONC^CI M I ENTU
REFERENCIAS
BAYLES, D.L. and RAO. J.N.K. (1970). An empirical estudy of the stabilities of estimators and
varrance estimators in unequal prohability sampling. Journal of the American Statistical Asso-
ciation, 65, 1645-1667.
BREWER, K.R.V^, and HANt>~, M. (1963). A model of systematic sampling with unequal proóabilities.
Australian Journal of Statistics, 4, 5-13.
BREWER, K.R.W. and HANt>~, M. (19?5). A simple procedure for n pswor, Australian Journal of
Statistics, 17(3), lfi6-172.
BREWER, K.R.W, and HANtF, M. (1983). Sampling with unequal probabilities. New York: Springer-
Verlag.
DURBIN, J. (1967). Design of multistage surveys for estimation of sampling errors. Applied
Statistics, 16,152-164.
FELLEGt, I. P. (1963). Sampling with varying probabilities without replacement: rotating and
non-rotating samples. Journal of the American Statistical Association, 58, 1$3-201.
HANSEN, M.H. y HuttwiTZ, W. N. (1943). On the theory Uf sampling from a finite papulation.
Annals of Mathematical Statistics. 14, 333-362.
LAH1R1, D. B. ( l 951). A method uJ^sumple selectic^n providinK unhiased rativ estimates. Bulletin of
the International Statistical Institute, 33, (2), 133-140.
MADOw, W. G. (1949). On the thc^c^ry c^^^.^ystc^matic sumplinK. II. Annals of Mathematical Statistics,
20, 333-354. ^
FSTAf115^TlC^,A E:SPAÑOLA
MiDZUNO, H. (1952). On the sample system with probabiliry proportionate to sum of sizes. Annals
of the Institute of Statistical Mathematics, 3, 99-107.
MURTHY, M. N. (1967). Sampling Theory and Methods. Calcuta: Statístical Publishing Society.
NARAIN, R. D. ( l 9 5 l). On sampling without replacernent with varying probabilities. Journal of the
Indian Saciety of Agrieultural Statistics, 3, 169-175.
R^o, J. N. ^. and BAYLESS, D, L. ( I 969), ^9 n empirica! study of the stabilities of estimators and
variance estirnators in pps sampling. Journal of the American Statistical Assoeiation, 64,
54U-549.
RAO, J. N. K,, HARTLEY, H. O. y CoCHRAN, W. G. (1962). ^n a simple procedure of unequal
probability sampling without replaeement. Journal of the Royal Statistical Association, Series B,
24, 4$4-491.
SAMPFORD, M. R. (1975}. The Horvitz and Thompson method in theory and practice-an historical
survey. Invited paper at the ISI meeting in Warsaw.
SANCHEZ-^RESPO, J. L. (1977}. .^ new sampling scheme: selection with graduate variable probabili-
ties without replacement, Bull. Internat. Statist. Inst. XLViI, Book 4, 458-461.
SETH1, V. C. (19ó2). .Sorne consequences of an interpretation of varying pr©bability sampling.
Sankhyái Ser. B, 24, 215-222,
UN ESQUEMA MIXTO DE MUESTREO C`C1N PRC)HAHII.If)ADES [3E:S1(;I;ALES ?5
S[^`MMARY
CO M E N TAR I OS
BAR BARA A. BA1 LAR
( Bureau of the Census. Washington, D.C. )
Entonces se realiza una segunda selección de las restantes bolas de la urna, y otra vez
se retiran b bolas del color elegido. La selección continúa l^asta que se elígen n
unidades, no necesaríamente distintas.
Aunque las aarianzas reales de los totales estimados puedan generalmente ser mayo-
res que las obtenidas con procedimientos WC?R, el método de muestreo presentado
puede ser más fácil de realizar que muchos procedimientos WOR, y las varianzas
estimadas más fáciles de obtener. Recomiendo a los autores que consideren estos
aspectos.
8 R E^/1^ E R, K. R. W.
(Bureau of Agricultural Economics. Camberra, Australia}.
Mi comentario al caso b-1, es decir con una sola bola retirada de la urna, en cada
selección, fue el existir usualmente muy poca diferencia con el muestreo con reposición,
Es ciertamente más interesante ei caso en el que, para cada selección, puede ser
retirada de la urna más de una bola, No obstante con b> 1 es importante considerar
que posici ^^n oeupa el procedimiento en el espectro entre el muestreo con y sin
reposición. En cierto sentido pareceria quedar relativamente próximo al muestreo con
reposición ya que todavía es posible seleccionar cualquier unidad hasta n veces.
En el caso de una unidad grande, comparada con la unidad rnás pequeña, su probabi-
lidad de inclusión e; veces seguiría una distribución próxima a la multimonial. Para
aquellas unidades próximas en tamaño a la más pequeña la distribución se aproximará
a la hipergeométrica, y si el tamaño de la muestra es pequeño, la varianza de la variable
aleatoria e^ será apreciablemente más pequeña que su valor bajo la distribución
multimonial. L.as circunstancias más favorables p^ ara el uso del esquema mixto, parecen
ser aquellas en las que las unidades son relativamente próximas entre si en cuanto a su
tamaño y el valor de n es pequeño.
orden de magnitud más pequeño que n/N indicando de modo bastante concluyente que
el método propuesto para n> 2 queda más próximo al muestreo con reposición que al
muestreo sin reposición.
No estoy de acuerdo con Cochran en que para n=2 todos los métodos sean simples.
Solo son menos laboriosos e incómodos que para n> 2. E1 método mixto es más simple,
incluso para n=2, que la mayor parEe de los métodos alternativos.
I. P. FELLEGI
(Statistics Canada. Ottawa, Canada).
EI esquema mixto aparece como una ingeniosa nueva propuesta. Tengo dos observa-
ciones relacionadas con la ganancia esperada sobre el método Hansen-Hurwitz. La
primera es que la ganancia en precisión es modesta si los valores de u; pertenecen a un
intervalo amplio. Pero si la estratificación (en términos de u;) es realmente útil, pudiera
ocurrir que no fuese necesario utilizar un esquema pps para reducir varianzas ya que
este solo ayuda con un recorrido razonable para los valores de u; y existe una correla-
ción alta con los valores de X;.
Por lo tanto solamente para nh=2, obtenemas una ganancia potencial sustancial en
varianza al utilizar el esquema mixto en lugar del debido a Hansen-Hurwitz.
MORRIS H. HANSEN
{WESTAT, Rockville, USA}.
J. N. K. RAC}
(Department of Mathematics and Statistics. Carleton University.
Qtawa, Canadaj.
FRANCISCQ AZORlIV
(Universidad Autónoma de Madrid),
Comenzaré con una breve reseña sobre la personalidad y rnéritos de los comentañstas
extranjeros, ya que es posible que parte de los lectares de la Revista, no familiañzados
con el rnuestreo de poblaciones finitas y probabilidades desiguales desconozean 1o que
los comentaristas rnencionados representan en este campo.
gación del muestreo con pr©babilidades desiguales. Se trata sin duda de un método de
gran eficiencia en el sentida de costolprecisión, incluyendo en el costo los algoritmos
necesarios para la estimación, la facilidad en la obtención de estimaciones insesgadas no
negativas de la varianza del total, esquemas de rotaci+ón, etc. Creo que sería interesante
evaluar tiernpos y recursos para diferentes situaciones con poblaciones artificiales y
naturales.
JAViER DE PARAUA
{Instituto Nacional de Estadistica. Madrid).
Puede observarse que la expresión (1) está íntimamente relacionada con las funciones
factoriales por lo que será oportuna acudir a algunas interesantes propiedades de tales
funciones. En general, se denomína función factorial a, de grado n, y diferencia b, ai
producto de n términos consecutivos de una progresión aritmética de razón b, y primer
término a, que expresaremos por:
b, t) . W (M - M;, b, n-t) ^
P {e; -- t) _ ( n) ^ (M^' ' (2)
t
W (M, - b, n)
UN ESQUEMA MIXTO DE MUESTREO CON PROBABILIDADES DE5IGUALES 33
La l.• condieión para que (2) sea función de probabilidad se cumple inmediatamente
aplicando la relación (3) anterior.
M; M - M;
b < ^ , y b ^ (4)
n-1 n-1
Por tanto, aunque la l.a condición no impone ninguna restricción al valor de b, que
es un número entero positivo fijado arbitrariamente, la 2.= condición restringe los
valores válidos de ó para que la función (2) sea una función de probabilidad. Los
valores de b quedan restringidos al cumplimiento de las relaciones dadas en (4).
Por su estrecha relación con las funciones factoriales, las distribuciones que siguen la
ley de probabilidad ( 1) propuesta por los autores podrían denominarse distribuciones
factoriales, denominación que utilizaré en el siguiente apartado.
1) Esperanza matemática:
n
Por definición: E(e;) _^ t P(e; = t) _
M, ^ ( n _ 1 ) W(Mr,b,-b,t-1).W(M-M,,-ó.n-t)
-n t l =n M;
M ^=1 W( M - b, - h, n- 1) M
Luego la esperan^za de esta variable aleat©ria viene determinada por los valores de n
y P,=n Mi
M
2) L'arianza: Por definición V(e;) = E(e;)^ -[ E(e;} ^2
.^
E(e;}Z= ^ t^P(e;--t)=
t-o
M - nb M ;
=n .
M-ó M M
3) ^^varianza:
Por definición:
M; M^
E(e;}=n-, E{e^)=n-
M M
n
según vimos anteriormente, siendo M= ^ Mh
h=1
M; M^
= n (n-1)
M(M-b)
=n (n-1) M=
M(M-b)
ya que la expresión entre corchetes, en virtud de (5), es igual a la unidad. Por tanto:
Contestación
En los cornentarios de Burhuru ,-^. f3uilar hay, par lo menos, tres sugerencias dc gran
interés, que en un posible trabajo futuro serán tenidas en consideración, Las sugerencias
a que me refero son:
h1 Ampliar " en lo posible" las comparaciones con otros métodos WOR. He añadido
1a frase " en lo posible", a causa de las difieultades que muchos métodos WOR pueden
presentar, incluso con ardenadores potentes, ya sea en la selección de la muestra, en la
estimación de varianzas, o en arnbos casos.
c•J Aún en e1 caso de que los métodos WOR presentasen menores varianzas reales en
la estimación de totales, el esquema mixto podria ser más fácil de realizar que muchos
métodos WOR, y las estimaciones insesgadas y no negativas de la varianza más senciilas
de obtener. Esto deberia ser tenido en cuenta.
Creo que el punto eentral en los eomentarios de J^'. R. w'. Brc^ ^1^c^r c^.^^ c^crc^ !u u^lrc•uc•ic^n
más irnpvrtunte cle! tnétc^clo mi_Ytc> eorr^spancl^ u n= 2, y que no todos los métodos son
simples para n igual a dos. Solo son menos laboriosos e incómodos que para rr mayor
que dos. El esquema rnixto es, incluso para rt = 2, más simple que la mayoría de los
métodos alternativos. Las circunstancias más favorables para el uso del método pro-
puesto parecerían ser aquellas en que los tamaños de las unidades sean relativarnente
próximos y el número de unidades en la nuestra sea pequeño.
Por mi parte pienso que podemos acercarnos a esta situación con una estratificación
conveniente.
Tengo ciertas reservas respecto al párrafo de Brewer en el que dice: "en cierto sentido
parecería quedar relativamente próximo al muestreo con reposición ya que todavía es
posible seleccionar cualquier unidad hasta n veces". En el ejemplo 1 hemos encontrado
r
V{ s^c^c;) = 0,8571 mientras que V(X^„-IB) = 0,9286. Sin pretender darle gran significa-
ción y a pesar de sus Iimitaciones, es claro que por lo menos en este caso el procedi-
miento mixto no solo no aparece cercano al Hansen-Hurwitz, V(X^^^^) = l,1428, sino
que en el espectro mencionado por Brewer aparece como superior al esquema Horwitz-
Thompson, utilizando el método de selección de Brewer.
En esta misma línea y utilizando los resultados obtenidos por Bayless y Rao para un
modelo de superpoblación con ^^=1 y n=2 hemos obtenido E* (V (Xsc^t;) )-
^
E* {V (X^^^^/B) indicando con el asterisco la esperanza, sobre todas las poblaciones
hipotéticas del modelo, condicionada a un conjunto fíjado de las M;.
Claro que tanto el ejemplo como el modelo se refieren al caso ^r1=2 comentado
satisfactoriamente por Brewer, pero he creído importante señalar esios dos casos para
evitar que una lectura rápida del excelente comentario de Brewer pudiese producir
confusión.
De la segunda observ^^cic^n, con la que por supuesto estoy por completo de acuerdo,
pienso que posiblernente pc^dría cambiarse de negativa en positiva, diciendo p^or ejem-
plo, que en la tabla 1 la razón de G,,,ú,_ sobre ( n,,-1)/(N,,-1) es de cierta importancia para
r^ = 3 y n= 4. Así vemos que incluso para N - 20 pasamos de una gananeia potencial
del 1(JD% para n,, = 2 a una de aproximadamente el 50°Ic^ cuando n^, es iguai a 3, y a una
pr^^ xima al 30^'l^ cuando n^, es igual a 4.
Finalmente pienso que el artículo ha mejorado mucho con la inclusión de las suge-
rencías de Fellegi.
Respeeto a los comentarios de .i. N. K. Ruc^ me resta poco que añadir por dos
razones: u) Su carta prímera que recibí se refíere a un primer borrador. h} Practi-
camente todos sus valiasos cornentarios han sido ineorporados al artículo.
E1 comentarío de Javier de Parada ha sido muy valioso, con una exposición oríginal
y rigurosa de las bases del esquema mixto.
Ha dejado aclaradas posibles lagunas, como por ejemplo, que mientras la suma de
probabilidades es para cualquier ó entero y posítivo igual a la unidad, la función de
UN ESQUEMA MEXTC) DE Ml.`ESTREC) C`ON PROH.ABILIDADES DES[Gl'ALES ^9
Por sí, en una lectura apresurada, hubiese lugar a confusión quiero recalcar que el
nombre de "distribución factorial" con el que según Javier de Parada "podrian denomi-
narse a las distribuciones que siguen la ley de probabilidad propuesta por los autores"
no corresponde a ninguna distribución de probabilidad conocida y sí corresponde al
esquema mixto de muestreo propuesto por primera vez por Sánchez-Crespo y Gabeiras.
La utilización del subtítulo "Momentos de las distribuciones factoriales" creo que puede
dar la impresión de que se trata de distribuciones ya existentes. Por cierto que en el
apartado correspondiente al citado subtítulo se lleg,a a partir de las mismas funciones de
cuantía utilizadas por los autores, aunque con distinta notación, a resultados por
supuesto idénticos. Es verdad que con más detalle e incluso es posible que con más
generalidad, pero creo que esta exposición alarga excesivamente un comentario que
como ya he indicado anteriormente considero muy valioso.
Quiero añadir que no creo afortunado el nombre "factorial", para bautizar nuestra
distribución, porque ya tiene numerosas acepciones en Estadística tales como; momen-
tos factoriales, cumulantes factoriales, experimentos factoriales, diseños factoriales, etc.