Tamaño muestral efectivo en el modelamiento de variables espaciales / Juan Carlos Herrera Órdenes.

Magíster en Estadística.

En la actualidad para la selecci´on de un conjunto de variables aleatorias (´o una muestra aleatoria) de tamaño provenientes desde una población de interés de tama˜no N, hay que tener en cuenta dos requisitos; que las muestras seleccionadas sean independientes e idénticamente distribuidas. Esto es uno de los requisitos básicos para realizar inferencia estadística, donde N ≥ n. Mas a´un, bajo ciertas condiciones de regularidad y una probabilidad de significancia dada se puede establecer fórmulas anal´ıticas que permiten calcular un n´umero n necesario de muestras, para estimar alg´un par´ametro de interés (comúnmente, media y desviación estándar). En la literatura existen varias perspectivas o metodolog´ıas para realizar técnicas de muestreo (Ver, Hansen, 1953 y Cochran, 1977). Otro escenario muy distinto, es cuando se est´a en presencia de un conjunto de variables cuyos atributos están georeferenciados, donde a menudo se puede encontrar que la informaci´on est´a duplicada, o bien, existe redundancia (se entiende por redundancia de la información, a los datos en la muestra que contienen la misma informaci´on que otro dato, o bien, están correlacionados). Debido a la característica de este conjunto de datos no se pueden aplicar las técnicas y f´ormulas descritas en Cochran (1977) para obtener un tama˜no de muestra. Sin embargo, existen autores como Haining (1990, 2004), Anselin (2010), Cressie (1993) y Griffith (2005, 2008) que discuten este tema en profundidad y han tratado de dar respuesta a esta situación.