Sobre la implementación del muestreo de máxima entropía con probabilidades desiguales y sin reemplazo

Área de la Ciencia:

• Estadística
• Metodología de encuestas
• Estadística computacional

Sus antecedentes:

• El muestreo de máxima entropía mejora la robustez de la inferencia estadística.
• La literatura existente carece de guías prácticas para implementar el muestreo de máxima entropía en poblaciones finitas con probabilidades desiguales y sin reemplazo.

Objetivo del estudio:

• Proporcionar un conjunto de herramientas completo y una guía de referencia para el muestreo de máxima entropía.
• Cerrar la brecha entre los resultados formales y la implementación práctica en lenguajes de programación.

Principales métodos:

• Presenta resultados formales para el muestreo de Poisson, la distribución binomial de Poisson y el muestreo de Poisson condicional.
• Detalla el cálculo de las probabilidades de inclusión de segundo orden para el muestreo de Poisson condicional.
• Proporciona algoritmos listos para usar para el muestreo de Poisson, la distribución binomial de Poisson y varios métodos de muestreo de Poisson condicional (de rechazo, paso a paso, secuencial, de intercambio).

Principales resultados:

• Se compilan resultados formales para diseños de muestreo clave.
• Se proporcionan algoritmos para implementar el muestreo de Poisson y su distribución.
• Se presentan algoritmos detallados para el muestreo de Poisson condicional, abordando un desafío estadístico significativo.

Conclusiones:

• Este trabajo ofrece una guía de implementación práctica para el muestreo de máxima entropía.
• Los algoritmos proporcionados facilitan la aplicación de diseños de muestreo complejos en investigación e ingeniería.
• El conjunto de herramientas aborda el desafío de larga data del muestreo de Poisson condicional con tamaños de muestra fijos.