Estimación predictiva del índice de Gini en poblaciones finitas bajo muestreo aleatorio simple

Abstract

El estudio de características de concentración, en el ámbito del muestreo en poblaciones finitas, permite cuantificar el grado de uniformidad o equidad en el reparto de una variable sobre los elementos de la población. Ello resulta especialmente interesante en investigaciones de carácter demográfico o económico, al estudiar variable como número de habitantes, salario o renta por persona. En este trabajo construimos estimadores del índice de Gini, empleando un enfoque predictivo basado en un modelo de superpoblación muy general y común, bajo diseño muestral aleatorio simple. Para estos estimadores realizamos mediante simulación un estudio comparativo con otros estimadores basados en el diseño. Dicho estudio muestra mejoras sustanciales en relación al sesgo y al error cuadrático medio.

In this paper, a predictive estimator of the Gini coefficient (the well-known income inequality measure) of a finite population is defined for an arbitrary probability sampling design, taking a very common superpopulation model in consideration. Under simple random sampling, and by means of a Monte Carlo study, the sampling performance of this predictive estimator is compared with other classical design based estimators in literature.