Estimación de la distribución estadística de la tasa global de fecundidad

• Autores: Milenka Linneth Argote Cusi
• Localización: Papeles de población, ISSN 2448-7147, ISSN-e 1405-7425, Vol. 13, Nº. 54, 2007
• Idioma: español
• Títulos paralelos:
  • Estimation of the statistical distribution of the global rate of fecundity
• Enlaces
  • Texto completo
• Dialnet Métricas: 3 Citas
• Resumen
  • español

    El método de remuestreo se aplicó para generar la distribución estadística de la tasa global de fecundidad con base en los datos de fecundidad de la Encuesta Nacional de Demografía y Salud de Bolivia de 1998, que tiene un diseño estratificado y bietápico. El test Kolmogorov Smirnov de la distribución estadística de la TGF generada en mil réplicas de la muestra nos indica que no existe la evidencia suficiente para rechazar la normalidad de la distribución por muestreo. Resulta que la tasa global de fecundidad es un estimador sesgado; sin embargo, el remuestreo reduce el sesgo (el coeficiente de variación es mucho mayor al sesgo estandarizado). Si bien la estimación del intervalo de confianza de la TGF bajo el supuesto de normalidad incluye con alta probabilidad el valor del parámetro poblacional, la técnica de remuestreo permitió encontrar intervalos menos sesgados.

  • English

    Bootstrap method has been applied to generate statistical distribution of global fertility rate (GFR). In this research the demography and health national survey of Bolivia in 1998 was used as it was the most recent fertility survey available up to February 2005, this survey has a stratified and bietapic design. According Kolmogorov Smirnov test of global fertility rate statistical distribution there is not enough evidence to reject normality of resampling distribution. The global fertility rate is a biased estimator but standardized biased is lower than the coefficient of variation then it is consistent. The confidence intervals are consistent and show a convergent tendency. In spite of the GFR confidence interval under normal assumption includes with high probability the parameter value, bootstrap method allows finding more accurate estimations. This method is useful to evaluate sampling error and the bias of estimations.