Determinación de la máxima varianza para el cálculo del factor de imprecisión sobre la escala de medida, y extensión a diferentes tipos de muestreo

[ESP] La precisión de las estimaciones tiene que ser adecuadamente descrita en la investigación mediante en-cuesta, donde las escalas de medida ordinales y de intervalo son comúnmente utilizadas. En relación ala estimación de valores medios poblacionales, los errores absoluto y relativo están en función de esasescalas de medida. Este trabajo discute algunas de las asunciones en las que se fundamenta el «Factorde Imprecisión sobre la Escala de Medida —FIEM—». Este índice es una herramienta para evaluar elgrado de imprecisión de las estimaciones, independientemente del rango de la escala de medida con-siderado. Específicamente, proponemos un nuevo método para determinar la varianza más desfavora-ble, el cual es consistente con la asunción de normalidad en la población, a diferencia del método ori-ginal basado en una distribución bimodal. Este método reduce el valor de la varianza más desfavorable,y es fácilmente calculado a partir de la función de distribución normal estándar. Además, se muestrala relación de FIEM con otros tipos de muestreo probabilístico, como el muestreo estratificado y porconglomerados. [ENG] Determining the most unfavourable variance to calculate the Measurement Scale Imprecision Factor,and extension to other types of sampling methods. The precision of estimates must be adequatelyreported in survey research, where ordinal and interval measurement scales are commonly used.Regarding mean estimate, absolute and relative errors exist as a function of the measurement scales.This manuscript discusses some assumptions underlying the development of the Measurement ScaleImprecision Factor —MSIF—, a tool to assess the degree of imprecision of estimates, regardless of thescale rank considered. Specifically, we propose a new method for determining the most unfavourablevariance, which is consistent with the normal distribution assumption, unlike the original assumptionbased on the bimodal distribution. This method reduces the value of the most unfavourable variance,which is easily computed using the cumulative normal standard distribution function. In addition, weshow the relationship between MSIF and other types of probabilistic sampling methods, such asstratified and cluster sampling