Optimización de Muestreo Estratificado con Algoritmos Genéticos para Puntos de Atención al Cliente

Resumen

El muestreo aleatorio estratificado divide a la población en diferentes subgrupos (estratos), para seleccionar a los sujetos finales de los diferentes estratos en forma proporcional (afijación proporcional). El problema que se plantea es dividir a una misma población en diferentes grupos, cada uno de ellos subdividido en estratos, donde la selección del sujeto final cumpla con los requisitos de una muestra estratificada proporcional para cada uno de los grupos, evitando que los diferentes estratos se superpongan y manteniendo el criterio de muestreo probabilístico. La solución propuesta para este tipo de problemas utiliza modelos de optimización con base a Algoritmos Genéticos, porque esta técnica es capaz de resolver problemas no lineales complejos, donde la mejor solución local puede no ser la mejor solución absoluta (a diferencia de los métodos de optimización tipo «escalada»). El modelo especificado optimiza la muestra para cuatro grupos (tipos de entidades, tipos de puntos de atención, nivel de urbanización y piso geológico), donde la población la constituyen los puntos de atención. El modelo de optimización selecciona aquellos puntos que cumplen con los requerimientos muestrales de cada estrato. El procedimiento permite obtener una serie de escenarios óptimos, mismos que son condicionados a contener un número determinado de veces a un mismo punto de la población en el conjunto de escenarios. La metodología propuesta es de carácter experimental, apertura un camino diferente en el campo del muestreo y requiere para su desarrollo una profundización en la fundamentación teórica.