En el muestreo estratificado, ¿cuáles son la optimización de consideraciones? Por ejemplo, el tamaño de la muestra por estrato se puede definir con asignación proporcional como $n_h=n\frac{N_h}{N}$ donde $N_h$ es el tamaño de la población por estrato $h$, $N$ es el total de tamaño de la población, $n$ es el tamaño de la muestra total y $n_h$ es el tamaño de la muestra para el estrato $h$.
Para una variable binaria, puedo optar $n$, de modo que mi margen de error $e$ es de 1%, 5% o 10%. $$e=z_{1-\frac{\alpha}{2}} \sqrt{\frac{pq}{n}}$$
Yo también podría elegir mi $n = \sum_{h=1}^H n_h$ de manera tal que el margen de error para cada estrato $e_h$ es de 1%, 5% o 10%. $$e_h=z_{1-\frac{\alpha}{2}} \sqrt{\frac{pq}{n_h}}$$
Pero mi pregunta/preocupación es, ¿cuántos diferentes consideraciones que hay y cuáles son los más importantes en el contexto de muestreo estratificado?
