El muestreo por conjuntos clasificados (RSS) ha demostrado ser una alternativa eficiente al muestreo aleatorio simple (SRS). El uso de información auxiliar también ayuda a mejorar la eficiencia de los procedimientos de estimación. Por lo tanto, para lograr una mayor eficiencia y discutir los problemas de optimalidad, ofrecemos algunas clases óptimas de estimadores bajo RSS mediante el empleo de múltiple información auxiliar. Se observa que el estimador de media ordinario, la regresión tradicional y los estimadores de razón son subconjuntos de los estimadores ofrecidos. Se reportan las expresiones del sesgo y el error cuadrático medio. Una comparación analítica bajo algunas condiciones de optimalidad señala la superioridad de las clases de estimadores ofrecidas sobre todos los trabajos revisados. Los resultados teóricos han sido complementados con un estudio computacional mediante el empleo de algunas poblaciones artificiales y naturales. Los resultados computacionales muestran que los estimadores ofrecidos superan a los estimadores convencionales revisados en este estudio. Además, se sugieren consejos apropiados a las personas encuestadas.