Los datos de encuestas de muestreo a veces pueden contener observaciones atípicas. Cuando el estimador de la media se sesga debido a la presencia de valores extremos en la muestra, los resultados pueden ser sesgados. La tendencia a eliminar los valores atípicos de los datos de muestra es común. Sin embargo, realizar dicha eliminación puede reducir la precisión de las técnicas de estimación convencionales, especialmente en lo que respecta al error cuadrático medio (MSE). Con el fin de aumentar la precisión de la estimación de la media poblacional teniendo en cuenta los valores extremos, este estudio presenta una clase mejorada de estimadores. El método utiliza los valores extremos de una variable auxiliar como fuente de información en lugar de eliminar estos valores atípicos. Mediante una aproximación de primer orden, se investigan las propiedades de la clase sugerida de estimadores en el contexto de un marco de muestreo estratificado de dos fases. Se lleva a cabo una investigación de simulación para examinar el rendimiento práctico de estos estimadores con el fin de validar las conclusiones teóricas. Para demostrar aún más la superioridad de la clase sugerida de estimadores para tratar con valores extremos, un análisis de tres conjuntos de datos diferentes demuestra que consistentemente proporcionan una mayor eficiencia relativa porcentual (PRE) en comparación con los estimadores existentes.