Documente Academic
Documente Profesional
Documente Cultură
DE MUESTREO
2010 - II 1
Objetivos de aprendizaje
Explicar porque en muchas situaciones una muestra es la
única forma posible para tener conocimiento de una
población.
Explicar los diversos métodos para seleccionar una muestra
Diferenciar entre muestreo probabilístico y no
probabilístico.
Definir y elaborar una distribución de muestreo de medias
muestrales.
Explicar el “teorema de limite central y su importancia en
la inferencia estadística.
Calcular los intervalos de confianza para medias y
proporciones.
Determinar que tan grande debe ser una muestra para
medias y proporciones.
2
MUESTREAR LA
POBLACION
3
¿Por qué muestrear la población?
• Muestrear es una forma de evaluar la calidad de un
producto, la opinión de los consumidores, la eficacia
de un medicamento o de un tratamiento. Muestra es
una parte de la población. Población es el total de
resultados de un experimento. Hacer una conclusión
sobre el grupo entero (población) basados en
información estadística obtenida de un pequeño grupo
(muestra) es hacer una inferencia estadística.
• A menudo no es factible estudiar la población entera.
Algunas de las razones por lo que es necesario
muestrear son:
4
¿Por qué muestrear?
(continuación)
1. La naturaleza destructiva de algunas pruebas
5
¿Por qué muestrear?
(continuación)
2. El costo de estudiar a toda la población es muy
alto.
6
¿Por qué muestrear?
(continuación)
3. El costo de estudiar a toda la población es muy
alto.
7
¿Por qué muestrear?
(continuación)
4. El resultado de la muestra es muy similar al
resultado de la población.
8
¿Por qué muestrear?
(continuación)
5. El tiempo para contactar a toda la población es
inviable.
9
MUESTRA
PROBABILISTICA
10
¿Qué es una muestra probabilística?
En general, hay 2 tipos de muestras: la muestra
probabilística y la muestra no probabilística. ¿Qué es
una muestra de esta clase?
Muestra Probabilística
Muestra que se selecciona
de modo que cada
integrante de la población
en estudio tengan una
probabilidad conocida (no
igual a cero) de ser incluido
en la muestra.
11
MÉTODOS DE MUESTREO
PROBABILISTICO
12
Métodos de Muestreo Probabilístico
Muestra Aleatoria. Es una muestra seleccionada de
tal forma que cada integrante de una población que
está siendo estudiada tiene la misma probabilidad de
ser incluida en la muestra
14
Muestreo Aleatorio Simple
Muestro aleatorio simple es cuando una muestra es
formulada de tal manera que cada elemento en la
población tiene la misma oportunidad de ser incluido.
19
Muestreo Aleatorio Estratificado
• Ejemplo: Se quiere obtener una muestra de 50
compañías para hacer un estudio sobre los gastos en
publicidad de las 352 compañías más grandes del país.
Se dividió a las compañías en 5 estratos de acuerdo a
su rentabilidad.
Estrato Rentabilidad Número de f irmas Porcentaje Muestra
A 30% o más 8 2 1
B 20 – 30% 35 10 5
C 10 – 20% 189 54 27
D 0 – 10% 115 33 16
E Con pérdida 5 1 1
Total 352 100 50
20
Muestreo Aleatorio Estratificado
• En un muestreo estratificado no proporcional, el
número de elementos estudiado en cada estrato es
desproporcionado con respecto a su número en la
población. Por ejemplo, si un muestreo no
proporcional fuese utilizado en el caso anterior, se
deberán pesar los resultados de cada estrato
multiplicándose por .02 en el estrato 1, por .10 en el
estrato 2, por .54 en el tres, etc.
• El muestro estratificado tiene la ventaja de reflejar
con más exactitud las características de la población.
21
Muestreo por Conglomerados
• Este método de muestro es empleado para reducir el
costo de muestrear una población cuando está
dispersa sobre una gran área geográfica. El muestreo
por bloque consiste en dividir el área geográfica en
sectores, seleccionar una muestra aleatoria de esos
sectores, y finalmente obtener una muestra aleatoria
de cada uno de los sectores seleccionados .
22
ERROR DE MUESTREO
23
Error de Muestreo
• Si seleccionamos una muestra por el método de
muestreo aleatorio simple, por muestreo sistemático,
por muestreo estratificado, por muestreo por bloques
o por una combinación de estos métodos, es poco
probable que la media de la muestra sea idéntica a la
media de la población de donde fue obtenida. De la
misma forma, es probable que la desviación estándar
de la muestra no sea exactamente igual al valor
correspondient e de la población. Por lo tanto
podemos esperar alguna diferencia entre un
estadístico muestral y el correspondient e parámetro
poblacional . Esta diferencia es llamada error de
muestreo.
24
Error de Muestreo
Error de muestreo es la diferencia entre un estadístico
muestral y su correspondient e parámetro poblacional.
25
DISTRIBUCION MUESTRAL
DE MEDIAS
26
Distribución Muestral de Medias
El ejemplo de los ratings de eficiencia muestra como las
medias de muestras de un tamaño específico varían de
muestra a muestra. La media de la primera muestra fue 101
y la media de la segunda fue 99.5. En una tercera muestra
probablemente resultaría una media diferente. Si
organizamos las medias de todas las posibles muestras de
tamaño 2 en una distribución de probabilidad, obtendremos
la distribución muestral de las medias.
29
Distribución Muestral de Medias
2. Para construir la distribución muestral de las
medias, Las medias de todas las posibles muestras
de tamaño 2 son calculadas y son las siguientes:
Muestra Parrilleros percepciones Media de la muestra
1 A–B 9.00 8.00 8.50
2 A–C 9.00 8.00 8.50
3 A–D 9.00 8.00 8.50
4 A–E 9.00 7.00 8.00
5 B–C 8.00 8.00 8.00
6 B–D 8.00 8.00 8.00
7 B–E 8.00 7.00 7.50
8 C–D 8.00 8.00 8.00
9 C–E 8.00 7.00 7.50
10 D-E 8.00 7.00 7.50
30
Distribución Muestral de Medias
DISTRIBUCIÓN MUESTRAL DE LAS MEDIAS
para n = 2
Media Número de Probabilidad
muestral medias
7.50 3 0.3
8.00 4 0.4
8.50 3 0.3
Σ 10 1.0
31
Distribución Muestral de Medias
3. La media de la distribución muest ral de medias es:
32
Distribución Muestral de Medias
Los histogramas de la distribución de probabilidad de la
población y de la distribución muestral de medias son:
33
Distribución Muestral de Medias
4. Se pueden hacer las siguientes observaciones :
– La media de las medias muestrales es igual a la
media de la población.
– La dispersión de las medias muestrales es menor
que la dispersión en la población
– La forma de la distribución muestral presenta un
cambio respecto a la forma de la población.
34
Distribución Muestral de Medias
Ejercicios
1.- La Señora López da a sus seis hijos “domingo”
para que se lo gasten en dulces. Las cantidades son
las siguientes:
Niño Domingo
Javier 10.00
Antonio 9.00
José 10.00
Ignacio 8.00
Adolfo 8.00
Andrés 9.00
35
Distribución Muestral de Medias
1. ¿Cuántas muestras diferentes de tamaño 3 se
pueden seleccionar de esta población?
2. Construya la distribución muestral de las medias de
muestras tamaño 3.
3. Compare la media de la población con la media de
la distribución muestral
4. Compare la desviación estándar de la población con
la desviación estándar de la distribución muestral de
las medias.
5. Compare los histogramas de la población y de la
distribución muestral de las medias.
36
TEOREMA
DE LIMITE
CENTRAL
37
Teorema del Límite Central
• El tamaño de la población y el tamaño de la
muestra en los problemas anteriores son
intencionalmente pequeños para enfatizar dos
conceptos: (1) La media de las medias
muestrales es exactamente la misma que la
media de la población y (2) que la forma de la
distribución de las medias muestrales no es
necesariamente igual que la forma de la
distribución.
38
Teorema del Límite Central
• Las siguientes gráficas corresponden al
ejemplo anterior, note como la forma de la
distribución de la población no es igual a la
forma de la distribución muestral. La
distribución muestral de las medias se
aproxima mucho a una distribución normal.
39
Teorema del Límite Central
40
Teorema del Límite Central
41
Teorema del Límite Central
• Si la población está normalmente distribuida, la
distribución muestral de las medias también
estará normalmente distribuida. En el primer
problema (ingresos de los parrilleros) la forma
de la distribución de la población es
aproximadamente normal y la forma de la
distribución muestral también es
aproximadamente normal. Estas son las bases
del teorema del límite central, uno de los más
importantes teoremas en estadísticas.
42
Teorema del Límite Central
45
ESTIMACIONES
PUNTUALES Y DE
INTERVALO
46
Estimación Puntual
47
Ejemplo 01:
• Se realizará un estudio sobre la
26 27 26 20 21 42 30 22
potencia de arranque en frío de
baterías o acumuladores de 12 22 21 26 9 21 22 28 26
voltios para estimar el numero de
veces que un motor con 19 16 20 32 18 23 32 28
desplazamient o de 440 plg3 21 41 19 31 21 22 16 23
arrancara antes de que falle la
batería. Una muestra de 40 30 21 37 28 39 30 21 23
dispositivos seleccionados al
azar dió los siguientes números
de arranque:
Solución:
x = ΣX = 1000 = 25 arreglos
n 40 48
Ejemplo 01: (sigue)
• La variancia muestral s2 y la desviación estándar
muestral ,s se utilizan para estimar la variancia
poblacional σ2 y la desviación estándar poblacional ,
σ s Se realizará un estudio sobre la potencia de
arranque en frío de baterías o acumuladores de 12
voltios para estimar el numero de veces que un motor
con desplazamiento de 440 plg3 arrancara antes de
que falle la batería. Una muestra de 40 dispositivos
seleccionados al azar dio los siguientes números de
arranque:
Variancia de la
s2 = Σ(xi – x)2
muestra:
n-1 49
Variancia de la muestra:
s= Σ(xi – x )2
n-1
En donde X representa el valor de una elemento
seleccionado para la muestra, X es la media de la
muestra , y n es el numero en la muestra.
De igual manera, la proporción de la población que está a favor
de medidas mas estrictas para la protección ambiental puede
estimarse utilizando una proporción muestral. Si p es la
proporción poblacional desconocida y p es la proporción
muestral, la estimación puntual para la proporción de la
población es:
50
Número de éxitos de la muestran
p= Número muestrado
X
p= n
Ejemplo: De 2000 personas muestreadas, 1600 están a favor
de medidas mas estrictas de protección ambiental. ¿Cuál es la
proporción poblacional estimada?
Solucion:
54
Estimación por Intervalo
• Para entender mejor el concepto de intervalo de confianza
vamos a suponer que seleccionamos 100 muestras de una
población y calculamos la media de las muestras e intervalos
de confianza del 95% para cada muestra. Descubriremos que
cerca de 95 de los 100 intervalos de confianza contienen la
media poblacional .
Pasos para construir un intervalo de confianza (n>30)
1. Establecer el nivel de confianza
2. Determinar el valor de la variable aleatoria estándar
3. Calcular los estadísticos de la muestra
4. Calcular el error estándar
5. Calcular el error máximo de estimación
6. Determinar los límites del intervalo de confianza e interpretar.
55
Estimación por Intervalo
• Ejemplo: Los resultados siguientes representan las
calificaciones de una muestra aleatoria de
calificaciones de estudiantes en estadística elemental.
23 60 79 32 57 74 52 70 82 36
80 77 81 95 41 65 92 85 55 76
52 10 64 75 78 25 80 98 81 67
41 71 83 54 64 72 88 62 74 43
60 78 89 76 84 48 84 90 15 79
34 67 17 82 69 74 63 80 85 61
56
Estimación por Intervalo
a) Haga un intervalo de confianza del 95% para
estimar la media poblacional
b) Haga un intervalo de confianza del 99% para
estimar la media poblacional
c) Compare los anteriores result ados
Solución del inciso (a)
Haga un intervalo de confianza del 95% para
estimar la media poblacional
1.- El nivel de confianza ya está establecido como
95%, se simboliza de la siguiente forma:
1 – α = 0.95
57
Estimación por Intervalo
2.- Cuando se trata de estimar la media poblacional la
variable aleatoria estándar es el valor Z de la distribución
normal, siempre y cuando la muestra sea grande (n >
30). Como 1 – α es la probabilidad de que la media
poblacional se encuentre dentro del intervalo (centro de
la curva), α es la probabilidad de que no se encuentre en
el intervalo (extremos de la curva), y cada extremo de la
curva o cola corresponde a α/2.
En la tabla de la distribución normal se busca el valor Z
que corresponde al área de α/2 de la siguiente manera:
58
Estimación por Intervalo
59
Estimación por Intervalo
1 – α = .95
α = 1 - .95 = .05
α/2 = .025
Se busca en la tabla nornal:
60
Estimación por Intervalo
3.- Para estimar la media poblacional necesitamos
calcular la media y la desviación estándar de la
muestra:
61
Estimación por Intervalo
4.- Se calcula el error estándar, como no conocemos
el tamaño de la población se elimina la segunda parte
de la fórmula. Hacemos lo mismo si la población es
20 o más veces más grande que la muestra. Si no se
conoce σ, como en este caso, se utiliza S.
62
Estimación por Intervalo
6.- Se calculan los límites del intervalo de confianza,
restando a la media de la muestra el error maximo de
estimación se obtiene el límite inferior. Sumando a la
media de la muestra el error máximo de estimación se
obtiene el límite superior.
64
Estimación por Intervalo
2.- Cuando se trata de estimar la media poblacional la
variable aleatoria estándar es el valor Z de la
distribución normal, siempre y cuando la muestra sea
grande (n > 30). Como 1 – α es la probabilidad de que
la media poblacional se encuentre dentro del intervalo
(centro de la curva), α es la probabilidad de que no se
encuentre en el intervalo (extremos de la curva), y cada
extremo de la curva o cola corresponde a α/2.
En la tabla de la distribución normal se busca el valor Z
que corresponde al área de α/2 de la siguiente manera:
65
Estimación por Intervalo
0.005 0.005
Z = -2.58 Z = 2.58
66
Estimación por Intervalo
1 – α = .99
α = 1 - .99 = .01
α/2 = .005
Se busca en la tabla nornal:
67
Estimación por Intervalo
3.- Para estimar la media poblacional necesitamos
calcular la media y la desviación estándar de la
muestra:
68
Estimación por Intervalo
4.- Se calcula el error estándar, como no conocemos
el tamaño de la población se elimina la segunda
parte de la fórmula. Hacemos lo mismo si la
población es 20 o más veces más grande que la
muestra. Si no se conoce σ, como en este caso, se
utiliza S.
71
Error estándar de la media
Error estándar de la media: Desviación estándar de la
distribución muestral de las medias muestrales
σ
σ =
x n
En donde:
s
s =
x n
73
INTERVALOS DE CONFIANZA
DE 95% Y 99%
74
Elaboración de los intervalos de confianza de
95% y 99% (n≥ 30)
INTERVALO DE S
CONFIANZA DE 95% = X ± 1.96
n
INTERVALO DE S
CONFIANZA DE 99% = X ± 2.58
n
75
INTERVALOS PARA UNA
PROPORCION
76
Intervalo de confianza para una
proporción de la población
INTERVALO DE p (1 - p)
CONFIANZA DE 95% = p ± 1.96
n
INTERVALO DE
p (1 - p)
CONFIANZA DE 99% = p ± 2.58
n
77
FACTOR DE CORRECCIÓN
PARA POBLACIÓN FINITA
78
FACTOR DE CORRECCIÓN P ARA
POBLACIÓN FINITA
• Se dice que una población con una cota superior fija es finita.
Para una población finita, donde el número total de objetos es
N y el tamaño de la muestra es n, se hace el siguiente ajuste a
los errores estándar de las medias muestrales y a las
proporciones :
• Error estándar de las medias muestrales :
79
FACTOR DE CORRECCIÓN DE
POBLACIÓN FINITA
• Error estándar de las proporciones de las muestras:
=X ±
z
s
n
( N - n
N - 1 )
75
= 450 ± 1.96
40
( 250 - 40
250 - 1 )
= 450 ± 21.34 = 428.66 y
471.34 81
SELECCIÓN DEL TAMAÑO DE
LA MUESTRA
82
Selección del Tamaño de la Muestra
• Siempre se especificaron los tamaños de muestra
en los problemas anteriores. Pero esta vez se
determinara un tamaño adecuado de muestra. No
se debe escoger un tamaño de muestra muy grande
o muy pequeña.
• Si se escogiera una muestra de 300 elementos y si
este tamaño de muestra es demasiado grande, se
estaría desperdiciando tiempo y dinero. Si 300 no
fuera una muestra suficientemente grande, las
conclusiones a las que se llegue serán incorrectas.
de la muestra.
83
Selección del Tamaño de la Muestra
• Como ejemplo tenemos el siguiente caso:
supongamos que dos personas de una población
electoral y se les pregunto su preferencia electoral
para una candidatura de una alcaldía. Si las dos
personas seleccionadas son miembros del partido
AAA, se concluiría erróneament e que el próximo
AAA
alcalde a elegir seria del partido AAA
AAA.
• Hay errores al tomar un tamaño de muestra, muchos
creen que 5% es el tamaño ideal para todo
problema. Sin embargo, 4 de una población de 80
podría ser demasiado pequeña, y un tamaño de
muestra de 60,000 de una población de 1 200,000 es
demasiado grande. 84
Selección del Tamaño de la Muestra
• Otro error es considerar una muestra mas grande
para una Región con mayor densidad poblacional que
otra de menor densidad poblacional.
• Hay tres factores que determinan el tamaño de
muestra:
• Grado de Confianza
Confianza:: mayormente se utiliza 0.95 y
0.99, pero tambien se puede utilizar otro nivel.
• Maximo Error Permisible
Permisible:: lo decide el investigador,
es el maximo error tolerable en un nivel de confianza
especifico.
• Variación de la Población
Población:: la variabilidad la mide la
desviación estándar. 85
Selección del Tamaño de la Muestra
• Grado de Confianza
Confianza:: Probabilida d de que la
estimación efectuada se ajuste a la realidad.
Cualquier información que queremos recoger está
distribuida según una ley de probabilidad (Gauss o
Student), así llamamos nivel de confianza a la
probabilidad de que el intervalo construido en torno a
un estadístico capte el verdadero valor del parámetro.
Es una convención que se utilice un nivel de
confianza del 95
95%% (z=
(z=1
1.96
96)), o bien del 99
99%% (z=
(z=22.58
58)).
Mientras más alto sea el nivel de confianza, mayor
será el tamaño de la muestra.
86
Selección del Tamaño de la Muestra
88
Selección del Tamaño de la Muestra
89
Selección del Tamaño de la Muestra
σx = E = 200 = 102.04
z 1.96
• El tamaño de la muestra se calcula despejando el
valor de n en la formula:
sx = s
n
90
Selección del Tamaño de la Muestra
La media poblacional debe
estar en el intervalo ± 200
desde la media muestral..
El error no puede
exceder de
200 200
97.96 102.04 102.04 97.96
-1 1 91
Selección del Tamaño de la Muestra
• Donde:
sx es el error estándar de la muestra
s es la desviación estándar muestral
n es el tamaño de la muestra
Hasta ahora:
sx = s
n
Error total permisible Desviacion estandar de la muestra
Z desviaciones estandares Tamaño de la muestra
92
Selección del Tamaño de la Muestra
• Donde:
Si E representa el error total permisible.
E s
=
z n
200 s
=
1.96 n
s
102.04 =
n 93
Selección del Tamaño de la Muestra
• Variación de la Población: Si la población tiene una
dispersión amplia, se requiere una muestra grande. Por
otra parte si la población está concentrada (es
homogénea), el tamaño requerido de la muestra será
pequeño.
• Cuando no se conoce la desviación estándar de la
población es necesario hacer una estimación de ella.
Algunos métodos para hacer esta estimación son los
siguientes:
94
Selección del Tamaño de la Muestra
§ El enfoque del estudio comparativo. Este se utiliza
cuando con anterioridad se ha realizado estudios
estadísticos sobre la misma población. Si los datos
obtenidos por estos estudios se consideran confiables
se puede utilizar la desviación estándar encontrada por
ellos.
§ Estudio piloto. Consiste en aplicar un estudio previo a
una pequeña muestra de la población y en tomar como
DE la que se obtenga de esta pequeña muestra.
§ El error estándar de la media o de la proporción.
Consiste en aplicar el procedimient o visto en el tema
anterior.
95
§ La aproximación basada en rango. Para utilizar
este método es necesario conocer o tener una
estimación de los valores máximos y establece que,
suponiendo que la distribución es normal, dentro del
rango de + – 3 DE de la media se encuentran
prácticamente la totalidad de las observaciones de
una distribución (99.7%). De esta manera la distacia
entre el valor menor y el mayor debe ser, en teoría,
algo muy cercano a 6 DE. Se podría entonces
estimar la DE como una sexta parte del rango. Por
ejemplo supón que quieres estimar la DE de la
cantidad de cheques que expiden al mes los alumnos
de la universidad, supón que el mínimo de cheques
expedidos es de 2 y el máximo de 50, de esta
manera el rango sería de 48 (50-2). En este ejemplo
la estimación de la DE sería de 8 cheques, que se
obtiene de 48/6.
96
§ Supóngase que se realiza un estudio piloto y se
calcula que la desviación de la s es 3000:
sx = s
n
E s
=
z n
200 3000
=
1.96 n
Remplazamos y tenemos que n= 864.36
97
§ Una formula de calculo mas adecuada para
determinar n es:
2
n= ( Z*s
E
)
§ Donde:
§ E es el error permisible
§ Z es el desvió formal asociado al grado de
confianza seleccionado
§ S es la desviación estándar de la muestra del
estudio.
98
§ Para el ejemplo anterior despejamos y tenemos lo
siguiente:
2
n=
1.96*3000
(200
)
n= 864.36
99
§ Ejemplo:
§ Un estudiante de administración desea determinar la
cantidad media que perciben los empleados del
Municipio del Rimac. El error para estimar la media
es de $1,000, con un nivel de confianza del 95%. El
estudiante encuentra un informe en INEI que estima
la desviación estándar en $10,000. ¿Cuál es tamaño
requerido de la muestra?
§ Solución:
• n = ((1.96*$10,000)/$1,000)2
• n = 384.16, es deci r 385
100
• Si se desea un nivel mayor de confianza, por ejemplo
del 99%, la muestra deberá ser mayor.
• n = ((2.58*$10,000)/$1,000)2
• n = 665.64, es decir 666 (el numero de la bestia)
101
Estimación por Intervalo con
muestras pequeñas (n ≤ 30)
• Para poder utilizar la distribución normal es necesario
que las muestras sean grandes (n > 30) y conocer σ.
Si no se conoce σ se utiliza S, pero si además la
muestra es chica los resultados no serán
satisfactorios. En estos casos se utiliza la
distribución t de student.
102
Estimación por Intervalo -
Características de t de Student
103
Estimación por Intervalo -
Características de t de Student
104
Estimación por Intervalo -
Características de t de Student
Las características de la distribución t son:
a) Es una distribución continua.
b) Tiene forma de campana y es simétrica.
c) Es una familia de curvas. Todas tienen la misma
media de cero, pero sus desviaciones estándar
difieren de acuerdo al tamaño de la muestra.
d) La distribución t es más baja y dispersa que la
distribución normal. Cuando el tamaño de la muestra
se incrementa, la distribución t se aproxima a la
normal. 105
Pasos para construir intervalos de
confianza para muestras pequeñas
Se siguen los mismos pasos de los intervalos de
confianza para muestras grandes.
Ejemplo.
Una muestra aleatoria de 12 secretarias escriben a
máquina un promedio 85.2 palabras por minuto con
una desviación estándar de 9.3 palabras por minuto.
Encuentre un intervalo de confianza de 95% para el
número promedio de palabras por minuto escritas por
todas las secretarias.
106
Pasos para construir intervalos de
confianza para muestras pequeñas
Solución.
1.- El nivel de confianza es 1 – α = 0.95
2.-Como la muestra es pequeña (n ≤ 30) se
determina el valor de t, para lo cual, antes se
determinan los grados de libertad Φ. El valor de α de
la tabla corresponde al área que se encuentra a la
derecha del valor positivo de t que buscamos, por lo
tanto en los intervalos de confianza sería α/2
Φ = n – 1 = 12 – 1 = 11 α/2 = 0.025
107
Pasos para construir intervalos de
confianza para muestras pequeñas
Φ α 0.025
11 2.20099
t = 2.20099
3.- Los estadísticos de la muestra son:
X = 85.2 S = 9.3
4.- Se calcula el error estándar
108
Pasos para construir intervalos de
confianza para muestras pequeñas
5.- Se calcula el error máximo de estimación
4 10 7 8 7 5 3 7 12 4 6 8 4 7 7 7 6 8 4 6
6 8 8 8 6 6 9 10 5 8 2 6 7 2 6 9 5 6 6 8
7 7 13 8 4 5 4 5 5 7
GRUPO B
HOMBRES MUJERES
2 0 3 6 9 10 9 6 5 10 8 5 4 9 7 8 8 10 6 7
8 9 5 5 8 6 10 8 5 4 6 6 5 9 4 9 3 7 5 8
9 1 11 5 3 7 8 15 8 6 7 4 117
Problemas
GRUPO C
HOMBRES MUJERES
8 2 6 1 5 8 9 2 7 6 6 3 11 6 7 7 1 9 6 4
4 7 10 8 5 2 7 7 6 6 6 8 6 8 4 9 2 8 1 6
7 4 9 2 8 11 2
GRUPO D
HOMBRES MUJERES
8 0 7 7 8 7 6 11 4 8 0 2 11 7 8 4 4 5 5 4
12 7 5 9 6 5 5 8 9 3 5 8 8 9 5 10 7 9 9 7
10 9 4 7 10 7
GRUPO E
HOMBRES MUJERES
4 8 11 9 4 7 8 9 8 9 2 14 1 8 6 2 7 5 9 4
4 6 4 8 6 6 5 4 7 7 9 8 7 5 6 5 8 5 9 6
7 4 7 4 7 5 6 6 8 8 8 7 6 2 6 6 7
118
Problemas
a) Obtenga una muestra de tamaño 15 por muestreo aleatorio
simple y haga una estimación de la media poblacional con una
confianza de 99%
b) Obtenga una muestra de tamaño 40 por muestreo aleatorio
sistemático y haga una estimación de la proporción poblacional
de estudiantes que tuvieron menos de 5 errores, con un nivel
de confianza de 93%
c) Obtenga una muestra de 50 estudiantes por muestreo aleatorio
estratificado y haga una estimación de la media poblacional
con nivel de confianza de 90%
d) ¿Cuál método de muestreo es el más apropiado para este
caso?
e) ¿De que tamaño debería ser la muestra si queremos que el
error máximo de estimación sea igual a 1? 119
Problemas
4.- Cierto banco encuentra que el uso de cajeros automáticos
reduce el costo de las transacciones bancarias de rutina. Este
banco instaló un cajero automático en las instalaciones de Fun
Toy Company. Este cajero es para uso exclusivo de los 500
empleados de Fun Toy Company. Después de algunos meses
de operación, se realizó un estudio sobre el uso del cajero y se
encontró lo siguiente:
NÚMERO DE VECES QUE USÓ EL CAJERO EL ÚLTIMO MES
4 2 2 3 3 3 2 1 3 5 2 3 3 1 4 1 3 4 2 2
1 4 5 1 3 3 4 2 4 3 2 1 3 3 2 3 2 1 4 5
2 2 1 3 3 3 4 2 1 3 2 1 2 2 1 3 2 2 2 1
0 2 2 0 2 1 3 1 2 1 3 2 5 2 1 3 1 0 2 2
1 4 2 3 2 1 2 2 2 4 2 2 4 1 1 1 2 1 4 2
120
4 2 5 2 3 1 2 4 2 1 4 1 3 1 3 1 1 4 2 5
2 3 3 1 4 3 1 2 0 4 1 1 2 2 2 1 1 2 3 3
2 3 2 3 4 2 3 3 4 3 1 2 0 3 1 3 1 2 3 2
4 3 4 1 3 4 2 2 4 2 2 1 2 2 3 3 2 4 3 4
2 2 2 2 3 2 2 3 2 2 2 0 3 2 1 2 1 2 2 2
1 4 2 3 0 3 2 1 1 2 2 3 1 2 2 5 1 1 4 2
2 2 2 3 2 3 3 2 4 1 1 2 2 2 2 3 1 2 2 2
5 0 1 2 3 1 0 2 2 1 2 3 1 2 3 0 3 5 0 1
4 2 3 0 3 0 2 1 2 2 1 2 2 4 3 2 2 4 2 3
2 2 2 4 0 2 0 2 2 4 2 3 3 1 2 0 3 2 2 2
2 3 2 2 1 3 2 1 3 2 2 3 2 1 2 2 3 2 3 2
2 0 2 2 2 2 3 3 2 3 2 2 2 2 1 2 1 2 0 2
3 1 3 3 2 2 3 2 4 1 2 3 2 2 4 3 3 3 1 3
4 2 2 1 3 2 1 1 2 4 1 3 0 3 2 2 2 4 2 2
3 3 4 1 1 2 1 1 3 2 3 4 2 1 3 3 1 3 3 4
2 2 3 3 3 3 2 3 3 2 3 3 2 2 3 3 3 2 2 3
3 3 1 1 2 0 1 0 3 4 2 2 2 2 1 2 1 3 3 1
2 3 2 2 1 3 0 2 3 2 3 1 2 2 2 2 2 2 3 2
2 2 2 2 3 2 1 1 0 3 4 3 0 2 2 3 1 2 2 2
0 2 2 2 3 1 2 0 2 2 3 2 3 5 1 1 2 0 2 2
121
Problemas
a) ¿Cuál es el método de muestro más apropiado para este
caso?
b) Obtenga una muestra aleatoria de 40 empleados de Fun Toy
Company y haga un intervalo de confianza del 98% para
estimar la media poblacional de las veces que usó el cajero en
el mes.
c) Obtenga una muestra de 25 empleados de Fun Toy Company y
estime la proporción poblacional de empleados que no
utilizaron el cajero en el mes con un intervalo de confianza de
96%
d) ¿De que tamaño deberá ser la muestra si el error máximo de
estimación es igual a 1?
122
Problemas
5.- Las estaturas en centímetros de una muestra aleatoria de 50
estudiantes universitarios son las siguientes:
179 168 163 175 173 175 176 180 175 172
168 181 173 162 174 168 178 165 175 181
180 160 166 178 175 163 163 160 181 180
168 175 171 178 182 188 171 184 170 177
175 169 185 171 168 173 177 169 181 164
Donde:
n = es el tamaño de la muestra
z = es el valor estándar normal que corresponde al
nivel deseado de confianza
P = es una estimación de la proporción de la población
E = es el máximo error permisible 134
Selección del Tamaño de la Muestra
para Proporciones
135
Selección del Tamaño de la Muestra
para Proporciones
• n = (0.50)*(0.50) (1.65/0.10)2
• n = 68.06
• El estudiante necesita entonces una muestra de 69
colonias.
136