MUESTREO ALEATORIO SIMPLE

(M.A.S.)

Ramón de la Cruz Yupanqui

 MUESTREO ALEATORIO
SIMPLE (M.A.S.)
• Método de selección de la muestra en un paso
• El marco muestral debe ser una lista completa
• Cada unidad tiene la misma probabilidad de
selección
• Esta probabilidad es p = n/N
– donde n es el tamaño de la muestra
– y N es el tamaño de la población
• Cada muestra (de n) tiene la misma
probabilidad de selección
Muestreo Aleatorio Simple
• Población N = 54 viviendas
• Muestra n = 18
• Fracción muestral p = n / N = 18 / 54 =
1/3
• Cada vivienda tiene probabilidad de selección
1/3
• Se seleccionan 18 números aleatorios entre 1 y
54
• Se seleccionan las viviendas correspondientes
 Muestreo Aleatorio Simple

San José

Av 28 de Julio San Luis Av. circunvalación

San Pablo

San Carlos

San Ricardo

San Roberto

San Benito

Santo domingo

San Pedro
 Muestreo Aleatorio Simple

San José

Av. 28 de Julio San Luis Av Circunvalación

San Pablo

San Carlos

San Ricardo

San Roberto

San Benito

Santo Domingo

San Pedro
 Muestreo Aleatorio Simple

San José

Av. 28 de Julio San Luis Av Circunvalación

San Pablo

San Carlos

San Ricardo

San Roberto

San Benito

Santo Domingo

San Pedro
MARCO - LISTA DE CLIENTES
1. Cliente 1 229-4111 Sr. J. Blank
2. Cliente 2 304-4211 Srta. F Jones
3. Cliente 3 556-2929 Sr. Z. Flugelheim
4. Cliente 4 951-8925 Sr. P. Williams
5. Cliente 5 728-4214 Dr. Fred Wilkins
6. Cliente 6 234-4146 Srta R. Hopewell
7. Cliente 7 279-3582 Srta B. Bradshaw
8. Ciente 8. 310-1010 Sr. E Grant
9. Cliente 9 649-1234 Sr.. G Smith
10. Cliente 10 233-6111 Sra A Applebaum
11. Cliente 11 298-9441 Sr. G. Hardy
12. Cliente 12 246-1389 Sra. F. Fredericks

…. etc.
….

42. Cliente 42 432-5699 Srta P Gudrunsdottir

43. Cliente 43 560-1000 Dr. J González
44. Cliente 44 237-1049 Srta. J. Green
 Muestreo Aleatorio Simple
• Población N = 44 clientes

• Supongamos n = 11 (uno de cada cuatro)

• Y los 11 números aleatorios seleccionados

son:

12, 33, 5, 11, 43, 16, 36, 21, 3, 37, 29

 MARCO - LISTA DE CLIENTES
1. Cliente 1 229-4111 Sr. J. Blank
2. Cliente 2 304-4211 Srta. F Jones
3. Cliente 3 556-2929 Sr. Z. Flugelheim
4. Cliente 4 951-8925 Sr. P. Williams
5. Cliente 5 728-4214 Dr. Fred Wilkins
6. Cliente 6 234-4146 Srta R. Hopewell
7. Cliente 7 279-3582 Srta B. Bradshaw
8. Ciente 8. 310-1010 Sr. E Grant
9. Cliente 9 649-1234 Sr.. G Smith
10. Cliente 10 233-6111 Sra A Applebaum
11. Cliente 11 298-9441 Sr. G. Hardy
12. Cliente 12 246-1389 Sra. F. Fredericks

…. etc.
….

42. Cliente 42 432-5699 Srta P Gudrunsdottir

43. Cliente 43 560-1000 Dr. J González
44. Cliente 44 237-1049 Srta. J. Green
Muestra aleatoria simple 1
Muestra Aleatoria Simple 2
Muestra aleatoria simple 3
Muestreo Aleatorio Simple

Ventajas del MAS

• Sencillez conceptual
• Necesita como marco muestral sólo una lista de
todos los elementos de la población
• Es fácil calcular las estimaciones de valores
poblacionales
• Es fácil calcular las estimaciones de precisión
(varianza muestral)
 Muestreo Aleatorio Simple
Desventajas del MAS
• Tedioso eligir todos los números aleatorios si n es
grande
• No utiliza información auxiliar sobre la población
• Necesita una lista completa de los elementos de
la población
• Puede tener baja precisión comparado con otros
métodos
Muestreo Aleatorio Simple

El MAS se puede realizar:

• Con reposición (MASCR)

• Sin reposición (MASSR)

 Muestreo Aleatorio Simple
MASCR
• Seleccionar una unidad
• “Reemplazarla” en la población
• Seleccionar otra, de la población completa
• Continuar hasta obtener una muestra de
tamaño n
• Se puede seleccionar la misma unidad más
que una vez
 Muestreo Aleatorio Simple
MASSR:

• Seleccionar una unidad

• “Sacarla” de la población
• Seleccionar otra unidad de las que quedan y sacarla
• Continuar hasta obtener n unidades distintas
• Cada unidad puede estar incluida una sola vez
• Es más eficiente que el MASCR
• Se usa en la práctica
 Ejemplo del MAS
Encuesta de las empresas sobre
Gastos en insumos
•Población de seis empresas (N = 6)
•Propósito: estimar gastos para compras
de insumos
•Presupuesto permite sólo una muestra
de dos empresas (n = 2)
 Ejemplo del MAS
Población completa
Empresa Gastos
1 $ 26,000
2 470,000
3 63,800
4 145,000
5 230,000
6 12,500
Total 947,300
Muestras Gastos Estimación
posibles observados del total
(1,2) 496,000 1,488,000
(1,3) 89,800 269,400
(1,4) 171,000 513,000
(1,5) 256,000 768,000
(1,6) 38,500 115,500
(2,3) 533,800 1,601,400
(2,4) 613,000 1,845,000
(2,5) 700,000 2,100,000
(2,6) 482,500 1,447,500
(3,4) 208,800 626,400
(3,5) 293,800 881,400
(3,6) 76,300 228,900
(4,5) 375,000 1,125,000
(4,6) 157,500 472,500
(5,6) 252,500 727,500
15 muestras posibles promedio 947,300/6 : insesgado
 MUESTREO ALEATORIO SIMPLE ( MAS )
(SIN REEMPLAZO)

El Muestreo Aleatorio Simple (MAS), es un procedimiento de

selección de n elementos de una población finita N; mediante
el cual, cada una de las muestras distintas tienen la
C nN probabilidad de salir elegidas.
misma
Consideremos una muestra de n unidades especificadas.
Entonces, la probabilidad de que se extraigan las n unidades
especificadas es:

 n   n 1   n  2   1  n ! N  n  ! 1
  
.  
.  .......    
 N   N 1   N  2   N  n 1  N! CnN
 SELECCION DE LA MUESTRA
USO DE LA TABLA DE NUMEROS
ALEATORIOS
EJEMPLO.- Seleccionar una muestra de tamaño n = 20,
de una población de N = 275 elementos.

El procedimiento es el siguiente:

1º) Observar el número de dígitos que componen el

tamaño poblacional ( N = 275 ). En este
caso tiene tres dígitos.

2º) Seleccionar en la tabla, 20 números de tres

dígitos menores o igual a 275. Se puede
trabajar en fila, en columna o diagonal.
 EJEMPLO
Se considera una población de tamaño N = 5 .
Los valores de una variable real Y sobre esta
poblacion son :
y1=8, y2=7, y3=8, y4=14, y5=13

Se obtiene: =10 (Promedio Poblacional)

y 2 =8.4 (Varianza Poblacional)
N° de muestras posibles de tamaño 3
es CnN = 10
 DIEZ MUESTRAS POSIBLES
Muestras valores Total Promedio Varianza
Posibles y
y S2
{y1,y2 ,y3} 8 7 8 23 7.67 0.33
{y1,y2 ,y4} 8 7 14 29 9.67 14.3
{y1,y2 ,y5} 8 7 13 28 9.33 10.33
{y1,y3 ,y4} 8 8 14 30 10 12
{y1,y3 ,y5} 8 8 13 29 9.67 8.33
{y1,y4 ,y5} 8 14 13 25 11.67 10.33
{y2,y3 ,y4} 7 8 14 29 9.67 14.33
{y2,y3 ,y5} 7 8 13 28 9.33 10.33
{y2,y4 ,y5} 7 14 13 34 11.33 14.33
{y3,y4 ,y5} 8 14 13 35 11.67 10.33
DISTRIBUCION DE LA MEDIA

y Pi
Promedio
Probabilidad
7.67 1/10
9.33 2/10
9.67 3/10
10.00 1/10
11.33 1/10
11.67 2/10
1
 Cálculo de Esperanza y Varianza
de la media muestral

E( yY) = ((7.67)(1) + (9.33)(2) + (9.67)(3) + (10)(1)

+ (11.33)(1) + (11.67)(2)) / 10 = 100.01 / 10 = 10
y

Luego: E( y ) = 10

• V( y ) = .54289 + .08978 + .03267 + .0 + .17689 + .55778

=1.4
• Luego: V( y ) = 1.4
 FORMULAS DE CALCULO DIRECTO
E( y )= pero la :  = 10
2 = 8.4
N=5 n = 3
2 = (N – 1/ N) S2 S2 = 10.5

σ2 N  n σ2 N
VY    1  f 
n N 1 n N 1

V ( y ) = 1.4
 Intervalos de Confianza
Para cada una de las 10 muestras,
aunque no se verifiquen las
condiciones para el uso de la ley
normal, calculamos el intervalo de
confianza:

s
y  1.96 1 f
n
INTERVALOS DE CONFIANZA
Muestras
y S2 Intervalos
{y1,y2,y3} 7.67 0.33 7.67 + 0.41 [7.26 ; 8.08]
{y1,y2,y4} 9.67 14.33 9.67 + 2.71 [6.96 ; 12.34]
{y1,y2,y5} 9.3 10.33 9.33 + 2.30 [7.03 ; 11.63]
{y1,y3,y4} 10 12 10 + 2.48 [7. 52 ; 12.48]
{y1,y3,y5} 9.67 8.33 9.67 + 2.07 [7.6 ; 11.74]
{y1,y4,y5} 11.67 10.33 11.6 + 2.3 [9.37 ; 13.97]
{y2,y3,y4} 9.67 14.33 9.67 + 2.71 [6.96 ; 12.34]
{y2,y3,y5} 9.33 10.33 9.33 + 2.3 [7.03 ; 11.63]
{y2,y4,y5} 11.33 14.33 11.3 + 2.71 [8.66 ; 14.04]
{y3,y4,y5} 11.67 10.33 11.6 + 2.3 [9.37 ; 13.97]
 ESTIMADOR DE LA MEDIA POBLACIONAL - “MAS”
Sea { x1 , x2 , x3 ,..........,xn } una muestra aleatoria de tamaño n,
extraída de una población finita de N elementos, entonces:

x i MEDIA
x
X i 1 MUESTRAL
n
Es el estimador de la media poblacional

N
F : Factor de Expansión
n
1 n
f   : factor de muestreo o tasa muestral
F N
 VARIANZA DE LA MEDIA MUESTRAL - “MAS”

Primero se definen la cuasivarianza y la varianza

poblacionales:

 X  
2
Cuasivarianza i
Poblacional S2  i 1

N 1

N
Varianza  Xi   
2

 
2 S 2
 N  1
Poblacional 2  i 1
N
N
Por otro lado, en el Muestreo Aleatorio Simple sin
reposición la varianza de la media muestral está dada por:

2  N n
V (x )   
n  N 1 

S 2  N  1  N  n  S 2  n
 V (x )    1  
Nn  N 1  n  N

2
S
 V ( x )  1  f 
n
n
donde: f  es la tasa muestral o fracción de muestreo
N
 S Error de muestreo ó
  x  V (x )  1  f  Error Estándar de la
n media muestral

Estimador del Error de ˆ

s
muestreo ó Error Estándar Vˆ((xx))
ˆ x  V 1 f
de la media muestral n

n
donde: f  es la tasa muestral o fracción de muestreo
N
En la práctica, el cpf se puede ignorar siempre y cuando la
fracción de muestreo no exceda un 5%; es decir, siempre
que f  5% .
 INTERVALO DE CONFIANZA PARA
LA MEDIA POBLACIONAL

1 f    x 
ksˆ ksˆ
P[ x  1 f ]  1
n n
a b
 Límite superior

 Límite
de confianza
inferior
de confianza

K : Abscisa de la Distribución Normal (curva de Gauss)

1   : Nivel de confianza
 ESTIMADOR DEL TOTAL POBLACIONAL - “MAS”

Sea { x1 , x2 , x3 ,..........,xn } una muestra aleatoria de tamaño n,

extraída de una población finita de N elementos, entonces:

N  n

ˆ x    xi 
X NX
n  i 1 
Es el estimador
x del total poblacional

N
F : Factor de Expansión
n
1 n
f   : factor de muestreo o tasa muestral
F N
 VARIANZA DEL ESTIMADOR DEL TOTAL
POBLACIONAL
En el Muestreo Aleatorio Simple sin reposición la varianza
del Estimador del Total Poblacional está dada por:

Error de muestreo
V  
ˆ
X 
N 2S 2
n
1  f  del Estimador del
Total Poblacional

N sˆ
  xˆ  V ( xˆ )  1  f 
n
Estimador Error de
N sˆ
ˆ xˆ  V ( xˆ )  1 f muestreo del Estimador
n del Total Poblacional
n
donde: f  es la tasa muestral o fracción de muestreo
N
 INTERVALO DE CONFIANZA PARA
EL TOTAL POBLACIONAL
Nksˆ Nksˆ
P[ Nx  1 f  X  Nx  1 f ]  1
n n
a b
 Límite superior

 Límite inferior
de confianza
de confianza

Nksˆ
donde : 1  f  error de estimación (máximo)
n
 ESTIMACION DEL TAMAÑO DE MUESTRA - “MAS”
VARIABLES CUANTITATIVAS

Elementos para calcular un tamaño de muestra

1. Información anterior de promedios y varianzas de variables
relacionadas con la investigación (Censos, encuestas, pilotos).
2. Elegir un nivel de confianza
( 90%, 95%, 99%) . Generalmente para
estudios macroregionales, regionales,
locales se elige 95%.
Es decir: Z = K = 1.96 (abscisa de la
distribución Normal)
3. Decidir sobre el margen de error (e ) que estamos dispuestos a
tolerar (Error máximo permisible = Error Absoluto aceptado).
( e = d .  Donde : d = Error Relativo Aceptado).
4. Tamaño de la Población ( N )
 ESTIMACION DEL TAMAÑO DE MUESTRA - “MAS”
VARIABLES CUANTITATIVAS

P  x    Z x   1  

x  Z x
Z x  e
x  e
 Fórmula para estimar el
tamaño de la muestra (M.A.S.)
no
n 2 2
ZS
no , donde : no 
1 e2

e = Margen de error. Es el error absoluto del

Promedio Poblacional ( e = d .  )

d = Es el error relativo aceptado (precisión)

 Ejemplo: Cálculo de tamaño
de muestra
• Se quiere estimar la edad promedio de
2,500 (N) estudiantes del último año en
una universidad. ¿Cuál debe ser el
tamaño de la muestra (n) si queremos
estimar dicha variable con un error no
mayor a 2 años y con un nivel de
confianza de 95% ? Supongamos que
S² = 30.
 Ejemplo: Cálculo de tamaño
de muestra
n0 =
Z2 . S2 (1.96)2. (30) 115.248
= =
e2 (2)2 4

n0 = 29 alumnos n0
Reemplazando en la n =
fórmula general: 1 + n0 / N
29
n= = 29
1 + .0116
El tamaño de muestra de alumnos debe ser de 29
 MUESTREO ALEATORIO PARA PROPORCIONES
VARIABLES CUALITATIVAS O DE ATRIBUTOS

POBLACIÓN
(N) NX X
 P
X
 Proporción poblacional
 N

= Número de elementos en la población, que tienen alguna

característica o atributo, o que caen dentro de alguna clase.

 Proporción muestral:
n

 xi Xˆ ESTIMADOR DE
pˆ   LA PROPORCION

i 1
n POBLACIONAL

 n

 Clase Poblacional
Estimador del Total de
Xˆ  N pˆ
n

 VARIANZA DE LA PROPORCION Y DEL TOTAL DE CLASE
MUESTRALES - “MAS”

En el muestreo aleatorio sin reposición las varianzas de la

Proporción muestral y del Estimador del Total de Clase
están dadas respectivamente por:

PQ  N  n  pˆ qˆ  N  n 
  V  pˆ   n  N  1 
VARIANZA DE LA
V ( pˆ )  ˆ
PROPORCION 
MUESTRAL n  N 1   

PQ  N  n 
  ˆ qˆ  N  n 
 
2
VARIANZA DEL N
ˆ ˆ ˆ 2 p
ESTIMADOR DEL V X    V X N  
TOTAL DE CLASE n  N 1  n  N 1 

n
donde:  f es la tasa muestral o fracción de muestreo
N
 INTERVALO DE CONFIANZA PARA LA
PROPORCION POBLACIONAL - “MAS”

 pˆ qˆ  N  n  pˆ qˆ  N  n  
P  pˆ  Z    P  pˆ  Z     1
 n  N 1  n  N  1  

a b
 Límite superior

 Límite inferior de confianza

de confianza

1 : Nivel de Confianza

 INTERVALO DE CONFIANZA PARA EL
TOTAL DE CLASE POBLACIONAL- “MAS”

 pˆ qˆ  N  n  pˆ qˆ  N  n  
P  N pˆ  Z N   X  N pˆ  Z N     1
 n  N 1  n  N  1  

a b
 Límite superior

 Límite inferior de confianza

de confianza

pˆ qˆ  N  n 
donde : NZ    error de estimación
n  N 1 
 ESTIMACION DEL TAMAÑO DE MUESTRA - “MAS”
(VARIABLES CUALITATIVAS O DE ATRIBUTOS)

 PQ  N  n  
Tenemos que: P  pˆ  P  Z     1
 n  N  1  

Tal que, el error de estimación no debe ser mayor que un valor

dado “e” ( ERROR MAXIMO PERMISIBLE O ERROR ABSOLUTO ACEPTADO):

 PQ  N  n  
 Z pˆ  e  Z   e2 2
pˆ
2
 Z 2
   e 2

 n  N  1 
no
n
 1   no  1 , donde : no  PQ
2
Z
e = d.P
N e 2
d = error relativo
aceptado (precisión)
EJEMPLO :

Una empresa va a realizar un estudio de mercado antes de

lanzar un nuevo producto hacia una población de 30,000
consumidores. Una encuesta piloto previa al estudio, reveló
que el 60 % de los consumidores prefieren su producto.

a) ¿Qué tamaño de muestra deberá escoger si quiere tener

una confianza del 95% de que el error de estimación de la
proporción a favor del producto no sea superior a 2.12 % ?.
b) Si con el tamaño de muestra estimado en (a), se utiliza
, pˆ  0.7 como estimación de la proporción de todos los
consumidores que prefieren su producto. ¿Qué grado de
confianza utilizó si estimó de 19,710 a 22,290 el total de
consumidores de la población que prefieren su producto?.
a) ESTIMACION DEL TAMAÑO DE MUESTRA (PROPORCIONES)

N  30000 P  0.60 e  0.0212 1    95%  z  1.96

no Z 2 PQ
n , donde : no 

1 o
n  1 e 2
e = d.P
N d = precisión
1.96   0.6  0.4 
2
Z 2 PQ
no    2051.41
e  0.0212 
2 2

no 2051.41
n   1920.17  n  1920
1
 no  1
1
 2050.41
N 30000
b) INTERVALO DE CONFIANZA (PROPORCIONES)

pˆ 1  pˆ   N  n 
 pˆ     0.01012
n  N 1 

P  pˆ  z pˆ  p  pˆ  z pˆ   1  

 
 P  N  pˆ  z pˆ   X  N  pˆ  z pˆ    1  
X
Pero p
N  
 19710 22290 

 N  pˆ  z pˆ   22290
 30000  0.7 + z 0.01012   22290
 z  4.24976  1    99.99%
 ERROR RELATIVO ACEPTADO

COEFICIENTE
DE VARIACIÓN

PRECISION
MODELO
Error Máximo DENIVEL DE CONFIANZA: (1   )
MATRIZ PARA
Z = 1.645 Z = 1.96 Z = 2.38
Permisible (%)
d
ESTIMAR EL 90% 95% 98%
TAMAÑO10% DE 74
MUESTRA
7% 152
5% 296
1% 890
 ERROR RELATIVO ACEPTADO

COEFICIENTE
DE VARIACIÓN

PRECISION
MODELO
Error Máximo DENIVEL DE CONFIANZA: (1   )
MATRIZ PARA
Z = 1.645 Z = 1.96 Z = 2.38
Permisible (%)
d
ESTIMAR EL 90% 95% 98%
TAMAÑO10% DE 53 74 105
MUESTRA
7% 107 152 214
5% 210 296 418
2% 325 890 1370
 EJERCICIOS DE M.A.S.
1. Un importador va a recibir un lote de 10,000 artículos que
vienen encajonados (cada caja tiene 20 artículos) antes de
recibir el lote se decide hacer una inspección por muestreo
para determinar el porcentaje de defectuosos.
• Población objetivo = lote de 10,000 artículos
• Un elemento = un artículo de la población
• Medición = calidad del artículo: defectuoso / no defectuoso
• Características de interés = Calidad (medición numérica
• Marco Muestral = listado de las cajas de artículos que componen el
lote
• Unidad de muestreo = Caja de artículos
• Unidad de Observación = Un artículo
• Unidad que reporta = inspector o perito
• Tamaño poblacional = número de artículos que conforman el lote
• Muestra = una o mas unidades seleccionadas del marco muestral (
una o mas cajas).
• Tamaño de la muestra = número de cajas seleccionadas
• Parámetro desconocido = proporción de artículos defectuosos en el
lote.
2. Una muestra aleatoria simple de 100 medidores de agua es
controlada dentro de una comunidad para estimar el consumo
medio diario de agua por casa (en litros), durante un periodo
estacional seco. La media muestral fue de 12,5 litros y la
cuasi-varianza muestral de 1252. Si suponemos que hay
10.000 casas dentro de la comunidad, estime el consumo
medio diario verdadero, y establezca un límite para el error de
estimación.

3. Usando los datos del ejercicio 2, estime el número total de

litros de agua usado diariamente durante el periodo seco.
Establezca un límite para el error de estimación.

4. Una muestra aleatoria simple de 40 estudiantes fue

entrevistada para determinar la proporción de estudiantes que
está a favor del cambio del sistema cuatrimestral al anual.
Veinticinco de los estudiantes respondieron afirmativamente.
Estime la proporción de estudiantes que está a favor del
cambio (suponer N =2000). Establezca un límite para el error
de estimación.
5. Un dentista está interesado
en la efectividad de una
nueva pasta dental. Un grupo Niño Nº de caries en tres meses

de 1000 niños de escuela 1 0

participó en el estudio. Los
registro de un estudio 2 4

anterior mostraron que había 3 2

un promedio de 2,2 caries
cada seis meses para el 4 3

grupo. Después de tres meses 5 2

de iniciado el estudio, el
dentista muestreó 10 niños 6 0

para determinar cuánto 7 3

habían progresado con la
nueva pasta dental. Usando 8 4
los datos de la siguiente 9 1
tabla, estime el número
medio de caries para todo el 10 1
grupo, y establezca un límite
para el error de estimación.
6. Un psicólogo desea estimar el tiempo de reacción medio para
un estímulo entre 200 pacientes de un hospital especializado en
trastornos nerviosos. Una muestra aleatoria simple de 20
pacientes fue seleccionada, y fueron medidos sus tiempos de
reacción, con los resultados siguientes: Media Muestral=2,1
segundos y Cuasidesviación típica muestral = 0,4 segundos.
Estime la media poblacional y establezca un límite para el error
de estimación.
7. En una población de 10,000 viviendas se obtuvo una muestra
aleatoria simple de n = 11 viviendas con el siguiente número de
personas: 2, 3, 6, 1, 4, 3, 8, 2, 2, 1, 1.
Estimar el número de personas por vivienda y su error de
muestreo.
Construir el intervalo de confianza del 95% para el número de
personas por vivienda en la población.
8. Se desea diseñar una encuesta de hogares para estimar el promedio anual de
ingresos por hogar. El número de hogares es igual a 2’000,000. Basado en
los datos obtenidos de un censo previo, se sabe que la varianza poblacional
para esta variable es igual a 1’000,000 ( o sea S=1000).
a). ¿Qué tamaño de la muestra es necesario para estimar el ingreso con un
nivel de confianza del 95% y del manera que la estimación tenga un error
no menor a 100.
b). ¿Y si el error no fuera mayor de 50?
9. En un área existen N = 10,000 viviendas. Los datos de un censo anterior
hacen suponer, aproximadamente, los 2/3 corresponde a régimen de alquiler.
Se pide calcular el tamaño de la muestra necesario para estimar la
proporción actual de viviendas en alquiler, con un error de muestreo igual a
0.04.
10. Queremos estimar la edad promedio de 3,000 estudiantes del último año en
la universidad . ¿Cuan grande debe ser la muestra si queremos estimar dicha
variable con un error no mayor a 2 años y con un nivel de confianza del
95%. Supongamos que S2 = 30 e ignoremos el fpc.