Metodos y Distribuciones de Muestreo

Tema Nº 07: METODOS Y DISTRIBUCIONES
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
(continuación)
2. El costo de estudiar a toda la población es muy
alto.
6
(continuación)
3. El costo de estudiar a toda la población es muy
alto.
7
(continuación)
4. El resultado de la muestra es muy similar al
resultado de la población.
8
(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
No hay un mejor método para seleccionar una

muestra aleatoria de una población de interés. El
método utilizado dependerá de las características
de la población. Sin embargo, todos los métodos de
muestreo aleatorios tienen una meta similar, dar la
misma oportunidad a todos los elementos de la
población de ser incluidos en la muestra.
13
Muestra Aleatoria
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.
• Una forma podría ser escribir en tarjetas los nombres de los

elementos de la población y ponerlos en una caja, si la
muestra fuera de 10 elementos, entonces sacamos diez
tarjetas.
• Otra forma es usar un número que identifique a cada uno de
los integrantes de la población y seleccionar la muestra
mediante una tabla de números aleatorios. Para cada dígito
de un número la probabilidad es la misma. Entonces la
probabilidad de que el elemento 22 sea seleccionado es igual
a la del elemento 382.
15
• Ejemplo: En una compañía con 750 trabajadores se
quiere obtener una muestra aleatoria de 15
elementos para un chequeo médico. Los
trabajadores fueron numerados del 1 al 750 y
mediante una tabla de números aleatorios se
procedió a seleccionarlos . El punto de arranque en
la tabla se fijó mediante la hora en ese momento,
3:04, por lo tanto se inició en la columna 3, renglón
4. Como los números de los trabajadores van desde
1 hasta 750 solo se toman en cuenta las primeras 3
cifras de cada número que se encuentren en ese
rango. En seguida se muestra una parte de la tabla,
con el primer y segundo seleccionado :
16
Tabla de números al eatorios
18893 07211 23634 75296 86155 65832 27568 31727 90756 14268 65051 52438
69553 48743 06254 73002 34432 55737 88808 11755 42537 02294 68261 73891
74762 13168 32235 57554 35551 98909 65424 11892 20410 16332 82346 30389
86729 67167 24091 67155 17880 31659 02868 62563 53144 17494 79513 55413
43788 87547 16648 88536 77678 37739 95434 15078 80473 71844 02765 93879
83382 59617 20074 22002 35536 98298 63522 31818 84784 39280 64191 39429
• De tal forma fueron seleccionados que la muestra

quedó integrada por los trabajadores con los
números:
240 671 178 316 28
625 531 174 554 437
166 377 150 718 27
17
Muestreo Aleatorio Sistemático
Muestreo aleatorio sistemático. Los elementos de la
población están ordenados de alguna forma
(alfabéticamente, fecha, o algún otro método). Un
primer artículo es seleccionado en forma aleatoria y
entonces cada n miembros de la población son
tomados para la muestra.
• Suponga que la población de interés
consiste de 2000 expedientes de un
archivo. En este método se selecciona el
primer expediente de acuerdo al método
aleatorio simple, luego como se quiere una
muestra de 100, se divide 2000 / 100 = 20,
y se selecciona un expediente cada 20.
18
Muestreo Aleatorio Estratificado
Muestro aleatorio estratificado. Una población es
primero dividida en subgrupos (estratos) y una muestra
es seleccionada aleatoriamente de cada estrato.
• Puede haber dos tipos de muestreo

estratificado, proporcional y no
proporcional . Como su nombre lo
indica, en un muestreo aleatorio
estratificado proporcional, el número
de elementos de la muestra de cada
estrato tiene la misma proporción de
lo encontrado en la población.
19
• 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
• 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.
• Ejemplo: Una población de 5 empleados de

producción que tienen ratings de eficiencia de 97, 103,
96, 99 y 105. Una muestra de 2 ratings (97 y 105) fue
seleccionada de esa población para estimar la media
poblacional. La media de esa muestra sería 101. Otra
muestra de 2 es seleccionada (103 y 96) con una
media de 99.5. La media de todos los ratings (la media
poblacional) es igual a 100. El error de muestreo para
la primera muestra es 1 y para la segunda es -.5.
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.
Distribución muestral de las medias. Es una distribución

de probabilidad de todas las posibles medias
muestrales, de un tamaño de muestra dado,
seleccionadas de una población.
27
• El siguiente ejemplo ilustra la construcción de una
distribución muestral de medias.
• Ejemplo: Parrilladas “Don Pepe” tiene 5 parrilleros
(población), a los cuales se les paga por hora según su
trabajo. Las percepciones de los parrilleros son las
siguientes:
Parrillero Salario por hora

Adrián $ 9.00
Bitia $ 8.00
Carmen $ 8.00
Diana $ 8.00
Enrique $ 7.00
28
1. ¿Cuál es la media poblacional?
2. ¿Cuál es la distribución muestral de las medias
para una muestra de tamaño 2?
3. ¿Cuál es la media de la distribución muestral?
4. ¿Qué observaciones se pueden hacer con
respecto a la población y a la distribución
muestral?
Solución.
1. La media poblacional es:
µ = (9 + 8 + 8 + 8 + 7)/5 = 8.0
29
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 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
3. La media de la distribución muest ral de medias es:
Los histogramas de la distribución de probabilidad

de la población y de la distribución muestral de
medias son:
32
Los histogramas de la distribución de probabilidad de la
población y de la distribución muestral de medias son:
33
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
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
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
• 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
40
41
• 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. Para una

población con una media µ y una varianza
σ², la distribución de las medias de todas
las muestras posibles de tamaño n
generadas de la población estarán
distribuidas de forma aproximadamente
normal asumiendo que el tamaño de la
muestra es suficientemente grande.
43
• Con relación al teorema del límite central debemos
enfatizar en:
1. Si el tamaño de la muestra n es suficientemente
grande (n > 30) la distribución normal de las medias
será aproximadamente normal. No importa si la
población es normal, sesgada u uniforme, si la muestra
es grande el teorema se aplicará.
2. La media de la población y la media de todas las
posibles muestras son iguales. Si la población es
grande y un gran número de muestras son
seleccionadas de esa población entonces la media de
las medias muestrales se aproximará a la media
poblacional. 44
3. La desviación estándar de la distribución muestral de
las medias, a la que llamaremos error estándar, es
determinado por
45
ESTIMACIONES
PUNTUALES Y DE
INTERVALO
46
Estimación Puntual
• Cuando no se conoce alguna característica de la

población, como podría ser la media, el estadístico
correspondient e de la muestra, en este caso la media
de la muestra, puede ser utilizado como estimador del
parámetro poblacional. Esta técnica estadística se
llama estimación puntual.
Estimación puntual es cuando un estadístico de la

muestra es usado para estimar un parámetro
poblacional.
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:
Número de éxitos de la muestran

p= Número muestrado
1600 El 80% de la población
p= = 0.80 esta a favor de medidas
2000 mas 51
• Ejemplo: Los siguientes datos corresponden a una
muestra aleatoria de los pesos, en kilogramos, del
equipaje personal que lleva en un vuelo un jugador de
un equipo de baloncesto:
15.4 17.7 18.6 12.7 15.0 15.9 16.3 18.1 16.8 14.1 13.6 16.3
Hacer una estimación puntual de la media poblacional

del peso promedio del equipaje de un basquetbolista.
Solución: La media de la muestra de los pesos del
equipaje de un basketbolista en un vuelo es:
La estimación puntual consiste en considerar que la

media poblacional es el valor que se obtuvo como media
52
de la muestra. µ = 15.87
Estimación por Intervalo
• El intervalo dentro del cual se espera que se encuentre
un parámetro poblacional usualmente es conocido como
intervalo de confianza. Por ejemplo, el intervalo de
confianza para la media poblacional es el intervalo de
valores que tiene una alta probabilidad de contener a la
media de la población.
Estimación por Intervalo. Establece el rango de valores dentro
del cual se espera que se encuentre un parámetro poblacional .
El nivel de confianza es la probabilidad de que el parámetro

poblacional se encuentre dentro del intervalo. Los niveles de
confianza más ampliamente usados son 0.95 y 0.99, sin
embargo puede usarse cualquier probabilidad cercana a 1. 53
54
• 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
• 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
a) Haga un intervalo de confianza del 95% para
estimar la media poblacional
b) Haga un intervalo de confianza del 99% para
c) Compare los anteriores result ados
Solución del inciso (a)
Haga un intervalo de confianza del 95% para
1.- El nivel de confianza ya está establecido como
95%, se simboliza de la siguiente forma:
1 – α = 0.95
57
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
59
1 – α = .95
α = 1 - .95 = .05
α/2 = .025
Se busca en la tabla nornal:
Entonces Z = 1.96 es el valor que corresponde a la

cola positiva de la curva, y Z = - 1.96 es el valor que
corresponde a la cola negativa.
60
3.- Para estimar la media poblacional necesitamos
calcular la media y la desviación estándar de la
muestra:
61
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.
5.- Se calcula el error máximo de estimación
62
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.
Este resultado se interpreta de la siguiente manera:

“Hay una probabilidad de .95 de que la calificación
media de todos los estudiantes de estadísticas, se
encuentre entre 60.13 y 70.83”. 63
Solución del inciso (b)
Haga un intervalo de confianza del 99% para estimar
la media poblacional
1.- El nivel de confianza ya está establecido como
99%, se simboliza de la siguiente forma:
1 – α = 0.99
64
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
0.005 0.005
Z = -2.58 Z = 2.58
66
1 – α = .99
α = 1 - .99 = .01
α/2 = .005
Se busca en la tabla nornal:
Entonces Z = 2.575 es el valor que corresponde a la

cola positiva de la curva, y Z = - 2.575 es el valor que
corresponde a la cola negativa.
67
3.- Para estimar la media poblacional necesitamos
calcular la media y la desviación estándar de la
muestra:
68
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.

2.575 7.025
69
6.- Se calculan los límites del intervalo de confianza,
restando a la media de la muestra el error máximo de
estimación se obtiene el límite inferior. Sumando a la
media de la muestra el error máximo de estimación se
obtiene el límite superior.
7.025 7.025 0.99
58.45 72.51 0.99
Este resultado se interpreta de la siguiente manera:

“Hay una probabilidad de 0.99 de que la calificación media de todos
los estudiantes de estadísticas, se encuentre entre 58.45 y 72.51”.
70
ERROR ESTANDAR DE LA
MEDIA
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:
σ : es el error estándar de la media

x
σ : es la desviación estándar de la población
n : es el tamaño de la muestra
72
Error estándar de la media
En la formula del error estándar de la media se supone
que conocida la desviación estándar de la población, σ.
Si no se conoce, y n = 30 o mayor (se considera una
muestra grande), la desviación estándar de la media,
denotada por s, sirve para aproximar la desviación
estándar de la población, σ. Entonces la formula para el
error estándar queda así:
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:
–Este ajuste se llama factor de corrección de población finita.

Nota: si n/N < .05, el factor de corrección de población finita se ignora.
Ejemplo :
Ejemplo:
Hay 250 familias en un pueblo. Una encuesta con 40 familias
reveló que la contribución media anual a la iglesia era de $ 450
con una desviación estándar de $ 75.00. Establecer un intervalo
de confianza de 95% para la contribución media anual.
80
• Solución: La población es finita. Se nota que la
muestra constituye mas del 5% de la población, por lo
tanto se aplica el factor de corrección finita. El
intervalo de confianza de 95% se establece de la
siguiente forma.
=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
• 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
• 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
• 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
• Error Máximo Permisible

Permisible:: El error máximo
permisible, que se designa como E, es la cantidad que
se suma y/o resta de la media de la muestra, para
determinar los puntos extremos del intervalo de
confianza correspondient e. Es la cantidad de error
que tú como investigador deseas tolerar. También es
la mitad de la amplitud del intervalo de confianza
correspondient e. Un error permisible pequeño
requerirá una muestra grande, mientras uno grande
requerirá una muestra pequeña.
87
• Supongamos que un arquitecto considera la

construcción de un centro comercial tipo Mega Plaza.
En base a una encuesta superficial se encontró que
el ingreso familiar varia entre US
US$$ 9000 y US
US$$ 29000
29000.
Suponiendo que estas estimaciones son razonables
¿Seria posible que el arquitecto estuviera satisfecho
con esta afirmación que resulta de una muestra de
residentes en el área: “la media poblacional es entre
US$
US $ 13
13,,000 y US
US$$ 25
25,,000
000? ¡Muy probablemente no!
88
• Limites de confianza tan amplios indican poco o nada

sobre la media poblacional . En vez de esto, el
arquitecto señalo que: “Si se usa la probabilidad de
0.95, el error totatal en la prediccion de la media
poblacional
89
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
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
• 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
• Donde:
Si E representa el error total permisible.
E s
=
z n
200 s
=
1.96 n
s
102.04 =
n 93
• 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
§ 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
• Esta distribución fue desarrollada por William Gosset, un

trabajador de la cervecería Guinness en Irlanda, quien la
publicó utilizando el seudónimo de “Student”. Gossett se
interesó en el comportamiento del valor z cuando se
utilizaba S en vez de σ, y particularmente en la
discrepancia entre S y σ cuando S se calcula de
muestras muy pequeñas.
• En la siguiente gráfica se muestra como la distribución t
extendida que la distribución normal Z.
103
104
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
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
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
6.- El intervalo de confianza resultante es:

P( X - E ≤ µ ≤ X + E ) = 1 – α
P( 85.2 – 5.68 ≤ µ ≤ 85.2 + 5.68) = 0.95
P( 79.52 ≤ µ ≤ 90.88 ) = 0.95
Lo que quiere decir que hay una probabilidad de .95
de que la cantidad promedio de palabras por minuto
que escriben todas las secretarias se encuentre
109
entre 79.52 y 90.88
Intervalo de confianza para estimar una
proporción
Un intervalo de confianza para estimar una
proporción poblacional se construye de manera
similar al procedimient o usado anteriormente.
Ejemplo.
En un estudio de mercado para estimar la proporción
de amas de casa que pueden reconocer la marca de
un limpiador basándose en la forma y color del
envase. De 1400 amas de casa, solo 420 pudieron
identificar la marca. Hacer un intervalo de confianza
del 99% para estimar la proporción poblacional.
110
proporción
1.- El nivel de confianza ya está establecido:
1 – α = 00.99
2.- Como n > 30 entonces se det ermina Z:
1 – α = .99
α = 1 - .99 = .01
α/2 = .005
El valor .005 no está en la tabla normal, pero debería

encontrarse entre estas dos cantidades.
111
proporción
Z 7 ? 8
2.5 0.0051 0.005 0.0049
se procede entonces con un procedimient o
llamado interpolación, identificando la primer z
como z1 y la segunda como z2. Las áreas como
A1 y A2 respectivamente.
Z1 Z Z2
Z 7 ? 8
2.5 0.0051 0.005 0.0049
Α1 A Α2 112
proporción
Luego se aplica la siguient e fórmula

Z=Z1 +( Z2 – Z1)(A1 - A)/ (A1 – A2)
= 2.57 +(2.58-2.57)(.00508-.005)/(.00508-.00494)
=2.5757
3.- Los estadísticos de la muestra es la proporción de
éxitos en la muest ra (p) y la proporción de fracasos
(q)
p =x/n =420/1400 = .3
q = 1 – p = 1 - .3 = .7
113
4.- Se calcula el error estándar de la proporción con la
siguiente fórmula

E = Z σp = (2.5757)(.0122) = .0314
6.- El intervalo que resulta es:
P( p – E ≤ p ≤ p + E) = 1 – α
P(.3 - .0314 ≤ p ≤ .3 + .0314) = .99
P(.2686 ≤ p ≤ .3314) = .99
Hay una probabilidad de .99 de que la proporción de
amas de casa que pueden identificar la marca del
limpiador se encuentre entre .2686 y .3314 114
Problemas
1.- Se realizó una investigación de mercado para conocer la
cantidad promedio que gasta a la semana en cigarros un
fumador. Los resultados fueron los siguientes:
131 146 71 192 159 60 158 166 155 150
177 137 99 96 296 179 171 172 177 33
a) Haga un intervalo de confianza del 96% para estimar la

cantidad promedio que gastan los fumadores (en general)
en una semana.
b) Haga un intervalo de confianza del 97% para estimar la
proporción de fumadores que gastan más de 150 pesos a la
semana
115
Problemas
2.- El propietario de una estación de gasolina quiere estimar
el número promedio de litros de gasolina vendida a sus
clientes. De sus registros seleccionó una muestra de 60
ventas y encontró lo siguiente:
39 32 30 22 54 27 24 29 23 42 35 21
26 35 36 39 20 25 43 34 29 21 21 30
41 27 44 45 27 33 33 36 11 33 38 24
39 28 33 27 28 31 35 37 40 32 46 37
34 40 29 32 28 25 36 23 26 24 30 34
a) Haga un intervalo de confianza del 94% para estimar el

número promedio de litros de gasolina vendida a sus
clientes
proporción de clientes que compraron más de 30 litros 116
de
gasolina vendida.
Problemas
3.- Un maestro de español enseña en cinco diferentes grupos
de secundaria . Encargó recientemente un ensayo y contó
los errores ortográficos de cada uno de ellos:
GRUPO A
HOMBRES MUJERES
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
a) Haga un intervalo de confianza del 98% para estimar la

media poblacional
proporción de estudiantes que miden menos de 170 cm.
c) ¿De que tamaño deberá ser la muestra si queremos que
el error máximo de estimación sea 5cm? 123
6.- Los siguientes datos son las calificaciones dadas a una línea
aérea, por los 250 pasajeros del vuelo Nueva York – Los
Angeles. Las calificaciones pueden ir de 0 a 10.
4 5 3 6 6 6 7 5 4 6 7
6 4 6 6 7 5 3 6 5 6 5
4 6 5 6 6 6 4 9 4 8 5
6 2 7 6 6 5 5 5 6 6 6
5 5 7 3 6 7 5 7 6 6 5
6 7 7 4 7 2 9 2 8 4 6
6 5 6 6 8 4 2 5 5 8 5
5 2 9 4 3 6 6 6 4 4 6
a) Obtenga una muestra aleatoria de 35 pasajeros y haga un intervalo de

confianza del 95% para estimar la media poblacional de las
calificaciones otorgadas por los pasajeros.
b) Obtenga una muestra de 10 pasajeros y estime con un intervalo de
confianza de 90% la proporción poblacional de pasajeros que otorgaron
una calificación reprobatoria
c) ¿De que tamaño deberá ser la muestra si el error máximo de estimación
124
es igual a .5?
Problemas - media poblacional
7. Una muestra de 10 hombres de una gran ciudad dio para sus
estaturas (distribución normal) una media de 1,72 m. y una
varianza de 0,13 m. Se trata de estimar un intervalo de
confianza para la media de las alturas de todos los habitantes
varones de dicha ciudad, con un coeficiente de riesgo de 5%.
8. La resistencia a la rotura, expresada en Kg., de 5 ejemplares de
cuerda, cuyos diámetros son de 0,60 cm. es de 280, 240, 270,
285, 270. Siendo el desvío poblacional igual a 23 cm, construir
un intervalo de confianza del 99%, para la resistencia media ( )
a la rotura.
9. En una muestra de 35 caballos de carrera, por estudios previos
se conoce las pulsaciones del corazón, siendo la media de 85
pulsac/min y la desviación típica de 15 pulsac/min . Hallar los
límites de confianza del 95 % y del 99 % para el aumento medio
verdadero de las pulsaciones del corazón.
10.Una empresa mayorista solicita al fabricante torres de molinos
que puedan soportar vientos de 80 km./h. La empresa quiere
determinar si las torres se ajustan a esta especificación, para
ello selecciona una muestra aleatoria de 3 molinos, los que en
promedio soportan vientos de 76 km./h con un S de 2 km./h.
Estime si el valor está o no incluido en la especificación del
fabricante, con un coeficiente de riesgo del 5 %.
11.En una plantación de mandarinas se eligieron al azar 50
plantas, contándose la producción por planta, resultó en
promedio 1512 mandarinas, siendo el desvío de la población de
108 mandarinas . Se desea conocer entre que valores estará el
verdadero valor m pensando que la probabilidad de
equivocarnos es 1 cada 100 y 5 cada 100.
12.La media y la desviación típica de las cargas máximas
soportadas por 60 cables son 11,09 y 0,73 toneladas,
respectivamente . Hallar los límites de confianza a) 95 % y b) 99
% para la media de las cargas máximas soportadas por los
cables de ese tipo.
13.La media y la desviación típica de los diámetros de una muestra
de 250 remaches manufacturados por una empresa, son 0,72642
y 0,00058 in, respectivamente . Hallar los límites de confianza a)
95 % y b) 99 % para el diámetro medio de los remaches allí
producidos .
14.Un nutricionista animal desea estimar el contenido vitamínico de
cierto alimento. Toma una muestra de n = 49 y se encuentra que
el contenido promedio de vitaminas por cada 100 gramos es de
12 mg y que el desvío poblacional es de 2 mg. Encontrar los
límites de confianza del 95 % para el promedio poblacional . Se
supone que la distribución del contenido vitamínico es normal.
Nº Nº
15.Las siguientes observaciones plantas parcelas
corresponden al número de plantas 12 2
nacidas en 20 parcelas en un ensayo de
13 5
sorgo llevado a cabo en un
establecimiento . En base a estos datos 14 6
hallar los límites de confianza a) de 99 % 15 4
y b) 95 % para el promedio del número 16 2
de plantas de sorgo que crecerán en
17 1
todo el establecimiento .
16.Las edades al morir, para una muestra de 9 individuos

fallecidos de tuberculosis, dan una media de 49 años y una
desviación estándar de 5 años. Suponiendo normal la
distribución, hallar límites de confianza del 95 % para la media.
17.Los rendimientos de 10 plantas de frutillas en un ensayo de
uniformidad fueron: 239, 176, 235, 217, 234, 216, 318, 190,
181 y 225 gr. Calcule los límites de confianza para la media
poblacional, al 95% y 99%.
18.Las larvas de algunas mariposas monarcas concentran
glucósidos cardíacos a partir de plantas de algodón, que las
hacen repugnantes para los pájaros, los cuales las evitan
después de un primer encuentro. Supóngase que las
mariposas han sido recolectadas en una localidad y que se han
medido las concentraciones de glucósidos en relación a sus
pesos. Los datos resultantes son; la media= 0,200 g. y S2=
0,012 para n= 75. Construir un intervalo de confianza del 95%
para la verdadera media de la población.
19.Supóngase que un fabricante de llantas mide en miles de
millas el período de vida de 10 llantas. Determina que = 26,68
y S2= 12. Construir un intervalo de confianza del 95% para m .
DIFERENCIA DE MEDIAS POBLACIONALES
20. En un programa de salud, muchos participantes miden su progreso
mediante el tiempo que les toma correr determinada distancia. Un
predictor de este tipo lo constituye la tasa de recuperación cardíaco
(TRC). Los siguientes datos son tiempos (minutos y segundos), para
una carrera de 1,5 millas para hombres en el mes de setiembre. Los
TRC1 son los de 40 - 49 años; los TRC2 de 50 - 59 años. TRC1
Tiempos : 12,24- 12,45- 11,04- 11,22- 11,58- 8,34- 11,16- 11,52-
8,28- 12,01- 11,03- 12,01- 11,31. TRC2 Tiempos : 14,33- 10,35-
12,51- 11,28- 11,48- 14,05- 10,51- 18,50- 18,11. Construir un
intervalo del 95% para las diferencias entre las medias de las dos
poblaciones .
21.Los tiempos fueron registrados de nuevo en mayo. Para el grupo
TRC1 en el mismo orden los tiempos fueron: 11,16- 12,30- 11,30-
11,06- 11,28- 8,18- 11,44- 12,02- 8,28- 11,55- 11,27- 11,31 y 11,46.
Construir un intervalo del 95% para las diferencias entre las medias
de las dos poblaciones, la del mes de setiembre y la del mes de
mayo.
VARIANZA POBLACIONAL
22. Se saca una muestra de 50 conejos resultando la desviación
de los pesos igual a 208 gramos.¿Entre qué valores estará la
desviación típica de la población de conejos para un nivel de
confianza del 95 % y 99 %?
23.Cuatrocientas plantas de cierto híbrido de cebada, produjeron
sus primeras flores en promedio a los 70 días de plantadas,
siendo la desviación de la muestra de 6,9 días. Haga una
estimación del desvío estándar poblacional . Adoptar un
coeficiente de riesgo del 1% y del 5%.
24.La desviación típica de las tensiones de ruptura de 100 cables
probados por una empresa era de 180 lb. Hallar los límites de
confianza a) 95 % y b) 99 % para la desviación típica de todos
los cables de ese tipo.
PROPORCIÓN POBLACIONAL
25.Una urna contiene una proporción desconocida de fichas
rojas y blancas. Una muestra aleatoria de 60 fichas,
seleccionada con reposición indicó que el 70 % de ellas
eran rojas. Hallar los límites de confianza a) 95 % y b) 99 %
para la proporción real de fichas rojas en la urna.
26.Se arroja una moneda al aire 200 veces, obteniéndose 90
veces caras. Construir un intervalo de confianza del 90%
para la verdadera probabilidad "P" de obtener cara.
para Proporciones
• El procedimient o que se describe arriba se puede
adaptar para el cálculo del tamaño dela muestra para
el cálculo de una proporción. También es necesario
identificar tres criterios:
• El nivel de confianza deseado.
• El margen de error que se puede tolerar.
• Un estimado de la proporción de la población. Esta
estimación se puede obtener por los mismo métodos
de la estimación de la media, aunque cuando no se
cuenta con información es común que se utilice 0.50
133
para Proporciones
• La fórmula que se utiliza en este caso es la siguiente:
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
para Proporciones
Un ejemplo puede ser el siguiente: El estudio del

ejemplo anterior también estima la proporción de
colonias del Municipio que cuentan con servicio de
recolección de basura. El estudiante desea que la
estimación esté dentro del 10% de la proporción de la
población, el nivel deseado de confianza es de 90% y
no se dispone de una estimación para la proporción de
la población. ¿Cuál es el tamaño de la muestra
requerido?
135
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

Metodos y Distribuciones de Muestreo

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Metodos y Distribuciones de Muestreo

Hochgeladen von

Copyright:

Verfügbare Formate

Tema Nº 07: METODOS Y DISTRIBUCIONES

No hay un mejor método para seleccionar una

• Una forma podría ser escribir en tarjetas los nombres de los

• De tal forma fueron seleccionados que la muestra

• Puede haber dos tipos de muestreo

• Ejemplo: Una población de 5 empleados de

Distribución muestral de las medias. Es una distribución

Parrillero Salario por hora

Los histogramas de la distribución de probabilidad

Teorema del Límite Central. Para una

• Cuando no se conoce alguna característica de la

Estimación puntual es cuando un estadístico de la

Número de éxitos de la muestran

Hacer una estimación puntual de la media poblacional

La estimación puntual consiste en considerar que la

El nivel de confianza es la probabilidad de que el parámetro

Entonces Z = 1.96 es el valor que corresponde a la

5.- Se calcula el error máximo de estimación

Este resultado se interpreta de la siguiente manera:

Entonces Z = 2.575 es el valor que corresponde a la

5.- Se calcula el error máximo de estimación

7.025 7.025 0.99

58.45 72.51 0.99

Este resultado se interpreta de la siguiente manera:

σ : es el error estándar de la media

–Este ajuste se llama factor de corrección de población finita.

• Error Máximo Permisible

• Supongamos que un arquitecto considera la

• Limites de confianza tan amplios indican poco o nada

• Esta distribución fue desarrollada por William Gosset, un

6.- El intervalo de confianza resultante es:

El valor .005 no está en la tabla normal, pero debería

Luego se aplica la siguient e fórmula

5.- Se calcula el error máximo de estimación

a) Haga un intervalo de confianza del 96% para estimar la

a) Haga un intervalo de confianza del 94% para estimar el

a) Haga un intervalo de confianza del 98% para estimar la

a) Obtenga una muestra aleatoria de 35 pasajeros y haga un intervalo de

16.Las edades al morir, para una muestra de 9 individuos

Un ejemplo puede ser el siguiente: El estudio del

Das könnte Ihnen auch gefallen