Sie sind auf Seite 1von 50
PROBABILIDAD Y ESTADÍSTICA MUESTREO Y TAMAÑO DE MUESTRA
PROBABILIDAD Y ESTADÍSTICA
MUESTREO Y TAMAÑO DE
MUESTRA

CONTENIDO

CONTENID O • Elementos de la teoría de muestreo. • Tipos de muestreo. • Muestreos Probabilísticos.

Elementos de la teoría de muestreo. • Tipos de muestreo. • Muestreos Probabilísticos. • Muestreos No Probabilísticos. • Tamaño de muestra.

CONTENID O • Elementos de la teoría de muestreo. • Tipos de muestreo. • Muestreos Probabilísticos.

LOGRO DE LA SESION:

LOGRO DE LA SESION: Al término de la sesión, el estudiante desarrolla ejercicios de situaciones reales

Al término de la sesión, el estudiante desarrolla ejercicios de situaciones reales en las cuales se utiliza el muestreo, determinando tamaños de muestra y características de la población en estudio con coherencia en el procedimiento y exactitud en los resultados.

LOGRO DE LA SESION: Al término de la sesión, el estudiante desarrolla ejercicios de situaciones reales

CASO DE APLICACIÓN 1:

MUESTREO DE MINERAL EN CAMPO

Para una óptima caracterización de un yacimiento se requiere de un completo conocimiento de la Mina de interés, para lo cual se deben obtener una serie de muestras extraídas de la forma más representativas posibles. Las muestras obtenidas deben ser lo más cercano a las propiedades reales del mineral en el sentido de obtener y extrapolar (Generalizar o estimar) sus propiedades a todo el yacimiento.

CASO DE APLICACIÓN 1: MUESTREO DE MINERAL EN CAMPO Para una óptima caracterización de un yacimiento
Si Ud. fuera parte del equipo de ingenieros que decide trabajar realizando una investigación, cuales serian
Si Ud. fuera parte del equipo de ingenieros que decide trabajar
realizando una investigación, cuales serian sus primeras
interrogantes:

CASO DE APLICACIÓN 1:

CASO DE APLICACIÓN 1: MUESTREO DE MINERAL EN CAMPO INTERROGANTES INTERROGANTES ¿Cuál será mi población en

MUESTREO DE MINERAL EN CAMPO

CASO DE APLICACIÓN 1: MUESTREO DE MINERAL EN CAMPO INTERROGANTES INTERROGANTES ¿Cuál será mi población en

INTERROGANTES

INTERROGANTES

CASO DE APLICACIÓN 1: MUESTREO DE MINERAL EN CAMPO INTERROGANTES INTERROGANTES ¿Cuál será mi población en

¿Cuál será mi población en estudio? ¿Qué características tiene la Población? ¿Qué tipo de MUESTREO utilizaré? ¿Cuál es la muestra? ¿Cuáles son las VARIABLES que voy a evaluar? ¿Cuánto me demorare en hacer la investigación? ¿Cuánto será el costo ? ¿Qué técnica de recolección de datos aplicaré? ¿Qué técnica estadística utilizaré para analizar los datos? Etc.

MUESTREO

MUESTREO Procedimiento por el cual se extrae, de un conjunto de unidades que constituyen el objeto

Procedimiento por el cual se extrae, de un conjunto de unidades que constituyen el objeto de estudio (población), un número de casos reducido (muestra) elegidos con criterios tales que permitan la generalización a toda la población de los resultados obtenidos al estudiar la muestra.

MUESTREO Procedimiento por el cual se extrae, de un conjunto de unidades que constituyen el objeto

6

MUESTREO

MUESTREO • • Ejemplos: En el uso doméstico, utilizamos el muestreo para probar la calidad de

MUESTREO • • Ejemplos: En el uso doméstico, utilizamos el muestreo para probar la calidad de

Ejemplos:

En el uso doméstico, utilizamos el muestreo para probar la calidad de algunos artículos o productos.

Las empresas industriales seleccionan muestras para controlar la calidad de su producción.

Los ministerios gubernamentales seleccionan muestras para obtener información sobre empleo, distribución del empleo, educación, canasta familiar, etc.

Las organizaciones de investigación de mercados la utilizan para investigar productos preferenciales de consumo, efectividad del mismo, etc.

7

USOS DEL MUESTREO EN INGENIERIA

USOS DEL MUESTREO EN INGENIERIA 2. Muestreo de Mineral en Campo 4. Muestreos en Industrias Pesqueras
USOS DEL MUESTREO EN INGENIERIA 2. Muestreo de Mineral en Campo 4. Muestreos en Industrias Pesqueras
USOS DEL MUESTREO EN INGENIERIA 2. Muestreo de Mineral en Campo 4. Muestreos en Industrias Pesqueras

2. Muestreo de Mineral en Campo

4. Muestreos en Industrias Pesqueras

USOS DEL MUESTREO EN INGENIERIA 2. Muestreo de Mineral en Campo 4. Muestreos en Industrias Pesqueras

1. Pruebas de Cianuraciòn en Botellas y Columnas.

USOS DEL MUESTREO EN INGENIERIA 2. Muestreo de Mineral en Campo 4. Muestreos en Industrias Pesqueras

3. Muestreos en Industrias Químicas

VENTAJAS DEL MUESTREO

  • a) Mayor rapidez para obtener resultados.

VENTAJAS DEL MUESTREO a) Mayor rapidez para obtener resultados. b) Mayor exactitud o mejor calidad de
  • b) Mayor exactitud o mejor calidad de la información

  • c) Costos reducidos.

  • d) Factibilidad de hacer el estudio cuando la toma de datos implica técnicas destructivas.

VENTAJAS DEL MUESTREO a) Mayor rapidez para obtener resultados. b) Mayor exactitud o mejor calidad de

DEFINICIONES DE MUESTREO

1. Población:

DEFINICIONES DE MUESTREO 1. Población: • Son conjuntos de elementos o unidades que comparten un grupo

Son

conjuntos

de

elementos

o

unidades

que

comparten

un

grupo

de

características comunes.

 

Conjunto de elementos relacionados entre sí con alguna característica del cual se desea información.

DEFINICIONES DE MUESTREO 1. Población: • Son conjuntos de elementos o unidades que comparten un grupo

2. Muestra:

DEFINICIONES DE MUESTREO

2. Muestra: DEFINICIONES DE MUESTREO • Es un subconjunto de elementos seleccionados convenientemente de la población

Es un subconjunto de elementos seleccionados convenientemente de la población objetivo de tal manera que puede hacerse inferencias de ella respecto a la población completa.

Es un conjunto de unidades seleccionadas de un marco muestral o de varios marcos muestrales.

Una muestra tiene las siguientes características:

a. Representativa: es decir que refleje completamente las características de la población. b. Aleatoria: sus elementos son seleccionados al azar. c. Adecuada: debe incluir un número óptimo y mínimo de individuos. d. Homogénea: CV 33%

DEFINICIONES DE MUESTREO

DEFINICIONES DE MUESTREO 3. Marco de muestreo o Marco muestral: Es el conjunto de unidades del

3. Marco de muestreo o Marco muestral:

Es el conjunto de unidades del cual se seleccionará una muestra

Tipos de marco muestral

Marco muestral de lista: Cuando las unidades de muestreo del marco se constituyen en un listado.

Ejemplo: un listado de alumnos, un listado de clientes, listado de empresas, etc.

Base de datos (Registros)

DEFINICIONES DE MUESTREO 3. Marco de muestreo o Marco muestral: Es el conjunto de unidades del

Marco muestral de áreas: Cuando las unidades de muestreo del marco son áreas de terreno usualmente llamados segmentos (segmentos de área).

Ejemplo: Marco digital de manzanas de viviendaS, etc.

DEFINICIONES DE MUESTREO 3. Marco de muestreo o Marco muestral: Es el conjunto de unidades del
DEFINICIONES DE MUESTREO 3. Marco de muestreo o Marco muestral: Es el conjunto de unidades del

Mapas

DEFINICIONES DE MUESTREO

4. Unidad elemental o unidad de análisis:

DEFINICIONES DE MUESTREO 4. Unidad elemental o unidad de análisis: • Es cada uno de los

Es cada uno de los elementos en estudio.

Es el objeto del cual se toman las mediciones. Ejemplo:

Una persona, un alumno, un cliente, una empresa, una fábrica, una botella de cerveza, una PC, etc.

DEFINICIONES DE MUESTREO 4. Unidad elemental o unidad de análisis: • Es cada uno de los

DEFINICIONES DE MUESTREO

DEFINICIONES DE MUESTREO PARÁMETRO: Es la medición numérica que describe algunas características de una población. ESTIMADOR

PARÁMETRO: Es la medición numérica que describe algunas características de una población.

ESTIMADOR O ESTADÍGRAFO: Es una medición numérica que describe algunas características de una muestra.

DEFINICIONES DE MUESTREO PARÁMETRO: Es la medición numérica que describe algunas características de una población. ESTIMADOR

TIPOS DE MUESTREO:

TIPOS DE MUESTREO: TIPO DE MUESTREO No Probabilístico Probabilístico Simple Estratificado Sistemático Conglomerados Conveniencia Por Juicio
TIPO DE MUESTREO No Probabilístico Probabilístico Simple Estratificado Sistemático Conglomerados Conveniencia Por Juicio Por Cuota Por
TIPO DE MUESTREO
No Probabilístico
Probabilístico
Simple
Estratificado
Sistemático
Conglomerados
Conveniencia
Por Juicio
Por Cuota
Por Bola de nieve

MODALIDAD DE MUESTREO – TIPOS DE MUESTREO

PROBABILÍSTICOS

NO PROBABILISTICOS

MODALIDAD DE MUESTREO – TIPOS DE MUESTREO NO PROBABILISTICOS • Todas las unidades tienen • Cada

• Todas las unidades tienen

• Cada unidad

NO

tiene

igual

igual probabilidad de

probabilidad de participar

en

la

participar en la muestra. • La elección de cada unidad muestral es independiente de las demás • Se puede calcular el error

muestra. • No se puede calcular el error muestral. • Alto riesgo de invalidez producido por la introducción de sesgos .

muestral.

Usos:

Usos:

  • Estimación de Parámetros

  • Comprobación de Hipótesis

  • Estudios Pilotos

  • Estudios Cualitativos

  • Investigaciones en poblaciones de difícil registro o localización (enfermos de VIH)

Ejemplo: ¿Muestreo Probabilístico?

Ejemplo: ¿Muestreo Probabilístico? Se realiza un muestreo entre todos los ingenieros registrados en su colegio profesional,

Se realiza un muestreo entre todos los ingenieros registrados en su

colegio profesional, para saber la opinión sobre la gestión de su

Decano, eligiéndolos al azar de una lista.

Este diseño SI es probabilístico porque todos los ingenieros que pertenecen al colegio profesional tienen la
Este diseño SI es probabilístico porque todos
los ingenieros que pertenecen al colegio profesional tienen
la oportunidad de ser elegidos
Ejemplo: ¿Muestreo Probabilístico? Se realiza un muestreo entre todos los ingenieros registrados en su colegio profesional,

Ejemplo: ¿Muestreo Probabilístico?

Ejemplo: ¿Muestreo Probabilístico? Se utiliza la lista de propietarios de líneas telefónicas para elegir a aquellos

Se utiliza la lista de propietarios de líneas telefónicas para elegir

a aquellos que serán encuestados.

Este diseño es NO Probabilístico porque aquellos que no tienen teléfono NO PUEDEN ser elegidos
Este diseño es NO Probabilístico porque aquellos que
no tienen teléfono NO PUEDEN ser elegidos

Ejemplo: ¿Muestreo Probabilístico?

Ejemplo: ¿Muestreo Probabilístico? Un investigador toma muestras del carbón extraído de una mina, tomando al azar

Un investigador toma muestras

del carbón

extraído de

una mina,

tomando al azar trozos de carbón de la parte superior de cada carro.

Este diseño es NO probabilístico porque sólo se toma carbón de la parte superior
Este diseño es NO probabilístico
porque sólo se toma carbón
de la parte superior
Ejemplo: ¿Muestreo Probabilístico? Un investigador toma muestras del carbón extraído de una mina, tomando al azar

MUESTREO ALEATORIO SIMPLE (M.A.S.)

MUESTREO ALEATORIO SIMPLE (M.A.S.) Cada posible muestra tiene igual probabilidad de ser seleccionada. Cada elemento de

Cada posible muestra tiene igual probabilidad de ser seleccionada.

Cada elemento de la población tiene una probabilidad igual de se

incluido en la muestra.

La afirmación anterior implica que hay que tener un listado completo

de TODOS los miembros de la población.

Uso de números aleatorios.

Muestreo Aleatorio Simple

Lista de Clientes
Lista de Clientes
Muestreo Aleatorio Simple Lista de Clientes Diapositiva 22

Muestreo Aleatorio Simple

Lista de Clientes
Lista de Clientes
Muestra Aleatoria
Muestra Aleatoria
Muestreo Aleatorio Simple Lista de Clientes Muestra Aleatoria Diapositiva 23

TABLA DE NUMEROS ALEATORIOS:

TABLA DE NUMEROS ALEATORIOS: Tablas construidas de manera que se garantiza estadísticamente la aleatoriedad de los

Tablas construidas de manera que se garantiza estadísticamente la aleatoriedad de los elementos seleccionados en la muestra.

No. Columna

TABLA DE NUMEROS ALEATORIOS: Tablas construidas de manera que se garantiza estadísticamente la aleatoriedad de los
TABLA DE NUMEROS ALEATORIOS: Tablas construidas de manera que se garantiza estadísticamente la aleatoriedad de los

Pto. de

Arranque:

A(3, 6)

TABLA DE NUMEROS ALEATORIOS: Tablas construidas de manera que se garantiza estadísticamente la aleatoriedad de los
TABLA DE NUMEROS ALEATORIOS: Tablas construidas de manera que se garantiza estadísticamente la aleatoriedad de los

No. Fila

TABLA DE NUMEROS ALEATORIOS: Tablas construidas de manera que se garantiza estadísticamente la aleatoriedad de los

No. Fila

No. Columna

TABLA DE NUMEROS ALEATORIOS: PROCEDIMIENTO
TABLA DE NUMEROS ALEATORIOS: PROCEDIMIENTO

Se debe conocer el tamaño de la población (N) y el tamaño de la muestra.

Procedimiento:

Determinar el punto de arranque: A(x, y), donde: (x: fila, y: columna).

Conocer el número de cifras del tamaño de la población y de acuerdo a éste seleccionar los números aleatorios.

A los números aleatorios que superan N, se debe restar consecutivamente este tamaño hasta lograr que sea menor que N.

Descartar el número aleatorio dependiendo del tipo de muestreo que se está realizando, es decir; con reemplazo o sin reemplazo.

MUESTREO SISTEMÁTICO

MUESTREO SISTEMÁTICO o Selección dentro de un intervalo uniforme medido con respecto al tiempo, orden o

o

Selección dentro de un intervalo uniforme medido con respecto al

tiempo, orden o al espacio.

o

Cada elemento tiene igual oportunidad de ser seleccionado.

o

Cada muestra NO tiene igual posibilidad de ser seleccionada.

1 26 51 76 2 27 52 77 N = 100 3 28 53 78 4
 
  • 1 26

51

76

 
  • 2 27

52

77

N = 100

  • 3 28

53

78

  • 4 29

54

79

 
  • 5 30

55

80

  • 6 31

56

81

  • 7 32

57

82

  • 8 33

58

83

  • 9 34

59

84

  • 10 35

60

85

  • 11 36

61

86

  • 12 37

62

87

  • 13 38

63

88

  • 14 39

64

89

  • 15 40

65

90

  • 16 41

66

91

  • 17 42

67

92

  • 18 43

68

93

  • 19 44

69

94

  • 20 45

70

95

  • 21 46

71

96

  • 22 47

72

97

  • 23 48

73

98

  • 24 49

74

99

  • 25 50

75

100

1 26 51 76 2 27 52 77 N = 100 3 28 53 78 4
 
  • 1 26

51

76

 
  • 2 27

52

77

N = 100

  • 3 28

53

78

  • 4 29

54

79

  • 5 30

55

80

  • 6 31

56

81

Se desea una muestra n = 20

  • 7 32

57

82

  • 8 33

58

83

  • 9 34

59

84

  • 10 35

60

85

  • 11 36

61

86

  • 12 37

62

87

  • 13 38

63

88

  • 14 39

64

89

  • 15 40

65

90

  • 16 41

66

91

  • 17 42

67

92

  • 18 43

68

93

  • 19 44

69

94

  • 20 45

70

95

  • 21 46

71

96

  • 22 47

72

97

  • 23 48

73

98

  • 24 49

74

99

  • 25 50

75

100

1 26 51 76 2 27 52 77 N = 100 3 28 53 78 4
 
  • 1 26

51

76

 
  • 2 27

52

77

N = 100

  • 3 28

53

78

  • 4 29

54

79

  • 5 30

55

80

  • 6 31

56

81

Se desea una muestra n = 20

  • 7 32

57

82

  • 8 33

58

83

  • 9 34

59

84

  • 10 35

60

85

  • 11 36

61

86

N/n = 5

  • 12 37

62

87

  • 13 38

63

88

  • 14 39

64

89

  • 15 40

65

90

  • 16 41

66

91

  • 17 42

67

92

  • 18 43

68

93

  • 19 44

69

94

  • 20 45

70

95

  • 21 46

71

96

  • 22 47

72

97

  • 23 48

73

98

  • 24 49

74

99

  • 25 50

75

100

1 26 51 76 2 27 52 77 N = 100 3 28 53 78 4
 
  • 1 26

51

76

 
  • 2 27

52

77

N = 100

  • 3 28

53

78

  • 4 29

54

79

  • 5 30

55

80

  • 6 31

56

81

Se desea una muestra n = 20

  • 7 32

57

82

  • 8 33

58

83

  • 9 34

59

84

  • 10 35

60

85

  • 11 36

61

86

N/n = 5

  • 12 37

62

87

  • 13 38

63

88

  • 14 39

64

89

  • 15 40

65

90

Escoger un número aleatorio de 1-5: Seleccionado:

  • 16 41

66

91

4

  • 17 42

67

92

  • 18 43

68

93

  • 19 44

69

94

  • 20 45

70

95

  • 21 46

71

96

  • 22 47

72

97

  • 23 48

73

98

  • 24 49

74

99

  • 25 50

75

100

1 26 51 76 2 27 52 77 N = 100 3 28 53 78 4
 
  • 1 26

51

76

 
  • 2 27

52

77

N = 100

  • 3 28

53

78

  • 4 29

54

79

  • 5 30

55

80

  • 6 31

56

81

Se desea una muestra n = 20

  • 7 32

57

82

  • 8 33

58

83

9

34

59

84

  • 10 35

60

85

  • 11 36

61

86

N/n = 5

  • 12 37

62

87

  • 13 38

63

88

  • 14 39

64

89

  • 15 40

65

90

Escoger un número aleatorio de 1-5:

  • 16 41

66

91

Seleccionado: 4

  • 17 42

67

92

  • 18 43

68

93

  • 19 44

69

94

  • 20 45

70

95

  • 21 46

71

96

Empezar con el 4 y escoger cada

  • 22 47

72

97

quinto número

  • 23 48

73

98

  • 24 49

74

99

 
  • 25 50

75

100

MUESTREO ALEATORIO ESTRATIFICADO (M.A.E.)

MUESTREO ALEATORIO ESTRATIFICADO (M.A.E.) La población (estratos) es dividida en grupos relativamente homogéneos Selección aleatoria de

La

población

(estratos)

es

dividida

en

grupos

relativamente

homogéneos

Selección aleatoria de elementos del estrato.

Cantidad proporcional al estrato ó con pesos.

Cada grupo tiene una pequeña variación dentro de sí mismo, pero hay

una amplia variación entre los grupos.

PROCEDIMIENTO PARA SELECCIONAR UNA MUESTRA ESTRATIFICADA

PROCEDIMIENTO PARA SELECCIONAR UNA MUESTRA ESTRATIFICADA PROBLEMA: Heterogeneidad de las unidades de estudio

PROBLEMA: Heterogeneidad de las unidades de estudio

PROCEDIMIENTO PARA SELECCIONAR UNA MUESTRA ESTRATIFICADA PROBLEMA: Heterogeneidad de las unidades de estudio

SOLUCION: Estratificación de la población

SOLUCION: Estratificación de la población
SOLUCION: Estratificación de la población

TECNICAS DE MUESTREO ESTRATIFICADO:

1. ASIGNACION IGUAL: Todos los estratos tienen el mismo número de elementos en la muestra.

TECNICAS DE MUESTREO ESTRATIFICADO: 1. ASIGNACION IGUAL: Todos los estratos tienen el mismo número de elementos

Se determina:

Donde:

=

n: muestra h: número de estratos

n h :

muestra en el estrato h

2. ASIGNACION PROPORCIONAL: El tamaño de cada estrato en la muestra es proporcional a su tamaño en la población.

Se determina:

Donde:

=

Nh: población en cada estrato h N: población n: muestra solicitada

n h :

muestra en el estrato h

EJEMPLO

EJEMPLO En una fábrica que consta de 600 trabajadores queremos tomar una muestra de 20. Sabemos

En

una

fábrica que consta de

600 trabajadores

queremos tomar una

muestra de 20.

Sabemos que hay 200 trabajadores en la sección A, 150 en la B, 150 en la C y 100 en la D.

¿Cuál

seria la muestra

si

trabajamos

con

una

afijación igual?,

¿y

si

la

afijación es

proporcional?

Solución:

Se tienen los siguientes datos:

N=600; n=20; A=200; B=150; C=150; D=100; h = 4 (4 estratos)

  • a. Por afijación igual: n h =n/h = 20/4 = 5 Cada estrato estará conformado por 5 trabajadores.

  • b. Por afijación proporcional: n 1 =(A/N)(n) = (200/600)(20) = 7 n 2 =(B/N)(n) = (150/600)(20) = 5 n 3 =(C/N)(n) = (150/600)(20) = 5 n 4 =(D/N)(n) = (100/600)(20) = 3 Los estratos estarán constituidos por: A = 7; B = 5; C = 5 y D = 3 trabajadores.

MUESTREO ALEATORIO POR CONGLOMERADOS Cuando en lugar de unidades de estudios o de observación se eligen

MUESTREO ALEATORIO POR CONGLOMERADOS

Cuando en lugar de unidades de estudios o de observación se eligen grupos, bloques o conjuntos de esas unidades, se dice que el muestreo es por conglomerados.

Ejemplo : Si en lugar de seleccionar de forma aleatoria personas para medir su capacidad adquisitiva
Ejemplo :
Si en lugar de seleccionar de forma aleatoria personas para medir su
capacidad adquisitiva o de consumo se seleccionan, por ejemplo, familias,
se dice que el muestreo es por conglomerados.

Cuando el conglomerado lo constituye un área geográfica o zona territorial concreta, como por ejemplo las familias de determinados barrios, el muestreo por conglomerados recibe el nombre de muestreo por áreas.

EJEMPLOS DONDE SE APLICA EL MUESTREO POR

CONGLOMERADOS

EJEMPLOS DONDE SE APLICA EL MUESTREO POR CONGLOMERADOS 1. En una ciudad se quiere saber sobre
  • 1. En una ciudad se quiere saber sobre características de las viviendas; en este caso las unidades elementales serían las viviendas y los conglomerados serían las cuadras o lotes de vivienda.

  • 2. En una zona se desea saber el promedio de gastos en ropa que hacen las personas que allí viven. En este caso las unidades elementales serían las personas y los conglomerados o unidades de muestreo serían las viviendas.

  • 3. En un aeropuerto una linea aérea desea saber ciertas características de sus viajes. Las unidades elementales son los pasajeros que llegan y los conglomerados serían los vuelos.

FÓRMULAS PARA EL CÁLCULO DEL TAMAÑO DE MUESTRA (n)

FÓRMULAS PARA EL CÁLCULO DEL TAMAÑO DE MUESTRA (n)

MUESTREO ALEATORIO SIMPLE:

Determinación de una muestra aleatoria: M.A.S

MUESTREO ALEATORIO SIMPLE: Determinación de una muestra aleatoria: M.A.S Variable No se conoce la Población N
Variable
Variable

No se conoce la Población N

Población Infinita:

Se conoce la Población N

Población Finita:

Cualitativa
Cualitativa
1 2 * PQ   Z   E = n    2
1
2
* PQ
  Z
E
=
n
 
2
1 2 2 NPQ 2 PQ n = 2 + N E Z Z 1) 2
1
2
2 NPQ
2 PQ
n =
2 +
N
E
Z
Z
1)
2
(
1

Cuantitativa

1 2 n =   Z S   E     2
1
2
n =
  Z
S  
E
2
1 2 1)E n = NS (N 2 + Z Z S 2 2 2 2
1
2
1)E
n =
NS
(N
2 +
Z
Z
S
2
2
2
2
2
1

o

Donde:

n: Tamaño de la muestra.

P: Proporción de una categoría de la variable E: Error máximo N: Tamaño de la población

Z

1

: Variable estandarizada de distribución normal. S²: Varianza de la muestra. : Nivel de significancia.

2

DIFERENTES NIVELES DE CONFIANZA UTILIZADOS Nivel de Confianza (1- α ) 99% 98% 96% 95% 90%

DIFERENTES NIVELES DE CONFIANZA UTILIZADOS

Nivel de Confianza (1-α)

99%

98%

96%

95%

90%

Nivel de Significancia (α)

1%

2%

4%

5%

10%

Valores de

2.58

2.33

2.05

1.96

1.645

TAMAÑO DE MUESTRA

Ejemplo 1:

TAMAÑO DE MUESTRA Ejemplo 1: En un lote de 8000 unidades de frascos para almacenar reactivos

En un lote de 8000 unidades de frascos para almacenar

reactivos químicos, se desea estimar la capacidad media en

centímetros cúbicos de los mismos.

A través

de

un

premuestreo

de

35

frascos

se

ha

determinado que la desviación estándar es de

2 cm 3 . Si

queremos

tener

un error

de

0.25 cms

3

y

un

nivel de

significancia de 5%.

De que tamaño debe ser la muestra?.

TAMAÑO DE MUESTRA Ejemplo 1: En un lote de 8000 unidades de frascos para almacenar reactivos

TAMAÑO DE MUESTRA

SOLUCION de Ejemplo 1:

TAMAÑO DE MUESTRA SOLUCION de Ejemplo 1: S = 2 cm N = 8000 E =

S = 2 cm 3

N = 8000

E = 0.25 cm 3

α = 0.05 ( 5%)

Z =1.96

n =

Z
Z

2

S

2

N

E

2

1)

+

Z

2

S

2

(N

(1.96) 2 (2 ) 2 (8000)

=

(0.25) 2 (8000 – 1) + (1.96) 2 ( 2) 2

= 238 frascos

Se necesitarían 238 frascos

TAMAÑO DE MUESTRA

Ejemplo 2:

TAMAÑO DE MUESTRA Ejemplo 2: En un estudio, se desea determinar en que proporción los ingenieros

En un estudio, se desea determinar en que proporción los

ingenieros encargados de las labores de muestreo en una gran

industria pesquera se encuentran capacitados. Si se sabe que

existen 1500 ingenieros y deseamos tener un error del 10%, con

un nivel de significancia de 5%.

De que tamaño debe ser

la muestra.

TAMAÑO DE MUESTRA Ejemplo 2: En un estudio, se desea determinar en que proporción los ingenieros

TAMAÑO DE MUESTRA

SOLUCION de Ejemplo 2:

TAMAÑO DE MUESTRA SOLUCION de Ejemplo 2: N = 1500 E = 10% α = 5%

N = 1500

E = 10%

α = 5%

p = 0.5

q= 0.5

Z=1.96

n

=

Z P

(1

+
+

)

P N

E

2

(

N

1)

2

Z P

(1

)

P

=

( 1.96) 2 (0.5) ( 0.5) 1500 = 91 ingenieros (0.1) 2 (1500 -1) + (1.96) 2 ( 0.5)(0.5)

Se tomará información de 91 ingenieros.

APLICACIÓN:

APLICACIÓN: 1. El tiempo de conexión a Internet de los alumnos de cierta Universidad sigue una
  • 1. El tiempo de conexión a Internet de los alumnos de cierta Universidad sigue una distribución normal con desviación típica 15 minutos. Si se quiere conseguir que el error de estimación no supere los tres minutos con un nivel de confianza del 95%. Determinar cuál es el tamaño mínimo de la muestra que es necesario observar?

  • 2. Calcule el tamaño muestral de una encuesta realizada por ESSALUD. El error de estimación es 2%, con un nivel de confianza de 95% y p = q en el supuesto de un muestro aleatorio simple.

  • 3. En un estudio, se desea determinar en que proporción los niños de una región toman yogurt en el desayuno. Si se sabe que existen 1500 niños y deseamos tener una

precisión de 10%, muestra?

con

un

nivel de confianza del 90%.

De que

tamaño debe ser la

  • 4. Determine el tamaño de muestra adecuado para estimar el peso promedio de los alumnos de ingeniería civil con un nivel de confianza del 95%, si sabemos que la varianza de los pesos es 116.92 kg 2 , el error muestral es de 2.82 Kg. y el total de alumnos es 500.

¿QUÉ HEMOS VISTO?

• Elementos de la teoría de muestreo.

• Tipos de muestreo.

• Muestreos Probabilísticos.

• Muestreos No Probabilísticos.

• Tamaño de muestra.

¿QUÉ HEMOS VISTO? • Elementos de la teoría de muestreo. • Tipos de muestreo. • Muestreos

No existe la suerte.

Sólo hay preparación adecuada o

inadecuada para hacer frente a una estadística.

Robert Heinlein

BIBLIOGRAFIA BASICA:

BIBLIOGRAFIA BASICA: Estimado estudiante, puedes revisar los siguientes textos que se encuentran en tu biblioteca: 519.2
Estimado estudiante, puedes revisar los siguientes textos que se encuentran en tu biblioteca:
Estimado estudiante, puedes revisar los siguientes textos que se encuentran en
tu biblioteca:
 

519.2

 

PROBABILIDAD

Y

ESTADÍSTICA

PARA

 

1

SCHE

SCHEAFFER Mc. CLAVE

INGENIERÍA

2005

2

519.5

LEVINE-KREHBIEL-

ESTADÍSTICA PARA ADMINISTRACIÓN.

2006

LEVI/P

BERENSON

   

WILLIAM W. HINES

   

519.2

DOUGLAS C. MONTGOMERY

PROBABILIDAD

Y

ESTADÍSTICA

PARA

3

HINE

DAVID M. GOLDSMAN CONNIE M. BORROR

INGENÍERIA

2011

BIBLIOGRAFIA BASICA: Estimado estudiante, puedes revisar los siguientes textos que se encuentran en tu biblioteca: 519.2