Beruflich Dokumente
Kultur Dokumente
UNIDAD DIDÁCTICA
ESTADISTICA BASICA II
Nivel: 5
Número de créditos: 5
TUTOR:
Econ. Héctor Cumbal Flores
Quito - Ecuador
Contenido
INTRODUCCION ................................................................................................................................... 4
Caracterización de la materia. .............................................................................................................. 4
Importancia en la formación profesional.............................................................................................. 4
Relaciones con otras materias del plan de estudios. ............................................................................. 4
Competencias Generales ...................................................................................................................... 5
Resumen de competencias por unidad ................................................................................................. 5
INTRODUCCIÓN GENERAL A LA PRIMERA PARTE DE LA UNIDAD DIDACTICA ................. 7
I. UNIDAD: INTRODUCCIÓN A LA TEORIA DE PROBABILIDADES ...................................... 8
1.1 Conceptos principales .............................................................................................................. 8
1.2 Probabilidad, elementos y definiciones .................................................................................. 10
1.3 Enfoques de la probabilidad. -................................................................................................ 11
1.4 Reglas de la probabilidad ....................................................................................................... 12
1.5 Tablas de contingencia y árbol de probabilidades.................................................................. 15
1.6 Teorema de Bayes .................................................................................................................. 17
1.7 Principios del conteo .............................................................................................................. 18
II. UNIDAD: DISTRIBUCIONES PROBABILÍSTICAS DISCRETAS ........................................... 21
2.1 Conceptos principales ............................................................................................................ 22
2.2 Distribuciones de probabilidad............................................................................................... 23
2.3 Media, varianza y desviación estándar de una distribución de probabilidad ......................... 24
2.4 Distribución Binomial ............................................................................................................ 25
2.5 Distribución Hipergeométrica ................................................................................................ 26
2.6 Distribución de Poisson.......................................................................................................... 27
INTRODUCCIÓN GENERAL A LA SEGUNDA PARTE DE LA UNIDAD DIDÁCTICA ............. 30
III. UNIDAD: DISTRIBUCIÓN PROBABILÍSTICA NORMAL .................................................. 31
3.1 Conceptos principales ............................................................................................................ 32
3.2 La familia de distribuciones probabilísticas normales ........................................................... 32
3.3 Distribución probabilística normal estandarizada .................................................................. 33
3.4 Aproximación de la normal a la binomial ............................................................................. 36
IV. UNIDAD: MÉTODOS Y DISTRIBUCIONES DE MUESTREO. ........................................... 41
4.1 Conceptos principales............................................................................................................. 41
4.2 Muestreo de la Población ....................................................................................................... 42
pág. 2
4.3 Métodos de Muestreo ............................................................................................................. 43
4.4 Distribución de muestreo de medias muestrales .................................................................... 45
4.5 Error Estándar y Error de Muestreo ....................................................................................... 47
V. UNIDAD: ESTIMACIONES E INTERVALOS DE CONFIANZA ............................................. 48
5.1 Estimaciones puntuales y de intervalos .................................................................................. 48
5.2 Selección de un tamaño de muestra adecuado ....................................................................... 52
pág. 3
INTRODUCCION
Caracterización de la materia.
probabilidades tanto para variables discretas como para variables continuas. También estudia
los métodos de muestreo y el teorema del límite central. Se finaliza el estudio con el análisis de
Las organizaciones en los sectores privados y públicos se ven cada vez más expuestas a los
efectos del cambio económico, político y social a nivel nacional y mundial por la creciente
Casi todas las áreas del saber requieren el pensamiento estadístico. Las disciplinas de estudio
que dependen ampliamente del análisis incluyen: Marketing, Matemáticas, Finanzas, Economía
pág. 4
e Investigación de operaciones. Los principios y procedimientos aplicados en contabilidad y
Competencias Generales
contables para tomar decisiones, mediante la utilización de las herramientas estadísticas como
de parámetros poblacionales.
COMPETENCIAS UNIDADES
pág. 5
• Identificar las características de la distribución Binomial, Unidad 02.
Hipergeométrica y de Poisson.
Distribuciones de
• Calcular probabilidades utilizando la distribución Binomial,
probabilidad
Hipergeométrica y de Poisson.
discreta
pág. 6
INTRODUCCIÓN GENERAL A LA PRIMERA PARTE DE LA UNIDAD
DIDACTICA
La primera parte de esta unidad didáctica está compuesta por dos bloques que corresponde a los
La unidad uno, introduce al estudio de la teoría de probabilidades, abarca los siguientes temas:
La unidad dos, estudia las distribuciones de probabilidad, para luego analizar las distribuciones
Al finalizar el estudio de esta primera parte estarás en capacidad de aplicar las probabilidades y
pág. 7
I. UNIDAD: INTRODUCCIÓN A LA TEORIA DE PROBABILIDADES
Competencias
Contenidos
pág. 8
Probabilidad Condicional. - Es la probabilidad de que un evento ocurra dado que otro ha
sucedido ya.
Regla Especial de Adición. - Para que esta regla se cumpla, los eventos deben ser
mutuamente excluyentes.
Tabla de Contingencia. - Conocida también como tabla de doble entrada, sirve para
pág. 9
Tabla de Probabilidad. - Es producto de dividir toda la tabla de contingencia para el total.
Ejemplos:
Ejemplos:
pág. 10
Ejemplos:
probables. Por lo general está asociada con todo lo referente al azar. Se usa siguiente
fórmula:
# de resultados favorables
𝑃(𝑋) =
# total de resultados
Ejemplo 1.
Ejemplo 2.
De los 100 accidentes de tránsito, registrados el año pasado en una ciudad, 40 fueron
pág. 11
Probabilidad Subjetiva. - Se basa en cualquier información disponible, experiencia o
Ejemplo 3.
La probabilidad de que haya una caída de la bolsa de valores por la inestabilidad política del
1.4.1.1 Regla Especial de Adición. - Se emplea para “unir” eventos que son mutuamente
excluyentes.
Dos eventos son mutuamente excluyentes si, en virtud de la ocurrencia de uno, el otro no
puede suceder.
P (A o B) = P(A) + P (B)
Ejemplo 4.
(El 3 y el 5 son mutuamente excluyentes pues en una tirada ellos no pueden salir al mismo)
1.4.1.2 Regla General de Adición. - Se emplea “unir” eventos que tienen probabilidad
conjunta.
pág. 12
La probabilidad conjunta es aquella en la cual pueden ocurrir dos eventos al mismo
tiempo.
P (A o B) = P(A) + P (B) – P (A y B)
Ejemplo 5.
¿Cuál es la probabilidad de que al sacar una carta de un naipe salga un tres o un trébol?
(recuerde que un naipe está compuesto por 52 cartas)
(En este ejemplo los eventos no son mutuamente excluyentes, pues es posible sacar una
carta que sea un 3 y que sea trébol al mismo tiempo)
1.4.2.1 Regla Especial de Multiplicación. - Se utiliza para combinar eventos que son
independientes.
P (A y B) = P(A) x P (B)
Ejemplo 6.
¿Cuál es la probabilidad de que al lanzar un dado y una moneda salga cuatro y cruz?
pág. 13
1.4.2.2 Regla General de Multiplicación. - Se utiliza cuando la probabilidad es
condicional.
P (A y B) = P(A) x P (B / A)
Ejemplo 7.
¿Cuál es la probabilidad de que, al sacar dos cartas de un naipe, en la primera salga cuatro
y luego otro cuatro?
1.4.3 Regla del Complemento. - Sirve para determinar la probabilidad de que ocurra un
P(A) = 1 – P (no A)
Ejemplo 8.
pág. 14
1.5 Tablas de contingencia y árbol de probabilidades
De 1200 estudiantes, 600 son hombres y 800 son solteros. De los 800 solteros, 450 son
Sexo/ Estado
Soltero Casado Total
Civil
Hombre 450/1200 150/1200 600/1200
Mujer 350/1200 250/1200 600/1200
Total 800/1200 400/1200 1200/1200
pág. 15
Sexo/ Estado
Soltero Casado Total
Civil
Hombre 0,375 0,125 0,50
Mujer 0,292 0,208 0,50
Total 0,67 0,33 1,00
(Los valores totales son las probabilidades marginales, en tanto que las
probabilidades interiores son las probabilidades conjuntas)
- P (M y S) = 0,292 29,2 %
- P (H y S) = 0,375 37,5 %
pág. 16
1.5.3 Árbol de probabilidades. - es una gráfica útil para organizar cálculos que implican
varias etapas. Cada segmento del árbol constituye una etapa del problema. Las ramas
0.5 M
C 0,42 0,5 * 0,42 = 0,208
1
El teorema de Bayes parte de una situación en la que es posible conocer las probabilidades
de que ocurran una serie de sucesos Ai. A esta se añade un suceso B cuya ocurrencia
Conociendo que ha ocurrido el suceso B, la fórmula del teorema de Bayes nos indica como
pág. 17
Ejemplo 9.
El 20% de los empleados de una empresa son ingenieros, 20% son economistas y otras
profesiones 60%. El 75% de los ingenieros ocupan un puesto directivo y el 50% de los
economistas también, mientras que los no ingenieros y los no economistas solamente el 20%
evento puede suceder y n formas en que otro puede ocurrir, entonces existen m x n
Número de formas = m * n
pág. 18
Ejemplo 10.
pueden armar?
Número de arreglos = 3 x 4 x 5 = 60
seleccionados.
𝑛!
𝑛𝑃𝑟 =
(𝑛 − 𝑟)!
Ejemplo 11.
9!
𝑛𝑃𝑟 = = 72
(9 − 2)!
mismo que Pepe sea escogido como gerente y Juan como subgerente; a que Juan sea el
pág. 19
1.7.3 Combinación. - Es un arreglo donde no es importante el orden de los objetos
seleccionados.
𝑛!
𝑛𝐶𝑟 =
𝑟! ∗ (𝑛 − 𝑟)!
Ejemplo 12.
15!
𝑛𝐶𝑟 = = 455
3! ∗ (15 − 3)!
pág. 20
II. UNIDAD: DISTRIBUCIONES PROBABILÍSTICAS DISCRETAS
Competencias.
Poisson.
Poisson.
Contenidos
pág. 21
2.1 Conceptos principales
Variable Aleatoria. - Cantidad obtenida a partir de un experimento que, por azar, puede
Variable Aleatoria Continua. - La variable aleatoria que puede tomar un número infinito
Variable Aleatoria Discreta. - La variable aleatoria que puede tomar solo ciertos valores
específicos.
pág. 22
▪ Existe un número fijo de pruebas o ensayos.
• Variables discretas. Son aquellas que solo asumen ciertos valores y son producto de
• Variables continuas. Son aquellas que pueden asumir cualquier valor y son producto de
Ejemplo 1
pág. 23
Mantenimientos Vehículos
0 4
1 6
2 7
3 3
Total 20
▪ La varianza es igual a:
σ² = ∑(𝑋 − µ)2 ∗ 𝑃(𝑋)
2
pág. 24
Ejemplo 2
Con los datos del ejercicio anterior calcular la media, varianza y desviación estándar de la
distribución.
µ = 𝐧𝛑
La varianza es:
𝝈𝟐 = 𝐧𝛑 (𝟏 − 𝛑)
pág. 25
Ejemplo 3
El 33% de automóviles nuevos requiere servicio por garantía en el primer año. Si la agencia
Datos; n = 4, = 0,33
µ = nπ = 4 (0.33) = 1.32
σ² = nπ (1 - π) = 1.32 (1 – 0.33) = 0,88
σ = 0.94
pág. 26
𝑆 𝐶𝑥 ∗ 𝑁−𝑆 𝐶𝑛−𝑥
𝑃(𝑥) =
𝑁 𝐶𝑛
Ejemplo 4
profesores de los cuales cuatro son mujeres. La directora, desea establecer un comité de
cuatro miembros del profesorado del departamento, para que revise el plan de estudios.
4 𝐶2 ∗ 12−4 𝐶4−2
a. P(X = 2\n = 4 y S = 4) = = 0.339
12 𝐶4
4 𝐶4 ∗ 12−4 𝐶4−4
b. P(X = 4\n = 4 y S = 4) = = 0.002
12 𝐶4
4 𝐶0 ∗ 12−4 𝐶4
c. P(X ≥ 1\n = 4 y S = 4) = 1 − P(0) = 1 − = 0.858
12 𝐶4
pág. 27
▪ La distribución resulta de un conteo del número de éxitos en una cantidad fija de
ensayos.
▪ La probabilidad de un éxito generalmente es pequeña, y el número de ensayos suele
ser grande.
µ𝒙 𝒆−µ
𝑷(𝒙) =
𝒙!
Ejemplo 5
específico?
a. No lleguen automóviles
b. Lleguen cuatro automóviles
c. Lleguen cuatro o menos automóviles
d. Lleguen Cuatro o más automóviles
Datos = 4,00
𝟒𝟎 𝒆−𝟒
a. 𝐏(𝐗 = 𝟎) = 𝟎!
= 𝟎. 𝟎𝟏𝟖𝟑
𝟒𝟒 𝒆−𝟒
b. 𝐏(𝐗 = 𝟒) = = 𝟎. 𝟏𝟗𝟓𝟒
𝟒!
pág. 28
RESUMEN DE LAS DISTRIBUCIONES PROBABILÍSTICAS DISCRETAS
Pequeña
N (población) No tiene No tiene
(poblaciones finitas)
S (cantidad de
No tiene Se obtiene de la población No tiene
éxitos en N)
(media) = n No tiene = n
(desviación
raíz cuadrada de 2 No tiene raíz cuadrada de 2
estándar)
X (número de
En la pregunta En la pregunta En la pregunta
éxitos)
pág. 29
INTRODUCCIÓN GENERAL A LA SEGUNDA PARTE DE LA UNIDAD
DIDÁCTICA
La segunda parte de esta unidad está compuesta por dos bloques que corresponden a las
En las unidades cuatro y cinco estudiarás todo lo referente al muestreo, los métodos de
muestra.
La importancia del estudio de etas unidades se basa en que en la vida práctica y profesional
contable financiero.
pág. 30
III. UNIDAD: DISTRIBUCIÓN PROBABILÍSTICA NORMAL
Competencias
determinado.
Contenidos
pág. 31
3.1 Conceptos principales
aproximación de una distribución discreta (binomial) por medio de una de tipo continuo
(normal).
No sólo existe una distribución de probabilidad normal, sino una familia, solo se requiere
pág. 32
Las características de la distribución normal son:
0,50 0.50
µ = Me = Mo x
𝐗−µ
𝐙=
𝛔
0,50 0.50
=0 Z
pág. 33
Ejemplo 1
Un estudio realizado en una emisora de radio de Guayaquil reveló que el promedio que
una persona sintoniza la emisora es de 20 minutos con una desviación estándar de 5,4 min.
a. ¿Entre 20 y 30 minutos?
A
A
0 1,85 Z
20 30 X
30 − 20
𝑍= = 1.85 𝑠𝑒𝑔ú𝑛 𝑎𝑝é𝑛𝑑𝑖𝑐𝑒 𝐵1: 𝐴 = 0.4678
5.4
b. Entre15 y 28 min?
AA
A1A1 A2A2
-0,93 0 1,48 Z
15 20 28 X
15 − 20
𝑍1 = = −0.93 𝑠𝑒𝑔ú𝑛 𝑎𝑝é𝑛𝑑𝑖𝑐𝑒 𝐵1: 𝐴1 = 0.3238
5.4
28 − 20
𝑍2 = = 1.48 𝑠𝑒𝑔ú𝑛 𝑎𝑝é𝑛𝑑𝑖𝑐𝑒 𝐵1: 𝐴2 = 0.4306
5.4
pág. 34
c. Durante 32 minutos o menos?
A
A
0.50
0,5 A1
A1
0 2,22 Z
20 32 X
32 − 20
𝑍1 = = 2.22 𝑠𝑒𝑔ú𝑛 𝑎𝑝é𝑛𝑑𝑖𝑐𝑒 𝐵1: 𝐴1 = 0.4868
5.4
d. Entre 25 y 35 min?
A
A11 A2
A2
0 0,93 2,78 Z
20 25 35 X
25 − 20
𝑍1 = = 0.93 𝑠𝑒𝑔ú𝑛 𝑎𝑝é𝑛𝑑𝑖𝑐𝑒 𝐵1: 𝐴1 = 0.3238
5.4
35 − 20
𝑍2 = = 2.78 𝑠𝑒𝑔ú𝑛 𝑎𝑝é𝑛𝑑𝑖𝑐𝑒 𝐵1: 𝐴2 = 0.4973
5.4
A1
A1 A
A
0 2,22 Z
20 32 X
32 − 20
𝑍1 = = 2.22 𝑠𝑒𝑔ú𝑛 𝑎𝑝é𝑛𝑑𝑖𝑐𝑒 𝐵1: 𝐴1 = 0.4868
5.4
pág. 35
f. Durante 15 min o más?
A
A
A
A11 0,5
0.50
-0,93 0 Z
15 20 X
15 − 20
𝑍1 = = −0.93 𝑠𝑒𝑔ú𝑛 𝑎𝑝é𝑛𝑑𝑖𝑐𝑒 𝐵1: 𝐴1 = 0.3238
5.4
75 %
0,5 0,25
0,50 0,25
0 0,67 Z
20 ? X
pág. 36
• n *π y n *(1- π ) deben ser ambos por lo menos iguales a 5.
- n es el número de observaciones.
- π es la probabilidad de un éxito.
ensayos.
µ = nπ
σ² = nπ (1- π)
• El factor de corrección por continuidad, de 0.5, sirve para ampliar en media unidad
pág. 37
Ejemplo 1
Un estudio en una institución educativa, mostró que el 5% de los docentes tienen estudios
Primero se debe calcular: n*π y n*(1- π) si estas son mayores o iguales a 5, se puede
µ = nπ = 0,05 (100) = 5
σ = 2,18
A1
A1
0 1,15 Z
5 7,5 X
pág. 38
7.5 − 5
𝑍1 = = 1.15 𝑠𝑒𝑔ú𝑛 𝑎𝑝é𝑛𝑑𝑖𝑐𝑒 𝐵1: 𝐴1 = 0.3749
2.18
A2
A1
0 1,15 2,52 Z
5 7,50 10,50 X
7.5 − 5
𝑍1 = = 1.15 𝑠𝑒𝑔ú𝑛 𝑎𝑝é𝑛𝑑𝑖𝑐𝑒 𝐵1: 𝐴1 = 0.3749
2.18
10.5 − 5
𝑍2 = = 2.52 𝑠𝑒𝑔ú𝑛 𝑎𝑝é𝑛𝑑𝑖𝑐𝑒 𝐵1: 𝐴2 = 0.4940
2.18
A2
A1
A1
0 1,15 1,61 Z
5 7,50 8,50 X
pág. 39
7.5 − 5
𝑍1 = = 1.15 𝑠𝑒𝑔ú𝑛 𝑎𝑝é𝑛𝑑𝑖𝑐𝑒 𝐵1: 𝐴1 = 0.3749
2.18
8.5 − 5
𝑍2 = = 1.61 𝑠𝑒𝑔ú𝑛 𝑎𝑝é𝑛𝑑𝑖𝑐𝑒 𝐵1: 𝐴2 = 0.4463
2.18
pág. 40
IV. UNIDAD: MÉTODOS Y DISTRIBUCIONES DE MUESTREO.
Competencias
Contenidos
integrada por las medias de todas las muestras de un determinado tamaño, tomadas de la
población.
Muestra Probabilística. Una muestra de objetos o individuos elegida de tal manera que
pág. 41
Teorema del Límite Central. Si el tamaño de la muestra es suficientemente grande, la
Hay muchas razones para muestrear una población. Entre las que encontramos las
siguientes:
población.
este.
población.
Ejemplo. Para saber la opinión de un producto se entrega el mismo a una muestra de una
4. Los resultados de una muestra pueden dar una estimación adecuada del parámetro de
Ejemplo. Tomar una muestra de producción de cerveza para saber sus características.
pág. 42
5. Puede necesitarse demasiado tiempo para contactar a todos los elementos de la
población.
Ejemplo. Para conocer el criterio acerca del ALCA no es necesario entrevistar a todo el
persona que realiza el muestreo. Esto puede llevar a resultados con sesgo.
probabilidad.
4.3.1. Muestreo Aleatorio Simple. - En una muestra aleatoria simple todos los elementos de
Un método para seleccionar una muestra es emplear una tabla de números aleatorios
continuación:
pág. 43
No. 00 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Hab. 40 35 28 19 17 15 20 55 63 29 38 43 12 29 32 43 44 45 47 70 19 28 14 35
Utilice una tabla de números aleatorios (apéndice E) y seleccione una muestra aleatoria
Para utilizar la tabla de números aleatorios usted puede empezar por cualquier parte de
6 del apéndice y nos movemos hacia la derecha. Los números se presentan a continuación:
92598 49186 88247 39967 13748 04742 92460 85801 53444 65626 58710 55406 17173 69776 87455 14813
Como la población está compuesta de dos dígitos, en los números de la tabla se van a
escoger los dos primeros dígitos que estén incluidos dentro de la población, son los
subrayados en el cuadro. Entonces la muestra contiene a los hoteles 13, 04, 17 y 14.
Ejemplo. Con los datos del ejercicio anterior obtenga una muestra sistemática
seleccionando como punto de partida el hotel 03 y después seleccione cada quinto hotel.
pág. 44
4.3.4. Muestreo por Conglomeración. - En un muestreo por aglomerado la población se
divide en unidades primarias, y después se elige aleatoriamente las unidades que van a
ser muestreadas.
Es una distribución de probabilidad que señala todas las medias muestrales posibles y sus
probabilidades de ocurrencia.
• Para el tamaño de muestra dado, el valor medio de todas las medias muestrales posibles
población.
Ejemplo. Las edades de seis docentes de una universidad de la ciudad de Quito son:
A B C D E F SUMA
Edad 54 50 52 48 50 52 306
𝟔!
𝟔 𝑪𝟐 = = 𝟏𝟓
𝟐! ∗ (𝟔 − 𝟐)!
pág. 45
• Seleccione todas las muestras factibles de tamaño 2 y calcule las medias.
49 2 2/15 = 0,13
50 3 3/15 = 0,20
51 5 5/15 = 0,33
52 3 3/15 = 0,20
53 2 2/15 = 0,13
SUMA 15 15/15= 1,00
pág. 46
4.5 Error Estándar y Error de Muestreo
x
n
0,5. Este tipo de error puede calcularse para cualquier medida de interés.
pág. 47
V. UNIDAD: ESTIMACIONES E INTERVALOS DE CONFIANZA
Competencias
▪ Calcular intervalos de confianza para medias y proporciones
Contenidos
parámetro poblacional.
Los factores que determinan la amplitud de un intervalo de confianza para la media son:
pág. 48
• La variabilidad de la población, estimada usualmente con la desviación estándar
poblacional
• El nivel de confianza.
distribución normal.
𝜎
Intervalo de confianza superior = 𝑋 + 𝑍 ∗
√𝑛
𝜎
Intervalo de confianza inferior = 𝑋 − 𝑍 ∗
√𝑛
Ejemplo 1
Una muestra aleatoria de 60 policías, reveló que en promedio un oficial permanece 3,5
años en su puesto antes de ser promovido. La desviación estándar de la muestra fue 0,25
0.25
Intervalo de confianza superior = 3.5 + 1.96 ∗ = 3.56
√60
0.25
Intervalo de confianza inferior = 3.5 − 1.96 ∗ = 3.44
√60
pág. 49
5.1.2 Intervalo de confianza para la media poblacional con n < 30 y no conocida.
Para determinar el valor que representa el nivel de confianza cuando no se conoce la desviación
𝑆
Intervalo de confianza superior = 𝑋 + 𝑡 ∗
√𝑛
𝑆
Intervalo de confianza inferior = 𝑋 − 𝑡 ∗
√𝑛
Ejemplo 2.
Una empresa quiere determinar el tiempo medio que necesitan sus empleados para llegar a su
trabajo fue de 28 minutos con una desviación estándar de 6 minutos. Se pide elaborar un
Datos:
n = 12
X = 28
pág. 50
S=6
población que tiene la característica particular de que se trate. Se calcula a partir de las siguientes
fórmulas:
Una proporción muestral se determina mediante X (el número de éxitos), dividido entre n (el
número de observaciones).
𝑋
𝑝=
𝑛
𝑝∗(1−𝑝)
σp = √
𝑛
pág. 51
Ejemplo 3.
De 900 consumidores que se entrevistaron, 414 están muy entusiasmados con un nuevo
𝑋 414
𝑝= = = 0.46
𝑛 900
σp= √𝑝∗(1−𝑝)
𝑛
=√
0.46∗0.54
900
= 0.0166
Tanto para muestras como para proporciones se puede determinar el tamaño de la muestra.
Hay tres factores que determinan el tamaño de la muestra cuando se quiere estimar la
media.
pág. 52
Nivel de confianza: Al construir intervalos de confianza, se lo hace con niveles de
confianza relativamente altos como de 95 y 99%, que son los más comunes. Para calcular
niveles de confianza más altos. Asimismo, observe que siempre utilizamos un estadístico
z.
muestral (o proporción muestral) para determinar los puntos extremos del intervalo de
confianza. Por ejemplo, en un estudio de salarios, podemos decidir que deseamos estimar
poblacional. Quizás se pregunte por qué no elegir márgenes pequeños de error. Existe
error pequeño requiere de una muestra más grande y de más tiempo y dinero para
recolectarla. Un margen de error más grande permitirá tener una muestra más pequeña y
pág. 53
La variabilidad: en la determinación del tamaño de una muestra es la desviación
muestra grande.
𝑍∗ 2
𝑛=( )
𝐸
Ejemplo 4.
Se quiere hacer una encuesta para determinar el ingreso promedio diario por ventas de
encuesta desea que se utilice el grado de confianza de 0.95. La estimación debe estar
dentro de $100.
pág. 54
Datos:
S = 1200
Z para 95% = 1,96 (apéndice B1)
Hay tres factores que determinan el tamaño de la muestra cuando se quiere estimar una
proporción.
𝑍 2
𝑛 = 𝑝 ∗ (1 − 𝑝) ∗ ( )
𝐸
Ejemplo 5.
la estimación este dentro del 0,03 de la verdadera proporción. Utilice un nivel de confianza
Datos:
pág. 55
E=0,03
p= 0,65
Z para 99% = 2,58 (apéndice B1)
𝑍 2 2.58 2
𝑛 = 𝑝 ∗ (1 − 𝑝) ∗ ( ) = 0.65 ∗ 0.35 ∗ ( ) = 1682.59
𝐸 0.03
Cuando las poblaciones de las que se han tomado muestras son pequeñas y finitas (se
conocen muy bien sus características), es necesario realizar algunos ajustes en la forma de
calcular el error estándar de las medias muestrales y del error estándar de las proporciones
muestrales.
Una población con un límite superior es finita. Por ejemplo, hay 4.180 estudiantes
las fórmulas de los intervalos de confianza. En otras palabras, para determinar el intervalo
N n
FPC
N 1
pág. 56
Ejemplo 6.
Un estudio relacionado con las contribuciones para la Asociación de Profesores que cuenta
con 250 afiliados, reveló que 15 de los 40 profesores tomados de la muestra asiste
regularmente a las reuniones del gremio. Construya el intervalo de confianza del 95% de
Datos:
x 15
N = 250 p 0.375 proporción en la muestra
n 40
n = 40
x = 15 Intervalo de Confianza para la Proporciona Poblacional
p1 p N n
pZ
n N 1
Ejemplo 7.
de la media poblacional.
Datos:
pág. 57
S N n 9 500 45
N = 500 X ; 40 2.58
n N 1 45 500 1
n=45
X = 40 40 3,460.9549 ; 40 3.30
S=9
FIN
pág. 58