SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

ESTADÍSTICA PARA LA GESTIÓN

SEMANA 8
Métodos de muestreo

Todos los derechos de autor son de la exclusiva propiedad de IACC o de los otorgantes de sus licencias. No está
IACCemitir, difundir, poner a disposición del público ni
permitido copiar, reproducir, reeditar, descargar, publicar,
utilizar los contenidos para fines comerciales de ninguna clase. 1
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

APRENDIZAJES ESPERADOS

• Interpretan resultados para la toma de decisiones en el ámbito de la

gestión de empresas.

IACC
2
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

APRENDIZAJES ESPERADOS ................................................................................................................. 2

INTRODUCCIÓN ................................................................................................................................... 4
1. PLAN DE MUESTREO ................................................................................................................... 5
1.1 ¿QUÉ INFORMACIÓN SE NECESITA? ................................................................................... 5
1.2 ¿CUÁL ES LA POBLACIÓN RELEVANTE Y SI EXISTE UN LISTADO DE ESA POBLACIÓN? ........ 6
1.3 ¿CÓMO DEBEN SELECCIONARSE LOS MIEMBROS DE LA MUESTRA? ................................. 6
1.4 ¿CÓMO DEBE OBTENERSE INFORMACIÓN DE LOS MIEMBROS DE LA MUESTRA?............. 7
1.5 ¿CÓMO DEBE UTILIZARSE LA INFORMACIÓN DE LA MUESTRA PARA HACER INFERENCIAS
SOBRE LA POBLACIÓN? ................................................................................................................... 7
1.6 ¿QUÉ CONCLUSIONES PUEDEN EXTRAERSE SOBRE LA POBLACIÓN? ................................. 7
2. ERROR DE MUESTREO ................................................................................................................. 8
3. MUESTREO ALEATORIO SIMPLE .................................................................................................. 9
a. ANÁLISIS DE LOS RESULTADOS DE UN MUESTREO ALEATORIO SIMPLE................................. 9
b. ERROR DE MUESTREO ........................................................................................................... 10
c. MUESTREO ALEATORIO SIMPLE ............................................................................................ 10
d. ESTIMACIÓN DE LA MEDIA POBLACIONAL, MUESTRA ALEATORIA SIMPLE.......................... 11
e. ESTIMACIÓN DEL TOTAL POBLACIONAL, MUESTRA ALEATORIA SIMPLE ............................. 12
f. ESTIMACIÓN DE LA PROPORCIÓN POBLACIONAL, MUESTRA ALEATORIA SIMPLE ............... 14
4. MUESTREO ESTRATIFICADO ...................................................................................................... 15
a. DEFINICIÓN DE MUESTREO ALEATORIO ESTRATIFICADO ..................................................... 16
b. ESTIMACIÓN DE LA MEDIA POBLACIONAL, MUESTRA ALEATORIA ESTRATIFICADA ............ 17
4.3 ESTIMACIÓN DEL TOTAL POBLACIONAL, MUESTRA ALEATORIA ESTRATIFICADA .................. 20
4.4. ESTIMACIÓN DE LA PROPORCIÓN POBLACIONAL, MUESTRA ALEATORIA ESTRATIFICADA .. 23
COMENTARIO FINAL.......................................................................................................................... 32
REFERENCIAS ..................................................................................................................................... 33

IACC
3
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

INTRODUCCIÓN

Los analistas de mercado a menudo estudian las poblaciones humanas

para obtener información sobre sus preferencias por un producto. Los
auditores normalmente seleccionan una muestra de facturas
pendientes de cobro de una empresa. Se hacen inferencias sobre la
población correspondiente, basándose en estas muestras. Los
directores de personal requieren información sobre las actitudes de los
empleados hacia los nuevos métodos de producción propuestos y les resulta útil tomar una muestra
de la plantilla. Naturalmente, el uso de métodos de muestreo está muy extendido y va más allá del
campo de la empresa, los ejemplos más conocidos son las encuestas que se hacen periódicamente
sobre preferencias de los votantes antes de las elecciones. La información recogida tiene interés no
solo para el público en general, sino también para los asesores de los candidatos que deben
averiguar dónde deben concentrar más los esfuerzos.

IACC
4
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

1. PLAN DE MUESTREO

Al necesitar información sobre una población, se realiza un proceso llamado plan de muestreo que
consta de seis pasos:

Primer paso: ¿qué información se necesita?

Segundo paso: ¿cuál es la población relevante y si existe un listado de esa población?

Tercer paso: ¿cómo deben seleccionarse los miembros de la muestra?

Cuarto paso: ¿cómo debe obtenerse información de los miembros de la muestra?

Quinto paso: ¿cómo debe utilizarse la información muestral para hacer inferencias sobre la
población?

Sexto paso: ¿qué conclusiones pueden extraerse sobre la población?

1.1 ¿QUÉ INFORMACIÓN SE NECESITA?

Esta pregunta incluye el motivo como el punto de partida del estudio. El investigador puede estar
pensando en un único tema o puede haber varios temas de interés. Pero dado que va a realizarse
el estudio, con todos sus costos, normalmente merece la pena preguntarse si puede obtenerse en
el estudio más información potencialmente útil con un costo mínimo.

IACC
5
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

1.2 ¿CUÁL ES LA POBLACIÓN RELEVANTE Y SI EXISTE UN LISTADO DE ESA

POBLACIÓN?
En muchos estudios prácticos la población real de interés puede ser imposible de definir. Por
ejemplo, una organización que intenta predecir el resultado de unas elecciones presidenciales solo
está interesada realmente en la población que votará. Aunque esta es la población relevante, sus
miembros no son fáciles de distinguir. Una posibilidad es preguntar a los miembros de una muestra
si tienen intención de votar. Sin embargo, es bien sabido que la proporción que responde
afirmativamente a una pregunta de ese tipo es mayor que la proporción que acaba votando. Otra
posibilidad es preguntar si el encuestado votó en las elecciones anteriores, pero esta pregunta
también dista de ser totalmente satisfactoria.

1.3 ¿CÓMO DEBEN SELECCIONARSE LOS MIEMBROS DE LA MUESTRA?

La elección correcta depende generalmente del problema en cuestión y de los recursos del
investigador. Dentro de este documento, más adelante se estudiará el concepto de muestreo
aleatorio simple, en el que todos los miembros de una población tienen la misma probabilidad de
ser elegidos para la muestra. Existen, sin embargo, muchas circunstancias en las que podría
preferirse otro sistema de muestreo. Suponga que a un editor que planea lanzar a la venta un libro
de estadística le interesan las diferencias entre el tratamiento que se da a la estadística empresarial
en carreras universitarias de pregrado y el que se le da en las facultades de magíster. Sería
importante que la muestra contuviera suficientes datos de cada tipo para poder extraer
conclusiones fiables sobre ambos. Sin embargo, el muestreo aleatorio simple no garantiza en modo
alguno que se logre ese objetivo. Por ejemplo, es absolutamente posible que la muestra elegida
contenga una preponderancia de facultades. Para evitar esta posibilidad, pueden extraerse
muestras aleatorias simples de las respectivas poblaciones de los dos tipos. Este es un ejemplo de
muestreo estratificado. Otra cuestión que hay que decidir en esta fase es el número de miembros
de la muestra. En este caso, la elección depende esencialmente del grado de precisión necesario y
de los costos que implica.

IACC
6
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

1.4 ¿CÓMO DEBE OBTENERSE INFORMACIÓN DE LOS MIEMBROS DE LA

MUESTRA?
En términos generales, plantea dos importantes cuestiones. En primer lugar, el investigador quiere
obtener respuestas de la mayor proporción posible de los miembros de la muestra. Si el número
que no responde es alto, será difícil estar seguro de que los que han respondido son representativos
de la población en general. Hay que recordar que el número de preguntas formuladas en una
encuesta puede afectar a la tasa de respuesta. También influye la forma en que se contacta con los
miembros de la muestra. La garantía del anonimato también puede ser valiosa. Es probable que los
métodos de contacto más caros, como las llamadas telefónicas o las visitas de los entrevistadores a
las casas, logren un nivel de respuesta más alto. Sin embargo, esos métodos pueden ser costosos
en tiempo y dinero y la decisión de cómo recoger información debe depender de los recursos del
investigador y del grado en que se piense que la falta de respuesta puede ser un problema serio.

El segundo punto es obtener respuestas que sean lo más exactas y sinceras posible. Es importante
que las preguntas se formulen de la manera más clara e inequívoca posible, de modo que las
personas entiendan lo que se les pregunta. También se sabe perfectamente que la formulación de
las preguntas o el tono del entrevistador pueden inducir a los encuestados a dar determinadas
respuestas. También es importante no predisponer a los encuestados: las preguntas deben
formularse de la forma más neutral posible.

1.5 ¿CÓMO DEBE UTILIZARSE LA INFORMACIÓN DE LA MUESTRA PARA

HACER INFERENCIAS SOBRE LA POBLACIÓN?
Simplemente lo que se ha buscado en este curso es realizar inferencias para la toma de decisiones
basadas en evidencias que la respalden.

1.6 ¿QUÉ CONCLUSIONES PUEDEN EXTRAERSE SOBRE LA POBLACIÓN?

Por último, se pregunta qué puede decirse sobre la población estudiada como consecuencia de una
investigación estadística. ¿Ha dado el estudio claras respuestas a las preguntas que lo motivaron?
¿Han surgido otras cuestiones importantes en el curso del estudio? En esta fase, el investigador

IACC
7
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

tiene la tarea de resumir y presentar la información recogida. Para eso pueden ser necesarias
estimaciones puntuales o por intervalos, así como tablas o gráficos que resuman los principales
resultados. En esta fase la tarea es informar sobre los resultados del estudio y decidir cómo
proceder. Puede que el análisis sugiera la conveniencia de recoger más información.

Es muy importante que vayan revisando los links adjuntos, para

trabajar los conceptos aplicados

https://www.youtube.com/watch?v=StxgNDVEZjQ

Link del recurso (DESCARGA

2. ERROR DE MUESTREO

Cuando se toma una muestra de una población, no es posible saber cuál es exactamente el valor de
cualquier parámetro poblacional, como la media o la proporción. Cualquier estimación puntual
tendrá inevitablemente un error. Recuerde que una de las fuentes de error, llamado error de
muestreo se debe a que solo se dispone de información sobre un subconjunto de todos los
miembros de la población. Dados ciertos supuestos, la teoría estadística permite caracterizar la
naturaleza del error de muestreo y hacer afirmaciones probabilísticas bien definidas sobre los
parámetros poblacionales.

IACC
8
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

3. MUESTREO ALEATORIO SIMPLE

El análisis centrará la atención en los métodos de muestreo probabilístico que son métodos en los
que se utiliza algún mecanismo en el que interviene el azar para decidir los miembros de la muestra
y se sabe cuál es la probabilidad de obtener una determinada muestra.

Supóngase que se tiene que seleccionar una muestra de n objetos de una población de N objetos.
Un método de muestreo aleatorio simple es aquel en el que todos los miembros de una población
tienen la misma probabilidad de ser elegidos para la muestra.

A. ANÁLISIS DE LOS RESULTADOS DE UN MUESTREO ALEATORIO

SIMPLE
Lo que se explica a continuación será una ampliación de las estimaciones mediante intervalos
de confianza desarrolladas en documentos de las semanas 4 y 5. Sin embargo, aquí se analizarán
los casos en los que el número de miembros de la muestra no es una proporción insignificante
del número de miembros de la población. Por lo tanto, se utiliza el factor de corrección en el
𝑁−𝑛
caso de una población finita . Se supondrá que la muestra es lo suficientemente grande
𝑁

para poder recurrir al teorema del límite central.

Una de las mejores cosas del muestreo aleatorio simple es la

facilidad para armar la muestra. También se considera una forma
justa de seleccionar una muestra a partir de una población.

IACC
9
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

B. ERROR DE MUESTREO
Cuando se toma una muestra de una población, no es posible saber cuál es exactamente el valor de
cualquier parámetro poblacional, como la media o la proporción. Cualquier estimación puntual
tendrá inevitablemente un error. Recuerde que una de las fuentes de error, llamado error de
muestreo se debe a que solo se dispone de información sobre un subconjunto de todos los
miembros de la población. Dados ciertos supuestos, la teoría estadística permite caracterizar la
naturaleza del error de muestreo y hacer afirmaciones probabilísticas bien definidas sobre los
parámetros poblacionales.

C. MUESTREO ALEATORIO SIMPLE

El análisis centrará la atención en los métodos de muestreo probabilístico que son métodos en los
que se utiliza algún mecanismo en el que interviene el azar para decidir los miembros de la muestra
y se sabe cuál es la probabilidad de obtener una determinada muestra.

Supóngase que se tiene que seleccionar una muestra de n objetos de una población de N objetos.
Un método de muestreo aleatorio simple es aquel en el que todos los miembros de una población
tienen la misma probabilidad de ser elegidos para la muestra.

Es muy importante que vayan revisando los links adjuntos, para

trabajar los conceptos aplicados

https://www.youtube.com/watch?v=StxgNDVEZjQ

Link del recurso (DESCARGA)

IACC
10
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

D. ESTIMACIÓN DE LA MEDIA POBLACIONAL, MUESTRA

ALEATORIA SIMPLE
Sean 𝑥1 , 𝑥2 , . . . , 𝑥𝑛 los valores observados en una muestra aleatoria simple de tamaño n, tomada de
una población de N miembros que tiene una media μ. (Newbold & otros, 2008).

a) La media muestral es un estimador insesgado de la media poblacional, μ. La estimación

puntual es:

∑𝑛𝑖=1 𝑥𝑖
𝑥=
̅
𝑛

b) Un método de estimación insesgada de la varianza de la media muestral genera la

estimación puntual:

𝑠2 𝑁 − 𝑛
𝜎𝑥2 =
𝑛 𝑁

c) Siempre que el tamaño de la muestra es grande, los intervalos de confianza al 100 ∙ (1 – α)%
de la media poblacional son:

𝑥̅ − 𝑍𝛼 𝜎𝑥 < 𝜇 < 𝑥̅ + 𝑍𝛼/2 𝜎𝑥

2

EJEMPLO: En una ciudad, se solicitaron 1.118 créditos hipotecarios el año pasado. Una muestra
aleatoria de 60 de estos créditos era de una cuantía media de $87.300 y tenía una desviación
estándar de $19.200. Estime la cantidad media de todos los créditos hipotecarios solicitados en esta
ciudad el año pasado y halle el intervalo de confianza al 95%.

DESARROLLO:

Sea μ la media poblacional. Se sabe que: N = 1.118; n = 60; x̅ = 873000; s = 19.200

Para obtener estimaciones de intervalos, se utiliza el intervalo de confianza para una muestra
obtenida a partir de un muestreo aleatorio simple

𝑠 2 𝑁 − 𝑛 192002 1.058
𝜎𝑥2 = = ∗ = 5.814.268
𝑛 𝑁 60 1.118

IACC
11
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

Y se toma la raíz cuadrada para hallar el error típico estimado:

𝜎𝑋 = √𝜎𝑥2 = √5.814.268 = 2.411

Por lo tanto, el intervalo de confianza al 95% de la cantidad media de todas las hipotecas solicitadas
en esta ciudad el año pasado es:

𝑥̅ − 𝑍𝛼 𝜎𝑥 < 𝜇 < 𝑥̅ + 𝑍𝛼 𝜎𝑥
2 2

87.300 − 1,96 ∗ 2.411 < 𝜇 < 87.300 + 1,96 ∗ 2.411

82.574 < 𝜇 < 92.026

Es decir, el intervalo va de $82.574 a $92.026.

A menudo, lo que interesa es el total poblacional en lugar de la media.

E. ESTIMACIÓN DEL TOTAL POBLACIONAL, MUESTRA ALEATORIA

SIMPLE
Supóngase que se selecciona una muestra aleatoria simple de tamaño n de una población de
tamaño N y que la cantidad que se quiere estimar es el total poblacional Nμ (Newbold & otros, 2008.

a) Un método de estimación insesgada del total poblacional 𝑁𝜇 y genera la estimación 𝑁𝑥̅ .

b) Un método de estimación insesgada de la varianza del estimador del total poblacional
genera la estimación puntual:
𝑠2
𝑁 2 𝜎𝑥2 = 𝑁(𝑁 − 𝑛)
𝑛
c) Siempre que el tamaño de la muestra es grande, se obtiene un intervalo de confianza al
100(1 – α)% del total poblacional de la forma siguiente:

𝑁𝑥̅ − 𝑍𝛼 𝑁𝜎𝑥 < 𝑁𝜇 < 𝑥̅ + 𝑍𝛼 𝑁𝜎𝑥

2 2

IACC
12
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

EJEMPLO: Supóngase que hay 1.395 universidades en un país. En una muestra aleatoria simple de
400 universidades se observa que la media muestral del número de matriculados el año pasado en
los cursos de estadística para los negocios era de 320,8 estudiantes y que la desviación estándar
muestral era de 149,7 estudiantes. Estime el número total de estudiantes matriculados en estos
cursos durante el año y halle el intervalo de confianza al 99%.

DESARROLLO:

Si la media poblacional es 𝜇, para estimar 𝑁𝜇 , se utilizan los siguientes datos:

N=1.395; n=400; 𝑥̅ = 320,8; 𝑠 = 149,7

La estimación puntual del total es:

𝑁𝑥̅ = 𝑁 ∗ 𝑥̅ = 1.395 ∗ 320,8 = 447.516

Se estima que hay un total de 447.516 alumnos matriculados en los cursos. Para obtener
estimaciones de intervalos, se utiliza la ecuación para calcular la varianza del estimador:

Por lo tanto, el intervalo de confianza al 99% del total poblacional se obtiene aplicando la ecuación,
siendo 𝑍𝛼/2 = 2,58:

𝑁𝑥̅ − 𝑍𝛼 𝑁𝜎𝑥 < 𝑁𝜇 < 𝑥̅ + 𝑍𝛼 𝑁𝜎𝑥

2 2

447.516 − 2,58 ∗ 8.818,4 < 𝑁𝜇 < 447.516 + 2,58 ∗ 8.818,4

424.765 < 𝑁𝜇 < 470.267

Por lo tanto, el intervalo va de 424.765 a 470.267 estudiantes.

Considérese, por último, el caso en el que hay que estimar la proporción P de individuos de la
población que poseen una característica específica. La inferencia sobre esta proporción debe
basarse en la distribución hipergeométrica cuando el número de miembros de la muestra no es muy

IACC
13
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

pequeño en comparación con el número de miembros de la población. Supóngase, de nuevo, que

el tamaño de la muestra es lo suficientemente grande para poder invocar el teorema del límite
central.

F. ESTIMACIÓN DE LA PROPORCIÓN POBLACIONAL, MUESTRA

ALEATORIA SIMPLE
Sea p la proporción que posee una determinada característica en una muestra aleatoria de n
observaciones de una población que tiene una proporción P, que posee esa característica (Newbold
& otros, 2008).

a) La proporción muestral p es un estimador insesgado de la proporción poblacional P.

b) Un método de estimación insesgada de la varianza de nuestro estimador de la proporción
poblacional genera la estimación puntual:
𝑝(1 − 𝑝) 𝑁 − 𝑛
𝜎𝑥2 = ∗
𝑛−1 𝑁
c) Siempre que el tamaño de la muestra es grande, los intervalos de confianza del 100 ∙ (1 – α)% de
la proporción poblacional son:

𝑝 − 𝑍𝛼 𝜎𝑥 < 𝑃 < 𝑝 + 𝑍𝛼 𝜎𝑥
2 2

EJEMPLO: Se ha observado en una muestra aleatoria simple de 400 universidades, de las 1.395 que
hay en la población, que el curso de Estadística para los Negocios era un curso anual en 141 de las
universidades de la muestra. Estime la proporción de todas las universidades en la que el curso es
anual y halle el intervalo de confianza al 90 por ciento.

DESARROLLO:
141
Datos: N=1.395; n=400; 𝑝 = 400 = 0,3525

La estimación puntual de la proporción poblacional, P, es simplemente p= 0,3525. Es decir, el curso

es anual en alrededor del 35,25% de todas las universidades. Para calcular estimaciones de
intervalos, la varianza de la estimación se halla mediante la ecuación:

IACC
14
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

Por lo que, al extraer la raíz cuadrada se obtiene:

𝜎𝑝 = 0,0202
En el caso de un intervalo de confianza al 90%, 𝑍𝛼/2 = 𝑍0,05 = 1,645 El intervalo de confianza al
90% se halla por medio de la ecuación:

𝑝 − 𝑍𝛼 𝜎𝑥 < 𝑃 < 𝑝 + 𝑍𝛼 𝜎𝑥
2 2

0,3525 − 1,645 ∗ 0,0202 < 𝑃 < 0,3525 + 1,645 ∗ 0,202

00,3193 < 𝑃 < 0,3857

Por lo tanto, el intervalo de confianza al 90% del porcentaje de todas las universidades en las que el
curso de Estadística para los Negocios es anual va del 31,93% al 38,57%.

4. MUESTREO ESTRATIFICADO

Una población heterogénea deberá dividirse en grupos heterogéneos. Se seleccionan muestras

aleatorias de cada uno de estos grupos. Las proporciones de los subgrupos en la muestra deberán
ser iguales a las proporciones de los subgrupos en la población (Longley-Cook, 1981).
Supóngase que se decide investigar las opiniones de los estudiantes de un campus universitario
sobre algún tema delicado y que puede ser difícil formular las preguntas. Es probable que se quiera
hacer varias preguntas a cada miembro de la muestra y, dada la limitación de recursos, solo es
posible tomar una muestra bastante pequeña. Probablemente se elegiría una muestra aleatoria
simple, por ejemplo, de 100 estudiantes de una lista de todos los estudiantes del campus.

Suponga, sin embargo, que, tras examinar más detenidamente los expedientes de los miembros de
la muestra, se observa que solo dos estudian administración de empresas, aunque la proporción

IACC
15
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

poblacional de estudiantes de administración de empresas es mucho mayor. El problema en esta

fase es doble.

En primer lugar, se puede muy bien tener interés en comparar las opiniones de los estudiantes de
administración de empresas con las del resto de la población de estudiantes. Eso es difícilmente
viable, dada su mínima representación en la muestra.

En segundo lugar se puede sospechar que las opiniones de los estudiantes de administración de
empresas sobre esta cuestión serán diferentes de las de sus compañeros. Si se sospecha al principio
que algunas características identificables de los miembros de la población están relacionadas con el
tema de investigación o si algunos subgrupos de la población tienen un interés especial para el
investigador, no es necesario (y probablemente no es deseable) conformarse con el muestreo
aleatorio simple para seleccionar a los miembros de la muestra. En lugar de eso, se puede dividir la
población en subgrupos o estratos y tomar una muestra aleatoria simple de cada estrato. El único
requisito es que sea posible identificar que cada miembro de la población pertenece a un estrato y
solo a uno.

A. DEFINICIÓN DE MUESTREO ALEATORIO ESTRATIFICADO

Supóngase que una población de N individuos puede subdividirse en K grupos mutuamente
excluyentes y colectivamente exhaustivos o estratos. Un muestreo aleatorio estratificado es la
selección de muestras aleatorias simples independientes de cada estrato de la población. Si los K
estratos de la población contienen 𝑁1 , 𝑁2 , … , 𝑁𝐾 miembros, entonces:

𝑁1 + 𝑁2 + ⋯ + 𝑁𝐾 = 𝑁

No es necesario tomar el mismo número de miembros de la muestra de cada estrato. Sea el número
de la muestra 𝑛1 , 𝑛2 , … , 𝑛𝑘 = 𝑛. En ese caso, el número total de miembros de la muestra es
(Newbold & otros, 2008):

𝑛1 + 𝑛2 + ⋯ + 𝑛𝑘 = 𝑛

IACC
16
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

B. ESTIMACIÓN DE LA MEDIA POBLACIONAL, MUESTRA

ALEATORIA ESTRATIFICADA
Si se toman muestras aleatorias de nj individuos de estratos que contienen 𝑁𝑗 individuos (𝑗 =
1,2, … , 𝑘) (Newbold & otros, 2008):

Sean las medias y las varianzas muestrales de los estratos 𝑥̅𝑗 𝑦 𝑠𝑗2 (𝑗 = 1,2, … , 𝐾) y la media del
conjunto de la población 𝜇:

a) Un método de estimación insesgada de la media del conjunto de la población μ genera la

estimación puntual:

b) Un método de estimación insesgada de la varianza del estimador puntual del conjunto de

la población genera la estimación:

IACC
17
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

c) Siempre que el tamaño de la muestra es grande, los intervalos de confianza 100(1 – α)% de
la media poblacional de muestras aleatorias estratificadas tiene la forma siguiente:

𝑥̅𝑠𝑡 − 𝑍𝛼 𝜎𝑥̅ 𝑗 < 𝜇 < 𝑥̅𝑠𝑡 + 𝑍𝛼 𝜎𝑥̅ 𝑗

2 2

EJEMPLO: Una cadena de restaurantes tiene 60 locales en Santiago, 50 en Concepción y 45 en

Antofagasta. La dirección está considerando la posibilidad de añadir un nuevo plato a su menú. Para
averiguar cuál es la demanda probable de este plato, se introduce en el menú de muestras aleatorias
de 20 restaurantes de Santiago, 10 de Concepción y 9 de Antofagasta. Utilizando los subíndices 1, 2
y 3 para representar respectivamente a Santiago, Concepción y Antofagasta, respectivamente, las
medias y las desviaciones estándar muestrales del número de pedidos de este plato por restaurante
en las tres ciudades en una semana son:

Estime el número medio de pedidos semanales por restaurante, μ, en todos los restaurantes de esta
cadena.

DESARROLLO:

Se sabe que:

La estimación de la media poblacional es:

IACC
18
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

Por lo tanto, el número medio estimado de pedidos semanales por restaurante es 20,1.

El paso siguiente es calcular las cantidades:

Estas cantidades, junto con las medias muestrales de cada estrato, pueden utilizarse para calcular
intervalos de confianza de las medias poblacionales de los tres estratos (aunque en este caso, el
tamaño de la muestra es demasiado pequeño por comodidad). Se centra la atención en la media del
conjunto de la población. Para obtener intervalos de confianza para esta cantidad se necesita
calcular:

IACC
19
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

El intervalo de confianza al 95% va de 16,5 a 23,7 pedidos por restaurante.

Dado que el total poblacional es el producto de la media poblacional y el número de miembros de
la población, estos métodos pueden modificarse fácilmente para poder estimarlo.

4.3 ESTIMACIÓN DEL TOTAL POBLACIONAL, MUESTRA ALEATORIA

ESTRATIFICADA
Si se toman muestras aleatorias de nj individuos de estratos que contienen 𝑁𝑗 individuos (𝑗 =
1,2, … , 𝑘) (Newbold & otros, 2008):

a) Un método de estimación insesgada de 𝑁𝜇 genera la estimación puntual:

IACC
20
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

b) Un método de estimación insesgada de la varianza del estimador puntual del conjunto de

la población genera la estimación:

c) Siempre que el tamaño de la muestra es grande, los intervalos de confianza 100(1 – α)% de
del total poblacional de muestras aleatorias estratificadas tiene la forma siguiente:

EJEMPLO: De las 1.395 universidades que hay en un país, 364 son escuelas universitarias, en las que
la duración de los estudios es de 2 años y 1.031 son facultades, en las que la duración de los estudios
es de 4 años. Se toma una muestra aleatoria de 40 escuelas universitarias y una muestra aleatoria
simple independiente de 60 facultades. La tabla adjunta muestra las medias muestrales y las
desviaciones estándar muestrales del número de estudiantes matriculados el año pasado en la
asignatura de estadística para los negocios. Estime el número total anual de matriculados en esa
asignatura.

IACC
21
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

DESARROLLO:

IACC
22
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

4.4. ESTIMACIÓN DE LA PROPORCIÓN POBLACIONAL, MUESTRA ALEATORIA

ESTRATIFICADA
Si se toman muestras aleatorias de nj individuos de estratos que contienen 𝑁𝑗 individuos (𝑗 =
1,2, … , 𝑘). Sea Pj la proporción poblacional y 𝑝𝑗 la proporción muestral en el j-ésimo estrato de los
que poseen una determinada característica. Si P es la proporción de la población total (Newbold &
otros, 2008) (Newbold & otros, 2008):

a) Un método de estimación insesgada de 𝑃 genera:

b) Un método de estimación insesgada de la varianza del estimador puntual del conjunto de

la población genera la estimación:

IACC
23
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

Es la estimación de la varianza de la proporción muestral del j-ésimo estrato.

c) Siempre que el tamaño de la muestra es grande, los intervalos de confianza 100(1 – α)% de
la proporción poblacional de muestras aleatorias estratificadas de la forma siguiente:

EJEMPLO: Supóngase que en el estudio del ejemplo anterior de la página 16, se observa que la
asignatura de estadística para los negocios se imparte en el Departamento de Economía de 7
escuelas universitarias y de 13 facultades de la muestra. Estime la proporción de todas las
universidades en las que se imparte esta asignatura en el Departamento de Economía.

IACC
24
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

DESARROLLO:

Estos valores, junto con las proporciones muestrales de cada estrato, pueden utilizarse para calcular
intervalos de confianza de las proporciones de la población de los dos estratos. Aquí se centrará la
atención en la estimación por intervalos de la proporción de la población total, para la que:

Y, tomando la raíz cuadrada:

Y el intervalo de confianza al 90% de la proporción poblacional de una muestra aleatoria

estratificada es:

IACC
25
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

Este intervalo va desde el 13,8% al 27,4% de todas las universidades.

En este caso, la población de interés está constituida por elementos que pueden poseer cierta
característica de interés. En este caso, interesa conocer la proporción de personas que posee la
característica.
Simplemente, se puede codificar como 1 y 0 (SÍ/NO posee la característica), en cuyo caso el
promedio de estos corresponde a la proporción.
Primeramente, se define el error de estimación (e. e.) de una proporción al término:

Donde 𝑍𝛼/2 refleja el nivel de confianza de la estimación (para un 95% de confianza 𝑍𝛼/2 =
1,96 aproximadamente) y n es el tamaño muestral.
Por lo tanto, hay preguntas previas para establecer el tamaño muestral requerido:
• Nivel de precisión requerido o error de estimación.
• Variabilidad (el valor de P ∙ (1 – P)).
• Nivel de confianza de la estimación.
• Tamaño de la población.
Así, dado un error de estimación se puede despejar de la fórmula anterior el tamaño muestral
necesario, es decir:

IACC
26
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

TAMAÑO DE MUESTRA PARA ESTIMAR UNA PROPORCIÓN:

Donde: 𝛿 representa el error de estimación, puede ser 0,05 (5%), 0,03 (3%) u otro.
𝑍𝛼/2 representa el nivel de confianza (en este caso, un 95% confianza 𝑍𝛼/2 = 1,96
aproximadamente). P ∙ (1 – P) es la varianza y depende de P. Se propone P=0,5, ya que es el criterio
de varianza máxima.

EJEMPLOS:

IACC
27
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

EJEMPLOS:

IACC
28
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

Reducciones importantes, pero dado el tamaño poblacional en este

caso es recomendable censar (encuestar a todos los individuos de la
población).

¿IMPORTA EL TAMAÑO POBLACIONAL?

Se puede evaluar la fórmula con diferentes tamaños poblacionales y observar que solo en los casos,
cuando el tamaño población es superior a 10 mil unidades, es irrelevante.
Por tanto, se puede decir que, en estadística, el tamaño no importa (obviamente, cuando este es
grande).

TAMAÑO MUESTRAL PARA ESTIMAR UNA MEDIA

En este caso, la población está compuesta por elementos que tienen asociadas mediciones, donde
x puede representar: salario, edad, peso, etc. e interesa conocer la media poblacional, que se
representa por μ.
Asociada a las observaciones x existe la variabilidad, que se representa por 𝜎 2 o error de estimación
para una media.
Se define el error de estimación (e. e.) de una media al término:

Donde:

representa el nivel de precisión, debe estar en la escala de medición de origen. Por ejemplo, $10
mil (salario); 2 años (edad); 5 kg (peso).
𝑍𝛼/2 representa el nivel de confianza (en este caso, un 95% confianza 𝑍𝛼/2 = 1,96).

IACC
29
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

es la raíz de la varianza y, generalmente, es desconocida.

IDEAS SOBRE σ

Basado en propiedades (distribución normal), una de las aproximaciones más utilizadas es, dado el
valor mínimo y máximo posible, la diferencia dividida por 6. Esta se considera una muy buena
aproximación. A veces se divide por 4 para una aproximación más conservadora.

EJEMPLOS:
a) Tamaño de muestra necesario para estimar la media de la edad de los alumnos del diplomado
con una precisión de un año.

Información: Las edades de los alumnos están entre 24 y 42 años.

Por tanto, aplicando la fórmula:

b) Tamaño de muestra necesario para estimar la media del ingreso familiar de los alumnos del
diplomado con una precisión de $50 mil.
Información: Los ingresos declarados están entre $200 mil y 2 millones 400 mil pesos. La variable
se expresa en miles de pesos

IACC
30
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

Respecto del tamaño poblacional, al igual que en el caso del tamaño

de muestra para estimar una proporción, se puede usar la misma
fórmula para aplicar la corrección por población finita y tiene el
mismo efecto, es decir, cuando la población es pequeña es
importante (en el ahorro de unidades muestrales), para tamaños
poblacionales grandes, el tamaño no importa.

IACC
31
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

COMENTARIO FINAL

Esta semana se ha centrado la atención en el

problema de un investigador que quiere descubrir
algo de una población que no necesariamente es
grande. El investigador solo pretende recoger
información de un subconjunto de elementos de la
población. En primer lugar, debe considerar los
pasos necesarios en un plan de muestreo. A continuación, deben distinguirse los errores de
muestreo y los errores ajenos al muestreo. Luego, calcular intervalos de confianza de acuerdo con
el tipo de muestreo utilizado y también calcular los tamaños de muestra adecuados.

Resulta inmensamente importante comprender en qué consiste una técnica adecuada de muestreo,
ya que la estadística se preocupa en gran parte de los problemas que plantean las afirmaciones
sobre una población a partir de la información muestral.

IACC
32
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

REFERENCIAS

Longley-Cook, L. (1981). Problemas de estadística. 1.ª edición. Estados Unidos: Cecsa.

Newbold, P.; Carlson, W. & Thorne, B. (2008). Estadística para la administración y economía. 6.ª
edición. Estados Unidos: Pearson. Prentice-Hall.

PARA REFERENCIAR ESTE DOCUMENTO, CONSIDERE:

IACC (2018). Métodos de muestreo. Estadística para la Gestión. Semana 4.

IACC
33
SEMANA 8 – ESTADÍSTICA PARA LA GESTIÓN

IACC
34