INTRODUCCIN AL MUESTREO

Introduccin
El estudio exhaustivo de colectivos de individuos o elementos con
un gran nmero de unidades supone, por lo general, graves dificultades
tcnicas y elevadsimo coste econmico. Pinsese, por ejemplo, en la dificultad
operativa y coste asociado de encuestar a toda la poblacin peruana de 15 a
65 aos, para investigar el porcentaje de ella que es consumidora de tabaco.
Para soslayar esas dificultades, se procede habitualmente a extraer del
colectivo a estudiar una parte o muestra. Sobre esta parte del colectivo se
analizan las caractersticas que interesa investigar, y del resultado de este
anlisis se infiere el comportamiento del colectivo total.
Ahora bien, siempre que se afirma algo de un colectivo total, a
travs de la informacin de slo una parte de l (muestra), se asume un riesgo.
Los valores obtenidos del anlisis de un colectivo a travs de una muestra del
mismo no son los valores reales del colectivo; son estimaciones aproximadas,
que vienen afectadas por unos errores, que denominaremos errores de
muestreo. Es, por tanto, evidente la utilidad de conocer y dimensionar este tipo
de errores de muestreo. De hecho, en cualquier investigacin los datos
recogidos vienen afectados por dos tipos de errores; los errores de medida y
los errores de muestreo. En la mayora de ocasiones, los errores de medicin
son mucho ms graves que lo derivados del muestreo, y no siempre se les da
la importancia que merecen. Si las respuestas a las preguntas de la encuesta
son incorrectas, si el entrevistado engaa conscientemente, o si -lo que es muy
frecuente- las preguntas son ambiguas, ambivalentes, incomprensibles, o
llevan a distintas interpretaciones para distintos encuestados, por muy riguroso
que haya sido el procedimiento de muestreo, y por muy acotados que estn
sus errores, la fiabilidad real de los resultados ser extraordinariamente pobre.

Poblacin y muestra
Poblacin es cualquier coleccin finita o infinita de elementos o
individuos. Los elementos o individuos pueden ser personas, familias,
establecimientos comerciales, empresas, clavos fabricados por una mquina,
etc. Los datos a medir sern habitualmente medias y/o proporciones. Por
ejemplo, porcentaje (proporcin) de consumidores que conocen, han probado,
o son habituales consumidores de una marca determinada de detergente.
Nmero medio (media) de pasajeros que transportan diariamente de Piura a
Chiclayo las compaas de transporte privado, etc.
Para el diseo muestral, hay que distinguir claramente entre
poblacin objetivo y poblacin marco (conjunto de individuos a partir del cual se
har la extraccin de la muestra). Las poblaciones objetivo y marco deben ser
lo ms parecidas posibles. Cuando esto sucede, es decir, cuando el conjunto
total (la poblacin objetivo) est a nuestro alcance (poblacin marco), la
eleccin del sistema de muestreo, y la seleccin y extraccin de las unidades
muestrales, no presentan ningn problema. Vase, por ejemplo, el caso de
conseguir una muestra de los clavos producidos en un da determinado en una
fbrica, una muestra de los pacientes de un hospital o de los estudiantes de
una escuela de negocios. Todos los elementos estn presentes, y pueden ser
manipulados,

ordenados

clasificados

nuestra

conveniencia.

Desgraciadamente, lo comn en la investigacin emprica sobre poblaciones

humanas es que la fijacin y la estabilidad de la localizacin fsica de los
sujetos no exista y que, en el mejor de los casos, slo se pueda disponer de un
listado o un fichero con los nombres y direcciones de los sujetos que
constituyen la poblacin. Y, demasiado a menudo, el nivel de actualizacin de
dichos listados o ficheros deja mucho que desear (cambios de domicilio, de
funciones, errores censales, etc).
Dada la poblacin marco con las cautelas expresadas en el
prrafo anterior- el investigador realizar una extraccin muestral, y sobre ella
observar y medir aquellas caractersticas que le sean relevantes. A cada
individuo o unidad (Ui; i= 1,2,..., n) de la muestra se le hace corresponder una
variable cuantitativa Xi, cuyos valores son el resultado de medir el carcter de la
2

misma valores continuos, como el nmero de pasajeros transportados del

anterior ejemplo- o una variable cualitativa Ai,, que toma valores 0 1, segn su
pertenencia o no a una determinada clase conocedores o no conocedores de
una marca, fumadores o no fumadores, etc.-.
Muestreo probabilstico y no probabilstico
Esta extraccin muestral (muestreo) puede hacerse de forma
probabilstica y de forma no probabilstica. En el muestreo probabilstico es
posible calcular de antemano la probabilidad de cada una de las muestras que
pueden extraerse de la poblacin. Esto es posible si el conocimiento mediante
el cual se escogen las unidades de la muestra es un experimento aleatorio o de
azar. Este tipo de muestreo permite aplicar como base cientfica la estadstica
matemtica, pudindose evaluar y controlar tanto la precisin como los errores
cometidos. La condicin fundamental de estos muestreos est en que todos los
componentes de la poblacin tengan una probabilidad de seleccin conocida a
priori.
En el muestreo no probabilstico, tambin llamado opintico o
intencional, el investigador selecciona la muestra procurando que sea
representativa. La evaluacin de esta representatividad es subjetiva. De este
modo, y al carecer de base terica, no puede medirse la dimensin del error de
muestreo. La precisin de las estimaciones obtenidas dependen de los
conocimientos del responsable de la investigacin. Su uso est muy extendido
en razn al menor coste y complejidad operativa.
Resumamos; en cualquier investigacin, los datos recogidos
estn sometidos a errores. Los errores pueden descomponerse en errores de
medida y en errores de muestreo. Los errores de medida son, con frecuencia,
los ms importantes y en los que menos se profundiza. Si el muestreo es
probabilstico, podemos conocer con precisin el error de muestreo error
cometido al inferir para la poblacin en su conjunto, a partir de los valores
muestrales-.

Estimaciones y errores de muestreo

Cada muestra que extrayramos de una poblacin nos llevara a
una distinta estimacin del valor en la poblacin. Si los tamaos de la muestra
son suficientemente grandes (100 unidades para variables que representen
datos dicotmicos tipo si/no, pertenece/no pertenece, y 30 para variables que
representen datos continuos) la distribucin de las medidas de las distintas
muestras sigue una ley aproximadamente normal. Siendo una ley normal, dado
el tamao de la muestra podemos conocer el error de muestreo el error
cometido al estimar el valor de la poblacin a partir de la observacin de slo
una parte de ella-. Del mismo modo, dado un error asumible, podemos calcular
el tamao de la muestra necesaria.
El valor real de la poblacin no coincidir, obviamente, con el
valor puntual de la muestra. El valor real se hallar comprendido en un intervalo
definido por el valor de la muestra ms el error. Este intervalo ser tanto mayor
cuanto ms grande sea el error y cuanta mayor precisin queramos. La
precisin la define el investigador al fijar el intervalo de confianza. Un intervalo
de confianza del 95% indica que, de cada 100 muestras extradas, el 95 de
ellas el valor real de la poblacin caer en el intervalo fijado por cada muestra.
En las cinco restantes, el valor real caer fuera del intervalo.
As pues,
Intervalo en el que caer el valor real de la poblacin con un nivel
de confianza de =
Valor de la muestra t

Siendo la desviacin tipo de la media o proporcin (segn estemos midiendo

datos continuos o dicotmicos), t

el factor correspondiente al intervalo de

confianza, y n el tamao de la muestra.

Por ejemplo, para una (p) de 2%, el intervalo en el que caer el

valor real de la poblacin se mueve segn el nivel de confianza en los
siguientes trminos:
Valor de la muestra 1 X 2% (1)
Valor de la muestra 2 X 2%
Valor de la muestra 3 X 2%

Para un IC de 68,3%
Para un IC de 95,5%
Para un IC de 99,7%

El error de muestreo

e = t

es, habitualmente, un dato a fijar por parte del investigador, al igual que el
intervalo de confianza. Estos valores dependen en buena parte del presupuesto
econmico disponible para la realizacin del estudio. Como es intuitivo y luego
explicitaremos, a menor error y a mayor precisin requerida, mayor tamao de
la muestra. Cuantas ms encuestas sean precisas, mayor ser el coste
correspondiente.
Los errores que se suelen utilizar en investigacin comercial
siguen la siguiente norma:
Para estudios nacionales con segmentacin provincial, del 0,5 al
1%
Para

estudios

nacionales

con

segmentacin

regional

automtica, del 1,5 al 2,5%

Para estudios regionales o en el mbito de una comunidad, del 3
al 4,5%
Para estudios provinciales, del 4,5% al 5%
El intervalo de confianza ms utilizado es el correspondiente al
95,5%.

1
Recurdese que en este intervalo caer el valor real de la poblacin en el 68,3% de los casos, es decir, de
cada 100 muestras extradas, en 32,7% de ellas el valor real de la poblacin caer fuera del intervalo.

Veamos ahora la frmula general de clculo del tamao de la

muestra, dado el error asumible. En primer lugar, hay que realizar la divisin
entre los llamados universos infinitos (constituidos por ms de 100.000
elementos) y los universos finitos (constituidos por menos de 100.000
elementos).
La frmula para universos infinitos y datos dicotmicos decidido el
intervalo de confianza, es:

e = t

pq
n

siendo t el factor correspondiente al intervalo de confianza, p y q las

proporcionalidades complementarias, y n el tamao de la muestra.
Del mismo modo, dados el error y el intervalo de confianza,
podemos despejar el tamao de la muestra:

t2 pq
n= 2
e
Veamos la aplicacin a unos sencillos ejemplos:
Ejemplo n 1
Queremos hacer una encuesta a nivel nacional, dirigida a conocer
el porcentaje de la poblacin de 15 a 65 aos que es fumadora. Hemos
decidido trabajar con un intervalo de confianza del 95,5%, con un error de
muestreo del 4%, y en condiciones desfavorables de muestreo. Queremos
conocer el nmero de personas a encuestar.
Las condiciones desfavorables de muestreo se definen como
p=50% y q=50%; es decir, al no tener ninguna idea preconcebida del nmero
de personas que se declararn fumadoras, hemos optado por ponernos en la
peor situacin de indeterminacin, -la mitad sern fumadores y, la otra mitad,
no fumadores-.
6

Aplicando la expresin anteriormente indicada, se obtiene:

n=

2 2 x50 x50
= 625
42

Si nos hubiramos decidido por un intervalo de confianza mayor, por

ejemplo 99,7%, con t = 3, el tamao de la muestra se habra disparado,
conforme podemos observar:

n=

3 2 x50 x50
= 1406
42

Ejemplo n 2:
En la investigacin anterior, se ha decidido realizar un pre-test
para determinar los valores de p y q. Para ello, se han entrevistado 80
personas, y de ellas 28 han resultado ser fumadoras. Conservando el nivel de
error del 4%, y el intervalo de confianza del 99,7%, se pide el tamao de la
muestra.

p=

28
= 35% ; q = 1 p = 65%
80

3 2 x35 x65
n=
= 1280
42

La expresin que da el tamao de la muestra para un universo

finito (compuesto por menos de 100.0000 elementos) es, en este caso:

t2 pqN
n= 2
e ( N 1) + t2 pq
Todos los trminos nos son ya familiares, excepto N, que
representa el tamao de la poblacin.
7

Ejemplo n 3:
Un concesionario de automviles desea realizar una encuesta
telefnica entre sus 15.000 clientes de cartera, para conocer su intencin de
cambio de vehculo en los prximos dos aos. Se ha decidido trabajar con un
intervalo de confianza del 95,5%, con un error de muestreo del 5%, y en
condiciones desfavorables. Se pide el tamao de la muestra.

n=

2 2 x50 x50 x15000

= 390
5 2 (15000 1) + 2 2 x50 x50

Como podemos podido observar en los ejemplos precedentes, el

tamao de la muestra viene afectado por el error de muestreo y el intervalo de
confianza que se quieran asumir. A menores errores de muestreo y mayores
intervalos de confianza, mayores tamaos de la muestra.
Es importante hacer notar que una muestra que puede ser
significativa para el anlisis en su conjunto, puede ir perdiendo significacin a
medida que la vamos segmentando en grupos o subgrupos en los que se
pretenda desglosar los resultados. Al irla segmentando, la muestra ir siendo
sucesivamente ms pequea y, por tanto, el error de muestreo se disparar. Si
se tiene previsto hacer una segmentacin en funcin de una serie de variables
como edad, sexo, clase social, conocimiento de una marca determinada..., la
muestra debe forzosamente ser mayor que en el caso de que el anlisis sea
general. La figura 1 refleja como, a nivel de la muestra total (2.000
encuestados), el 60% de los encuestados (1.200) conoce la marca investigada.
El error total para un intervalo de confianza del 95,5%, en condiciones
desfavorables, es

e=2

0. 5 x 0 . 5
= 2. 2 %
2000

Figura 1

Consumidores
encuestados
n = 2.00

No conocen
la marca investigada
n2 = 800

Conocen
la marca investigada
n1 = 1.200

Viven en un
hbitat urbano
n11 = 800

Clase
alta
n111 = 160

Menos de
18 aos
n1121 = 32

De 18 a
30 aos
n1122 = 108

Clase
media
n112 = 400

De 31 a
45 aos
n1123 = 140

Viven en un
hbitat rural
n12 = 400

Clase
baja
n113 = 240

De 46 a
60 aos
n1124 = 80

Ms de
60 aos
n1125 = 40

Ntese que las afirmaciones que se hagan sobre colectivos

extrados de esta muestra total vendrn afectadas por errores mucho mayores
fruto del tamao ms reducido de estos colectivos. El nmero de consumidores
de clase media con edad superior a los 60 aos que conocen el producto, es
de 40, sobre un total de encuestados de clase media y mayores de 60 aos, de
90. De una muestra de 90 unidades, no puede esperarse gran precisin (error
de muestreo del 10,54%).

e=

0.5 x0.5
= 10.54%
90

En los Anexos 1 y 2 se incluyen las tablas estadsticas para el

clculo del tamao de la muestra para universos infinitos, con un intervalo de
confianza de 95,5%, y del 99,7%, respectivamente.

Muestreo aleatorio simple

En la prctica, los dos tipos de muestreo probabilstico ms
utilizados son: el muestreo aleatorio simple y el muestreo aleatorio
estratificado.
En el muestreo aleatorio simple se garantiza la aleatoriedad en la
seleccin de los elementos de la muestra mediante la utilizacin de tablas de
nmeros aleatorios. Un caso particular de muestreo aleatorio simple muy
extendido es el muestreo sistemtico. El muestreo sistemtico consiste en ir
tomando de un listado de los elementos de la poblacin las unidades
muestrales de k en k, siendo k igual a la parte entera del cociente entre el
tamao de la poblacin y el de la muestra. La primera unidad ser elegida al
azar (a travs de una tabla de nmeros aleatorios). Sea, por ejemplo, una
poblacin de 150.000 elementos, de la que queremos tomar una muestra
compuesta por 1.000 elementos. Iniciamos el primer elemento por extraccin
aleatoria y, a partir de l, vamos extrayendo unidades del listado con un
intervalo de 150 (150.000/1.000) hasta lograr las 1.000 unidades muestrales.

10

Muestreo aleatorio estratificado

Este tipo de muestreos se basa en dividir la muestra en grupos o
segmentos llamados estratos, para extraer dentro de cada estrato las unidades
muestrales. El conocimiento previo del investigador sobre el campo de anlisis
puede aconsejar dividir el conjunto total, para obtener unidades homogneas
dentro de cada estrato, y heterogneas entre los distintos estratos. Con ello se
garantiza una representacin suficientemente significativa de cada grupo,
evitando que determinados individuos, escasos en nmero pero importantes de
cara a los objetivos del estudio, se queden fuera de la encuesta. Los muestreos
estratificados mejoran tambin la precisin global. Naturalmente, sigue siendo
requisito bsico para asegurar el carcter representativo de la muestra la
eleccin aleatoria de las unidades muestrales de cada estrato. Algunos tipos de
estratos utilizados en la investigacin comercial son los geogrficos: por
comunidades autnomas, zonas de venta..., los socioeconmicos (por clases
sociales), los especficos, tipos de establecimientos de venta, tipos de clientes,
etc.
Segn el criterio seguido en el reparto (afijacin) del nmero de
unidades muestrales de cada estrato, se distinguen las siguientes modalidades:
Afijacin uniforme
Afijacin proporcional
Afijacin de mnima varianza

En el muestreo aleatorio estratificado por afijacin uniforme se

asigna a cada estrato establecido un nmero igual de unidades muestrales, con
independencia de cul sea su peso en el total del universo (vase Figura 2).

11

Figura 2

Clase
alta
NA

NA = 700 encuestas

Clase
media
NM

NM = 700 encuestas

Clase
baja
NB

NB = 700 encuestas

N = 2 100 encuestas

En el muestreo aleatorio estratificado por afijacin, la distribucin

de la muestra dentro de cada estrato es proporcional al tamao del mismo
(vase Figura 3 y ejemplo n 4).

12

Figura 3

Clase
alta
NA

nA - NA

Clase
media
NM

nM - NM

Clase
baja
NB

nB - NB

Ejemplo n 4
Se desea repartir una muestra de 816 encuestas correspondiente
a una poblacin de 1.450.000 individuos, por muestreo aleatorio estratificado
proporcional. El tamao de cada uno de los tres segmentos que constituyen
dicha poblacin es el siguiente:

13

Clase social

Tamao

Alta

150.000

Media

900.00

Baja

400.00

Total

1.450.000

Cuntas encuestas correspondern a cada clase social?

Lo primero que calcularamos sera el peso especfico de cada uno de los
segmentos:

Clase alta

150.000 X 100 = 10,35%

1.450.000

Clase media =

900.000 X 100 = 62,07%

1.450.000

Clase baja

400.000 X 100 = 27,58%

1.450.000

El nmero de encuestas que corresponden a cada clase sera el siguiente:

Clase alta:
Clase media:
Clase baja:
Total muestra =

816 X 0,1035 = 84 encuestas

816 X 0,6207 = 507 encuestas
816 X 0,2758 = 225 encuestas
816 encuestas

14

En el muestreo aleatorio estratificado por afijacin de mnima

varianza (afijacin ptima), se asigna a cada estrato un nmero de unidades en
funcin del tamao de la poblacin del estrato y del grado de dispersin del
dato a investigar en cada uno de los estratos establecidos (vase Figura 4). Se
suele aplicar en aquellos casos en los que la homogeneidad de los distintos
segmentos con relacin al fenmeno a estudiar es diversa. Para ello, se estima
la desviacin tpica mediante los resultados de un sondeo piloto, pre-test, o
segn experiencia previa del equipo de investigacin. (Vase ejemplo n 5).

Figura 4

Clase
alta
NA

nA = f (NA 1A )

Clase
media
NM

nM = f (NM 1M )

Clase
baja
NB

nB = f (NB 1B )

15

Ejemplo n 5
Se desea repartir una muestra constituida por 1.000 unidades
entre las tres clases de clientes que constituyen la cartera de un banco y que
se distribuyen de la siguiente manera:
- Clientes tipo A

150.000

- Clientes tipo B

900.000

- Clientes tipo C

400.000

Las desviaciones tpicas calculadas para cada tipo de clientes son

las siguientes:
- Clientes tipo A

10 %

- Clientes tipo B

30 %

- Clientes tipo C

60 %

Calcular el nmero de encuestas que hay que efectuar en cada

segmento de mercado.
Aplicando la expresin de proporcionalidad al tamao de
poblacin y a la desviacin tipo, se tiene:
nA

150.000 X 0,10

nB

1.000
150.000 X 0,10 + 900.000 X 0,30 + 400.000 X 0,60

1.000

16

900.000 X 0,30

nC

150.000 X 0,10 + 900.000 X 0,30 + 400.000 X 0,60

400.000 X 0,60

1.000
150.000 X 0,10 + 900.000 X 0,30 + 400.000 X 0,60

Despejando las tres incgnitas, resultan los siguientes valores:

nA =

29 encuestas

nB =

514 encuestas

nC =

457 encuestas

17

Anexo 1
METODOS Y APLICACIONES DE MUESTREO
Tamao de la muestra para poblaciones infinitas, con intervalo de
confianza del 95,5%

Lmites de
error en
porcentajes
0,1

Valores posibles de p y q (p + q = 100)

1/99

2/98

3/97

4/96

5/95

10/90

15/85

20/80

25/75

30/70

35/65

40/60

45/55

39.600 78.400 116.400 153.600 190.000 360.000 510.000 640.000 750.000 840.000 910.000 960.000 990.000

50/50
1.000.000

0,2

9.900 19.600

29.100

38.400

47.500

90.000 127.500 160.000 187.500 210.000 227.500 240.000 247.500

250.000

0,3

4.400

8.711

12.933

17.067

21.111

40.000

56.667

71.111

83.333

93.333 101.111 106.667 110.000

111.111

0,4

2.475

4.900

7.275

9.600

11.875

22.500

31.875

40.000

46.875

52.500

56.875

60.000

61.875

0,5

1.584

3.136

4.656

6.144

6.600

13.400

20.400

25.600

30.000

33.600

36.400

38.400

39.600

40.000

0,6

1.100

2.178

3.233

4.267

5.278

10.000

14.167

17.778

20.833

23.333

25.278

26.667

27.500

27.778

0,7

808

1.600

2.376

3.135

3.878

7.347

10.408

13.061

15.306

17.143

28.577

19.592

20.204

20.408

0,8

619

1.225

1.819

2.400

2.969

5.625

7.969

10.000

11.719

13.125

14.219

15.000

15.469

15.625

0,9

489

968

1.437

1.896

2.346

4.444

6.296

7.901

9.259

10.370

11.235

11.852

12.222

12.346

1,0

396

784

1.164

1.536

1.900

3.600

5.100

6.400

7.500

8.400

9.100

8.600

9.900

10.000

1,5

176

348

517

683

844

1.600

2.267

2.844

3.333

3.733

4.044

4.267

4.400

4.444

2,0

99

196

291

384

475

900

1.275

1.600

1.875

2.100

2.275

2.400

2.475

2.500

2,5

63

125

186

246

304

576

816

1.024

1.200

1.344

1.456

1.536

1.584

1.600

3,0

44

87

129

171

211

400

517

711

833

933

1.011

1.067

1.100

1.111

3,5

32

64

95

125

155

294

416

522

612

686

743

784

808

816

4,0

25

49

73

96

119

225

310

400

469

525

569

600

619

625

4,5

20

39

57

76

94

178

252

316

370

415

449

474

489

494

5,0

16

31

47

61

76

144

204

256

300

336

364

384

396

400

6,0

11

22

32

43

53

100

142

178

208

233

253

267

275

278

7,0

16

24

31

73

104

131

153

171

186

196

202

204

8,0

12

18

24

30

56

80

100

117

131

142

150

155

156

9,0

10

14

19

23

44

63

79

93

104

112

119

122

123

10,0

12

15

19

36

51

64

75

83

91

96

99

100

15,0

16

23

28

33

37

40

43

44

43

20,0

13

16

19

21

23

24

25

25

25,0

0,6

12

12

13

15

15

16

16

18

62.500

Anexo 2
METODOS Y APLICACIONES DE MUESTREO
Tamao de la muestra para poblaciones infinitas, con intervalo de
confianza del 99,7%

Lmites de
error en
porcentajes
0,1
0,2
0,3
0,4
0,5

Valores posibles de p y q (p + q = 100)

1/99

2/98

3/97

4/96

5/95

10/90

15/85

20/80

25/75

30/70

35/65

40/60

45/55

50/50

89.100 176.400 261.900 345.600 427.850 810.000 1.147.500 1.440.000 1.687.500 1.890.000 2.047.500 2.160.000 2.227.500 2.250.000
22.275 44.100
65.475
86.400 106.875 202.500
286.875
360.000
421.875
472.500
511.875
540.000
556.875
562.500
9.900 19.600
29.100
38.400 47.500 90.000
127.400
160.000
187.500
210.000
227.500
240.500
247.500
250.000
5.569 11.025
16.369
21.600 26.719 50.625
71.719
90.000
105.469
118.125
127.969
135.000
139.219
140.625
3.564
7.056
10.476
13.824 17.100 32.400
45.000
57.600
67.500
75.600
81.900
86.400
89.100
90.000

0,6
0,7
0,8
0,9
1,0

2.475
1.818
1.392
1.100
891

4.900
3.600
2.756
2.178
1.764

7.275
5.345
4.092
3.233
2.619

9.600
7.053
5.400
4.267
3.456

11.875
8.724
6.680
5.278
4.275

22.500
16.531
12.656
10.000
8.100

31.875
23.418
17.930
14.167
11.475

40.000
29.388
22.500
17.778
14.400

46.875
34.439
27.367
20.833
16.875

52.500
38.571
29.531
25.278
18.900

56.875
41.786
31.992
26.667
20.475

60.000
44.082
33.750
26.667
21.600

61.875
45.459
34.805
27.500
22.275

62.500
45.918
35.156
27.778
22.500

1,5

396

784

1.164

1.356

1.900

3.600

5.100

6.400

7.500

8.400

9.100

9.600

9.900

10.000

2,0

223

441

655

864

1.069

2.025

2.869

3.600

4.219

4.725

5.119

5.400

5.569

5.627

2,5

143

282

419

553

684

1.296

1.836

2.304

2.700

3.024

3.276

3.456

3.564

3.600

3,0

99

196

291

384

475

900

1.275

1.600

1.875

2.100

2.275

2.400

2.475

2.500

3,5

73

144

241

282

349

661

937

1.176

1.378

1.543

1.671

1.763

1.818

1.837

4,0
4,5
5,0
6,0
7,0

56
44
36
25
18

110
87
71
49
36

164
129
105
73
53

216
171
138
96
71

267
400
171
119
87

506
567
324
225
165

717
711
459
319
234

900
833
576
400
294

1.055
933
675
469
344

1.181
1.011
756
525
386

1.280
1.067
819
569
418

1.350
1.100
864
600
441

1.392
1.111
891
619
455

1.406

8,0
9,0
10,0
15,0
20,0

14
11
9
4
2

28
22
18
8
4

41
32
26
12
7

54
43
35
15
9

67
53
43
19
11

127
100
81
36
20

179
142
115
51
29

225
178
144
64
36

364
208
169
75
42

295
233
189
84
47

320
263
205
91
51

338
267
216
96
54

348
275
223
99
56

352
278
225
100
56

25,0
30,0
35,0
40,0

1
1
0.7
0.6

3
2
1
1

4
3
2
2

6
4
3
2

7
5
3
3

3
9
7
5

18
13
9
7

23
16
12
9

27
19
14
11

30
21
15
12

33
23
17
13

35
24
18
14

36
25
18
14

36
25
18
14

19

900
625
459