MATERIAL DEL SEGUNDO CORTE

ESTADISTICA GENERAL
BINOMIAL

La variable binomial es una variable aleatoria discreta, slo puede tomar los
valores 0, 1, 2, 3, 4, ..., n suponiendo que se han realizado n pruebas. Como hay
que considerar todas las maneras posibles de obtener k-xitos y (n-k) fracasos
debemos calcular stas por combinaciones (nmero combinatorio n sobre k).
La distribucin Binomial se suele representar por B(n,p) siendo n y p los
parmetros de dicha distribucin.
FRMULA

0 p1

Como el clculo de estas probabilidades puede resultar algo tedioso se han

construido tablas para algunos valores de n y p que nos facilitan el trabajo.
Ver Tabla de la Funcin de Probabilidad de la Binomial

EJERCICIOS DE LA BINOMIAL

EJEMPLO 1
Entre 2 ciudades hay 5 vuelos diarios, si la probabilidad de que un vuelo llegue
retrasado es 0,20.
a) Cul es la probabilidad de que ninguno de los vuelos se retrasen el da de
hoy?
b) Cul es la probabilidad de que exactamente uno de los vuelos llegue tarde
hoy?
c) Cul es la probabilidad de que al menos 3 vuelos se retrasen el da de
hoy?
SOLUCIN
a) Cul es la probabilidad de que ninguno de los vuelos se retrase el da de
hoy?
n=5

X=0

p = 0,20

p(x = 0) =

0,10

0,20

0,25

0,30

0,90

0,3277

P(x = 0)= 0,3277

p(x = 0) = 0,3277x100 = 32,77% Existe un 32,77% de probabilidad de

que ningn vuelo se retrase el da de hoy.
b) Cul es la probabilidad de que exactamente uno de los vuelos llegue tarde
hoy?
n=5
X=1
p = 0,20
p(x = 1) =

0,10

0,20

0,3277

0,7373

0,25

0,30

0,90

P(x = 1)= 0,7373 0,3277 =0,4096

p(x = 1) = 0,4096x100 = 40,96% Existe un 40,96% de probabilidad de que 1 vuelo se
retrase el da de hoy

c)Cul es la probabilidad de que al menos 3 vuelos se retrasen el

da de hoy?

P(x 3) = p(x=3) + p(x=4) + p(x=5) = 0,0579 (Mtodo 1)

n

0,10

0,20

0,3277

0,7373

0,9421

0,9933

0,9997

1,0000

0,25

0,30

0,90

P(x 3) = p(x=3) + p(x=4) + p(x=5) = 0,0579

(0,9933 - 0,9421) +
0,0512

(0,9997 - 0,9933) + (1,0000 - 0,9997)

0,0064

Mtodo 2 EVENTO INVERTIDO

P(x = 2)= 0,9421 0,7373 =0,2048

0,0003

= 0,0579

P(x 3) = 1 - [p(x=0) + p(x=1) + p(x=2)]

P(x 3) = 1 - [0,3277 + 0,4096 + 0,2048]
0,9421
P(x 3) = 1 - 0,9421 = 0,0579
0,0579x100 = 5,79% Existe un 5,79% de probabilidad de que al menos
3 vuelo se retrasen el da de hoy.

EJERCICIOS DE BINOMIAL
1 .- L a l t i m a n o v e l a d e u n a u t o r h a t e n i d o u n g r a n x i t o , h a s t a e l p u n t o
de que el 80% de los lectores ya la han ledo. Un grupo de 4 amigos
son aficionados a la lectura:
1

Cul es la probabilidad de que en el grupo hayan ledo la novela 2

personas?
2

Y cmo mximo 2?

2 .- U n a g e n t e d e s e g u r o s v e n d e p l i z a s a c i n c o p e r s o n a s d e l a m i s m a
edad y que disfrutan de buena salud. Segn las tablas actuales, la
probabilidad de que una persona en estas condiciones viva 30 aos o
ms es 0,60. Hllese la probabilidad de que, transcurridos 30 aos,
vivan:
1

Las cinco personas

Al menos tres personas

Exactamente dos personas

SOLUCIN
1 .- L a l t i m a n o v e l a d e u n a u t o r h a t e n i d o u n g r a n x i t o , h a s t a e l p u n t o
de que el 80% de los lectores ya la han ledo. Un grupo de 4 amigos
son aficionados a la lectura:
1

Cul es la probabilidad de que en el grupo hayan ledo la novela 2

personas?
2

Y cmo mximo 2?

Cul es la probabilidad de que en el grupo hayan ledo la novela 2

personas?

n = 4 ; X = 2 ; p = 0.8

0
1

0,10

0,20

0,25

0,30

0,800,90

0,0272

0,1808

Y cmo mximo 2?

0,10

0,20

0,25

0,30

0,0016

0,0272

0,1808

0,0016 + 0,0256

0,800,90

0,1536 =0,1808

2 . -U n a g e n t e d e s e g u r o s v e n d e p l i z a s a c i n c o p e r s o n a s d e l a m i s m a
edad y que disfrutan de buena salud. Segn las tablas actuales, la
probabilidad de que una persona en estas condiciones viva 30 aos o
ms es 60%. Hllese la probabilidad de que, transcurridos 30 aos,
vivan:

Soluciones:

Las cinco personas

n =5; X= 5; p = 0,60
p(X = 5) =
2

Al menos tres personas

Exactamente dos personas

n =5; X= 2; p = 0,60
p(X = 2) =

DISTRIBUCIN NORMAL Z

DISTRIBUCION DE PROBABILIDADES NORMAL Z

DISTRIBUCION NORMAL
La distribucin normal, tambin llamada distribucin de Gauss, es la distribucin
de probabilidad que con ms frecuencia se nos presenta en estadstica y en la
teora de probabilidades. Esto se debe a dos razones fundamentalmente:
1) Su funcin de probabilidad o funcin de densidad es simtrica y con
forma de campana, lo que permite su aplicacin como modelo para
muchas variables aleatorias continuas.
2) Posee relacin con otras distribuciones y con multitud de resultados
ligados a la teora de las probabilidades gracias a sus propiedades
matemticas.
1) Importancia
a) Tiene algunas propiedades que la hacen aplicable a muchas situaciones
donde es preciso hacer inferencias al seleccionar muestras.

b) Llega a encajar muy bien en las distribuciones observadas de frecuencia de

multitud de fenmenos entre ellos:

La forma de vestir de un grupo de individuos

El efecto de un medicamento en una poblacin

El consumo de determinado producto por una misma poblacin de

individuos

El cociente intelectual

Errores de medicin

Valores estadsticos mustrales y otras medidas de inters para los

administradores.

2) Propiedades
1) Tiene como parmetros: E(X) = ; V(X) = 2
2) La curva es asinttica; es decir, las colas de la curva nunca llegan a tocar el eje
de las abscisas
3) La distribucin normal es simtrica con respecto a la ordenada mxima.
4) La curva tiene un solo pico; por consiguiente, es unimodal. Presenta una forma
de campana.
5) La media, moda y mediana se encuentran en el centro de su curva normal.
6) Forma grfica de la distribucin de probabilidades normal Z.

x
0,5

0,5

3) Distribucin normal estndar. Estandarizacin

Cuando = 0 y = 1, la distribucin se conoce con el nombre de normal estndar.
Dada una variable aleatoria normal X, con media (tambin llamada Esperanza
matemtica) y desviacin tpica , si definimos otra variable aleatoria. Entonces
la variable aleatoria Z tendr una distribucin normal estndar = 0 y = 1. Se
dice que se ha tipificado la variable X.
Z= X-

Donde:
X= valor de la variable aleatoria que nos interesa
= media de la distribucin de esta variable aleatoria
= desviacin estndar de la distribucin
z = nmero de desviaciones estndar de x respecto a la media de esta distribucin
4) Uso de tablas
La probabilidad de que nuestra variable aleatoria (que sigue una distribucin
normal) se encuentre entre dos valores determinados ser en general difcil de
calcular (hay que usar la integral de la funcin de probabilidad). Para ello, existen
tablas distribucin normal tipificada, si bien stas se calculan para la distribucin
Normal Tipificada.

EJEMPLO Z= 1, 2 8

0,0
0,1
0,2
.
.
1,0
1,1
1,2

0,3997

.
.

PROBLEMA N 1
El tiempo promedio que empleo un suscriptor del peridico la Verdad es de 49
minutos. Suponga que la desviacin estndar es de 16 minutos y que los tiempos
de la lectura sigue una distribucin normal.
a) Cual es la probabilidad de que un suscriptor tarde cuando menos 1 hora
en leer el peridico?
b) Cual es la probabilidad de que un suscriptor tarde menos de 30 minutos
en leerla?
c) Cual es la probabilidad de que un suscriptor tarde ms de 48 minutos en
leerla?
d) Cual es la probabilidad de que un suscriptor tarde entre 30 y 48 minutos
en leerla?
PROBLEMA N 2

Los pesos de los individuos de una poblacin se distribuyen normalmente con

media de 70kg. Y una desviacin estndar de 6kg. De una poblacin de 2.000
personas. a)Calcule cuantas personas tendrn un peso comprendido entre 64 y
76kg? b) Se quiere saber el valor de X, si este se encuentra a un 95,05%?
PROBLEMA N 3
Supngase que el ingreso medio de una gran comunidad se puede aproximar
razonablemente mediante una distribucin normal que tiene una media de $15.000
y una desviacin estndar de $3000. Determine:
a) Qu porcentaje de poblacin tendr ingresos entre $14.000 y $16.000?
b) Qu porcentaje de poblacin tendr ingresos entre $17.000 y $18.000?
c) Qu porcentaje de poblacin tendr ingresos menores $16.000?
PROBLEMA N 4
El peso medio de 500 estudiantes varones de cierta universidad es de 151 libras y
la desviacin tpica es de 15 libras. Se sabe que los pesos estn normalmente
distribuidos, hallar cuantos estudiantes pesan:
a) Entre 120 y 155 libras
b) Ms de 185 libras
c) Menos de 140 libras
SOLUCIN DE LOS PROBLEMAS
PROBLEMA N 1
El tiempo promedio que emplea un suscriptor del peridico la Verdad es de 49
minutos. Suponga que la desviacin estndar es de 16 minutos y que los tiempos
de la lectura sigue una distribucin normal.
a)Cual es la probabilidad de que un suscriptor tarde cuando menos 1 hora en
leer el peridico?

b)Cual es la probabilidad de que un suscriptor tarde menos de 30 minutos en

leerla?
c)Cual es la probabilidad de que un suscriptor tarde ms de 48 minutos en
leerla?
d)Cual es la probabilidad de que un suscriptor tarde entre 30 y 48 minutos en
leerla?
DATOS:
= 49
= 16
a) P(X 60) = ?
b) P(X 30) =?

c) P(X 48) =?

d) P( 30 X 48) = ?

a) P(X 60) = ?

49

60
0,5

X-
Z=

Z=

60 - 49
16

Z = 0,69 ENTRAMOS A LA TABLA

0,2549

P(X 60) = 0,5 0,2549 = 0,2451 X100 = 24,51%

Existe un 24,51%

probabilidad de que 1 suscriptor tarde 1 hora en leer la verdad.

de

b)Cual es la probabilidad de que un suscriptor tarde menos de 30 minutos en

leerla?

30

49

0,5

b) P(X 30) = ?

X-
Z=

Z=

30 - 49
16

-1,19

ENTRAMOS

LA

TABLA

0,3830

P(X 30) = 0,5 0,3830 = 0,1170 X100 = 11,70%

Existe un 11,70%

de

probabilidad de que 1 suscriptor tarde menos de 30 minutos en leer la verdad.

c)Cual es la probabilidad de que un suscriptor tarde ms de 48 minutos en

leerla?

c) P(X 48) = ?

48

49
0,5

X-
Z=

Z=

48 - 49
16

-0,06

ENTRAMOS

LA

TABLA

0,0239

P(X 48) = 0,5 + 0,0239 = 0,5239 X100 = 52,39%

Existe un 52,39%

de

probabilidad de que 1 suscriptor tarde ms de 48 minutos en leer la verdad.

d)Cual es la probabilidad de que un suscriptor tarde entre 30 y 48 minutos en
leerla?

d) P( 30 X 48) = ?

30

X-
Z1 =

Z1 =

30 - 49
16

48

49

0,3830

-1,19

ENTRAMOS

LA

TABLA

X-
Z2 =

Z2 =

48 - 49

16

d) P( 30 X 48) = ?

-0,06

ENTRAMOS

LA

TABLA

0,0239
0,3830 - 0,0239 = 0,3591x 100 = 35,91%

Existe un 35,91% de probabilidad de que 1 suscriptor tarde entre 30 y 48 minutos

en leer la verdad.

PROBLEMA N 2
Los pesos de los individuos de una poblacin se distribuyen normalmente con
media de 70kg. Y una desviacin estndar de 6kg. De una poblacin de 2.000
personas. a)Calcule cuantas personas tendrn un peso comprendido entre 64 y
76kg? b) Se quiere saber el valor de X, si este se encuentra a un 95,05%?

d) P( 64 X 76) = ?

64

70

76

X-
Z1 =

Z=

X-
Z1 =

Z=

76 - 70
6

1,00

ENTRAMOS

LA

TABLA

-1,00

ENTRAMOS

LA

TABLA

0,3413

64 - 70
6

0,3413

P( 64 X 76) = 0,3413 + 0,3413 = 0,6826 x 2000 = 1.365,20 = 1.365 personas

tendrn un peso entre 64 y 76 kg

b) Se quiere saber el valor de X, si este se encuentra a un 95,05%?

b) P(X =?) = ?

45,05%

50%
95,05%

70

X=? 80

45,05% /
100 =
0,4505

Con el 0,4505 se entra dentro de la tabla de la normal y se obtiene el valor de z.

Z = 1,65

X-
Z=

Z= X-

X= Z+

X = (1,65)(6) + 70

= 79,9

T- STUDENT
a) Definicin: La distribucin t . student se utiliza cuando nos encontramos con la
dificultad de no conocer la desviacin tpica poblacional y nuestra muestra es
menor de 30. Es similar a la curva normal, pero la distribucin t student tiene
mayor rea a los extremos y menos en el centro.
Sus funciones se basan en establecer un intervalo de confianza, utilizando un nivel
de confianza y los grados de libertad, obtenindose valores de una tabla dada con
respecto a estas variables y aplicarla o sustituirla en la frmula.
b) Uso de la distribucin t student
1) Para determinar el intervalo de confianza dentro del cual se puede estimar
la media de una poblacin a partir de muestras pequeas(n<30)
2) Para probar hipotesis
3) Para probar si 2 muestras provienen de la misma poblacin

c) Procedimiento para usar la tabla

Ejemplo 1
Recuerde v = n - 1
Supngase que: n = 10 y NC = 80% se busca

t/2 = ?
v

SOLUCIN
v=n1
1 = NC
2 = 0,10

v = 10 1
= 1 - NC

t/2 = t0,10 = 1,383

v

v=9
= 1 0,80

= 0,20

0,40

0,30

0,20

0,10

0,05

0,025

1
2
3
4
5
6
7
8
9

1,383

. Ejemplo 2
Recuerde v = n - 1
Supngase que: n = 25 y NC = 90% se busca

t/2 = ?
v

SOLUCIN
v=n1

v = 25 1

1 = NC
2 = 0,05

v = 24

= 1 - NC

= 1 0,90

t/2 = t0,05 = 1, 711

v

v
1

24

0,40

0,30

0,20

0,10

0,05

0,025

= 0,10

2
3
4
5
6
7
8
9
.
24

1,711

NOTA: Cuando dividan

0,05 / 2 esto es igual a 0,03, si tienen la calculadora en 2 decimales, este

nmero no existe en la tabla t students, por lo tanto se coloca la calculadora en 3 decimales y se hace de
nuevo la divisin y esta vez el resultado es 0,025, este nmero si existe en la tabla t students

Ejemplo 3
Recuerde v = n - 1
Supngase que: n = 20 y NC = 95% se busca

t/2 = ?
v

SOLUCIN
v=n1

v = 20 1

v = 19

1 = NC

= 1 - NC

= 1 0,95

= 0,05

2 = 0,025

t/2 = t0,025 = 2,093

v

19

2.-TIPOS DE MUESTREOS
a) Muestreo probabilstico
b) Muestreo no probabilstico
a) MUESTREO PROBABILSTICO: Es cuando los elementos que integran la
muestra se toman completamente al azar, dndole as a cada uno el mismo grado de
probabilidad de formar parte de la muestra; hablndose entonces de una muestra
probabilstica.
Es el mejor mtodo de muestreo estadstico y se puede tomar de 4 maneras:
Simple, sistemtico, estratificado y por conglomerado

1. Muestreo aleatorio simple: Consiste en escoger cada elemento de la

muestra mediante sorteo o cualquier otro argumento de escogencia al azar.

Ejemplo:
Vamos a generar nmeros aleatorios, utilicemos para ello mi nmero de cdula de
identidad, de ella tomamos los 3 ltimos nmeros lo elevamos al cuadrado y tomamos los
3 ltimos nmeros, esto lo hacemos varias veces hasta obtener un total de 36 nmeros
aleatorios.
Solucin
CI: 5.052.512
512
144
736
696
416

056
136
496
016
256
536
296
EJEMPLO
Supongamos que se aplica una auditora a una empresa, y encontramos que tiene un
total de 500 cuentas por cobrar a clientes, de las cuales se decide analizar una muestra
de 9 clientes.
El procedimiento es el siguiente:
a) Se enumeran los clientes correlativamente desde el 1 hasta el 500
b) Tomamos 3 columnas contiguas de la tabla, tomamos 3 porque el total de clientes son
500, o sea 3 cifras, y as tenemos posibilidad de escogerlas a todas.
c) De estas 3 columnas tomamos los 9 nmeros aleatorios que necesitamos, a partir de
cualquier origen. Supongamos que tomamos los 9 primeros. As:
512
144
736
696
416

056
136
496
016
NOTA: Para nuestra auditora analizaremos las cuentas por cobrar de 9 clientes, cuyo
nmero de cuenta nos dice la tabla de nmeros aleatorios.
No tomamos 512, 736, y 696, porque no tenemos cuenta alguna con ese nmero, puesto
que el nmero total de clientes de esta empresa es solo de 500, tampoco se toma en
cuenta los repetidos, aunque esto es poco frecuente que ocurra, as que saltamos estos
nmeros.
En conclusin solamente analizaremos las cuentas del resto de los clientes o sea de los
clientes nmeros 144, 416, 056, 136, 496 y 016
2. Muestreo aleatorio sistemtico: Consiste en seleccionar los elementos de la muestra
siguiendo un cierto orden, en la que se toma en cuenta el tamao de la poblacin y el de
la muestra.
EJEMPLO
Vamos a suponer que queremos verificar un inventario al muestreo en una empresa, que
tiene un total de 2000 artculos en sus almacenes, con sus respectivas tarjetas de
inventario cada una, y queremos tomar una muestra de solo 25 artculos.
PROCEDIMIENTO:
a) En este caso dividimos la poblacin entre el tamao de la muestra, es decir,
2000
25

= 80

b) Este cociente, llamado factor de elevacin, nos indica que debemos tomar las tarjetas
de 80 en 80.

c) Esto supone que las tarjetas de inventario estarn numeradas correlativamente, desde
el 0001, hasta el 2000
d) Tomamos como origen, o primera tarjeta, una cualquiera al AZAR y luego tomamos la
restantes cada 80 ms.
Por ejemplo: si tomramos como primera tarjeta la nmero 12, la segunda sera la 12 +
80 = 92 y, la tercera tarjeta habra de ser la 92 + 80 =172 y as, sucesivamente, hasta
tomar las 25 tarjetas de la muestra que necesitamos
e) En el caso de agotarse las 2000 tarjetas, antes de completarse la muestra, se regresa
el conteo, desde la tarjeta 2000, hasta la nmero 0001 y se contina dicho conteo, hasta
completar las 25 tarjetas de la muestra.

12

972 + 80 = 1052

14

12 + 80 = 92
92 + 80 = 172
172 + 80 = 252
252 + 80 = 332

2
3
4
5

1052 + 80 = 1132
1132 + 80 = 1212
1212 + 80 = 1292
1292 + 80 = 1372

15
16
17
18

332 + 80 = 412
412 + 80 = 492
492 + 80 = 572
572 + 80 = 652
652 + 80 = 732

6
7
8
9
10

1372 + 80 =
1452 + 80 =
1532 + 80 =
1612 + 80 =
1692 + 80 =

1452
1532
1612
1692
1772

19
20
21
22
23

732 + 80 = 812
812 + 80 = 892

11
12

1772 + 80 = 1852
1852 + 80 = 1932

24
25

892 + 80 = 972

13

3. Muestreo aleatorio estratificado: En este mtodo de muestreo se

divide primero la poblacin en subconjunto homogneo, o estratos. Luego se toma los
elementos para formar la muestra, de cada uno de los estratos, utilizando cualquiera de
los mtodos aleatorios.

Es recomendable calcular el tanto por ciento que de la poblacin

representa cada estrato, para tomar de cada uno de ellos ese mismo porcentaje de
elementos para integrar la muestra.
Es decir que, si un estrato representa el 20% de la poblacin, se tomar de
l el 20% de los elementos que formarn la muestra estratificada
EJEMPLO (Muestreo estratificado)
En el caso de la auditora de las cuentas por cobrar, mencionadas en el problema anterior,
formaremos estratos, de acuerdo a las antigedades de las referidas cuentas y enseguida
calcularemos qu % del total representa cada estrato, para luego tomar de cada estrato
ese mismo %, para formar la muestra deseada. Si tomamos una muestra de 20 cuentas
por cobrar, cuales son los estratos ms indicados que seleccionaramos?
Vamos a suponer, a tal efecto, que dicha empresa tiene en cartera las siguientes cuentas
por cobrar:
De 01 a 30 das

40.000 Bs

De 31 a 60 das

30.000 Bs

De 61 a 90 das

20.000 Bs

Ms de 90 das

10.000 Bs

SOLOUCIN
De 01 a 30 das

40.000,00 Bs

40%

De 31 a 60 das

30.000,00 Bs

30%

De 61 a 90 das

20.000,00 Bs

20%

10%

Ms de 90 das

10.000,00 B

TOTAL

100.000,00 Bs

100%

Si quisiramos tomar una muestra de 20 cuentas por cobrar, escogeramos los estratos
indicados siguientes: 8, 6, 4 y 2 cuentas, respectivamente, en forma sistemtica o
aleatoria simple

40% (20) = 8 Cuentas

30% (20) = 6 Cuentas
20% (20) = 4 Cuentas
10% (20) = 2 Cuentas
TOTAL

20 Cuentas

4. Muestreo aleatorio por conglomerado: Consiste en dividir primero la poblacin de

acuerdo a reas geogrficas o por conglomerados sociales. Este mtodo es muy
recomendable en las investigaciones de estadsticas de opinin, con fines de estudio de
mercado, programas de radio y televisin, preferencias de ciertos productos entre otros.

EJEMPLO:
Si queremos efectuar un estudio estadstico, para conocer el grado de audiencia de la
emisora de radio URBE FM 96.3, entre los estudiantes de la Universidad, procederemos
as:
a) Dividimos la Universidad en 7 bloques a saber (A, B, C, D, E, F y G)
b) De estos Bloques tomaremos al AZAR 5 salones de cada Bloque
c) De entre estos salones seleccionados se entrevistan 20 estudiantes por cada saln.

b) MUESTREO NO PROBABILSTICO:

1. Muestreo accidental: Es el menos recomendable se selecciona los

elementos que estn al alcance. Es muy comn en las investigaciones arqueolgicas,
histricas y en todos aquellos estudios que se solicitan individuos voluntarios.

2. Muestreo intencional o de opinin: Las muestras de opinin no son

aleatorias, son seleccionadas o sugeridas por especialistas en la materia u objeto de
estudio, que pueden reconocer con gran acierto las unidades experimentales tpicas y
representativas de la poblacin en estudio. La calidad de la muestra esta subordinada
nicamente al juicio del experto. Por ejemplo; considrese la prctica de contabilidad de
seleccionar las semanas tpicas para una auditora.

3. Muestreo por cuota: Entre los no probabilsticos es el ms importante,

ampliamente usado en encuesta de opinin y mercadeo. Est sujeto a varias limitaciones,
como la imposibilidad cientfica de determinar cul es el tamao muestral y su error
muestral.
A cada encuestador se le asigna una cuota o cantidad de personas que le
proporcionarn informacin. Tcnicamente es el mismo muestreo estratificado excepto
que las unidades experimentales no son seleccionadas al azar. La naturaleza de los
controles y de las instrucciones depende del juicio experto de las personas, que practica
este tipo de muestreo.

3.- La Adecuacin de la muestra

Se deben tener presente 2 condiciones fundamentales.
1) Que la muestra sea realmente REPRESENTATIVA de la poblacin: Que debe
poseer los mismos atributos y caractersticas de la poblacin o universo al cual
sustituye.

2) Que tal muestra sea de TAMAO apropiado: Ni muy pequea ni demasiado

grande.
Segn Francisco Gmez Rondn: La muestra debe ser digna de confianza, es
decir, que debe ser suficientemente GRANDE y tomada con determinado rigor.
Existe una frmula matemtica para determinar el TAMAO recomendable que ha
de tener la muestra, cuando se debe obtener la media del tamao muestral n y es
la siguiente:
Cuando la poblacin es INFINITA o el muestreo es con reemplazo
n = Z

E
Donde:
n = Tamao apropiado de la muestra
z = Nivel de confianza del intervalo
= Desviacin estndar de la poblacin
E = Error muestral mximo que se admite.

El TAMAO de la muestra tambin puede obtenerse en atencin a la

PROPORCIN POBLACIONAL, P, que se desee. En este caso, la frmula a
utilizar es la siguiente:
n = Z2pq
E2
Donde:

p = Proporcin verdadera de xito o proporcin poblacional estimada

q = 1 p probabilidad de fracaso

Cuando la poblacin es FINITA o el muestreo es SIN reemplazo

Z22N

n=

E2(N 1) + Z22
Donde:
N = Tamao Poblacional

El TAMAO de la muestra tambin puede obtenerse en atencin a la

PROPORCIN POBLACIONAL, P, que se desee. En este caso, la frmula a
utilizar es la siguiente:
n=

Z2pqN
E2(N 1) + Z2pq

A continuacin se muestra la tabla de Nivel de confianza o significacin o nivel de

riesgo de z.

Nivel de confianza o significacin o nivel de riesgo: El que realiza la

investigacin debe establecer a priori (con anterioridad) un nivel de significacin o
probabilidad respecto al cual se va a poner a prueba el estudio.

NIVEL DE CONFIANZA (%)

COEFICIENTE DE CONFIANZA (Z)

99,74

3,00

99,00

2,58

98,00

2,33

96,00

2,05

95,45

2,00

95,00

1,96

90,00

1,645

80,00

1,28
68,27

50,00
EJEMPLO 1:

1,00
0,6745

Supongamos que el dueo de un abasto quiere saber a cunto ascendern la

compra promedio de cada uno de sus clientes (n), segn las siguientes premisas:
Las ventas promedio del ltimo ao tienen una desviacin estndar de la
poblacin de Bs 100,00, quiere un nivel de confianza del 99,74% y aspira un
margen de error muestral de unos Bs 20
SOLUCIN
Como la poblacin es infinita utilizamos la siguiente frmula
n = Z

n = 3(100) 2
20
n = [ 15 ]2
n = 225
Conclusin: Es decir, que este seor deber tomar una muestra compuesta de 225
de sus clientes ms representativos.

EJEMPLO 2:
Supongamos que una gran empresa del ramo de ferretera desea tomar un
INVENTARIO AL MUESTREO, con las siguientes condiciones: que el error
muestral no sea mayor del 4%, con un nivel de confianza del 95,45% y segn la
experiencia, las tarjetas con discrepancias suelen alcanzar el 40%
SOLUCIN
Como la poblacin es infinita utilizamos la siguiente frmula

Datos:
Z=2
p = 40% = 0,40
q = 1 p = 1 0,40 = 0,60
E = 4% = 0,04

n = Z2pq
E2
n = (22)(0,40)(0,60)

= 600

(0,04)2 Se usan 3 decimales el nmero es muy pequeo

Conclusin: Para la toma del inventario al muestreo de esa empresa, ha de
tomarse una muestra al azar compuesta de 600 tarjetas de su inventario.
EJEMPLO 3:
Una determinada empresa tiene 12.000 cuentas de clientes. Esta empresa desea
estimar el valor medio por cuenta, con un error igual a 8 y una confianza del 95%.
La empresa ha seleccionado una muestra aleatoria previa y ha obtenido una
desviacin tpica igual a 63,146. Calcular el tamao muestral correspondiente

SOLUCIN
Como la poblacin es finita utilizamos la siguiente frmula
n=

Z22N
E2(N 1) + Z22

n=

(1,96)2(63,146)2(12.000)

(8)2(12.000 1) + (1,96)2(63,146)2
n=

n=

183.816.748,3
767.936,00

15318,06

183.816.748,3
783.254,06

n = 234,68
n = 235 el tamao muestral correspondiente es de 235 muestras

EJEMPLO 4
Supongamos que una gran empresa del ramo de farmacia tiene un inventario al
muestreo de 235 frmacos, con las siguientes condiciones: que el error muestral
no sea mayor del 5%,

con un nivel de confianza del 98,00% y segn la

experiencia, los frmacos con discrepancias suelen alcanzar el 30%. Calcular el

tamao muestral correspondiente

SOLUCIN
Como la poblacin es finita utilizamos la siguiente frmula
DATOS
Z = 2,33
p = 30% = 0,30
q = 1 p = 1 0,30 = 0,70
E = 5% = 0,05
N = 235

n=

Z2pqN
E2(N 1) + Z2pq

n=

(2,33)2(0,30)(0,70)( 235)
(0,05)2(235 1) + (2,33)2(0,30)(0,70)

n=

267,92
1,73

n = 154,87
n = 155 el tamao muestral correspondiente es de 155