Академический Документы
Профессиональный Документы
Культура Документы
Estudios realizados:
Ingeniero Industrial. UCAB Caracas 1968
Mster en Estadstica Matemtica CIENES, Universidad de Chile 1972
Cursos de Especializacin en Estadstica No Paramtrica Universidad de Michigan
1982
Doctorado en Gestin Tecnolgica: Universidad Politcnica de Madrid 2006 al
Presente
Otras publicaciones del Prof. Arvelo, pueden ser obtenidos en la siguiente pgina
web: www.arvelo.com.ve
Muestreo Aleatorio Pag. 2
Angel Francisco Arvelo
I INTRODUCCION
Hemos visto que el universo est formada por elementos, y que cada uno de estos
elementos posee un carcter, que vara de un elemento a otro.
El conjunto de todos estos caracteres se denomina la poblacin.
Este carcter puede ser de muy variada ndole; puede ser la estatura de cada uno
de los habitantes de un pas, el canal de televisin que en un momento
determinado estn siendo sintonizados en cada hogar de una ciudad, etc.
Este carcter en estudio, y que puede ser diferente para cada uno de los
elementos del universo se denomina la variable estadstica.
Las variables estadsticas se clasifican de la siguiente forma:
Nominales
Cualitativas
Ordinales
Variables Estadsticas:
Discretas
CuantitativasContinuas
Muestreo Aleatorio Pag. 5
Angel Francisco Arvelo
Diseo del experimento: Una vez que ha sido definido el problema, el investigador
debe decidir si estudiar toda la poblacin o slo una muestra.
En caso de que decida hacer un muestreo, habr que definir el tipo de muestreo
a utilizar, si aleatorio simple, estratificado, por conglomerados, etc. Tambin
ser necesario calcular el tamao de muestra requerido, el cual depender de la
precisin que se le quiera dar al muestreo; y tambin ser necesario disear un
cuestionario, o formato para ser llenado por la personas que van posteriormente
a recoger la informacin.
El diseo de la encuesta y la redaccin de las preguntas es un aspecto muy
importante en esta fase, pues de la sinceridad de las respuestas depender la
validez de la investigacin.
Este es un problema ms de carcter psicolgico que estadstico, pues la
Estadstica supone que la respuesta obtenida es sincera, y en la prctica no
necesariamente esto es cierto.
La apariencia fsica del encuestador, el momento de realizar la encuesta, y la
forma de hacer las preguntas son aspectos muy importantes a considerar aqu.
En el caso de investigaciones en un laboratorio, esta fase exige tambin la
seleccin de los instrumentos de medicin, su calibracin y la metrologa.
Otro aspecto que tambin debe ser analizado en esta fase es el relativo a los
programas de computacin que van a ser utilizados posteriormente para procesar
la informacin recogida en el muestreo.
II. ESTIMACION
II.1 Concepto de estimador
Un parmetro poblacional es un valor que se calcula en base a todos y cada uno
de los elementos de la poblacin.
As por ejemplo, si en el universo de estudiantes inscritos en una Universidad,
consideramos la variable estadstica estatura de cada uno de ellos, la poblacin
ser el conjunto de valores numricos que representan sus respectivas estaturas.
Si llamamos N al nmero de estudiantes en esta Universidad (Tamao de la
poblacin), el conjunto de valores numricos de sus estaturas {1 , 2 , }
representa a la poblacin.
Sobre esta poblacin podemos definir al siguiente parmetro poblacional:
+ +
= 1 2+
= =1
= Media Poblacional
Resulta obvio, que en la gran mayora de las situaciones prcticas, este valor
resultar desconocido, porque para calcularlo necesitaramos conocer las estaturas
de todos los estudiantes de la referida Universidad.
El objetivo principal del muestreo es justamente, estimar el valor de estos
parmetros poblacionales, a partir del resultado arrojado por una muestra de esta
poblacin; y de all la necesidad de introducir el concepto de estimador.
Un estimador es un valor calculado sobre la base del resultado muestral obtenido,
y que se utilizar para estimar a un parmetro poblacional.
En el ejemplo anterior, al tomar una muestra de n estudiantes (tamao de la
muestra), y medir sus estaturas, encontraremos un conjunto de valores numricos
{1 , 2 , }, sobre los cuales podemos definir la siguiente funcin:
+ +
= 1 2+
= =1
= Media muestral
Este valor, como veremos ms adelante, va a ser utilizado para estimar a su
correspondiente poblacional, y diremos que es el estimador de , lo que se
designar mediante la siguiente notacin: =
Para una mejor comprensin de los problemas del muestreo, es importante resaltar
las diferencias bsicas entre el parmetro poblacional y su estimador:
El valor del parmetro poblacional es una constante desconocida, mientras que el
de su estimador es conocido para una muestra particular, pero variable entre las
diferentes muestras posibles
Muestreo Aleatorio Pag. 11
Angel Francisco Arvelo
Resulta fcil intuir que es un estimador consistente para , pues a medida que
ms grande sea el tamao de muestra, ms elementos de la poblacin se
incorporan a ella, y por lo tanto el valor de se acercar ms al de .
De hecho cuanto n = N (censo), podemos afirmar con certeza que =
Las causas que ocasionan estos errores pueden ser clasificados en dos categoras:
asignables y aleatorias
Las causas asignables son aquellas que se pueden identificar y corregir, y que son
responsabilidad del investigador, tales como errores en el diseo de la encuesta,
preguntas mal redactadas, entrenamiento inadecuado a los encuestadores,
imprecisiones en la escala de medicin, o fallas en la calibracin de los
instrumentos de medicin.
Lamentablemente, muchas veces este tipo de fallas son detectadas despus que
se ha tomado la muestra, lo que ocasiona un atraso en los estudios por muestreo
y una prdida de los recursos invertidos en la toma de la muestra. De all la
importancia de tomar muestras preliminares o pilotos, que permitan detectar de
manera temprana tales errores.
Las causas aleatorias son producto de la variabilidad propia del estimador. En
efecto, hemos visto que todo estimador es una variable aleatoria, y que por lo tanto
su valor vara de una muestra a otra.
El valor que toma el estimador en una muestra especfica representa un valor
particular de esa variable que no necesariamente tiene que ser igual al parmetro
que se quiere estimar.
Se define como error de muestreo a la diferencia absoluta entre el valor que tom
el estimador en la muestra y el verdadero valor del parmetro poblacional, es decir:
Error de muestreo = -
Por ejemplo, si estimamos que un parmetro vale 1251 y despus resulta que su
verdadero valor es 1280, hemos cometido un error de 1251-1280= 29 unidades
El valor absoluto se debe a que el error de estimacin puede ser negativo en caso
de una subestimacin, o positivo si se trata de una sobrestimacin.
Cuando se realiza un estudio por muestreo, el investigador debe establecer cul es
el mximo error que est dispuesto a tolerar en la muestra, y este se designa
designar por = Mximo error absoluto tolerado
La fijacin del valor de depender del orden de magnitud del parmetro que se
pretende estimar. As por ejemplo, si se quiere estimar un parmetro que pensamos
est en el orden de los millones, sera absurdo fijar en el orden de las unidades,
pues le estaramos exigiendo a la muestra un nivel de precisin tal, que
seguramente redundar en un tamao de muestra prcticamente igual a un censo.
En caso de que el investigador no tenga idea alguna sobre el orden de magnitud
del parmetro que est estimando, lo ms prudente es fijar el error tolerado de
muestreo en forma relativa o porcentual, definido por la siguiente expresin:
Error porcentual de estimacin = 100%
En el ejemplo anterior, si un parmetro cuyo verdadero valor es 1280 fue estimado
con un error absoluto de 29 unidades, entonces el error relativo de estimacin es
29
de 100% = 2,27%
1280
Al analizar el informe de la muestra, el lector debe estar atento acerca del margen
de error de la muestra, e identificar si el error de muestreo est expresado de
manera absoluta o de manera relativa.
Una regla muy simple para hacer esta identificacin es la siguiente:
Muestreo Aleatorio Pag. 15
Angel Francisco Arvelo
Por ejemplo, si una encuesta electoral predice que un cierto candidato obtendr un
32% de la votacin, y una vez celebrada las elecciones resulta que obtuvo el 34%
de los votos, entonces el error de estimacin fue del 2% , y se trata una cifra
absoluta, no relativa.
Es prctica comn en los estudios por muestreo fijar el mximo error relativo
tolerado en 1%, 2,5% o 5% en el caso general, y en esos mismos valores
porcentuales para el error absoluto, cuando se trate de la estimacin de
porcentajes.
Lo anterior significa que cuando un estudio por muestreo concluye en una cierta
estimacin para un parmetro, el lector debe interpretar que el verdadero valor es
anunciado el porcentaje de error; de manera que si se lee en el informe,
= 1251 unidades, =2,5 % entonces se debe inferir que el verdadero valor de
est en el 1251 (2,5% de 1251) = 1251 31,275, es decir dentro del intervalo
[1219,725 ; 1282,275] , mientras que si el informe se refiere a la estimacin de un
porcentaje, como en el caso de una encuesta electoral, que dice
=32%, =2,5 %, entonces la inferencia es que = Verdadero Porcentaje
Poblacional, est en el intervalo 32% 2,5%, es decir dentro del intervalo [29,5%;
34,5%]
Paso 4: Una vez seleccionados los nmeros que conforman la muestra, debemos
ir a los elementos de la poblacin identificados con esos nmeros, y medir o
preguntarles el valor de la variable estadstica asociada a cada uno de ellos.
Muestreo Aleatorio Pag. 20
Angel Francisco Arvelo
x i
i i
= Media Poblacional.
N N
i N
(y i )2
2 i 1
= Varianza Poblacional.
N
n = Tamao de la muestra.
Muestra= {y1 , y2 , y3 , yn }
j n
y j
y
j 1
= Media muestral = = Estimador de
n
T = = N y = Estimador de
j n
(y j y)2
s2
j 1
= Varianza muestral = 2 = Estimador de 2
n 1
n
f= = Fraccin de muestreo.
N
z/2 s 1 f
Intervalo de confianza para : y n
s
Intervalo de confianza para : N N z/2 1 f
n
El valor de z/2, depende del nivel de confianza (1-) deseado, siendo los ms
frecuentes 90%, 95% o 99% de confianza, para los cuales el valor de z/2 puede
ser ledo en las tablas de La Distribucin Normal, encontrndose:
Muestreo Aleatorio Pag. 22
Angel Francisco Arvelo
Confianza z/2
90 % 1,645
95 % 1,960
99 % 2,576
Es costumbre que los intervalos de confianza sean simtricos y que por lo tanto el
riesgo se reparta por mitad entre las dos colas de la Distribucin Normal.
El trmino sin multiplica por la abscisa z/2, se suele llamar el error estndar de
la estimacin, mientras que una vez multiplicarlo por la abscisa, representa el
error de muestreo para el nivel de confianza establecido.
As por ejemplo 1 es el error estndar en la estimacin de , mientras
s
que z/2 1 f representa el radio del intervalo de confianza, es decir el
n
margen de error tolerado, para un nivel del (1-) de confianza
Un comentario importante en las expresiones para el intervalo de confianza es el
que se refiere a la relacin entre el radio del intervalo y el nivel de confianza.
Fcilmente se puede observar que cuanto mayor sea la confianza, mayor ser el
radio del intervalo, y viceversa; lo cual es completamente lgico, pues si al hacer
un disparo sobre un blanco, queremos aumentar la probabilidad de acierto, se
debe aumentar el radio del blanco.
Ejemplo: Una de las reas en donde las tcnicas de muestreo han encontrado un
gran campo de aplicacin, es en las auditoras contables.
En efecto, as como el contador debe preocuparse para que las cuentas cuadren
al cntimo, el auditor debe certificar que el estado financiero refleja cifras crebles,
y en este sentido, el muestreo constituye una herramienta muy til, pues si la cifra
dada en el estado financiero cae dentro del intervalo de confianza obtenido por
muestreo, el auditor puede validar esa cifra, sin necesidad de examinar la
totalidad de documentos.
Consideremos el siguiente caso: Se quiere estimar el monto total de las ventas de
una empresa durante un periodo de tiempo dado. Existen 32.500 facturas de
venta emitidas durante ese lapso.
Una muestra aleatoria simple de 100 facturas los siguientes montos expresados
en unidades monetarias:
1.565,81 1.681,15 1.569,50 2.179,82 1.448,19 3.202,97 1.791,71 1.652,48 1.538,34 2.225,79
1.272,97 2.160,39 1.426,80 1.797,69 1.572,99 1.151,57 2.326,23 2.722,45 1.618,40 1.565,78
1.589,60 2.554,25 2.145,41 2.387,37 1.966,96 999,62 1.415,03 1.652,15 1.810,55 1.554,80
1.712,11 2.413,25 2.085,90 1.599,76 2.393,09 1.443,49 1.967,46 1.944,56 1.098,63 1.928,56
2.120,34 1.781,19 2.530,04 1.662,57 1.956,70 2.081,10 1.494,16 1.099,40 2.428,79 1.681,24
1.164,33 1.819,62 782,58 2.476,30 1.942,82 2.166,43 817,62 1.132,65 1.671,05 2.342,90
1.894,14 1.772,66 1.192,46 2.362,04 1.877,08 2.002,05 1.793,70 2.249,14 1.546,75 674,06
2.130,09 2.095,72 2.239,11 1.960,13 1.593,56 1.398,05 1.832,01 1.467,12 1.372,94 1.719,57
948,98 1.587,10 1.900,94 2.428,22 1.727,20 778,04 2.098,32 1.209,68 2.797,18 2.363,02
1.077,25 876,39 1.628,44 1.150,14 2.565,92 1.061,72 842,67 2.091,25 1.825,83 2.389,28
Muestreo Aleatorio Pag. 23
Angel Francisco Arvelo
Para inferir en base a esta muestra el monto total de las ventas (Total poblacional)
hay que calcular la media y la desviacin estndar de la muestra, que dan por
resultado: y = 1.776,90; s = 505,35
En base a esta informacin, el intervalo del 95% de confianza para el monto
promedio de estas 32.500 facturas resulta ser:
505,35 100
1.776,90 1,96 1 32500 = 1.776,90 98,90
100
Mientras que para el total poblacional, el intervalo del 95% de confianza es:
505,35 100
32500 x 1.776,90 32500 x1, 96 1 32500 = 57.749.250,00 3.214.123,25
100
Esto significa que con 95% de confianza, se puede afirmar que las ventas totales
estn dentro del intervalo [54.535.126,75; 60.963.373,25], de manera que si
estado financiero reporta un monto comprendido dentro del intervalo, el auditor
considerar aceptable esta cifra, caso contrario har una investigacin ms
exhaustiva.
3.214.123,25 representa el error absoluto en la estimacin, mientras que
(3.214.123,25/ 57.749.250,00) 100% = 5,57% el error relativo
Es tambin evidente, que cuanto menor sea el riesgo que estemos dispuestos a
correr, mayor ser el tamao de muestra necesario, y que en el caso =0, se
necesitar un censo, es decir: n = N.
Usualmente el riesgo se fija en 1%, 5% o 10%.
Una vez definido el error mximo tolerado, y el riesgo del muestreo, el tamao de
la muestra puede ser calculado mediante la aplicacin de la siguiente frmula:
Muestreo Aleatorio Pag. 25
Angel Francisco Arvelo
2
N z/2 2
n= 2 2
z/2 + (N 1) 2
En donde:
N = Tamao de la poblacin.
2= Varianza Poblacional.
= Mximo error absoluto tolerado.
= Riesgo del muestreo
z/2 = Abscisa que en la normal estndar deja a la derecha un rea "/2".
Con relacin a la frmula anterior, es importante hacer las siguientes
observaciones:
a) Una de las creencias ms arraigadas, es la de pensar que para un nivel de riesgo
y de error fijos, el tamao de muestra es siempre un porcentaje fijo de la poblacin.
La frmula anterior, nos muestra que esta creencia es falsa, puesto que si
graficamos la forma como varia el tamao de muestra al variar el tamao de la
poblacin, manteniendo fijos el error tolerado, y el riesgo, encontramos una curva
como la siguiente:
Solucin:
a) Tomando la informacin de la muestra piloto, tenemos que = 350 = 5200
Adems = 1% de 5200 = 52 horas, z/2= 1,96
20000 1,962 3502
Sustituyendo encontramos: = = 172,54
1,962 3502 + 19999 522
Cuanto mayor sea , mayor ser el tamao de muestra requerido, por lo tanto si
se quiere un clculo de n que evite futuras iteraciones, se deber tomar la
estimacin mayor, en este caso =380,25
Hay que calcular tambin la media de la muestra piloto = = 645,65
Adems N = 5000 = 5% de 645,55 =32,28, z/2= 1,645 para 90 % de confianza
Ntese que a pesar de que se desea estimar un total poblacional, se procede de la
misma manera como si se tratara de una media poblacional. Esto es debido a que
estimar un total poblacional con un error relativo del 5% es equivalente a estimar la
media poblacional con ese mismo error relativo
5000 1,6452 380,252
= = 349,23 > 20 la muestra piloto fue insuficiente
1,6452 380,252 + 4999 32,282
p = = Proporcin de elementos con la caracterstica, en la muestra.
n
= = Fraccin de muestreo
N
Los parmetros a estimar por muestreo, suelen ser "" y/o , siendo sus
correspondientes intervalos de confianza:
p(1p)
Intervalo del (1-) de confianza para ": z/2 1 f
n1
p(1p)
Intervalo del (1-) de confianza para: Nz/2 1 f
n1
Error de estimacin = | p - |
Error mximo tolerado = = Mxima diferencia tolerada de | p - |
Riesgo = = Probabilidad (| p - | > )
Es importante aclarar, que en este tipo de estimacin jams se trabaja con errores
relativos; siempre que se d un error, este debe interpretarse como absoluto.
As por ejemplo, cuando decimos que se quiere estimar el porcentaje de votos que
va a obtener un candidato en unas elecciones, con un error del 1%; este 1% debe
interpretarse como la diferencia absoluta, entre la estimacin hecha, y el verdadero
porcentaje de votos a favor del candidato.
de forma, que si el investigador, sospecha que el valor de "" est cercano al 50%,
puede tomar de una vez el mximo tamao de muestra, sin necesidad de tomar
muestra piloto.
En caso de que el investigador sospeche que el valor de "" est muy alejado del
50%, se justifica tomar las muestras piloto y el proceso iterativo, ya que tomar de
entrada la muestra mxima, puede resultar antieconmico, debido a que
Muestreo Aleatorio Pag. 32
Angel Francisco Arvelo
10
a.2) La estimacin de segn la muestra piloto es
= = 0,125, y sustituyendo:
80
50000 (1,96)2 (0,125)(0,875)
= (49999)(0,02)2 = 1029 piezas
+(1,96)2 (0,125)(0,875)
Este clculo de n presenta el inconveniente que si al tomar la muestra definitiva,
la proporcin de defectuosos contradice la estimacin de la muestra piloto, y resulta
superior al 12,5%, entonces el error de estimacin va a resultar mayor que el
tolerado 0,02, y por lo tanto la muestra piloto de 1029 ser insuficiente.
Como se ve, cada uno de estos tres criterios para calcular el tamao de muestra
presenta sus pros y sus contras, y la decisin de cul de ellos aplicar depender
del investigador.
insuficiente, cuestin esta que no puede ocurrir si de una vez se toma la muestra
mxima.
7 92 28.2 3 77 39.8
2 88 24.2 4 69 16.8
4 79 30.0 7 65 37.8
2 83 24.2 3 77 34.8
5 62 44.4 3 69 28.7
3 63 13.4 6 95 63.0
6 62 19.8 2 77 19.5
4 60 29.4 2 69 21.6
4 75 27.1 6 69 18.2
2 90 22.2 4 67 20.1
5 75 37.7 2 63 20.7
3 69 22.6 Totales: 123 2394 907.2
Solucin: El caso a) es claramente una estimacin por variables, pues cada familia
tiene un solo valor numrico asociado, mientras que los casos b) y c) son
estimaciones de razn.
Las estimaciones puntuales obtenidas para estos tres parmetros, resultan: a)
907,2 907,20 907,20
= 33 = 27.49 $/familia, b) 1 = 123 = 7,38 $/persona, y c) 2 = 2394 = 0,3789 o
37.98% de los ingresos familiares son destinados a alimentacin.
2394
c)
2 = = 72,55
33
Muestreo Aleatorio Pag. 36
Angel Francisco Arvelo
1
Intervalo del 95% de confianza para 2 =
1 2
1 28224 2(0,3789)(66678)+(0,3789) 2 (177254)
0,3789 1,96 72,55 = 0,3789 0,0466
33 331
8 7 4 3 0 0
9 4 0 2 2 2
10 5 0 1 4 2
Obtenga intervalos del 95% de confianza para cada uno de los siguientes
parmetros poblacionales:
a) Porcentaje de votos a favor del candidato, calculado sobre la base de la
poblacin votante.
b) Nmero total de habitantes en la zona.
c) Porcentaje de extranjeros en la zona, calculado sobre la base de la poblacin
adulta.
d) Porcentaje de familias nacionales en la zona, asumiendo que las familias
nacionales son aquellas en donde no reside ningn extranjero.
Caja N 1 2 3 4 5
Muestreo Aleatorio Pag. 38
Angel Francisco Arvelo
Total de piezas 15 10 12 20 18
Piezas defectuosas 2 3 1 3 2
EJERCICIOS ESPECIALES
1 2 =
Figura N 7: Particin del Universo en Estratos
Tericamente, la estratificacin puede ser hecha por cualquier criterio que satisfaga
los criterios antes sealados; pero en la prctica, si se quiere obtener una
estimacin precisa utilizando esta metodologa, es necesario utilizar un criterio que
proporcione estratos que sean muy homogneos, es decir que la varianza dentro
de cada uno de ellos sea muy pequea.
= =
=1
=
= N
Una vez tomada la muestra dentro de cada estrato, el intervalo de confianza para
cada uno de estos dos parmetros poblacionales resulta ser:
W2i S2i
Para : z/2 L1
(1 )
ni
W2i S2i ni
Para : N z/2 L1
N (1 )
ni Ni
Ejemplo: Se quiere estimar la nmina de una organizacin que tiene en total 6500
empleados, pero dado que existen diferencias importantes entre sus sueldos,
segn sus responsabilidades, se decide estratificarlos en tres categoras: E1
obreros, E2 empleados administrativos y E3 personal profesional, donde caen 1000,
5000 y 500 personas respectivamente.
Se tom una muestra de 50 obreros, 100 empleados administrativos y 20
profesionales, encontrndose una media mensual de $1200, $ 1800 y $ 4000, con
desviaciones tpicas de $180, $350 y $ 250 respectivamente.
En base a esta informacin, obtenga un intervalo del 95% de confianza para la
nmina mensual.
1000 5000 500
Solucin: Los pesos de cada estrato son: W 1 =6500 , W 2 =6500 , W 3 =6500
1000 5000 500
=
(1200) + (1800) + (4000) =1876,92
6500 6500 6500
= 12.200.000,00 347.191,75
2
Nz/2 L1 Wi 2i
n= 2
z/2 L1 Wi 2i + N 2
200 10000
10200 (1,96)2 (102001140,182 + 10200499,342 )
y por consiguiente: n = 200 10000 = 401
(1,96)2 ( 1140,182 + 10200499,342 )+10200(49,85)2
10200
Ya hemos visto que en este caso, la poblacin solo contiene unos y ceros, segn
el elemento posea o no posea el atributo respectivamente.
La nomenclatura a seguir es la siguiente:
L = Nmero de estratos
Ni = Tamao del estrato i, i = 1, 2,, L
N = Tamao de poblacin = i=L i=1 Ni
Ni
Wi = = Factor de ponderacin o Peso del estrato i
Obviamente W 1 + W 2 + ..+ W L = 1
{1 , 2 . , }= Poblacin perteneciente al estrato i = 0 o 1
=
= =1 = Total de elementos con el atributo en el estrato i
j=N
i j=1 i xij
i = = = Proporcin de elementos con el atributo en el estrato i
Ni Ni
= =
= =1 = =
=1 =1 = Total Poblacional
= = 1 = 1 = =1 = Proporcin Poblacional
Lo anterior significa que la Proporcin Poblacional es la Media Ponderada entre las
proporciones de los diferentes estratos segn el peso de cada uno de ellos
ni = Tamao de muestra en el estrato i, i = 1, 2,, L
n = Tamao total de muestra = i=L i=1 ni
{1 , 2 . , }= Valores que cayeron en la muestra del estrato i; = 0 o 1
j=n
j=1 i yij
pi= = Proporcin muestral del estrato i
ni
ni
fi = = Fraccin de muestreo en el estrato i
En poblaciones finitas:
2
Nz/2 L1 Wi (1 )
n= 2
z/2 L1 Wi (1 ) + N 2
En poblaciones infinitas:
z2/2 L1 Wi (1 )
=
2
Muestreo Aleatorio Pag. 49
Angel Francisco Arvelo
Al repartir proporcionalmente este tamao total de muestra, entre los dos estratos,
n 0,75(4922) 3692
se obtiene: 1
n2 0,25(4922) 1231
La estimacin puntual de es: = pst = 0,75(0,25) + 0,25(0,38) = 0,2825
y el intervalo del 90% de confianza para :
(0,75) 2 (0,25)(10,25) (0,25) 2 (038)(10,38)
0,2825 1,645 + = 0,2825 0,0105 =
36921 12311
28,25 % 1.05 %
EJERCICIOS POPUESTOS
1) Una industria tiene dos mquinas, que trabajan en paralelo para producir un
mismo artculo.
Las caractersticas de estas mquinas son:
Mquina 1: Es una mquina moderna, cuya velocidad de produccin es el triple de
la otra, y que segn una muestra piloto, produce apenas un 1% de defectuosas.
Mquina 2: Es una mquina antigua, cuya velocidad de produccin es la tercera
parte de la otra, y que segn una muestra piloto, produce un 8% de defectuosas.
Se quiere estimar el porcentaje de piezas defectuosas dentro de la produccin total,
con un error no mayor al 0.5%, y un 5% de riesgo.
Calcule con ese tamao de muestra, se obtiene un 0.8% de defectuosas en la
mquina 1, y un 8.6 % de defectuosas en la mquina 2, establezca un intervalo del
95 % de confianza, para el porcentaje de defectuosos producidos por la industria.
2) Se tiene un lote de 60.000 bombillos, de los cuales 40.000 son de una marca
A y 20.000 de otra marca B.
Se quiere estimar la duracin media de los bombillos del lote, con un error no
mayor al 2,5% y 5% de riesgo.
Una muestra piloto de ambas marcas, arroj los siguientes resultados:
Duracin (hrs) 0 a 100 100 a 200 200 a 300 300 a 400 400 a 500
Marca A 2 8 25 31 14
Marca B 6 24 10 5 0
a) Con asignacin proporcional, calcule el tamao de muestra necesario para
cada marca
b) Suponga que con el tamao de muestra calculado en a.3, se obtienen los
siguientes resultados:
Media Muestral (hrs) Desviacin estndar (hrs)
Marca A 320 90
Marca B 170 50
Obtenga un intervalo del 95% de confianza para la duracin media de los
bombillos del lote.
Muestreo Aleatorio Pag. 51
Angel Francisco Arvelo