Probabilidad y

Estadística
EL UNIVERSO
Y
LA MUESTRA

Unidad de Observación:

Unidades sobre las cuales se realiza la

medición. Ej: Ama de casa

Unidad de Análisis:

Unidades sobre los cuales se realiza el

análisis. Ej: hogares

Unidad de Selección:

Unidades entre las cuales se identifican

las unidades de observación. Ej:
viviendas
2

1
Universo:
Conjunto conformado por la totalidad de
observaciones que interesan al analista.

Las mediciones realizadas en el Universo se

denominan PARÁMETROS.
3

DEFINICIÓN DEL UNIVERSO:

El universo debe definirse en función de

la característica común a todos sus
elementos.

 Un espacio común
 Una coexistencia en el tiempo
 Un atributo físico común
 Un atributo artificial común
 Varios de los anteriores

2
 DEFINICIÓN DEL UNIVERSO:

Los universos pueden

ser Finitos o Infinitos.

Con fines prácticos, un universo se

considera infinito cuando
no sea posible medir su tamaño

MUESTREAR LA POBLACION

3
¿Por qué muestrear la población?

• Muestrear es una forma de evaluar la calidad de un

producto, la opinión de los consumidores, la eficacia
de un medicamento o de un tratamiento. Muestra es una
parte de la población.
• Población es el total de resultados de un experimento.
Hacer una conclusión sobre el grupo entero (población)
basados en información estadística obtenida de un
pequeño grupo (muestra) es hacer una inferencia
estadística.
• A menudo no es factible estudiar la población entera.
Algunas de las razones por lo que es necesario
muestrear son:
7

¿Por qué muestrear?

(continuación)
1. La naturaleza destructiva de algunas pruebas

4
¿Por qué muestrear?
(continuación)
2. El costo de estudiar a toda la población es muy alto.

¿Por qué muestrear?

(continuación)
3. El costo de estudiar a toda la población es muy alto.

10

5
¿Por qué muestrear?
(continuación)
4. El resultado de la muestra es muy similar al
resultado de la población.

11

¿Por qué muestrear?

(continuación)
5. El tiempo para contactar a toda la población es
inviable.

12

6
 PARAMETRO
• Medición obtenida en el universo.
• Se representa con letras griegas.

 

 
En un estudio habrá tantos parámetros
cuantas variables se midan en el Universo

13

MUESTRA
Un subconjunto del universo puede ser o
no representativo del universo.

De un mismo Universo pueden

tomarse múltiples muestras
14

7
 MUESTRA

De un mismo Universo de N elementos

pueden tomarse las siguientes
muestras de tamaño T:

NT muestras con reemplazo

N!/(N-T)! muestras sin reemplazo

15

Ejemplo:
Cuántas muestras de tamaño T=4 pueden obtenerse de
un Universo de 100 elementos?

Con reemplazo = NT
=100 4 = 100.000.000 muestras

Sin reemplazo N!/(N-T)!

= 100!/(100-4)! = 3.921.225 muestras

Portus G. Lincoyan. Curso práctico de estadística. Mc Grae Hill.1990. p145

16

8
 ESTADISTICOS MUESTRALES
Mediciones obtenidas en la muestra.
Se representan con letras latinas en minúscula

o q

r
p

Los estadísticos no siempre se distribuyen

normalmente, pero sus medias sí lo hacen.
17

INFERENCIA ESTADISTICA
Generalización al conjunto total
(universo), de una medición obtenida en
uno de sus subconjuntos (muestra)


p 
18

9
 EXTRAPOLACION

Generalización de una observación más

allá de los límites del universo estudiado

A


A 

19

MUESTREO

Procedimiento lógico, y en ocasiones

matemático, dirigido a definir un subconjunto
denominado MUESTRA que arroje información
valiosa sobre el conjunto total denominado
UNIVERSO

Las muestras pueden ser:

REPRESENTATIVAS:

NO REPRESENTATIVAS
20

10
 Muestras representativas:

Reflejan las características esenciales del TODO

Permiten hacer juicios sobre el todo

Muestras no representativas

• Reflejan características de las partes, pero

no siempre compartidas por el TODO
• No permite hacer juicios sobre el Universo

21

Muestreo No probabilístico
o Muestro por Conveniencia

Los individuos no se eligen al azar sino con base

en criterios definidos convencionalmente por el
analista.

Se justifica cuando la muestra se considera típica

de un universo, pero no permite hacer
inferencias sobre él, ni probar hipótesis.

Presenta dos variaciones:

Por cuotas
En Bola de Nieve
22

11
Muestreo No Probabilístico Por Cuotas

Semejante al estratificado proporcional, con la

diferencia de que los sujetos no se eligen
aleatoriamente.

Muestreo No Probabilístico en Bola de Nieve

·Consiste en contactar un número de sujetos

aleatoriamente y a partir de ellos seleccionar
otros.

23

CALIDAD
DE LA INFERENCIA ESTADISTICA
Depende de tres factores

La representatividad de la muestra
frente al universo poblacional

El grado de confianza de la inferencia.

El grado de error (imprecisión) de la

inferencia

24

12
Error de Muestreo
• Si seleccionamos una muestra, es poco probable
que la media de la muestra sea idéntica a la media
de la población de donde fue obtenida.
• De la misma forma, es probable que la desviación
estándar de la muestra no sea exactamente igual al
valor correspondiente de la población.
• Por lo tanto podemos esperar alguna diferencia entre
un estadístico muestral y el correspondiente
parámetro poblacional. Esta diferencia es llamada
error de muestreo.

25

Error de Muestreo
Error de muestreo es la diferencia entre un
estadístico muestral y su correspondiente
parámetro poblacional.
• Ejemplo: Una población de 5 empleados de producción
que tienen ratings de eficiencia de 97, 103, 96, 99 y
105. Una muestra de 2 ratings (97 y 105) fue
seleccionada de esa población para estimar la media
poblacional. La media de esa muestra sería 101. Otra
muestra de 2 es seleccionada (103 y 96) con una
media de 99.5. La media de todos los ratings (la media
poblacional) es igual a 100.
• El error de muestreo para la primera muestra es 1 y
para la segunda es -.5.
26

13
 SESGO ESTADISTICO

Diferencia entre la media de una muestra

analizada (x) y la Media Poblacional ().

Una distribución es insesgada cuando  = x;

es decir, cuando el parámetro Media
Poblacional  es igual a la media de los
estimadores (Media Muestral x).

27

GRADO DE CONFIANZA DE LA INFERENCIA

Es la probabilidad de que el valor real del

parámetro poblacional se encuentre dentro de
los límites especificados por los valores del
estimador muestral.

Más que un cálculo suele ser un criterio

definido convencionalmente por el analista
expresado en unidades estandarizadas Z o en
porcentaje de valores muestrales.

Una probabilidad de 95% equivale a 1.96

unidades de Z y es la más utilizada.
28

14
 GRADO DE ERROR (IMPRECISION) DE LA
INFERENCIA

Debido a la aleatoriedad, los valores de un mismo

estadístico difieren de una muestra a otra.

Esta variabilidad introduce un error en la

estimación (error aleatorio).

Este error puede medirse, pues las medias de los

estimadores siempre se distribuyen “normalmente”
(Teorema del límite central) aunque los mismos
estimadores no lo hayan hecho.

29

ERROR ALEATORIO

Cuando se mide el estadístico en diferentes

muestras tomadas aleatoriamente los
resultados son variables. Esta variabilidad del
estadístico se denomina error aleatorio y es
causada por el azar.

s1 s2

s4
s3

30

15
 GRADO DE ERROR
(IMPRECISION) DE LA INFERENCIA

Para un mismo nivel de confianza puede medirse el

error aleatorio por encima y por debajo de la
estimación.

El error aleatorio configura límites de confianza dentro

de los cuales se presume estará el valor real del
parámetro para el nivel de confianza elegido por el
analista.

El intervalo de confianza de la inferencia será más

amplio (impreciso) mientras más altas sean la
confiabilidad exigida y la desviación estándar.

31

GRADO DE ERROR
(IMPRECISION) DE LA INFERENCIA

Mientras más grande sea la muestra, más

pequeño (preciso) será el intervalo.

Los límites de confianza superior e inferior, se

calculan con base en la siguiente fórmula que
depende de la desviación estándar del
estimador muestral (s), del valor de Z elegido
y del tamaño muestral (n):
(IC 95%) = x  1.96. s .
n

32

16
 MUESTREO PROBABILISTICO

No hay un mejor método para seleccionar una

muestra aleatoria de una población de interés. El
método utilizado dependerá de las características de
la población. Sin embargo, todos los métodos de
muestreo aleatorios tienen una meta similar, dar la
misma oportunidad a todos los elementos de la
población de ser incluidos en la muestra.

Para que la inferencia estadística sea válida

el muestreo debe ser aleatorio o
probabilístico. Aleatoriedad de la selección
33

¿Qué es una muestra probabilística?

En general, hay 2 tipos de muestras: la muestra
probabilística y la muestra no probabilística. ¿Qué es
una muestra de esta clase?
Muestra Probabilística
Muestra que se
selecciona de modo que
cada integrante de la
población en estudio
tengan una probabilidad
conocida (no igual a cero)
de ser incluido en la
muestra.
34

17
 TIPOS DE MUESTREO PROBABILISTICO

1. Muestreo aleatorio simple

2. Muestreo aleatorio Sistemático

3. Muestreo aleatorio Estratificado

4. Muestreo aleatorio por Conglomerados

5. Muestreo aleatorio Polietápico

35

MÉTODOS DE MUESTREO
PROBABILISTICO

36

18
Métodos de Muestreo Probabilístico

Muestra Aleatoria Simple. Es una muestra

seleccionada de tal forma que cada integrante

de una población que está siendo estudiada

tiene la misma probabilidad de ser incluida en

la muestra
37

Muestra Aleatoria

38

19
Muestreo Aleatorio Simple

• Una forma podría ser escribir en tarjetas los nombres

de los elementos de la población y ponerlos en una
caja, si la muestra fuera de 10 elementos, entonces
sacamos diez tarjetas.
• Otra forma es usar un número que identifique a cada
uno de los integrantes de la población y seleccionar la
muestra mediante una tabla de números aleatorios.
Para cada dígito de un número la probabilidad es la
misma. Entonces la probabilidad de que el elemento
22 sea seleccionado es igual a la del elemento 382.

39

Muestreo Aleatorio Simple

• Ejemplo: En una compañía con 750 trabajadores se
quiere obtener una muestra aleatoria de 15 elementos
para un chequeo médico. Los trabajadores fueron
numerados del 1 al 750 y mediante una tabla de
números aleatorios se procedió a seleccionarlos. El
punto de arranque en la tabla se fijó mediante la
hora en ese momento, 3:04, por lo tanto se inició en
la columna 3, renglón 4. Como los números de los
trabajadores van desde 1 hasta 750 solo se toman
en cuenta las primeras 3 cifras de cada número
que se encuentren en ese rango. En seguida se
muestra una parte de la tabla, con el primer y segundo
seleccionado:
40

20
 Muestreo Aleatorio Simple
Tabla de números aleatorios
18893 07211 23634 75296 86155 65832 27568 31727 90756 14268 65051 52438
69553 48743 06254 73002 34432 55737 88808 11755 42537 02294 68261 73891
74762 13168 32235 57554 35551 98909 65424 11892 20410 16332 82346 30389
86729 67167 24091 67155 17880 31659 02868 62563 53144 17494 79513 55413
43788 87547 16648 88536 77678 37739 95434 15078 80473 71844 02765 93879
83382 59617 20074 22002 35536 98298 63522 31818 84784 39280 64191 39429

• De tal forma fueron seleccionados que la muestra

quedó integrada por los trabajadores con los
números:
240 671 178 316 28
625 531 174 554 437
166 377 150 718 27
41

Muestreo Aleatorio Sistemático

Muestreo aleatorio sistemático. Los elementos
de la población están ordenados de alguna
forma (alfabéticamente, fecha, o algún otro
método). Un primer artículo es seleccionado en
forma aleatoria y entonces cada n miembros de la
población son tomados para la muestra.
• Suponga que la población de interés
consiste de 2000 expedientes de un
archivo. En este método se selecciona el
primer expediente de acuerdo al
método aleatorio simple, luego como se
quiere una muestra de 100, se divide
2000 / 100 = 20, y se selecciona un
expediente cada 20. 42

21
3. MUESTREO ESTRATIFICADO

Considera que al interior del universo

existen estratos (subgrupos
internamente homogéneos pero
cualitativa y cuantitativamente
diferentes entre sí), y que no se cumple
la condición de selección aleatoria pues los
miembros del grupo mayoritario tienen
una mayor probabilidad de ser
seleccionados en la muestra.

43

ESTRATOS
Homogéneos en su interior;
diferentes entre sí en propiedades y
tamaño Comuna B

Comuna A

Comuna C

Comuna D
Los estratos más grandes
Tienen mayor probabilidad de ser representados
44

22
 Cómo garantizar la aleatoriedad
en universos estratificados... ?

Puede usarse alguna de las siguientes

técnicas:

1. Muestreo Estratificado
Proporcional
2. Muestreo Estratificado No
Proporcional
3. Alocación óptima de los
estratos.

45

Muestreo Aleatorio Estratificado

Muestro aleatorio estratificado. Una población es
primero dividida en subgrupos (estratos) y una
muestra es seleccionada aleatoriamente de cada
estrato.
• Puede haber dos tipos de muestreo
estratificado, proporcional y no
proporcional.
• Como su nombre lo indica, en un
muestreo aleatorio estratificado
proporcional, el número de
elementos de la muestra de cada
estrato tiene la misma proporción de
lo encontrado en la población.

46

23
 Muestreo Estratificado Proporcional

Establece la distribución proporcional del

universo y aplica esta distribución a su
tamaño muestral para conformar estratos
en la muestra.

Luego elige aleatoriamente los

elementos al interior de cada estrato
muestral hasta ajustar su tamaño.

Es mejor que el Muestreo Aleatorio

Simple pues disminuye el error estándar
de la medición muestral.

47

Muestreo Aleatorio Estratificado

• Ejemplo: Se quiere obtener una muestra de 50
compañías para hacer un estudio sobre los gastos en
publicidad de las 352 compañías más grandes del país. Se
dividió a las compañías en 5 estratos de acuerdo a su
rentabilidad.
Número de
Estrato Rentabilidad Porcentaje Muestra
firmas
A 30% o más 8 2.2727 1
B 20 – 30% 35 9.9432 5
C 10 – 20% 189 53.693 27
D 0 – 10% 115 32.67 16
E Con pérdida 5 1.420 1
Total 352 100 50

48

24
 Muestreo Estratificado NO Proporcional
(Fracción variable de muestreo):

Ajusta convencionalmente los

tamaños de los estratos muestrales
para aumentar la eficiencia de la
selección de los grupos más
pequeños.

Esta condición se deberá tener en

cuenta al hacer inferencias (corregir
las inferencias).

49

Muestreo Aleatorio Estratificado

• En un muestreo estratificado no proporcional, el
número de elementos estudiado en cada estrato es
desproporcionado con respecto a su número en la
población. Por ejemplo, si un muestreo no
proporcional fuese utilizado en el caso anterior, se
deberán pesar los resultados de cada estrato
multiplicándose por .02 en el estrato 1, por .10 en el
estrato 2, por .54 en el tres, etc.
• El muestro estratificado tiene la ventaja de reflejar con
más exactitud las características de la población.

50

25
 MUESTREO
POR ALOCACIÓN OPTIMA DE LOS ESTRATOS

Selecciona el tamaño de los estratos

en función de la desviación estándar
de cada uno de ellos, de tal manera
que los estratos más heterogéneos
(mayores varianzas) aporten más
casos a la muestra total.

51

CONGLOMERADOS
Grupo 1A

Grupo 5C

Grupo 2A

Grupo 3B
Heterogéneos en su interior; diferentes entre sí
en propiedades y tamaño
52

26
Muestreo por Conglomerados
• Este método de muestro es empleado para reducir el
costo de muestrear una población cuando está dispersa
sobre una gran área geográfica. El muestreo por bloque
consiste en dividir el área geográfica en sectores,
seleccionar una muestra aleatoria de esos sectores, y
finalmente obtener una muestra aleatoria de cada uno de
los sectores seleccionados.

53

DECISIONES DE M U E S T R E O
No. 1: ¿Debo tomar una muestra ?

Se quiere saber cómo se

comporta una cierta
característica en un
Las obsrvaciones
Universo particular
pueden
Hacer atribuírse a los
un Censo miembros del
Sí Universo

El Universo Sí Es posible
está bien observar todo el NO
definido Universo ? Las obsrvaciones
? Tomar solo pueden
una Muestra atribuírse a la
NO No representativa muestra, NO a
NO
los miembros del
Se quiere Universo
Definir Observar inferir la medición
El una Muestra al Universo
Universo ?

Las obsrvaciones
Sí Tomar pueden
una Muestra
Representativa
atribuírse a los
miembros del
Universo
54

27
 MUESTREO
ALEATORIO POR CONGLOMERADOS

Los miembros del grupo mayoritario tienen una

mayor probabilidad de ser seleccionados en la
muestra
No se cumple la aleatoridad

En Las Unidades de observación se eligen aleatoriamente al

interior de los conglomerados
El error de la medición (error muestral) no se de al
interior del conglomerado sino entre los conglomerados

Antes de hacer inferencias, el analista deberá examinar

la variabilidad interna de cada conglomerado y la
variabilidad entre ellos, pues es posible que algunos de
los conglomerados no sean representativos del
universo.
55

Muestreo
Aleatorio por Conglomerados
Requisitos Del Procedimiento :

Los conglomerados deben estar muy bien

definidos de modo que cada elemento
pertenezca a uno y solo a un conglomerado.

El tamaño de cada conglomerado debe ser bien

conocido (por lo menos bien estimado)

El número de conglomerados debe ser

pequeño.

56

28
 Muestreo Aleatorio Multi Etápico
(Poli Etápico)

Selecciona los individuos por etapas,

configurando sucesivamente grupos
(estratos o conglomerados) y subgrupos
denominados Unidades de Muestreo
primarias, secundarias, terciarias...etc..

57

DECISIONES DE MUESTREO
Opciones

No hay Error
Hacer Observar todos y
cada uno de los
Aleatorio Las obsrvaciones
pueden
un Censo elementos del Puede haber atribuírse a los
universo Error miembros del
Sistemático Universo

Tomar una Siempre hay Error Las obsrvaciones

Observar sujetos Aleatorio solo pueden
Muestra No elegidos por atribuírse a la
conveniencia Siempre hay Error muestra, NO a
Representativa Sistemático los miembros del
Universo

Tomar una Siempre hay Las obsrvaciones

Observar sujetos Error Aleatorio pueden
Muestra elegidos por atribuírse a los
Representativa conveniencia Puede haber miembros del
Error Universo
Sistemático

58

29
 Decisiones de M u e s t r e o
No. 2: Selección de una Muestra No Representativa

Se quiere medir La observación de este

una variable en UNIVERSO ARTIFICIAL
una Muestra No solo es PREDICABLE a
Representativa sus integrantes

Sí El procedimiento Lsos sujetos que cumplan

Se quiere
los criterios de inlcusion
inferir la medición está contraindicado.
son rpresentativos de un
al Universo Revise su UNIVERSO ARTIFICIAL
? planteamiento

N
O

Precise los Exprese estos atributos Defina por

atributos como CRITERIOS DE CONVENIENCIA
esenciales que INCLUSION en la los criterios de
CARACTERIZAN muestra SELECCIÓN
al subgrupo

La utilidad de las Muestras No Representativas depende de su

representatividad cualitativa y no de su tamaño
59

DECISIONES DE M U E S T R E O

No. 3: Selección de una Muestra Representativa

Se quiere estimar un
Parámetro del Universo
partiendo de una Muestra
Representativa

Variable Variable
Cualitativa De qué naturaleza
es el Parámetro a Continua
estimar?

Muestreo Muestreo
Representativo Representativo
para estimar una para estimar una
Proporción Media

60

30
 Definición del Tamaño Muestral
La definición del tamaño muestral depende de los
siguientes factores

1 . Los objetivos del estudio

2 . Los conocimientos previos sobre el comportamiento de

la característica en la población.

3 . Los recursos técnicos y financieros para obtener la

información
4 . El error máximo que se permitirá el analista

5 . La confiabilidad de la inferencia esperada por el analista

61

DECISIONES DE M U E S T R E O
No. 4: Definicion Del Tamaño Muestral Definición de
tamaño muestral
para una
La Variable de Proporción
muestreo es conocida
CUALITATIVA Definición de
tamaño muestral
para una
Intención de Proporción
describir la variable desconocida
(Estudios
descriptivos) Definición de
tamaño muestral
para una varianza
conocida
Se ha decidido La Variable de
tomar una muestreo es
CONTINUA Definición de
muestra tamaño muestral
representativa para una Varianza
del Universo desconocida

Definición de
Estudio de tamaño muestral
Seguimiento para un RR y un
Intención de
relacionar la poder definidos
variable con otras
(Estudios Definición de
analíticos) Estudio de Casos tamaño muestral
para una OR y un
poder definidos
62

31
No. 5: Definición del tamaño muestral n para una Variable
Cualitativa cuyo comportamiento se conoce (P se conoce)
Se quiere medir una
variable CUALITATIVA
(proporción p) en una
Muestra Representativa
Definir el máximo
Definir la error aleatorio
confiabilidad de la adminisble (Error
medición (nivel alfa) Estándar ES)

pq
n = Z2
ES2

63

No. 6: Definición del tamaño muestral n para una Variable

Cualitativa cuyo comportamiento se DESconoce (P
desconocida) Se quiere medir una variable
CUALITATIVA (proporción p)
en
una Muestra Representativa

Definir la confiabilidad Definir el máximo error

de la medición (nivel aleatorio adminisble
alfa) (Error Muestral EM)

n = Z2 PQ
EM2

Se asumen los valores máximos de P y Q: P=0.5 Q=0.5

64

32
 No. 7: Definición del tamaño muestral n para una
Variable CONTINUA cuya variación se conoce

Se quiere medir una variable

CONTINUA (MEDIA X) en
una Muestra Representativa

Definir la Definir Definir

la Confiabilidad Z La Desviación Estándar el Error Estándar (ES)
Esperada (S) Conocida Esperado

s2
n = Z2
ES2

65

No. 8: Definición del tamaño muestral n para una

Variable CONTINUA cuya variación se DESconoce
Se quiere medir una variable
CONTINUA (MEDIA X) en
una Muestra Representativa

Definir la Estimar o suponer Definir

la Confiabilidad Z La Desviación Estándar el Error Estándar (ES)
Esperada (S) Esperada Esperado

s2
n = Z2
ES2

66

33
 No. 8: Definición del tamaño muestral n para un estudio
de SEGUIMIENTO
Se quiere medir un RR en
una Muestra Representativa

Definir la Definir el Poder

la Confiabilidad Z Definir el RR mínimo (Mínimo error Beta)
Esperada esperado Esperado

Los valores están

tabulados

67

No. 9: Definición del tamaño muestral n para un estudio

de CASOS Y CONTROLES
Se quiere medir una OR
en una Muestra
Representativa

Definir la Definir el Poder

Definir la OR (Mínimo error Beta)
la Confiabilidad Z
Esperada Esperado
Esperada

Los valores están

tabulados

68

34
ESTIMACIONES PUNTUALES Y
DE INTERVALO

69

Estimación Puntual

• Cuando no se conoce alguna característica de la

población, como podría ser la media, el estadístico
correspondiente de la muestra, en este caso la media de
la muestra, puede ser utilizado como estimador del
parámetro poblacional. Esta técnica estadística se llama
estimación puntual.

Estimación puntual es cuando un estadístico

de la muestra es usado para estimar un
parámetro poblacional.

70

35
Ejemplo 01:
Se realizará un estudio sobre la potencia de arranque en frío
de baterías o acumuladores de 12 voltios para estimar el
numero de veces que un motor con desplazamiento de 440
plg3 arrancara antes de que falle la batería.
26 27 26 20 21 42 30 22
• Una muestra de 40 dispositivos
22 21 26 9 21 22 28 26
seleccionados al azar dio los
siguientes números de arranque: 19 16 20 32 18 23 32 28

21 41 19 31 21 22 16 23
Solución: 30 21 37 28 39 30 21 23

x = ΣX = 1000 = 25 arreglos
n 40 71

Ejemplo 01: (sigue)

• La variancia muestral s2 y la desviación estándar
muestral ,s se utilizan para estimar la variancia
poblacional σ2 y la desviación estándar poblacional ,
σ. Se realizará un estudio sobre la potencia de arranque
en frío de baterías o acumuladores de 12 voltios para
estimar el numero de veces que un motor con
desplazamiento de 440 plg3 arrancara antes de que falle
la batería. Una muestra de 40 dispositivos seleccionados
al azar dio los siguientes números de arranque:

s2 = Σ(xi – x)
2
Variancia de la
muestra: n-1
72

36
Variancia de la muestra: s= Σ(xi – x )2
n-1
En donde X representa el valor de una elemento
seleccionado para la muestra, X es la media de la
muestra , y n es el numero en la muestra.

De igual manera, la proporción de la población que está a favor de

medidas mas estrictas para la protección ambiental puede
estimarse utilizando una proporción muestral. Si p es la
proporción poblacional desconocida y p es la proporción muestral,
la estimación puntual para la proporción de la población es:

73

Número de éxitos de la muestran

p= Número muestrado

p = nX
Ejemplo: De 2000 personas muestreadas, 1600 están a favor de
medidas mas estrictas de protección ambiental. ¿Cuál es la
proporción poblacional estimada?
Solucion:

Número de éxitos de la muestran

p= Número muestrado
1600 El 80% de la población
p= = 0.80 esta a favor de medidas
2000 mas 74

37
• Ejemplo: Los siguientes datos corresponden a una
muestra aleatoria de los pesos, en kilogramos, del
equipaje personal que lleva en un vuelo un jugador de un
equipo de baloncesto:
15.4 17.7 18.6 12.7 15.0 15.9 16.3 18.1 16.8 14.1 13.6 16.3

Hacer una estimación puntual de la media poblacional del

peso promedio del equipaje de un basquetbolista.
Solución: La media de la muestra de los pesos del
equipaje de un basquetbolista en un vuelo es:

La estimación puntual consiste en considerar que la media

poblacional es el valor que se obtuvo como media de la
muestra. µ = 15.87 75

Muchas Gracias Estoy listo

para la prueba

76

38