UNIVERSIDAD DE EL SALVADOR

FACULTAD DE CIENCIAS ECONÓMICAS

DEPARTAMENTO DE MATEMÁTICA Y ESTADÍSTICA

Asignatura:
Estadística II

Unidad II:
Estimación parámetros

Objetivo General de la Asignatura:

El propósito de este curso es que los participantes desarrollen capacidades de investigación y análisis de problemas
en el ámbito socioeconómico, a través del manejo adecuado de herramientas y técnicas estadísticas asociando el uso
de Tecnologías de la Información y la Comunicación.

Objetivos específicos de la unidad II:

a) Describir la media y la proporción de una población usando estimaciones puntuales y de intervalo.

b) Construir e interpretar estimaciones de intervalo para una media poblacional y una proporción
poblacional.
c) Determinar el efecto del tamaño de la muestra sobre la estimación del intervalo.

d) Calcular tamaños de muestras.

e) Calcular el error tolerable máximo para un tamaño de muestra específico.

Noé Cortez
 Índice

2.1 Definición y Propiedades de los Estimadores...........................................................................3

2.1.1 Definición........................................................................................................................3

2.1.2 Propiedades de los estimadores.......................................................................................3

2.2 Estimaciones Puntuales y de Intervalo para Media Poblacional...............................................4

2.2.1 Estimación puntual para una media poblacional.............................................................4

2.1.2 Estimación por intervalo para la media poblacional. (Muestra grande n≥30).................4

2.3 Estimaciones Puntuales y de Intervalo para las Proporciones...................................................8

2.3.1 Estimación puntual para una proporción poblacional.....................................................8

2.3.2 Estimación por intervalo para una proporción poblacional.............................................8

2.4 Estimación para la media poblacional, µ, en Muestras Pequeñas (Distribución t-student).....12

2.5 Estimación del tamaño de muestra..........................................................................................14

Anexos...........................................................................................................................................18

Anexo 1: Tabla de probabilidad normal........................................................................................18

Anexo 1: Tabla de probabilidad t-student.....................................................................................19

Lista de referencias........................................................................................................................20

Guía de ejercicios..........................................................................................................................21
2.1 Definición y Propiedades de los Estimadores
La necesidad de estimar parámetros, surge debido a la frecuente imposibilidad de contar con un censo y por tanto disponer
en forma directa sobre el resultado censal (parámetros). Por tal razón, los resultados de una muestra (estadísticos), se
utilizan para calcular estimaciones.

2.1.1 Definición
Una estimación es el proceso de haber ejecutado una inferencia estadística, es decir, haber definido como parámetros, los
resultados de la muestra. Por ejemplo; si desea conocer los ingresos monetarios promedio de la población de un municipio,
se deberá tomar una muestra probabilística de entre la población del municipio y luego se establecerá el promedio de la
muestra ( x́ ), como una estimación del promedio de toda la población (μ).

En el caso de las proporciones; si el experto en mercados necesita estimar el porcentaje de preferencias de una marca de
electrodoméstico; deberá indagar una muestra probabilística entre la población de interés y el resultado muestral (p), se usa
para estimar la proporción de preferencias en toda la población (P) .

2.1.2 Propiedades de los estimadores

Los estimadores son los mismos estadísticos, es decir las medidas resúmenes del estudio muestral, para el caso de esta
asignatura, hay dos tipos de estimadores de interés:

la media aritmética ( x́ ), como un estimador la media poblacional (μ)

La proporción (p), como estimador de la proporción poblacional (P)

Los estimadores poseen propiedades estadístico-matemáticas que hacen posible tener confianza en la inferencia

a. Propiedad de Insegadez

Si el valor esperado del estadístico muestral es igual al parámetro poblacional que se estima, se dice que el estadístico
muestral es un estimador insesgado del parámetro poblacional.i

En este caso, el valor esperado o esperanza matemática del estimador coincide con el parámetro

En medias muestrales: En proporciones muestrales:

E( x́ ) = μ E(p) = P

b. Propiedad de Eficiencia

Suponga que se usa una muestra aleatoria simple de n elementos para obtener dos estimadores puntuales insesgados de un
mismo parámetro poblacional. En estas circunstancias, se preferirá usar el estimador puntual con el menor error estándar, ya
que tenderá a dar estimaciones más cercanas al parámetro poblacional. Se dice que el estimador puntual con menor error
estándar tiene mayor eficiencia relativa que los otros. ii

Un estimador como la x́ o p, es eficiente cuando la desviación estándar es mínima en relación a otros estimadores del
mismo tipo que provengan de las muestras posibles.

c. Propiedad de consistencia

La tercera propiedad relacionada con un buen estimador puntual es la consistencia. Dicho de manera sencilla, un estimador
puntual es consistente si su valor tiende a estar más cerca del parámetro poblacional a medida que el tamaño de la muestra
aumenta. En otras palabras, una muestra grande tiende a proporcionar mejor estimación puntual que una pequeña. iii
3
Esta propiedad, se demuestra cuando a medida el tamaño de muestra va en aumento el sesgo del error particular del
estimador tiende a desaparecer. En general si el tamaño de muestra (n) fuera tan grande como el tamaño de la población (N)
el estimador sería el mismo parámetro con diferencia cero.

Imagen 2.1: Propiedad de consistencia

Fuente: Elaboración propia

2.2 Estimaciones Puntuales y de Intervalo para Media Poblacional

2.2.1 Estimación puntual para una media poblacional.

x́ .
El estimador puntual de la media poblacional, μ, es la media de la muestra,

Ejemplo 2.1

Se quiere estimar las ventas diarias de una empresa comercial, para ello se toma una muestra de 30 días. La suma de las
ventas en los 30 días resultó $115,000. ¿Cuánto es la estimación para las ventas diarias promedio diarias?

Desarrollo:

Σx $ 115000
x́= = =$ 3833.33 cada d í a
n 30
Por tanto, la estimación puntual para la media poblacional es de μ = $3833.33 cada día

4
2.2.2 Estimación por intervalo para la media poblacional.
(Muestra grande n≥30)
En ocasiones será necesario contar con una estimación por intervalo para una media poblacional, en lugar de una estimación
puntual.

¿Qué tan confiables son las estimaciones por intervalo?

Las estimaciones por intervalo se generan con un nivel de confianza específico, normalmente se usa el 90%, 95% o 99%.

Imagen 2.2: Interpretación gráfica de los intervalos de confianza

Fuente: Elaboración propia

Si suponemos previamente que el parámetro es conocido, por ejemplo μ = 90, en el diagrama anterior, se observa que para
cada muestra extraída de la población se genera una estimación por intervalo que podría incluir al parámetro o no incluirlo.

De acuerdo al nivel de confianza:

Si 1-α = 0.90; según la teoría; 90 de cada 100 estimaciones por intervalos incluirán al parámetro y 10 quedan fuera.
Si 1-α = 0.95; según la teoría; 95 de cada 100 estimaciones por intervalos incluirán al parámetro y 5 quedan fuera.
Si 1-α = 0.99; según la teoría; 99 de cada 100 estimaciones por intervalos incluirán al parámetro y 1 quedan fuera.

Por tanto, la teoría estadístico-matemática garantiza el uso confiable de tales estimaciones, para la toma de decisiones.

Intervalo de confianza para la media poblacional:

5
I c ¿ σ x́ < μ < x́ +Z α ∗¿ σ x́ ) = 1- α
2
Donde:
x́ : Media muestral
1- α : Nivel de confianza
Z α : Valor del estadístico Z-normal
2
σ : Desviación estándar de los datos poblacionales
n : tamaño de la muestra
σ x́ : Error estándar o desviación estándar de la distribución de x́

Para obtener el error estándar, se podría utilizar una de las siguientes fórmulas, según el tipo de información disponible:

σ
σ x́ = ; Se desconoce N, o la fracción de muestreo es inferior al 5%
√n
σ
σ x́ = .
√
(N −n)
√ n ( N−1)
; La fracción de muestreo es mayor al 5%

S ( x)
σ x́ = ; Desviación estándar poblacional desconocida. En este caso podríamos usar la desviación estándar de la
√n
muestra (S(x)).

Imagen 2.3: Valores de Z, para diferentes niveles de confianza

6
 Otros valores de Z, según niveles de confianza:

Nivel de confianza
Valor de Zα Nivel de confianza
Valor de Zα
2 2
1 – α = 0.90 Z α =1.645 1 – α = 0.95 Z α =1.960
2 2
1 – α = 0.91 Z α =1.700 1 – α = 0.96 Z α =2.050
2 2
1 – α = 0.92 Z α =1.750 1 – α = 0.97 Z α =2.170
2 2
1 – α = 0.93 Z α =1.810 1 – α = 0.98 Z α =2.330
2 2
1 – α = 0.94 Z α =1.880 1 – α = 0.99 Z α =2.575
2 2

Fuente: Elaboración propia

Ejemplo 2.2

Un estudio de mercadeo necesita establecer una estimación de los ingresos familiares en la población del municipio de
Nuevo Cuscatlán, a fin de impulsar una nueva marca de bolsos escolares. La muestra incluyó a 250 familias, luego de
resumir los datos se tiene una media aritmética de $850. En estudios anteriores, se ha observado una desviación estándar de
$45. Establezca una estimación por intervalo con una confianza del 90%.

Desarrollo:

VA x́ : Ingresos familiares promedio

Datos: Desviación estándar de x́ :

n = 250 familias σ $ 45
x́ = $850 σ x́ = = =$ 2.8460
Desviación estándar poblacional:
√ n √250
σ = $45 Nivel de confianza: 1- α = 0.90
En tabla Z-normal:
Z α = 1.645
2

Fórmula:

I c ¿ σ x́ < μ < x́ +Z α ∗¿ σ x́ ) = 1- α
2

Sustituyendo:

I c ¿< μ < $ 850+1.645∗$ 2.8460 ) = 0.90

I c ¿< μ < $ 850+ 4.6817) = 0.90

I c ¿< μ < $ 854.68) = 0.90

Interpretación:

7
 Con una confianza del 90%, el promedio de ingresos familiares en la población completa del municipio de
Nuevo Cuscatlán está en el intervalo de $845.32 a $854.68.

Ejemplo 2.3

El gerente de control de calidad de una fábrica de focos necesita estimar por intervalo de confianza del 95%, la vida
promedio de focos en un gran embarque. Se sabe que la desviación estándar del proceso es de 100 horas. Una muestra
aleatoria de 50 focos mostró una vida promedio de 350 horas.
Tendría distribución normal las medias muestrales de la vida de los focos? Si__ No____ Por qué?___

Desarrollo:

VA x́ : Horas promedio de duración

Datos: Desviación estándar de x́ :

σ 100
n = 50 focos σ x́ = = =14.1421
x́ = 350 horas √ n √ 50
Desviación estándar poblacional: Nivel de confianza: 1- α = 0.95
σ = 100 horas
En tabla Z-normal: Z α = 1.96
2

Fórmula:

I c ¿ σ x́ < μ < x́ +Z α ∗¿ σ x́ ) = 1- α
2

Sustituyendo:

I c ¿< μ < 350+1.96∗14.1421) = 0.95

I c ¿< μ < 350+27.7185 ) = 0.95

I c ¿< μ < 377.7185 horas) = 0.95

Interpretación:

Con una confianza del 95%, el promedio de vida útil de todos los bombillos fabricados está entre 322.3 horas
hasta 377.7 horas.

¿Tendría distribución normal las medias muestrales de la vida de los focos?

R/ Basados en el Teorema del Límite Central, las muestras superiores a 30 generan distribuciones de medias
muestrales con comportamiento simétrico o normal.

8
2.3 Estimaciones Puntuales y de Intervalo para las Proporciones

2.3.1 Estimación puntual para una proporción poblacional.

p.
El estimador puntual de la proporción poblacional, P, es la proporción de la muestra

Ejemplo 2.3

Se desea estimar en la población de votantes de un país, el porcentaje (proporción) de votos que favorecen al Partido
Renovador (PR). Para ello se elabora una muestra a escala nacional de 1,250 personas en edad de votar. En la encuesta se
consulta la intención de voto para el referido partido. Los resultados indican que 80, personas estarían dipuestos(as) a votar
por el PR. Elabore una estimación puntual del porcentaje de votos que tendría el PR a escala nacional

Desarrollo:

x 80
p= = =0.064 ; el 6.4 % de la poblaci ó n favorece al PR
n 1250
Por tanto la estimación puntual para la proporción poblacional es de 6.4% de votos favorables para el PR

2.3.2 Estimación por intervalo para una proporción poblacional.

En ocasiones será necesario contar con una estimación por intervalo para una proporción poblacional, en lugar de una
estimación puntual.

.¿Qué tan confiables son las estimaciones por intervalo para la proporción poblacional?

Las estimaciones por intervalo se generan con un nivel de confianza específico, normalmente se usa el 90%, 95% o 99%.
Imagen 2.4: Interpretación gráfica de los intervalos de confianza

9
Fuente: Elaboración propia
Si suponemos previamente que el parámetro es conocido, por ejemplo P = 0.70, en el diagrama anterior, se observa que para
cada muestra extraída de la población se genera una estimación por intervalo que podría incluir al parámetro o no incluirlo.

De acuerdo al nivel de confianza:

Si 1-α = 0.90; según la teoría; 90 de cada 100 estimaciones por intervalos incluirán al parámetro y 10 quedan fuera.
Si 1-α = 0.95; según la teoría; 95 de cada 100 estimaciones por intervalos incluirán al parámetro y 5 quedan fuera.
Si 1-α = 0.99; según la teoría; 99 de cada 100 estimaciones por intervalos incluirán al parámetro y 1 quedan fuera.

Por tanto, la teoría estadístico-matemática garantiza el uso confiable de tales estimaciones, para la toma de decisiones.

Intervalo de confianza:

I c p−Z α ∗σ p < P< p+Z α ∗σ p =1−α

( 2 2
)
O en forma extensa, si N es desconocido o la fracción de muestreo es inferior al 5%.

pq pq
(
I c p−Z α ∗
2 √ n
< P< p+ Z α ∗
2 √ )
n
=1−α

Si la fracción de muestreo es superior al 5%

p q ( N −n ) p q ( N −n)
(
I c p−Z α ∗
2 √ √ n
.
( N−1 )
< P< p+ Z α ∗
2
n√ √
.
( N −1)
=1−α
)
10
 Donde: 1- α : Nivel de confianza
Z α : Valor del estadístico Z-normal
p: proporción de éxito en la muestra 2
q: proporción de fracaso en la muestra n : Tamaño de la muestra
P :proporción de éxito en la población N: Tamaño de la población
Q : proporción de fracaso en la población σ p :Error estándar de la distribución de proporciones

Para obtener el error estándar de la proporción, se podría utilizar una de las siguientes fórmulas, según el tipo
de información disponible:

PQ
σ p=
√ n
; Se desconoce N, o la fracción de muestreo es inferior al 5%, además el valor de P, es

conocido. En este caso, es obvio que no procede una estimación para P, por ser conocido.

PQ (N −n) ;La fracción de muestreo es mayor al 5% y P, es conocido. Nuevamente no procede

σ p=
√ √ n
.
(N−1)
una estimación para P, por ser conocido.

El error estándar para hacer estimaciones por intervalo, utilizan la “p” y “q” muestrales
pq
σ p=
√ n
; Se desconoce N y P, por lo que se utilizan los estadísticos de la muestra “p” y “q”, para estimar

el error estándar.

p q ( N −n) ; La fracción de muestreo es mayor al 5% y P, es desconocido.

σ p=
√ √ n
.
( N −1)

Ejemplo 2.4

Un estudio de muestreo sobre consumo de agua purificada envasada en la región metropolitana, reportó que 148 personas
consumen agua purificada envasada de una muestra de 185 personas. Elabore una estimación con intervalo de confianza del
95% para estimar el porcentaje de la población de la región metropolitana que consume agua purificada envasada?

Desarrollo:

VA p : Porcentaje de personas que consumen agua

purificada envasada.

Datos: Desviación estándar de la proporción:

pq ( 0.80 )∗(0.20)
n = 185 persona
x = 148 consumen agua purificada envasada
σ p=
√ √
n
=
185
=0.0294

x 148 Nivel de confianza: 1- α = 0.95

p= = =0.80
n 185 Z α = 1.96
En tabla Z-normal:
2

11
 Intervalo de confianza:

I c p−Z α ∗σ p < P< p+Z α ∗σ p =1−α

( 2 2
)
Sustituyendo:

I c ( 0.80−1.96∗0.0294< P<0.80+1.96∗0.0294 )=0.95

I c ( 0.80−0.0576< P<0.80+ 0.0576 )=0.95

I c ( 0.7424< P< 0.8576 )=0.95

Interpretación:

Con una confianza del 95%, el porcentaje de la población de la región metropolitana que consume agua
purificada envasada está entre el 74.24% a 85.75%.

Ejemplo 2.5

Una compañía de autobuses urbanos está interesada en establecer una ruta de autobús, desde el municipio de Mejicanos
hasta Santa Tecla. Se seleccionó una muestra aleatoria de 50 ciudadanos de ambos lugares y 18 manifestaron que utilizarán
la nueva ruta. Establezca un intervalo de confianza del 99% para la proporción poblacional de potenciales usuarios de la
nueva ruta de autobuses?

Desarrollo:

VA p : Porcentaje de personas que usarían la nueva

ruta de autobuses Desviación estándar de la proporción:
pq ( 0.36 )∗(0.64 )
Datos:

n = 50 personas
σ p=
√ √
n
=
50
=0.0679

1- α = 0.99
x = 18 dispuestos a usar la nueva ruta
En tabla Z-normal:
x 18 Z α = 2.575
p= = =0.36
n 50 2

Intervalo de confianza:

I c p−Z α ∗σ p < P< p+Z α ∗σ p =1−α

( 2 2
)
Sustituyendo:

12
 I c ( 0.36−2.575∗0.0679< P<0.36+2.575∗0.0679 )=0.99

I c ( 0.36−0.1748< P<0.36+ 0.1748 )=0.99

I c ( 0.1852< P<0.5348 ) =0.99

Interpretación:

Con una confianza del 99%, el porcentaje de la población dispuestos a usar la nueva ruta está entre 18.52% a
53.48%.

2.4 Estimación para la media poblacional, µ, en Muestras Pequeñas

(Distribución t-student)

En los casos que se construyan estimaciones para la media poblacional en muestras pequeñas y con la desviación estándar
poblacional desconocida, haremos uso del estadístico t-student, en lugar del estadístico Z-normal.
La distribución t-student, fue descubierta por William Sealy Gossett en 1908, de origen británico. Los aportes en el ámbito
estadístico los marcó en forma anónima como test de estudiante.

Imagen 2.5: Comparación entre la distribución Z-normal y t-student.

Fuente: Imagen tomada de https://www.planillaexcel.com

En la gráfica se observa que ambas distribuciones tienen el mismo valor esperado, cero, sin embargo la distribución t es de
mayor varianza que la distribución Z, esto implica que en las colas tiene una mayor región. En el caso que el tamaño de
muestra tienda al infinito, el valor de la varianza se aproxima a uno y en ese caso la distribución t y la distribución z se
igualan.

El estadístico t toma valores diferentes de muestra a muestra. Si la muestras son pequeñas, los valores de la desviación
estándar pueden fluctuar considerablemente de una a otra y la distribución de la variable aleatoria t puede desviarse
apreciablemente de la distribución normal.iv

13
Las estimaciones por intervalos para la media poblacional con muestras pequeñas y las estimaciones de para la media
poblacional con muestras grandes se diferencian en términos prácticos por el tipo de estadístico que se usa, es decir “t”, en
lugar de “Z”.

Intervalo de confianza para la media poblacional con muestra pequeña:

t α ∗S ( x ) t α ∗S ( x )
(
I c x́− 2

√n
< μ< x́ + 2

√n ) =1−α Donde:

x́ : Media muestral
1- α : Nivel de confianza
t α : Valor del estadístico t-student
2
α
Este valor se busca en la tabla de distribución t, con y con grados de libertad n-1.
2
Por ejemplo si la muestra es de 15 y la confianza del 95%, el valor en tablas corresponde a buscar en la intersección de
α 0.05
= =0.025 y gl=n-1= 15-1=14: Es decir se busca con 0.05 y 14 en tabla. El valor corresponde a 2.145. Es decir,
2 2
t α =2.145
2

S(x): Desviación estándar de los datos muestrales

La fórmula para desviación estándar de la muestra es

(x−x́)2
S( x )= √ ; donde x, son los datos de la muestra y n es el tamaño de la muestra
n−1

Ejemplo 2.6

Un estudio recolecta datos sobre el número de horas semanales en que trabajan las personas de una ciudad. Las horas
semanales que reporta una muestra de 10 personas son las siguientes: 39, 42, 25, 51, 50, 55, 45, 53, 30, 60. Elabore una
estimación por intervalo de confianza del 90%, para el promedio de horas semanales trabajadas por la población.

Desarrollo:

VA X́ : promediode h oras semanalesde trabajo

Σx 39+ 42+25+51+50+55+ 45+53+30+60

x́= = =45 horas semanales
n 10

(39−45)2 +(42−45)2+(25−45)2 +(51−45)2+(50−45)2 +(55−45)2 +( 45−45)2+(53−45)2+(30−45)2+(60−

S ( x )=
√ 10−1

14
 1120
S ( x )=
√ 9
=11.1555
Luego de haber calculado las medidas resumen descriptivas, sustituimos en la fórmula;
Intervalo de confianza para la media poblacional con muestra pequeña:

t α ∗S ( x ) t α ∗S ( x )
(
I c x́− 2

√n
< μ< x́ + 2

√n ) =1−α

α
El valor de t, en tabla, se busca con =0.05 y con gl=n-1=10-1=9. El valor es 1.8331
2
Sustituyendo:
1.8331∗11.1555 1.8331∗11.1555
(
I c 45−
√ 10
< μ<45+
√ 10
=0.90 )
I c ( 45−6.4666< μ< 45+6.4666 )=0.90

I c ( 38.5< μ<51.5 )=0.90

Interpretación:
Con una confianza del 90%, el verdadero promedio de horas trabajadas por la población está entre 38.5 horas hasta 51.5
horas semanales.

2.5 Estimación del tamaño de muestra

Determinar el tamaño de una muestra representa una parte esencial en el diseño muestral. Para ello, es necesario relacionar
de manera directa las variables de la investigación y basándose en una de ellas (la más general o la más importante) se
identifican parámetros que se sustituirán en la fórmula apropiada de tamaño de muestra.

Las ventajas de hacer un muestreo en relación a un censo son obvias, para el caso de las encuestas de opinión efectuadas
para las elecciones presidenciales de un país con una población de 109 millones de habitantes, un censo evidentemente es
inviable. O, en el caso de las pruebas de duración de un producto industrial que normalmente son destructivas para verificar
su calidad.

El muestreo debe garantizar la representatividad, ya que en lugar de investigar el total de la población, se investiga tan sólo
una parte de ella, proporcionando con esto la información en forma más oportuna, eficiente y exacta, eliminando con ello
recurrir a encuestar a toda la población.

Los factores que determinan el tamaño de muestra son:

1. El error estándar (σ x́ , σ p ). Este indicador normalmente no está disponible, ya que debe ser resultado del censo o
de una estimación por muestreo. Por lo que frecuentemente se obtiene usando la desviación estándar de estudios
pasados; o, mediante una prueba piloto que proporcione una idea de este parámetro. En caso de la fórmula para
proporciones se utilizará p=0.50 y q= 0.50, en caso de que no exista una información fiable para p y q.

15
 2. El Tamaño de la población (cuando es finita) (N)

3. El nivel de confianza (1- α )

4. El error de estimación, (E). Es decisión de la parte investigadora imponer el deseo de cuánto error se permite en la
investigación, dependerá del nivel de rigurosidad personal. Ejemplo:
a. Si se quiere estimar el ingreso promedio de los habitantes del Municipio de Soyapango, podría ser razonable un
error de $30, $40, $60 o hasta donde la rigurosidad del estudio lo permita.
b. Si se quiere estimar el porcentaje de la población que prefiere la marca de jabón “Olorsito”; sería razonable
pensar en un 5%, 8% o un 10%.

Las fórmulas utilizadas para tal estimación, son las siguientes:

Tamaño de muestra para estimar la media, μ, en poblaciones finitas

2 2
α /2 α /2
z σ2 N z : Valor de Z-normal, para un valor
n= 2 especifico de nivel de confianza (1-α)
α /2
z σ 2 +( N -1) E 2 σ2 : Varianza poblacional de la VA de la
Donde: distribución muestral de medias
n: tamaño de muestra E: Error de estimación (error máximo permitido)
N: tamaño de población

Tamaño de muestra para estimar la media, μ, en poblaciones infinitas

2
α /2
2 z : Valor de Z-normal, para un valor
α /2
z σ2 especifico de nivel de confianza (1-α)
n= σ
2
E2 : Varianza poblacional de la VA de la
Donde: distribución muestral de medias
n: tamaño de muestra E: Error de estimación (error máximo permitido)

Tamaño de muestra para estimar la proporción, P, en poblaciones finitas

2
α /2
2
α /2
z : Valor de Z-normal, para un valor
z PQN especifico de confianza (1-α)
n= 2
α /2 P: Proporción de éxito
z P Q +( N -1) E 2 Q: Proporción de fracaso
Donde: E: Error de estimación (error máximo permitido)
n: tamaño de muestra
N: tamaño de población

16
 Tamaño de muestra para estimar la proporción, P, en poblaciones infinitas
2
α /2
2 z : Valor de Z-normal, para un valor
α /2
z PQ especifico de confianza (1-α)
n= 2 P: Proporción de éxito
E Q: Proporción de fracaso
Donde: E: Error de estimación (error máximo permitido)
n: tamaño de muestra
N: tamaño de población

Ejemplo 2.7

Una compañía industrial dedicada a productos para bebés está interesada en estimar el promedio de peso con el que nacen,
por estudios previos se tiene conocimiento que la distribución del peso al nacer es aproximadamente normal con una media
de 3550 gramos y una desviación estándar de =400 gramos.
Con base en el estudio previo determine el tamaño de muestra. Además, considere un error de máximo 45 gramos, con una
confianza del 93%.

Desarrollo:

VA X́ : Peso promedio (en gramos) en recién nacidos

Datos:
µ = 3550 gramos; σ = 400 gramos:
2
α /2
Nivel de confianza: 1- α = 0.93 ~93% z = 1.81
Error de estimación, E = 45 gramos

Dado que se quiere estimar la media poblacional del peso en una población infinita, se dispone de la siguiente
fórmula:

1.812 4002
2
z α /2
σ2 1.812 4002
n= n= 2 2
E2 sustituyendo: 45 = 45 = 259
Interpretación: Con un nivel de confianza del 93%, el tamaño de muestra para estimar el peso promedio de
libras al nacer, es de 259 nacimientos

Ejemplo 2.8

La empresa Compañía de Electricidad de Santa María (CESM) requiere llevar a cabo un estudio de mercado para
determinar la aceptación de los usuarios sobre el servicio que presta, para ello, se obtuvo la siguiente información:
Usuarios residenciales 25.000
Usuarios industriales 45.000
Otros usuarios 1.500
Encuentre el tamaño de muestra para cada categoría de usuario, si se desea una confiabilidad del 95% y un error del 6%,
además, se sabe que la proporción de usuarios satisfechos en el último estudio fue de 0.75.

Desarrollo:

17
VA X́ : Porcentaje de aceptación de los usuarios sobre el servicio de electricidad en la población de Santa María

Datos:
p = 0.75
2
α /2
Nivel de confianza: 1- α = 0.95 ~ 95% → z = 1.96
Error de estimación, E = 0.06
N = 171,500 usuarios

Dado que se quiere estimar la proporción poblacional de usuarios que satisfechos con el servicio de
electricidad y que se tiene una población finita, la fórmula a utilizar es:

Z 2α /2 PQN
n= 2 2
Z α / 2 PQ +(N −1) E

Sustituyendo:

1.962∗0.75∗0.25∗171500
n= =199.85 ≅ 200
1.96 2∗0.75∗0.25+( 171500−1)(0.06)2

n=200 usuarios a estudiar en lamuestra .

Interpretación: Con un nivel de confianza del 95%, el tamaño de muestra para estimar el porcentaje de
aceptación de los usuarios sobre el servicio de electricidad es de 200, distribuido en forma proporcional así:

18
 Anexos
Anexo 1: Tabla de probabilidad normal
Universidad de El Salvador - Facultad de Ciencias Económicas
Departamento de Matemática y Estadística
Tabla de probabilidad normal estándar
Las tablas representan la probabilidad de que
Estas tablas fueron fórmuladas por primera la V.A.Z., tome valores en tre cero y u n valor es p ecífico
vez en 1799 por Chétien Kramp, matemático de Z, Z0: Por ejempl o en Z=2.12, representa el
y físi co francés. También inventó el número factorial , n!. área A (0.00 < Z < 2.12) = 0.4830.

z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4319
1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767
2.0 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817
2.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857
2.2 0.4861 0.4864 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.4890
2.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916
2.4 0.4918 0.4920 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.4936
2.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952
2.6 0.4953 0.4955 0.4956 0.4957 0.4959 0.4960 0.4961 0.4962 0.4963 0.4964
2.7 0.4965 0.4966 0.4967 0.4968 0.4969 0.4970 0.4971 0.4972 0.4973 0.4974
2.8 0.4974 0.4975 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.4981
2.9 0.4981 0.4982 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.4986
3.0 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990
3.1 0.4990 0.4991 0.4991 0.4991 0.4992 0.4992 0.4992 0.4992 0.4993 0.4993
3.2 0.4993 0.4993 0.4994 0.4994 0.4994 0.4994 0.4994 0.4995 0.4995 0.4995
3.3 0.4995 0.4995 0.4995 0.4996 0.4996 0.4996 0.4996 0.4996 0.4996 0.4997
3.4 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4998
3.5 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998
3.6 0.4998 0.4998 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.7 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.8 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999 0.4999
3.9 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000 0.5000
Z, representa el número de desviaciones estándar en que un valor particular de Elaboración: Lic. Noé Cortez
la variable aleatoria "X" se distacia del promedio.

19
Anexo 1: Tabla de probabilidad normal t-student

Fuente: Allen L.Webster. (2000). Estadística aplicada a los negocios y la economía.

Colombia: Mc Graw Hill.

20
21
i
Anderson Sweeney Williams. (2012). Estadística para negocios y economía.(p.295). México: Cengage Learning Editores,
S.A. de C.V..
x x x x x x x
ii
Anderson Sweeney Williams. (2012). Estadística para negocios y economía.(p.296). México: Cengage Learning Editores,
S.A. de C.V..

x x x x x x x
iii
Anderson Sweeney Williams. (2012). Estadística para negocios y economía.(p.297). México: Cengage Learning Editores,
S.A. de C.V..

x x x x x x x
iv
Javier Gordas García. (2011). Capítulo III: Inferencia Estadística. En Estadística Básica(114). España: Universidad
Complutense de Madrid.

UNIVERSIDAD DE EL SALVADOR
FACULTAD DE CIENCIAS ECONÓMICAS
DEPARTAMENTO DE MATEMÁTICA Y
ESTADÍSTICA
 E S T A D Í S T I C A II CICLO II – 2 0 1 9

I. EJERCICIOS SOBRE ESTIMACIÓN DE PARÁMETROS

1. Explique brevemente las propiedades de un estimador

2. Qué es una estimación puntual y por intervalo
3. Qué es el error de estimación
4. Comente acerca de la veracidad del siguiente planteamiento: la probabilidad de que un parámetro de
población se encuentre dentro de una estimación de intervalo se conoce como nivel de confianza.
5. Obtenga la cota para el error de estimar una media poblacional, , con 95% de confianza para los
siguientes casos:
a) n = 40, 2 = 4 d) n = 50,  = 0.1
b) n = 100,  2 = 0.9 e) n = 100,  =9
c) n = 50,  = 12
2
f) n = 100,  = 0.01
6. Determine el intervalo de confianza para una media poblacional, , en los siguiente casos: (Use 94%,
96%, 97% y 98%, respectivamente)

a) n = 36, x = 13.1, s2 = 3.42 d) n = 125, x = 0.84, s2 = 0.086

b) n = 41, x = 28.6, s2 = 1.09 e) n = 50, x = 21.9, s2 = 3.44

7. Encuentre un intervalo de confianza de (1 - )100% para una media poblacional, , y proporción

poblacional en los siguientes casos:

a)  = 0.01, n = 38, x = 34, S2 = 12

b)  = 0.1, n = 65, x = 1,049, S2 = 51
c)  = 0.05, n = 89, x = 66.3, S2 = 2.48
d)  = 0.03, n = 120, X = 100,
e)  = 0.01, n = 80, p = 0.25
f)  = 0.11, n = 150, p = 0.55
g)  = 0.04, n = 45, p = 0.015
8. Se selecciona una muestra aleatoria de n mediciones de una población con media, , desconocida y
desviación de  = 10. Calcule el ancho o amplitud de un intervalo de confianza del 95% para , en los
siguientes casos:
a) n = 100, b) n = 200, c) n = 400
9. En base a lo anterior, cuál es el efecto sobre el ancho de un intervalo de confianza, en las siguientes
condiciones:
a) Se duplica el tamaño de muestra
b) Se cuadruplica el tamaño de muestra
10. Referido al ejercicio 8.
a) Calcule el ancho de un intervalo de confianza de 90% para , cuando n = 100
b) Calcule el ancho de un intervalo de confianza de 99% para , cuando n = 100
c) Compare los anchos de los intervalos de confianza de 90%, 95% y 99% para . ¿Cuál es el efecto de
un incremento en el coeficiente de confianza sobre el ancho del intervalo de confianza?

11. Los economistas relacionan muchas veces un incremento en la proporción de ahorro de los consumidores a
una falta de confianza en la economía, y se dice que ello es tendencia de recesión económica. Una muestra
aleatoria de 200 cuentas de ahorro en una comunidad local, mostró un incremento promedio en los valores
de las cuentas de 7.2% en los últimos doce meses y una desviación estándar de 5.6%. Estime el promedio
de aumento porcentual en las cuentas de ahorro en los últimos doce meses, para ahorradores de la
comunidad.
12. Un investigador de mercados segura que tiene confianza del 95% en que las ventas mensuales promedio
reales de un producto estarán entre ¢179,000 y ¢200,000. Explique el significado de esta afirmación.
13. Un investigador averiguó que una muestra de 100 con media de 50.3 y desviación de 10.1 generaba un
intervalo de confianza de 48.3204 a 52.2796, ¿Qué nivel de confianza tiene este intervalo?

14. Un fabricante de papel para computadora tiene un proceso de producción que opera en forma continua a
través de un turno de producción completo. Se espera que el papel tenga longitud promedio de 11 pulgadas
y se conoce que la desviación estándar es de 0.02 pulgadas. A intervalos periódicos se seleccionan
muestras para determinar si la longitud promedio del papel sigue siendo igual a 11 pulgadas o si hay
alguna falla en el proceso de producción que la altere. Si es así se habrá de pensar en una acción
correctiva. Recientemente se seleccionó una muestra aleatoria de 100 hojas donde se encontró que el largo
promedio del papel es de 10.998 pulgadas. Estime un intervalo de confianza del 95% para la longitud
promedio del papel producido.

15. Relacionado con el ejercicio anterior, ¿es cierto que el 95% de las medias muestrales se encontrará entre
10.99408 y 11.00192 pulgadas?.

16. Siempre relacionado con la producción de papel para computadora, ¿es correcto decir que no se sabe con
seguridad si la media poblacional está entre 10.99408 y 11.00192 pulgadas?.

17. El supervisor enseña a Mary Martin a construir un intervalo de confianza del 99% para la producción
semanal. Al recibir los resultados, el supervisor le dice a Fredy Campos que repita el trabajo con otra
muestra del mismo tamaño. los resultados de Fredy difieren de los de Mary. El supervisor está convencido
de que uno u otra están equivocados. Ellos le han de persuadir de que no es así. ¿Cómo pueden hacerlo?

18. El propietario de una estación de gasolina desea estimar el número promedio de galones de combustibles
que vende a sus clientes. De sus registros selecciona una muestra de 60 ventas y concluye que el número
medio de galones vendidos es de 8.6 galones con desviación estándar de 2.3 galones.
a) Haga una estimación puntual para la media poblacional
b) Establezca un intervalo de confianza del 98.6% para la media poblacional.

19. Suponga que una tienda de pinturas quiere estimar la cantidad correcta de pintura que hay en latas de un
galón, compradas a un conocido fabricante. De acuerdo a las especificaciones del productor se sabe que la
desviación estándar de la cantidad de pinturas es igual a 0.02 galones. Se selecciona una muestra aleatoria
de 50 galones y la cantidad promedio de pintura en cada lata de un galón es de 0.995 galones.
a) Establezca una estimación por intervalo de confianza de 99% de la cantidad promedio real de la
población de pintura incluida en una lata de galón.
b) Con base a los resultados estadísticos, sería válido que el propietario de la tienda reclamara al
fabricante?.
c) Tendría distribución normal la cantidad de pintura por lata?.

20. El gerente de control de calidad de una fábrica de focos necesita estimar la vida promedio de un focos en
un gran embarque. Se sabe que la desviación estándar del proceso es de 100 horas. Una muestra aleatoria
 de 50 focos mostró una vida promedio de 350 horas.
a) Estime un intervalo de confianza del 95% de la vida promedio real de los focos en este embarque.
b) ¿Tendría una distribución normal la población de vida de los focos?
c) ¿Tendría distribución normal las medias muestrales de la vida de los focos?
d) Explique por qué un valor de 320 horas no sería raro, aún cuando se encontrará fuera del intervalo.
(Analice, en términos del número de desvíos estándar en que 320, se distancia del promedio)
e) Estime otros intervalos como el de a) con 90% y 99% de confianza. Compare y comente el
significado de los tres intervalos de confianza estimados.
f) Ahora considere que el embarque está constituido por 2,000 focos, y se necesita tomar una nueva
muestra para determinar la vida promedio de los focos dentro de un escala de  20 horas, y con una
confianza del 95%. ¿Qué tamaño de muestra sugiere?
21. Un procesador de Zanahoria corta la parte superior verde de cada una, las lava y coloca seis por paquete.
Se colocan 20 paquetes en una caja para su envío. Se revisan algunas cajas para determinar su peso. El
peso promedio fue de 20.4 libras y desviación estándar de 0.5 libras. ¿Cuántas cajas debe muestrear el
procesador para tener 95% de seguridad de que la media muestral no difiera de la media poblacional en
más de 0.2 libras?.
22. Los siguientes datos representan las principales tasas de interés durante 98 semanas elegidas al azar.
10.9 11.6 14.0 7.7 10.0 11.3 8.7 13.1 10.3 11.9 12.0 11.7 9.3
8.8 10.7 11.8 9.5 13.0 11.6 7.1 10.6 8.0 9.8 11.6 8.6 8.2
10.8 11.6 8.6 10.8 12.7 12.8 6.9 9.0 11.9 11.7 10.5 8.9 7.3
9.9 8.5 14.0 10.2 10.3 6.5 11.5 12.2 7.8 10.5 12.9 10.5 9.7
7.3 13.5 11.1 9.8 13.3 11.5 6.3 11.4 7.1 12.1 8.0 10.6 8.6
11.6 6.8 8.3 12.6 8.9 9.9 9.1 9.8 12.9 8.3 10.1 11.9 10.2
7.5 9.1 12.0 10.1 11.5 10.6 5.9 11.8 8.7 12.1 6.1 8.9 11.0
7.8 8.3 6.7 9.5 7.6 8.0 12.1

a) Mediante la Tabla de Números Aleatorios, seleccione una muestra sin reemplazo de 20 tasas.(Antes
de seleccionar, numere las tasas desde la 01, hasta la 98)
b) Obtenga la media y desviación estándar de su muestra seleccionada
c) Construya una estimación por intervalo con el 95% de confianza. Debe suponer que la distribución
de las tasas es normal? Si___ no___ Por qué?___
d) Ahora Obtenga el parámetro del promedio real de tasa de interés, si se considera como población las
tasas de las 98 semanas y responda si la estimación realizada en a) es o no buena.
23. Una compañía de autobuses urbanos está interesada en establecer una ruta de autobús, desde el municipio
de Mejicanos hasta Santa Tecla. Se seleccionó una muestra aleatoria de 50 ciudadanos de ambos lugares y
18 manifestaron que utilizarán la nueva ruta.
a) Cuál es la estimación para la proporción real de viajeros dispuestos a utilizar la nueva ruta de
autobuses.
b) Establezca una estimación por intervalo con nivel de significación del 10% para la proporción real
de viajeros dispuestos a utilizar la ruta proyectada.
c) Considere la proporción de a) como el resultado de una prueba piloto. Ahora considere un nuevo
tamaño de muestra si se considera que la diferencia entre la proporción de la muestra y la de la
población, no difiera en más de 8%. Utilice un nivel de significación de 0.034.
24. Un distribuidor de artículos de escritorio recibe del fabricante “PILOT” un embarque de bolígrafos
baratos. El propietario de la tienda desea estimar la proporción de bolígrafos defectuosos y toma una
muestra aleatoria de 300 plumas y se encuentra que 30 están defectuosas.

a) Estime un intervalo de confianza del 90% para la proporción de bolígrafos defectuosos en el

embarque
b) El propietario de la tienda ha decidido devolver el embarque si más del 5% de los bolígrafos están
defectuosos. ¿Puede el propietario devolver este embarque con base a los resultados de la muestra?.

25. En el ejercicio 18, el propietario de la gasolinera determinó el número medio de galones que adquirieron
sus clientes. También estaba interesados en la proporción de mujeres que cargan gasolina por autoservicio.
Después de que el propietario realizara una encuesta o estudio con 100 mujeres pudo determinar que 80 de
las clientes se sirven ellas mismas.
a) Cuál es la proporción estimada de mujeres en la población que cargan gasolina mediante
autoservicio.
b) Elabore un intervalo de confianza del 91.5% para la proporción de mujeres que utilizan el
autoservicio.

26. Qué tamaño de muestra se necesita si la compañía de autobuses del problema 24, quisiera realizar una
encuesta, en la que desearía tener una confianza del 95% de estar en lo correcto en una escala de  2% de
la proporción real de viajeros que utilizarían el servicio de autobuses. En base a experiencias anteriores
con otras rutas se supone que la proporción real es de 40%.

27. El gerente de una banco quiere tener una confianza del 90% de estar en lo correcto en una escala de más o
menos 5% de la proporción real de depositantes, que tienen al mismo tiempo cuentas de ahorro y de
cheques. ¿Qué tamaño de muestra se necesita?.
28. El estadio Cuscatlán está considerando la expansión de su capacidad de asientos y necesita saber tanto el
número promedio de personas y la variabilidad de esta capacidad de personas. Los datos siguientes
corresponden al número de personas (en miles) que acudieron al estadio a nueve eventos deportivos
escogidos al azar.
30 34.5 24 25 33 29.4 27 26 22

a) Encuentre las estimaciones puntuales de la media y de varianza poblacional.

b) Hacer una estimación por intervalo para la media poblacional.
29. Una muestra de 20 personas recorría cada día en su automóvil por término medio de 27.3 millas para ir al
trabajo y volver, con una desviación típica de 8.3 millas, ¿ cuál es el intervalo de confianza del 90% para
la distancia de conducción media de toda la población?. Se supone que las distancias siguen un
comportamiento normal.

30. 17 estudiantes de estadística de todos los grupos estuvieron enfermos durante 8.3 días de media con
desviación estándar de 1.2 días. Si se supone que los días de enfermedad siguen una distribución normal,
¿cuál es el intervalo de confianza del 98% de los días de enfermedad para todos los estudiantes de
estadística II?.
31. Los rendimientos por acción de 10 valores industriales publicados en el Dow Jones eran 1.90, 2.15, 2.01,
0.89, 1.53, 1.89, 2.12, 2.05, 1.75, 2.22 dólares. Calcular un intervalo de confianza del 99% de los
rendimientos por acción de todos los rendimientos industriales que aparecían en el DJIA.

II. EJERCICIOS SOBRE ESTIMACIÓN DE PARÁMETROS

32.Por estudios previos se tiene conocimiento que la distribución del peso al nacer de niños que cumplen su
período de gestación de 40 semanas es aproximadamente normal con una media de 3600 gramos y una
desviación estándar de = 425 gramos. Se va a realizar un nuevo estudio para una población con
características similares, con el fin de estimar el peso promedio al nacer de los niños. Con base en el
estudio previo determine el tamaño de muestra. Además, se considera que un error de máximo 45 gramos
logra una estimación valida, la confiabilidad del estudio es del 97%.

33.Determinar el número de profesionales a encuestar en una región donde se estima en 4500 el número de ellos.
El objetivo del estudio es determinar entre otras cosas, la intencionalidad de seguir estudios de maestría,
con una prueba piloto de 20 profesionales, se determinó que la proporción de profesionales con afán de
continuar sus estudios era del 25%. La confiabilidad del estudio, dado que sus resultados serán validados
con otras fuentes se definió en el 90%, el error puede estar entre el 4 y el 6%, dependiendo de los costos se
definirá cual tamaño seleccionar.

34.Se quiere obtener una muestra sistemática que seleccione egresados de un programa de la Universidad de
Antigua que tiene 1200 de ellos. La variable clave del estudio es dicotómica y se aduce que la proporción
es del 25%, además, se quiere un error del 4% y una confiabilidad del 90%.

35.Una Institución de Salud tiene 6100 empleados, se quiere determinar cómo es el clima laboral en la
organización, usando una confiabilidad del 95%, un error admisible de 6% y considerando que la
proporción de empleados no satisfechos es del 30%. Calcule el número de empleados a consultar por
categoría, si se tiene en cuenta, que las diferentes categorías de empleados que pueden influir en la opinión
de los trabajadores, tienen la siguiente distribución:

Contabilidad y Costos 80 empleados

Administración 150
Operativos 5600
Seguridad 180 y
Otros cargos 90.

36.Se realiza un estudio para estimar el porcentaje de ciudadanos del Bajo Cauca que están a favor de que su
agua se trate con flúor. Qué tan grande debe ser una muestra si se desea tener una confianza de al menos
95% de que la estimación estará dentro del 2% del porcentaje real? Realice las consideraciones necesarias
para calcular n.
37.La empresa CIEM requiere llevar a cabo un estudio de mercado para determinar la aceptación de los usuarios
sobre el servicio de recolección de escombros, para ello, se obtuvo la siguiente información:
Usuarios residenciales 125.000
Usuarios industriales 45.000
Otros usuarios 1.500
Encuentre el tamaño de muestra para cada categoría de usuario, si se desea una confiabilidad del 90% y un
error del 4%, además, se sabe que la proporción de usuarios satisfechos en el último estudio fue de 0.60.

38.Con el fin de determinar si existen diferencias en las notas promedio según el área de estudio, una
universidad diseñó las siguientes categorías y obtuvo la siguiente información realizando una prueba
piloto:
N
Humanidades 2500
Informática 1450
Matemáticas 750

39.Encuentre el tamaño de muestra para cada categoría de usuario, teniendo en cuenta además, que la
desviación de las notas es de 1.2, use una confianza del 90%, determine un error apropiado para el caso.

40.Determine el tamaño de muestra para los siguientes casos:

a. Se requiere una confianza del 90%, se acepta un error de 1500 y se sabe que el mayor y menor valor
son: 50.000 y 10.000.
b. El mismo caso anterior, pero se conoce que el tamaño de la población es de: 2000, 5000 y 10.000.
(Desarrollarlo para los tres casos) Qué concluye?.
c. En un estudio de proporciones desea una confianza del 95% y acepta un error en su estimación de 6%.
¿Cuántas personas debe encuestar?.
d. Calcule el tamaño de muestra del caso anterior, considerando que en estudios anteriores se encontró
que el 70% están a favor de la variable en estudio.

Martes 27 de agosto de 2019