04/02/2012

1
METODOLOGA ESTADSTICA SIMPLE
04/02/2012
2
METODOLOGA ESTADSTICA
COMPLEJA
04/02/2012
3
ACLARACIN MS QUE JUSTIFICACIN
La estadstica nos ayuda a corroborar hiptesis dando un
soporte matemtico a observaciones realizadas. La
estadstica es la ciencia de la probabilidad y por ello no
es correcto realizar afirmaciones categricas o
negaciones rotundas, sino que estas afirmaciones o
rechazos hay que enmarcarlos siempre en un nivel
de significacin, que no es ms que encuadrarlo dentro de
un margen de error que nosotros mismos nos estamos
fijando (generalmente entre el 1-5%).

Lo primero que debe considerarse al realizar un
experimento que posteriormente llevar un tratamiento
estadstico es:

.
- Plantear la hiptesis de trabajo que se quiere demostrar.

- Definir bien las variables a estudiar.

- Cmo recoger y recopilar los datos (TIPOS DE MUESTREO).

- Eleccin del mtodo estadstico ms apropiado para
demostrar la hiptesis de trabajo de la mejor manera posible.

Es conveniente resaltar que el fin de los muestreos es extraer
una muestra lo suficientemente representativa de una
poblacin para que las conclusiones muestrales
obtenidas puedan extrapolarse a nivel poblacional, de
ah que sea de suma importancia la minuciosa
eleccin y preparacin en la recogida de datos.

04/02/2012
4
TEORA DE MUESTREO
Una parte fundamental para realizar un estudio
estadstico de cualquier tipo es obtener unos resultados
confiables y que puedan ser aplicables. Como ya se
coment anteriormente, resulta casi imposible o
imprctico llevar a cabo algunos estudios sobre toda una
poblacin, por lo que la solucin es llevar a cabo el
estudio basndose en un subconjunto de sta
denominada muestra.
Sin embargo, para que los estudios tengan la validez y
confiabilidad buscada es necesario que tal subconjunto
de datos, o muestra, posea algunas caractersticas
especficas que permitan, al final, generalizar los
resultados hacia la poblacin en total. Esas
caractersticas tienen que ver principalmente con el
tamao de la muestra y con la manera de obtenerla.
TEORA DE MUESTREO
A la hora de determinar el tamao que debe alcanzar
una muestra hay que tomar en cuenta varios factores: el
tipo de muestreo, el parmetro a estimar, el error
muestral admisible, la varianza poblacional y el nivel de
confianza. Por ello antes de presentar algunos casos
sencillos de clculo del tamao muestral delimitemos
estos factores.

PARAMETRO: Son las medidas o datos que se obtienen
sobre la poblacin.

ESTADISTICO: Los datos o medidas que se obtienen
sobre una muestra y por lo tanto una estimacin de los
parmetros.

04/02/2012
5
TEORA DE MUESTREO
ERROR MUESTRAL, de estimacin o standard: Es la
diferencia entre un estadstico y su parmetro
correspondiente. Es una medida de la variabilidad de las
estimaciones de muestras repetidas en torno al valor de la
poblacin, nos da una nocin clara de hasta dnde y con qu
probabilidad una estimacin basada en una muestra se aleja
del valor que se hubiera obtenido por medio de un censo
completo. Siempre se comete un error, pero la naturaleza de
la investigacin nos indicar hasta qu medida podemos
cometerlo (los resultados se someten a error muestral e
intervalos de confianza que varan muestra a muestra).
Vara segn se calcule al principio o al final.
TEORA DE MUESTREO
Un estadstico ser ms preciso en cuanto y tanto su error es ms
pequeo. Podramos decir que es la desviacin de la distribucin
muestral (por distribucin muestral se entiende la distribucin de
frecuencias de los valores de un estadstico en infinitas muestras
iguales) de un estadstico y su fiabilidad.

NIVEL DE CONFIANZA: Probabilidad de que la estimacin
efectuada se ajuste a la realidad. Cualquier informacin que
queremos recoger est distribuida segn una ley de probabilidad
(Gauss o Student), as llamamos nivel de confianza a la probabilidad
de que el intervalo construido en torno a un estadstico capte el
verdadero valor del parmetro.

VARIANZA POBLACIONAL: Cuando una poblacin es ms
homognea la varianza es menor y el nmero de entrevistas
necesarias para construir un modelo reducido del universo, o de la
poblacin, ser ms pequeo. Generalmente es un valor desconocido
y hay que estimarlo a partir de datos de estudios previos.

04/02/2012
6
TEORA DE MUESTREO
A lo largo del curso se haremos uso de dos tipos de
razonamiento: el deductivo y el inductivo. El primero
est relacionado directamente con la teora de probabilidad,
que se abord de manera elemental, y que a partir de las
caractersticas de la poblacin se obtienen las posibles
caractersticas de una muestra. El segundo tipo de
razonamiento se relaciona con la denominada inferencia
estadstica: utilizar las caractersticas de un subconjunto
de la poblacin (la muestra) para hacer afirmaciones
(inferir) sobre la poblacin en general. ste ser el caso de
la parte final del curso.
El muestro, como ya se mencion, implica algo de
incertidumbre que debe ser aceptada para poder realizar el
trabajo, pues aparte de que estudiar una poblacin resulta
ser un trabajo en ocasiones demasiado grande, Wonnacott y
Wonnacott ofrecen las siguientes razones extras:

TEORA DE MUESTREO
Recursos limitados. Es decir, no existen los recursos
humanos, materiales o econmicos para realizar el estudio
sobre el total de la poblacin. Es como cuando se compra un
aparato, un automvil usado (por ejemplo), que se prueba
unos minutos (el encendido, una carrerita, etc.) para ver si
funciona correctamente y luego se adquiere, pero no se
espera a probarlo toda la vida (encendindolo y apagndolo o,
simplemente, dejndolo encendida) antes de realizar la
adquisicin.

Escasez. Es el caso en que se dispone de una sola muestra.
Por ejemplo, para el estudio paleontolgico de los dinosaurios
(el T. Rex por ejemplo) sera muy bueno contar con, al menos,
muchos restos fsiles y as realizar tales investigaciones; sin
embargo, se cuenta slo con una docena de esqueletos
fosilizados (casi todos incompletos) de esas criaturas en todo
el mundo.
04/02/2012
7
TEORA DE MUESTREO
Pruebas destructivas. Es el caso en el que realizar el
estudio sobre toda la poblacin llevara a la destruccin
misma de la poblacin. Por ejemplo, si se quisiese saber el
conteo exacto de hemoglobina de una persona habra que
extraerle toda la sangre.

El muestreo puede ser ms exacto. Esto es en el caso
en el que el estudio sobre la poblacin total puede causar
errores por su tamao o, en el caso de los censos, que sea
necesario utilizar personal no lo suficientemente
capacitado; mientras que, por otro lado, el estudio sobre
una muestra podra ser realizada con menos personal pero
ms capacitado.

ALGUNAS CARACTERSTICAS PARA HACER
INFERENCIAS
Para calcular el tamao de una muestra hay que tomar en
cuenta tres factores:
El porcentaje de confianza con el cual se quiere generalizar los
datos desde la muestra hacia la poblacin total.
El porcentaje de error que se pretende aceptar al momento de
hacer la generalizacin.
El nivel de variabilidad que se calcula para comprobar la hiptesis.
La confianza o el porcentaje de confianza es el
porcentaje de seguridad que existe para generalizar los
resultados obtenidos. Esto quiere decir que un porcentaje
del 100% equivale a decir que no existe ninguna duda
para generalizar tales resultados, pero tambin implica
estudiar a la totalidad de los casos de la poblacin.

04/02/2012
8
ALGUNAS CARACTERSTICAS PARA HACER
INFERENCIAS
Para evitar un costo muy alto para el estudio o debido a que
en ocasiones llega a ser prcticamente imposible el estudio
de todos los casos, entonces se busca un porcentaje de
confianza menor. Comnmente en las investigaciones
sociales se busca un 95%.
El error o porcentaje de error equivale a elegir una
probabilidad de aceptar una hiptesis que sea falsa como si
fuera verdadera, o la inversa: rechazar a hiptesis verdadera
por considerarla falsa. Al igual que en el caso de la
confianza, si se quiere eliminar el riesgo del error y
considerarlo como 0%, entonces la muestra es del mismo
tamao que la poblacin, por lo que conviene correr un cierto
riesgo de equivocarse.
Comnmente se aceptan entre el 4% y el 6% como error,
tomando en cuenta de que no son complementarios la
confianza y el error.

ALGUNAS CARACTERSTICAS PARA HACER
INFERENCIAS
La variabilidad es la probabilidad (o porcentaje) con el
que se acept y se rechaz la hiptesis que se quiere
investigar en alguna investigacin anterior o en un ensayo
previo a la investigacin actual. El porcentaje con que se
acept tal hiptesis se denomina variabilidad positiva y
se denota por p, y el porcentaje con el que se rechaz se la
hiptesis es la variabilidad megativa, denotada por q.

Hay que considerar que p y q son complementarios, es
decir, que su suma es igual a la unidad: p+q=1. Adems,
cuando se habla de la mxima variabilidad, en el caso de
no existir antecedentes sobre la investigacin (no hay
otras o no se pudo aplicar una prueba previa), entonces los
valores de variabilidad es p=q=0.5.

04/02/2012
9
ALGUNAS CARACTERSTICAS PARA HACER
INFERENCIAS
Una vez que se han determinado estos tres factores,
entonces se puede calcular el tamao de la muestra como
a continuacin se expone.

Hablando de una poblacin de alrededor de 10,000 casos, o
mnimamente esa cantidad, podemos pensar en la manera
de calcular el tamao de la muestra a travs de las
siguientes frmulas. Hay que mencionar que estas
frmulas se pueden aplicar de manera aceptable pensando
en instrumentos que no incluyan preguntas abiertas y que
sean un total de alrededor de 30.
Vamos a presentar dos frmulas, siendo la primera la que
se aplica en el caso de que no se conozca con precisin
el tamao de la poblacin, y es:

CALCULAR TAMAO DE LA MUESTRA ?
TAMAO PRECISO DE LA POBLACIN
donde:
n es el tamao de la
muestra;
Z es el nivel de confianza;
p es la variabilidad positiva;
q es la variabilidad
negativa;
E es la precisin o error.

Hay que tomar nota de
que debido a que la
variabilidad y el error
se pueden expresar por
medio de porcentajes,
hay que convertir todos
esos valores a
proporciones en el caso
necesario.
04/02/2012
10
Tambin hay que tomar en cuenta que el nivel de
confianza no es ni un porcentaje, ni la proporcin que le
correspondera, a pesar de que se expresa en trminos
de porcentajes. El nivel de confianza se obtiene a partir
de la distribucin normal estndar, pues la proporcin
correspondiente al porcentaje de confianza es el rea
simtrica bajo la curva normal que se toma como la
confianza, y la intencin es buscar el valor Z de la
variable aleatoria que corresponda a tal rea.
Calcular tamao de la muestra
POR EJEMPLO.
Si se quiere un porcentaje de confianza del 95%,
entonces hay que considerar la proporcin
correspondiente, que es 0.95. Lo que se buscara en
seguida es el valor Z para la variable aleatoria z tal que
el rea simtrica bajo la curva normal desde -Z hasta Z
sea igual a 0.95, es decir, P(-Z<z<Z)=0.95.

Utilizando las tablas, o la funcin
DISTR.NORM.ESTAND.INV() del Excel, se puede
calcular el valor de Z, que sera 1.96 (con una
aproximacin a dos decimales).

Esto quiere decir que P(-1.96<z<1.96)=0.95.

04/02/2012
11
CALCULAR TAMAO DE LA MUESTRA
TAMAO DE LA POBLACIN
donde
n es el tamao de la
muestra;
Z es el nivel de confianza;
p es la variabilidad positiva;
q es la variabilidad
negativa;
N es el tamao de la
poblacin;
E es la precisin o el error.
La ventaja sobre la
primera frmula es que
al conocer exactamente el
tamao de la poblacin,
el tamao de la muestra
resulta con mayor
precisin y se pueden
incluso ahorrarse
recursos y tiempo para la
aplicacin y desarrollo de
una investigacin.
POR EJEMPLO.
En el Colegio de Bachilleres, una institucin de nivel
medio superior, se desea realizar una investigacin
sobre los alumnos inscritos en primer y segundo aos,
para lo cual se aplicar un cuestionario de manera
aleatoria a una muestra, pues los recursos econmicos y
el tiempo para procesar la informacin resultara
insuficiente en el caso de aplicrsele a la poblacin
estudiantil completa.
04/02/2012
12
.
En primera instancia, suponiendo que no se conoce el
tamao exacto de la poblacin, pero con la seguridad de
que sta se encuentra cerca a los diez millares, se
aplicar la primera frmula.

Se considerar una confianza del 95%, un porcentaje de
error del 5% y la mxima variabilidad por no existir
antecedentes en la institucin sobre la investigacin y
porque no se puede aplicar una prueba previa.

Primero habr que obtener el valor de Z de tal forma
que la confianza sea del 95%, es decir, buscar un valor
de Z tal que P(-Z<z<Z)=0.95. Utilizando las tablas o las
funciones de Excel se pueden obtener, o viendo (en este
caso) el ejemplo anterior, resulta que Z=1.96.

.
En primera instancia, suponiendo que no se conoce el
tamao exacto de la poblacin, pero con la seguridad de
que sta se encuentra cerca a los diez millares, se
aplicar la primera frmula.

Se considerar una confianza del 95%, un porcentaje de
error del 5% y la mxima variabilidad por no existir
antecedentes en la institucin sobre la investigacin y
porque no se puede aplicar una prueba previa.

Primero habr que obtener el valor de Z de tal forma
que la confianza sea del 95%, es decir, buscar un valor
de Z tal que P(-Z<z<Z)=0.95. Utilizando las tablas o las
funciones de Excel se pueden obtener, o viendo (en este
caso) el ejemplo anterior, resulta que Z=1.96.

04/02/2012
13
DE ESTA MANERA SE REALIZA LA SUSTITUCIN Y SE
OBTIENE:

Esto quiere decir que el tamao de la muestra es de 385
alumnos.
Supongamos ahora que s se conoce el tamao de la
poblacin estudiantil y es de 9,408, entonces se aplicar la
segunda frmula. Utilizando los mismos parmetros la
sustitucin queda como:

Con lo que se tiene una cota mnima de 370 alumnos para la
muestra y as poder realizar la investigacin sin ms costo del
necesario, pero con la seguridad de que las condiciones
aceptadas para la generalizacin (confiabilidad, variabilidad
y error) se mantienen.
MUESTREO NO
PROBABILSTICO
Los elementos de la muestra son seleccionados por
procedimientos al azar con probabilidades conocidas de
seleccin. Por lo tanto es imposible determinar el grado
de representatividad de la muestra.

Dentro de los tipos de muestreo no Probabilstico,
podemos mencionar los siguientes:

Muestreo por Juicio, Seleccin Experta o Seleccin
Intencional:
El investigador toma la muestra seleccionado los
elementos que a l le parecen representativos o tpicos de
la poblacin, por lo que depende del criterio del
investigados.

04/02/2012
14
MUESTREO NO PROBABILSTICO
Muestreo casual o fortuito:
Se usa en los casos en no es posible seleccionar los
elementos, y deben sacarse conclusiones con los
elementos que esten disponibles. Por ejemplo: en el caso
de voluntarios para pruebas de medicamentos de
enfermedades como el corazn, cncer, etc.
Muestreo de cuota:
Se utiliza en estudios de opinin de mercado. Los
enumeradores, reciben instrucciones de obtener cuotas
especificas a partir de las cuales se constituye una
muestra relativamente proporcional a la poblacin.
Muestreo de poblaciones mviles:
Este tipo de muestreo utiliza mtodos de captura, marca
y recaptura. Se utiliza mucho en el estudio de migracin
de poblaciones de animales y otras caractersticas.

MUESTREOS PROBABILSTICOS, ALEATORIOS O
ESTOCSTICOS
Las tcnicas de muestreo probabilstico son aquellas en las que se
determina al azar los individuos que constituirn la muestra. Estas
tcnicas nos sirven cuando se desean generalizar los resultados que
se obtienen a partir de la muestra hacia toda la poblacin. Lo anterior
se dice dado que se supone que el proceso aleatorio permitir la
obtencin de una muestra representativa de la poblacin.

Los muestreos probabilsticos pueden ser con o sin reemplazo.

Los muestreos con reemplazo son aquellos en los que una vez que
ha sido seleccionado un individuo (y estudiado) se le toma en cuenta
nuevamente al elegir el siguiente individuo a ser estudiado. En este
caso cada una de las observaciones permanece independiente de las
dems, pero con poblaciones pequeas (un grupo de escuela de 30
alumnos, por ejemplo) tal procedimiento debe ser considerado ante la
posibilidad de repetir observaciones. En el caso de poblaciones
grandes no importa tal proceder, pues no afecta sustancialmente una
repeticin a las frecuencias relativas.

04/02/2012
15
MUESTREOS PROBABILSTICOS, ALEATORIOS
O ESTOCSTICOS
Los muestreos sin reemplazo son los que una vez que se ha
tomado en cuenta un individuo para formar parte de la muestra, no
se le vuelve a tomar en cuenta nuevamente. En este caso, y hablando
especficamente para el caso de poblaciones pequeas, las
observaciones son dependientes entre s, pues al no tomar en cuenta
nuevamente el individuo se altera la probabilidad para la seleccin
de otro individuo de la poblacin. Para el caso de las poblaciones
grandes (por ejemplo la poblacin de un pas) dicha probabilidad
para la seleccin de un individuo se mantiene prcticamente igual,
por lo que se puede decir que existe independencia en las
observaciones.

Las tcnicas de muestreo probabilstico que mencionaremos sern
bsicamente tres: el aleatorio simple, el aleatorio estratificado y el
sistemtico.
MUESTREO ALEATORIO SIMPLE
Podemos aqu mencionar que para el caso de que se estuviese
estudiando un proporcin dentro de la poblacin (una eleccin de
candidato, la aceptacin o rechazo de una propuesta en una
comunidad, la presencia o ausencia de una caracterstica
hereditaria), y el en caso de un muestreo aleatorio simple, la
estimacin que se puede hacer de la proporcin buscada a partir de
la proporcin hallada en la muestra se obtiene mediante la
construccin de un intervalo de confianza:
p = P tolerancia de la muestra
Donde p es la proporcin buscada en la poblacin y P es la proporcin
presente en la muestra.
Por otro lado, la tolerancia de la muestra est relacionada
directamente con el nivel de confianza y se obtiene a partir de la
distribucin normal al igual que como se obtuvo para el clculo del
tamao de las muestras. La representaremos con Z para obtener la
frmula:

04/02/2012
16
TAMAO DE MUESTRA PARA ESTIMAR
LA MEDIA CON M.S.A.
de donde:
n = tamao de la muestra.
N = tamao de la
poblacin.
Z
a/2
= variable
estandarizada de
distribucin normal.
S = varianza de la
muestra.
d = precisin del
muestreo.
a = Nivel de significancia.

Generalmente es necesario hacer un
premuestreo de 30 elementos, con el
objetivo de hacer una primera
estimacin de S.
Ejemplo:
En un lote de frascos para medicina,
con una poblacin de 8000
unidades, se desea estimar la media
de la capacidad en centmetros
cbicos de los mismos.
A travs de un premuestreo de
tamao 35 se ha estimado que la
desviacin estndar es de 2
centmetros cbicos. Si queremos
tener una precisin 0.25 cms
3
, y un
nivel de significancia del 5% . De
que tamao debe de ser la muestra
?.
N Z
a/2
S
n = ---------------
Nd + Z
a/2
S
MUESTREO ALEATORIO SIMPLE
DATOS:
S = 2 cms
3
; N = 8000 ; d = 0.25 cms
3
; a = 0.05 (5%)
Z
a/2
= 1.96

N Z
a/2
S 8000(1.96)(2)
n = ------------------- = --------------------------------- = 238
frascos
Nd + Z
a/2
S 8000(0.25) + (1.96)(2)


Solo faltara muestrear 203 frascos, pues los datos de los
35 frascos del premuestreo siguen siendo vlidos.
04/02/2012
17
TAMAO DE MUESTRA PARA ESTIMAR
PROPORCIONES CON M.S.A.
de donde:
p = probabilidad de xito.
q = probabilidad de fracaso.
d = precisin expresada en
porcentaje.
en este caso para la estimacin de
la varianza, tenemos dos opciones:
a) hacer un premuestreo.
b) asumir varianza mxima.
En bastantes ocasiones, la variable bajo estudio es de tipo
binomial, en ese caso para calcular el tamao de muestra
bajo el muestreo simple aleatorio, se hara de la siguiente
manera:
N Z
a/2
pq
n = --------------------
Nd + Z
a/2
pq
EJEMPLO

En un estudio, se desea determinar en que proporcin los
nios de una regin toman incaparina en el desayuno. Si se
sabe que existen 1,500 nios y deseamos tener una
precisin del 10 porciento, con un nivel de significancia del
5% . De que tamao debe de ser la muestra?.
DATOS:
N = 1500 ; d = 10 % = 0.1 ; a = 5 %; Z
a/2
= 1.96
p = 0.5 y q = 0.5 (asumiendo varianza mxima).

N Z
a/2
pq 1500 (1.96)(0.5)(0.5)
n = --------------------- = ------------------------------------- = 91
d + Z
a/2
pq 1500(0.1) + (1.96)(0.5)(0.5)

Se deben de muestrear 91 nios.
04/02/2012
18
MUESTREO ALEATORIO ESTRATIFICADO
Una muestra aleatoria estratificada es la obtenida
mediante la separacin de los elementos de la poblacin
en grupos que no presenten traslapes, llamados estratos y
la seleccin posterior de una muestra irrestrictamente
aleatoria simple en cada estrato.
En resumen, los motivos principales para utilizar un
muestreo aleatorio estratificado son los siguientes:
a) La estratificacin puede producir un error de
estimacin ms pequeo que el que generara un m.s.a.
del mismo tamao. Este resultado es particularmente
cierto si las mediciones dentro de los estratos son
homogneas.
b) El costo por observacin en la encuesta puede ser
reducido mediante la estratificacin de los elementos de
la poblacin en grupos convenientes.
MUESTREO ALEATORIO ESTRATIFICADO
c) Se pueden obtener estimaciones de parmetros
poblacionales para subgrupos de la
poblacin. Los subgrupos deben de ser entonces
estratos identificables.

Lo anterior debe de tomarse en cuenta cuando se
est planeando estratificar o no una poblacin o
decidiendo en que forma se definirn los
estratos.

04/02/2012
19
TAMAO DE MUESTRA PARA
ESTIMAR LA MEDIA CON M.A.E.
S N
i
S
i
/w
i

n = --------------------
ND + S N
i
S
i

de donde:

N
i
= tamao del i simo estrato.

N = tamao de la poblacin.

S
i
= varianza del i simo estrato.

w
i
= importancia o peso del i
simo estrato.

B
D = ---- B = precisin.
4
EJEMPLO
En un Ingenio, desea hacer una estimacin del promedio de
grados Brix con que llega la caa a la fabrica.
Para el efecto desea realizar un muestreo aleatorio
estratificado, puesto que la caa puede provenir de tres tipos
de proveedores.
proveedor tipo A (estrato 1) la caa proviene de lotes de la
misma finca.
proveedor tipo B (estrato 2) la caa proviene de fincas de
particulares en donde el ingenio ha prestado servicios.
proveedor tipo C (estrato 3) la caa proviene de fincas de
particulares en donde el ingenio no ha tenido ningn servicio.
De estudios anteriores, se conoce el tamao y desviacin
estndar de cada estrato y adems se desea tener una
precisin de un grado brix en el estudio. De que tamao debe
de ser la muestra total y de cada estrato?.

04/02/2012
20
ESTRATO N
i
S
i
w
i
*

1 558 3.5 558/998 = 0.56
2 190 5.4 190/998 = 0.19
3 250 6.2 250/998 = 0.25

N = S N
i
= 998

* con distribucin proporcional.
DATOS:
S N i S i /w i
n = ----------------------
ND + S N i S i
S N i S i /w i = N 1 S 1 /w 1 + N 2 S 2 /w 2 + N 3 S 3 /w 3

S N i S i /w i = (558)(3.5)/0.56 + (190)(5.4)/0.19 +
(250)(6.2)/0.25 = 6,811,087.5 + 5,540,400 + 9,610,000

S N i S i /w i = 21,961,87.5

S N i S i = N 1 S 1 + N 2 S 2 + N 3 S 3

S N i S i = 558(3.5) + (190)(5.4) + (250)(6.2)

S N i S i = 6835.5 + 5540.4 + 9610 = 21,985.9
Ejemplo
04/02/2012
21
Ejemplo
1
D = ---- = 0.25
4

ND = (998)(0.25) = 249,001

S N i S i /w i 21,961,487.5
n = ----------------------- = --------------------------- = 81
ND + S N i S i 249,001 + 21,985

como se utiliz distribucin proporcional, a cada estrato le tocara el
siguiente tamao de muestra:

n 1 = 81(558/998) = 45 ; n 2 = 81(190/998) = 15

n 3 = 81(250/998) = 20.
Gracias por su atencin