DETERMINACIÓN DEL TAMAÑO DE MUESTRA.

En el mundo de los negocios, determinar el tamaño adecuado de la muestra es un procedimiento

complicado, ya que está sujeto a las restricciones de presupuesto, tiempo y cantidad aceptada de
error de muestreo. Al igual que se compra un producto, debe obtener tanta información
estadística como pueda por el mínimo costo posible.

El total de información relevante en una muestra es controlado por los siguientes dos factores:

 El plan de muestreo o diseño experimental: procedimiento para reunir la información.

 El tamaño de una muestra n: la cantidad de información que se recopila.

Se puede reunir mayor cantidad de información aumentando el tamaño de la muestra o quizá

cambiando el tipo de plan de muestreo o diseño experimental que está usando. En un problema
de estimación estadística se mide mediante el margen de error o la amplitud del intervalo de
confianza. Como estas dos medidas son una función del tamaño de la muestra, especificar la
exactitud determina el tamaño de la muestra necesario.

Por ejemplo suponga que quiere estimar la producción diaria promedio, µ, de un proceso químico
y necesita que el margen de error sea menor que 4 toneladas. Esto significa que,
aproximadamente el 95% de las veces en un muestreo repetido, la distancia entre la media
muestral x́ y la media poblacional µ será menor que 1.96. Se desea que esta cantidad sea menor
que 4 toneladas. Es decir,

1.96 SE <4 o bien1.96 ( √σn )< 4

Al despejar n se obtiene.

1.96 2 2
n> ( )
4
σ o bienn> 0.24 σ 2

Si se conoce σ, la desviación estándar poblacional, puede sustituir su valor en la formula y

encontrar n. si como sucede a menudo – σ se desconoce – se puede usar la mejor aproximación
disponible.

 Una estimación de s obtenida en una muestra anterior

 Un rango estimado basado en el conocimiento de las posibles mediciones más grande y
más pequeña: σ ≈ rango /4 .

Para este ejemplo suponga que un estudio anterior del proceso químico dio una desviación
estándar de la muestra de s=21 toneladas. Entonces,
2 2
n> 0.24 σ =0.24 ( 21 ) =105.8
Si usa una muestra de tamaño n=106 o mas grande, podría estar bastante seguro (con
probabilidad aproximadamente igual a 0.95) que su estimación de la producción promedio estará
dentro de ± 4 toneladas de la producción promedio real.

La solución n=106 es solo una aproximación por que se uso un valor aproximado para σ a
fin de calcular el error estándar de la media. Aunque esto pueda molestarlo, ¡es el mejor método
disponible para seleccionar el tamaño de la muestra y, ciertamente, es mejor que adivinar!

A veces los investigadores requieren un nivel de confianza diferente al de 95% que

especifica el margen de error. En este caso la mitad de la amplitud del intervalo de confianza
proporciona la medida de exactitud para su estimación; es decir, el límite de B en el error de
estimación es

σ
zα
2
( )
√n
<B

¿Cómo elegir el tamaño de la muestra?

Determine el parámetro que desea estimar y el error estándar de su estimador puntual. Luego
proceda como sigue:

1. Escoja B, el límite del error de su estimación, y un coeficiente de confianza ( 1−α ).

2. Para un problema de una muestra resuelva esta ecuación para el tamaño de la muestra n

z α ∗( error estándar del estimador ) =B

2

α
donde z α es el valor de z que tiene un área a su derecha.
2 2

3. Para un problema con dos muestras establezcan n1 =n2=n y resuelva la ecuación en el

paso 2.
4. Para poblaciones cuantitativas estime la desviación estándar de la población usando un
rango
valor previamente calculado de s o la aproximación del rango σ ≈ .
4

Ejemplo.

Unos fabricantes de tubo de polivinilo quieren producir lo suficiente para satisfacer las
necesidades del mercado. Desean hacer una investigación entre los comerciantes mayoristas que
compran su producto para estimar la proporción en que planean aumentar sus compras el
próximo año. ¿Qué tamaño de muestra requieren si desean que su estimación quede dentro del
0.04 de la proporción real con probabilidad igual a 90%?
Para este ejemplo particular el límite B del error de estimación es 0.04. Como el coeficiente de
confianza es (1-α)= 0.90, α debe ser igual a 0.10 y α/2 es 0.05. El valor z que corresponde a un área
igual a 0.05 en la cola superior de la distribución z es z 0.05=1.645. Por consiguiente se requiere

1.645 σ ṗ =0.04

O bien

pq
1.645
√ n
=0.04

Con el fin de despejar n, se debe sustituir un valor aproximado de p en la ecuación. Si quiere tener
la seguridad de que la muestra es suficientemente grande, debe usar p=0.5 (al sustituir p=0.5
obtendrá la solución más grande posible para n porque el valor máximo de pq se tiene cuando
p=q=0.5). Entonces,

( 0.5 ) ( 0.5 )
1.645
√ n
=0.04

( 1.645 ) (0.5)
√ n= =20.56
0.04

n=( 20.56 )2=422.7

En consecuencia los fabricantes deben incluir alrededor de 423 comerciantes mayoristas en su

estudio si quieren estimar con este la proporción p correcta para que quede dentro de 0.04.

Ejemplo

Un director de personal desea comparar la eficacia de dos métodos de capacitación industrial

para obreros que deben realizar una cierta operación de ensamble. Para este fin se dividirá un
grupo de varios obreros en dos grupos iguales: al primero se le capacitara con el método 1 y al
segundo con el método 2. Cada obrero de los dos grupos realizara la operación de ensamble y
registrara el tiempo que les tome hacerlo. Se espera que las mediciones de ambos grupos tengan
un rango aproximadamente de 8 minutos. Para que la estimación de la diferencia en los tiempos
medios de ensamble sea correcta entre un minuto con probabilidad igual a 0.95, ¿cuántos obreros
debe haber en cada grupo de entrenamiento?

Al igualar 1.96 σ ( x´1−x´2) a B=1 minuto, se tiene

σ 21 σ 22
1.96
√ + =1
n1 n 2

Como desea que n1 sea igual a n2 , utiliza n1 =n2=n y obtiene la ecuación

 σ 21 σ 22
1.96
√
n n
+ =1

Como ya se estableció, la variabilidad (el rango) de cada método de ensamble es

aproximadamente el mismo, de donde σ 12=σ 22=σ 2. Puesto que el rango, que es igual a 8 minutos,
es casi igual a 4 σ , entonces,

4 σ ≈ 8 o bien σ ≈ 2

Si se sustituye el valor en σ 1 y σ 2de la primera ecuación, se tiene

( 2 ) 2 ( 2 )2
1.96
√
n
+
n
=1

8
1.96
√ n
=1

√ n=1.96 √ 8
Al resolver obtiene n=31. Entonces, cada grupo debe tener alrededor de n=31 obreros.

BIBLIOGRAFIA.

Introducción a la Probabilidad y Estadística, William Mendehall, Ediciones Paraninfo

(01/01/2002),300 páginas, pag. 320-324.