Documentos de Académico
Documentos de Profesional
Documentos de Cultura
UNIVERSIDAD DE GRANADA
TCNICAS
PARA EL ANLISIS DEL MERCADO
TEORA, EJERCICIOS Y PRCTICAS
1
2
INFORMACIN GENERAL (Exmenes, temario, bibliografa,...) . . . . . . . . 6
APUNTES:
5. Muestreo sistemtico. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
5.1 Seleccin de una muestra sistemtica. Usos. Ventajas. . . . . . . . . . . . . 82
5.2 Estimacin de la media, proporcin y total poblacionales. . . . . . . . . . . 84
5.3 Comparacin con el muestreo aleatorio simple: Poblaciones ordenadas,
aleatorias y peridicas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.4 Determinacin del tamao muestral. . . . . . . . . . . . . . . . . . . . . . 88
Ejercicios resueltos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
EJERCICIOS:
PRCTICAS:
FORMULARIOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
5
INFORMACIN GENERAL
Licenciatura: Administracin y Direccin de Empresas
Carcter: Optativo
Crditos: 6
Periodo lectivo: Segundo cuatrimestre
Departamento: Mtodos Cuantitativos para la Economa y la Empresa
Objetivos de la Asignatura:
o Una hora de clase a la semana ser en el aula de informtica donde se utilizarn los
programas Excel y SPSS.
Sistema de Evaluacin:
En cualquiera de las convocatorias de examen de esta asignatura se realizarn dos
pruebas, una escrita (valorada en al menos el 70% de la calificacin) y otra con
ordenador (valorada como mximo en el 30% de la calificacin). Siendo necesario un
mnimo del 35% de la calificacin en cada una de estas dos partes, para realizar la
media ponderada entre ambas calificaciones y as obtener la calificacin global. En
ambas pruebas los alumnos podrn utilizar el formulario (con todas las expresiones
utilizadas en la asignatura), dicha informacin se facilitar por internet y/o en la
fotocopiadora del centro. Tambin se permite el uso de calculadora no programable en
la prueba escrita.
6
TEMARIO
1. Elementos del problema de muestreo.
1.1 Definiciones bsicas.
1.2 Seleccin de la muestra.
1.3 Fuentes de error.
1.3.1 Errores de muestreo.
1.3.2 Errores de no muestreo.
1.4 Mtodos de recoleccin de datos.
1.5 Diseo del cuestionario.
1.6 Planificacin de la encuesta.
1.7 Razones para el uso del muestreo.
5. Muestreo sistemtico.
5.1 Seleccin de una muestra sistemtica. Usos. Ventajas.
5.2 Estimacin de la media, proporcin y total poblacionales.
5.3 Comparacin con el muestreo aleatorio simple: Poblaciones ordenadas, aleatorias
y peridicas.
7
5.4 Determinacin del tamao muestral.
8. Anlisis cluster.
8.1 Introduccin.
8.2 Medidas de similaridad.
8.2.1 Medidas de similaridad para variables mtricas
8.2.2 Medidas de similaridad para datos binarios
8.3 Estandarizacin de datos.
8.4 Formacin de grupos: Clusters jerrquicos y clusters no jerrquicos.
8.4.1 Clusters jerrquicos.
8.4.2 Clusters no jerrquicos.
8.5 Eleccin entre los distintos tipos de anlisis cluster.
9. Componentes principales.
9.1 Introduccin.
9.2 Componentes principales.
9.2.1. Componentes principales a partir de variables estandarizadas.
8
Bibliografa:
Scheaffer, Mendehall y Ott (2006). Elementos de muestreo. International Thomson Editores.
Palacios, F. Callejn, J. (2004). Tcnicas Cuantitativas para el Anlisis Regional. Editorial
Universidad de Granada. Manuales Ciencias Econmicas y Empresariales.
Fernndez Garca, Mayor Gallego (1995). Ejercicios y prcticas de muestreo en
poblaciones finitas. EUB.
Lohr, S.L. (1999). Muestreo: Diseo y Anlisis. International Thomson Editores
Luque, T. (2000). Tcnicas de Anlisis de Datos en Investigacin de Mercados. Pirmide.
Hair, J. F. (2001). Anlisis Multivariante. Prentice-Hall.
Pea, D. (2002). Anlisis de Datos Multivariantes. McGraw-Hill.
Uriel, E. Alds, J. (2005). Anlisis Multivariante Aplicado. International Thomson Editores.
Informacin en la WEB:
En la pgina web de la Universidad (www.ugr.es/local/jhermoso) se facilitar informacin a
los alumnos sobre:
Profesores que imparten la asignatura, despacho, correo electrnico, horario de
tutoras...
Programa de la asignatura
Bibliografa
Apuntes de clase
Relaciones de ejercicios
Prcticas de ordenador
Sistema de evaluacin
Fechas de exmenes
Calificaciones
Revisin de exmenes
Cualquier otra informacin que se considere importante.
9
10
Elementos del problema de muestreo.
1.1 Definiciones bsicas.
1.2 Seleccin de la muestra.
1.3 Fuentes de error.
1.3.1 Errores de muestreo.
1.3.2 Errores de no muestreo.
1.4 Mtodos de recoleccin de datos.
1.5 Diseo del cuestionario.
1.6 Planificacin de la encuesta.
1.7 Razones para el uso del muestreo.
El objetivo fundamental de la estadstica es hacer inferencia acerca de una poblacin con base
en la informacin contenida en una muestra representativa.
La informacin obtenida de las encuestas por muestreo afecta a casi todos los aspectos de
nuestra vida: IPC, audiencia de televisin, intencin de voto,... Un rea particular de actividad
comercial que depende de las tcnicas de muestreo es el anlisis de mercados. Decisiones
sobre qu producto comercializar, cundo, dnde, cmo anunciarlo son frecuentemente
tomadas sobre la base de la informacin de encuestas por muestreo.
12
divide a la poblacin en esos grupos o estratos y se selecciona una muestra aleatoria
simple de cada grupo. A la muestra resultante se le llama muestra aleatoria
estratificada.
3. Muestreo por conglomerados. En una muestra por conglomerados, los elementos que
componen una poblacin se renen en unidades de muestreo de mayor tamao,
llamadas conglomerados. Para nuestra encuesta podemos muestrear familias en lugar
de votantes individuales. En este caso las familias forman los conglomerados y los
miembros de las familias son las unidades de muestreo.
4. Muestreo sistemtico: Es un tipo de muestreo que muchas veces se utiliza como
sustituto del muestreo aleatorio simple. Consiste en seleccionar un elemento al
comienzo de una lista de la poblacin y luego se selecciona cada un nmero fijo de
posiciones el resto de elementos.
error de estimacin = -
Dado que el estimador es una variable aleatoria, no podemos asegurar que siempre el
estimador y estn dentro de una distancia especificada B, pero podemos expresar que eso
ocurre con una determinada probabilidad
P B = 1 ,0 < <1
donde
Lmite para el Error de Estimacin (LEE) con nivel de confianza 1
B = Cota para el error de estimacin con nivel de confianza 1-
Error de estimacin mximo con nivel de confianza 1-
13
A continuacin veremos que forma tiene B bajo distintas hiptesis sobre el estimador:
(
1. es un estimador insesgado de y tiene una distribucin Normal N ( , ) . )
Dado que N (0, ) , entonces
P B = P B B
B B
= P Z = 1
B
donde Z = N (0,1) . Por tanto, = z (podemos obtenerlo en una tabla de
1
2
se puede observar, el lmite del error de estimacin depender del nivel de confianza y
de la desviacin tpica del estimador (esto ltimo depender de la variabilidad de la
muestra y del tipo de muestreo).
Tomando una confianza del 95% el lmite del error de estimacin ser:
B = z 0,975 = 1,96 2 . Entonces
P 2 = 0,95
Es decir, con una confianza del 95%, el lmite del error de estimacin es dos veces la
desviacin tpica del estimador. (En muchos textos se denomina error tpico a la
desviacin tpica del estimador)
() k
1
P E k 1 2 , k 1
Resumiendo, el lmite del error de estimacin es dos veces la desviacin tpica del estimador
con una confianza del 95% si el estimador tiene distribucin Normal y con una confianza
14
mayor del 75% si no tiene esa distribucin. Adems, si el tamao muestral es mayor que 30,
los estimadores que usaremos tendrn una distribucin aproximadamente Normal, en virtud
del Teorema central del lmite.
P B = P B B = P B + B = 1
(
el verdadero valor del parmetro se encuentra entre los extremos del intervalo B, + B )
con una confianza de 1 .
15
2. Recompensas e incentivos.
3. Entrevistadores adiestrados.
4. Verificacin de datos.
(Vase los anteriores puntos desarrollados con mayor detalle en Scheaffer, Mendehall y Ott
(2006). Elementos de muestreo. International Thomson Editores.)
16
3. El marco.
4. Diseo del muestreo.
5. Mtodo de recoleccin de datos.
6. Instrumentos de recoleccin de datos.
7. Seleccin y preparacin de investigadores de campo.
8. Prueba piloto.
9. Organizacin del trabajo de campo.
10. Organizacin de la administracin de datos.
11. Anlisis de los datos.
(Vase los anteriores puntos desarrollados con mayor detalle en Scheaffer, Mendehall y Ott
(2006). Elementos de muestreo. International Thomson Editores.)
17
2. Muestreo aleatorio simple.
2.1 Seleccin de una muestra aleatoria simple. Nmeros aleatorios. Rutas aleatorias.
2.2 Muestreo aleatorio simple en poblaciones infinitas.
2.2.1 Media, varianza y proporcin muestrales: Propiedades. Error de estimacin.
2.2.2 Estimacin puntual. Intervalos de confianza. Contrastes de hiptesis.
2.2.3 Determinacin del tamao muestral.
2.3 Muestreo aleatorio simple en poblaciones finitas.
2.3.1 Estimacin de la media, proporcin y total poblacionales.
2.3.2 Determinacin del tamao muestral.
2.1 Seleccin de una muestra aleatoria simple. Nmeros aleatorios. Rutas aleatorias.
Si cada muestra posible de tamao n tiene la misma probabilidad de ser seleccionada, el
procedimiento de muestreo se denomina muestreo aleatorio simple y a la muestra as
seleccionada se le llama muestra aleatoria simple.
En el muestreo aleatorio con reemplazamiento el comportamiento de cada observacin da
lugar a variables aleatorias independientes e idnticamente distribuidas.
El muestreo aleatorio sin reemplazamiento da lugar a variables aleatorias donde sus
distribuciones marginales (no as las condicionadas) son idnticamente distribuidas pero falla
la hiptesis de independencia.
Si el nmero de elementos de la poblacin es muy grande (poblaciones infinitas) la anterior
distincin es irrelevante.
En poblaciones finitas, muestrear un mismo elemento dos veces no proporciona ms
informacin. Por ello, en general, en poblaciones finitas se prefiere el muestreo sin
reemplazamiento.
En la prctica, la condicin de que cada muestra tenga la misma probabilidad de ser
seleccionada se traduce en que cada elemento tenga la misma probabilidad de pertenecer a la
muestra. Para ello la seleccin de cada elemento de la muestra se hace sobre la base de un
sorteo completamente aleatorio. Para facilitar la obtencin de los resultados de ese sorteo
aleatorio existen lo que se conoce como tablas de nmeros aleatorios y que, junto con otras
tablas, suelen aparecer en un apndice al final de muchos libros de estadstica. Cada vez ms,
estas tablas de nmeros aleatorios son sustituidas por la generacin de nmeros aleatorios
mediante programas de ordenador (Excel, SPSS,...). Para asociar el valor de esos nmeros
aleatorios con los elementos de la poblacin necesitamos que sta est numerada, en caso
contrario deberamos formar una lista y numerarla. Esto ltimo, en muchos casos, no es tan
sencillo. Una alternativa a la formacin de una lista numerada para la seleccin mediante
nmeros aleatorios de los elementos de la muestra es el mtodo de las rutas aleatorias. Segn
18
este mtodo cada nmero aleatorio o grupo de nmeros aleatorios describe el camino hasta el
elemento de la muestra. Veamos cmo se aplicara este mtodo con un sencillo ejemplo:
Se ha seleccionado el nmero aleatorio 11071032, las dos primeras cifras (11) indican el
distrito de la ciudad, las dos siguientes (07) la calle del distrito, las dos siguientes (10) el
nmero de la calle, la siguiente (3) la planta del edificio y la ltima (2) la letra B de dicha
planta.
En muchos casos para llevar a cabo este procedimiento se recurre a la gua telefnica,
sobretodo si la entrevista es por telfono, as el nmero aleatorio 7836 podra interpretarse
como que se selecciona la pgina 78 de la gua y dentro de sta al abonado del telfono que
aparece en el lugar 36 de dicha pgina.
19
1 n
y= yi
n i =1
Un valor aislado y del estimador revela poco acerca de la media poblacional, deberamos
evaluar tambin su bondad.
Este estimador tiene propiedades deseables como ser insesgado y tener mnima varianza
2
( )
E y = V y = ( ) n
Como estimador de la varianza de la poblacin, 2 , se utiliza la cuasivarianza muestral, S 2 .
1 n
( )
2
S2 = yi y
n 1 i =1
que tambin tiene la propiedad de ser insesgado
E (S2 ) = 2
Cuando las variables Y, Y1, ..., Yn son dicotmicas, slo toman dos valores (0 y 1), su media
representa una proporcin y se nota como p y el estimador de la misma, la proporcin
muestral, por p
1 n
p= yi ,
n i =1
yi = 0, 1
Este estimador, como media muestral que es, tiene las mismas propiedades mencionadas
antes.
La varianza de la poblacin es en este caso 2 = pq , donde q=1-p. Como antes, el estimador
insesgado de la varianza es la cuasivarianza muestral que para este tipo de variables es igual a
n
S2 = pq
n 1
y
N (0,1)
n
20
si Y N ( , 2 ) 2 desconocida
y
tn 1 N (0,1) (en la prctica, para n > 30 )
S
n
si Y cualquier distribucin (por el Teorema Central del Lmite) cuando n
y y
N (0,1) (en la prctica, para n>30)
S
n n
p p p p p p
= N (0,1) (en la prctica, para n>30)
pq n pq pq
n n 1 n n 1
Todo lo anterior puede resumirse diciendo que la media muestral (de variables numricas, y ,
o en un caso ms general
y
P Z Z = 1
2 2
n
21
En esta ltima expresin aparecen valores y expresiones fundamentales en las tcnicas de
estimacin:
1-=0,95= nivel de confianza del 95%.
La segunda lectura:
Py 2 y+2 = 0, 95
n n
expresa la confianza que tenemos de que el verdadero valor del parmetro se encuentre
entre los extremos del intervalo y 2 ,y+2 .
n n
varianza V ( X ) = 2 , entonces
1
P X k 1
k2
Aplicando lo anterior, en particular, a la media muestral para k=2 se obtiene
1
P y 2 1 4 = 0, 75
n
resultado parecido al que obtenamos anteriormente
P y 2 = 0, 95
n
salvo que en este caso lo ms que podemos asegurar es que la probabilidad de que
y 2 es mayor de 0,75.
n
22
2.2.2 Estimacin puntual. Intervalos de confianza. Contrastes de hiptesis.
Cuando estimamos el valor de un parmetro poblacional con el valor que ha presentado en una
determinada muestra el estimador asociado, hacemos una estimacin puntual.
Si dicha estimacin puntual se acompaa de un margen de error (lmite para el error de
estimacin) y de una medida de la certidumbre que se tiene en tal estimacin (nivel de
confianza), hablamos de intervalo de confianza. Por ejemplo, utilizando muestras grandes, el
intervalo de confianza para la media poblacional con un nivel de confianza del 95% es
S S
y2 ,y+2
n n
En ocasiones se quiere contrastar con los valores observados en una muestra la posibilidad de
que el verdadero valor de un parmetro de la poblacin sea un determinado valor, por
ejemplo, se quiere contrastar la hiptesis nula H 0 : = 0 con un nivel de significacin del
5%. Lo anterior equivale a comprobar si
S S
0 y 2 ,y+2
n n
en cuyo caso se aceptara la hiptesis nula, rechazndose en caso contrario.
pq B2
n= , D=
D 4
Ejemplo 2.1. (ejercicio 13, relacin tema 2) Un hipermercado desea estimar la proporcin de
compras que los clientes pagan con su Tarjeta de Compras. Durante una semana observaron
al azar 200 compras de las cuales 35 fueron pagadas con la tarjeta.
a) Estime con un intervalo de confianza la proporcin de compras pagadas con dicha tarjeta.
23
b) Cuantas compras deberan observarse para estimar, con un error inferior al 3%, la
proporcin de compras pagadas con la tarjeta? (Consideren los datos anteriores como una
muestra previa)
c) Si no se tuviera ninguna informacin acerca de los clientes que utilizan la tarjeta, cuntas
compras deberamos observar para asegurar que la anterior estimacin se realiza con un
error inferior al 3%.
d) Este mismo hipermercado desea estimar tambin el valor medio de las compras
realizadas con su Tarjeta de Compras. Basndose en los anteriores datos se observa que
el valor total de las compras hechas con la tarjeta fue de 5.600 (siendo la cuasivarianza
de los datos 625). Estime el valor medio de las compras pagadas con la tarjeta y el error
de estimacin asociado.
Solucin:
a)
1 n 35 pq
p=
n i =1
yi =
200
= 0,175 n = 200 q = 1 0,175 = 0,825 V ( p) =
n 1
= 0, 000726
b)
B2 pq
B = 0, 03 D= = 0, 000225 n= = 641, 6 642
4 D
c)
B2 pq
B = 0, 03 D= = 0, 000225 p = q = 0,5 n= = 1111,1 1112
4 D
d)
1 n 5600
n = 35 y=
n i =1
yi =
35
= 160
S 2 625
S 2 = 625 V ( y) = = = 17,8571 B = 2 V ( y ) = 8, 45
n 35
24
2.3.1 Estimacin de la media, proporcin y total poblacionales.
N 1 2 1 N n S N n
( )
2
V y = S =
N n N 1 n N
S2
expresin igual a la del caso de poblaciones infinitas, V ( y ) = , salvo el coeficiente
n
N n
que se denomina coeficiente corrector para poblaciones finitas (c.p.f.).
N
N n
En la prctica el coeficiente c.p.f. suele despreciarse si 0, 95 o lo que es equivalente
N
1
si n N = 5% N . En muchos casos N no est claramente definido o se desconoce, pero si
20
N n
N se supone suficientemente grande el c.p.f. se omite, 1.
N
Para calcular el lmite para el error de estimacin , con un 95% de confianza, se halla
95% cuando trabajamos con el coeficiente 1,962. Pero en algunos casos, segn la
desigualdad de Tchevychev, slo se puede asegurar que este nivel es mayor de un 75%.
25
(B) Estimacin del total poblacional.
Para estimar el total poblacional, , dado que = = N utilizaremos el estimador
N
n
N
= N y =
n
y
i =1
i .
Varianza estimada de
S2 N n S2
V ( ) = V ( N y ) = N 2 V ( y ) = N 2 = N ( N n)
n N n
Como en el caso de la media, el lmite para el error de estimacin con una confianza del 95%
Ejemplo 2.2. (ejercicio 1, relacin tema 2) Un auditor examina las cuentas abiertas con
diferentes clientes de una empresa. Suponga que existen 1.000 cuentas de las cuales se
examinan 300. La media muestral de las cuentas fue y = 1.040 y la varianza muestral
(cuasivarianza) es S2=45.0002. Estime el promedio de la deuda y el total de la deuda por
cobrar para las 1.000 cuentas abiertas con un intervalo de confianza al 95%.
Solucin:
S n21 N n 45000 1000 300
V ( y) = = = 105 2 V ( y ) = 2 105 = 20, 49
n N 300 1000
(1.040 20, 49 ) = (1.019,51 , 1.060, 49 )
= N y = 1000 1040 = 1.040.000
n pq
su varianza estimada, teniendo en cuenta que S 2 = , es igual a
n 1
S2 N n pq N n
V ( p) = =
n N n 1 N
Para estimar el total poblacional de una variable dicotmica usamos
pq
= N p V ( ) = V ( N p ) = N 2 V ( p ) = N ( N n) 2 V ( ) = N 2 V ( p)
n 1
Ejemplo 2.3. (ejercicio 2, relacin tema 2) Se toma una muestra aleatoria simple de 100
estudiantes de un centro con 900 estudiantes para estimar
La proporcin que votarn a un determinado representante de centro.
La proporcin de ellos que tienen algn tipo de trabajo.
Sean yi , zi (i = 1,...,100) las respuestas del i-simo estudiante seleccionado ( yi = 0 cuando
y i z i
p1 = i =1
= 0, 70 (70%) p2 = i =1
= 0, 25 (25%)
100 100
p1 q 1 N n p 2 q 2 N n
V ( p1 ) = = 0,0018855 V ( p2 ) = = 0, 0016835
n 1 N n 1 N
27
2 V ( y) = B V y =
B2
4
( )
=D
2 N n N 2
V ( y) = =D n=
n N 1 ( N 1) D + 2
Para estimar el total poblacional con un lmite para el error de estimacin B, dado que
B2
2 V ( ) = N 2 V ( y ) = B , se llega a la misma expresin de n pero con D =
4N 2
N 1 2
aunque la estimacin insesgada de es
2
S .
N
Si no se dispone de informacin previa para estimar la varianza podemos usar que en variables
normales el rango de la muestra es aproximadamente cuatro veces su desviacin tpica
R R2
2
4 16
Ejemplo 2.4. (ejercicio 3, relacin tema 2) Encuentre el tamao de muestra necesario para
estimar el valor total de 1.000 cuentas por cobrar con un lmite para el error de estimacin de
10.000. Aunque no se cuenta con datos anteriores para estimar la varianza poblacional pero
se sabe que la mayora de las cuentas caen dentro del intervalo (600, 1.400).
28
Solucin:
B2 10.0002
D= = = 25 4 800 200 2 40.000
4 N 2 4 1.0002
N 2
n= = 615, 62 616
( N 1) D + 2
Si se realizan dos preguntas (o ms) a cada elemento de la muestra, se calcularn los tamaos
muestrales que satisfacen los lmites para el error de estimacin fijados para cada estimacin y
finalmente el mayor de los dos ser el tamao de la muestra que satisface ambos lmites.
Ejemplo 2.5. (ejercicio 4, relacin tema 2) Los alumnos de TAM de una facultad con 3.000
estudiantes desean realizar una encuesta para determinar la proporcin de estudiantes que
estn a favor de hacer los exmenes en sbado con un lmite para el error de estimacin del
10%. La informacin previa disponible indica que el 60% preferan los exmenes en sbado.
Tambin se quiere estimar la proporcin de estudiantes que apoyan al equipo decanal con un
error de estimacin del 5%. Determnese el tamao muestral que se requiere para estimar
ambas proporciones con los lmites de error especificados.
Solucin:
p1 = proporcin de estudiantes que prefieren los exmenes en sbado.
B12 (0,10)2
D1 = = = 0, 0025
4 4
Np1q1 3.000 0, 60 0, 40
n1 = = = 93, 05 94
( N 1) D1 + p1q1 (2.999 0, 0025) + (0, 60 0, 40)
p1 q 1 N n 0, 60 0, 40 3.000 354
2 V ( p1 ) = 2 =2 = 0, 0489 ( 4,9%)
n 1 N 353 3.000
o bien la cota del error de estimacin del 10% se tiene con un nivel de confianza mucho
mayor
29
Z V ( p1 ) = 0,10 Z 0, 02445 = 0,10 Z = 4, 09
2 2 2
buscando en la tabla de la normal (o con ayuda de la hoja de clculo Excel, ...) la probabilidad
comprendida entre (-4,09 , 4,09) se obtiene 0,99995684, es decir, prcticamente del 100%.
EJERCICIOS RESUELTOS
S2 =
1
9 1
( 2 2
)
( 33,5 40,89 ) + ... + ( 39 40,89 ) = 35, 67
( )
V y =
S2
n
= 3,963 ( )
B = 2 V y = 3, 98
2
S 2 35, 67
c) n = 2 2 = = 35, 67 36 compras
B B 1
4 4
2. (Ejercicio 17, relacin tema 2) Se han entrevistado 1.000 vecinos, elegidos aleatoriamente
entre los ms de cien mil habitantes de una ciudad para conocer su opinin sobre los
nuevos impuestos municipales. 655 manifestaron su opinin desfavorable. Estime la
proporcin de vecinos que estn en contra de los nuevos impuestos y establezca el lmite
para el error de estimacin. Se puede afirmar que la mayora de los habitantes estn en
contra?
30
SOLUCIN:
655
p= = 0, 655 p = 65,5%
1.000
pq 0, 655 (1 0, 655)
V ( p) = = = 0, 0002262012
n 1 999
2 V ( p) = 0, 0301 3, 01%
p (62, 49% , 68,51%) p > 50% s se puede afirmar que la mayora de los
habitantes estn en contra
3. (Ejercicio 18, relacin tema 2) El Centro de Estadstica desea estimar el salario medio de
los trabajadores de los invernaderos de una regin. Se decide clasificarlos en dos estratos,
los que poseen contrato fijo y los que tienen un contrato temporal. El salario de los
contratos fijos est comprendido entre los 1.200 y 2.200 euros mensuales, el salario de los
contratos temporales est comprendido entre 500 y 1.700 euros mensuales. Cul debe ser
el tamao muestral total y su asignacin para que se estime el salario medio de los
contratos fijos con un error inferior a 100 y el salario medio de los contratos temporales
con un error inferior a 120?`
SOLUCIN:
Ri Ri
i
i2
4
2.200-1.200=1000 250 62.500
1.700-500=1.200 300 90.000
12 12 62.500 62.500
n1 = = 2
= = = 25
D1 B 1 100 2 10.000
4 4 4
22 22 90.000 90.000
n2 = = 2
= = = 25
D2 B 2 120 2 14.400
4 4 4
n = n1 + n2 = 50
4. (Ejercicio 14, relacin tema 2) Entre todas las oficinas bancarias de una pequea ciudad se
tienen concedidos 2000 prstamos hipotecarios. Existen razones para pensar que el
prstamo hipotecario de menor cuanta es de algo ms de 1200 euros, siendo de casi 11000
31
euros el de mayor cuanta. cul es el tamao muestral necesario para estimar estos dos
parmetros:
- la cuanta media de los prestamos cometiendo un error de estimacin menor de 400
euros y
- la proporcin de prstamos pendientes de amortizar ms de la mitad de la deuda
cometiendo un error mximo del 5%?
SOLUCIN:
N = 2.000
R
R = 11.000 1.200 = 9.800 = 2450 2 6.002.500
4
B 2 4002
D= = = 40.000
4 4
N 2
n= = 139, 65 140
( N 1) D + 2
B 2 0.052
D= = = 0, 000625
4 4
Npq
p = q = 0,5 n= = 333, 47 334
( N 1) D + pq
Para conseguir estimar los dos parmetros con los niveles de error especificados
necesitamos un tamao muestral igual al mximo de 140 y 334. n = 334 .
5. (Ejercicio 15, relacin tema 2) Se desea estimar el salario medio de los empleados de una
empresa y la proporcin de empleados que apoyan a la actual directiva. La empresa tiene
110 empleados y se sabe que el salario est comprendido entre los 1500 y 1800 euros
mensuales. Cul debe ser el tamao muestral para que al estimar el salario medio la cota
de error se site en 10 euros y al estimar la proporcin de los que apoyan a la actual
directiva el error mximo cometido sea del 2%?
SOLUCIN:
R
N = 110 R = 1.800 1.500 = 300 = 75 2 5625
4
B 2 102
D= = = 25
4 4
N 2
n= = 74,1 75
( N 1) D + 2
B 2 0.022
D= = = 0, 0001
4 4
32
Npq
p = q = 0,5 n= = 105, 4 106
( N 1) D + pq
6. (Ejercicio 16, relacin tema 2) Una empresa de trabajo temporal quiere investigar las
necesidades de empleo de las empresas de un pueblo. Para ello decide seleccionar una
muestra de 5 de las 25 inscritas en el registro mercantil. El nmero de bajas en el ltimo
ao, el nmero de empleados y la respuesta de cada empresa sobre si utilizara los
servicios de la empresa de trabajo temporal fueron los siguientes:
Empresa Bajas Empleados Respuesta
1 1 7 Si
2 2 15 No
3 9 85 Si
4 0 3 No
5 2 12 No
a) Estime el nmero de bajas en el ltimo ao en las empresas del pueblo. Calcule el
lmite para el error de estimacin.
b) Estime el nmero de empresas que usaran los servicios ofertados. Calcule el lmite
para el error de estimacin.
SOLUCIN:
a) N = 25 n=5
14
y= = 2,8 = N y = 70
5
S2 12, 7
V ( ) = N ( N n) = 25 20 = 1270
n 5
B = 2 V ( ) = 71, 2741
Nota: este apartado podr resolverse de otra forma cuando estudiemos el muestreo por
conglomerados. Vase ejercicio 10 de la relacin del captulo 6)
b)
2
p= = 0, 4 = N p = 10
5
pq 0, 24
V ( ) = N ( N n) = 25 20 = 30
n 1 4
B = 2 V ( ) = 10,9545
7. (Ejercicio 21, relacin tema 2) El consumo medio de combustible de los taxis de una
ciudad es 5.6 litros cada 100 Km. Puesto que se considera que el consumo es demasiado
elevado, en 600 taxis se monta un dispositivo para disminuirlo. Pasado cierto tiempo se
33
toma una muestra aleatoria de 20 taxis, elegidos entre los 600 que colocaron el dispositivo.
El consumo en litros de combustible por cada 100 Km. se recoge en la siguiente tabla
Taxi n Consumo Taxi n Consumo Taxi n Consumo Taxi n Consumo
1 5.4 6 6.3 11 3.6 16 5.4
2 5.5 7 5.4 12 6.7 17 4.8
3 6.9 8 5 13 5.2 18 4.7
4 3.9 9 4.5 14 5.1 19 5.8
5 4.5 10 4.4 15 5.4 20 6.2
a) Estmese mediante un intervalo de confianza la proporcin de taxis con un consumo
inferior a 5.6 litros/100 Km.
b) Cuantos taxis deben observarse para estimar la anterior proporcin con un error
menor o igual que un 10%?
SOLUCIN:
a) 15 de los 20 taxis no superan el consumo de 56 litros/100 Km, por tanto
2 V ( p) = 0 '1953
( 0 '10 )
2
b) B = 0 '10 D= = 0 '0025
4
34
SOLUCIN:
yi yi2
35,50 1260,25
32,00 1024,00
43,00 1849,00
41,00 1681,00
44,00 1936,00
42,50 1806,25
n n
y
i =1
i = 238,00 y
i =1
2
i = 9556,50
N n
100
= N y =
n
y
i =1
i =
6
238=3966,6
2
n
n yi
yi2 i =1
1 2382
1 n
( ) n
2
S2 = yi y
n 1 i =1
= i =1
n 1
= 9556,50
5 6
= 23,1667
2
S 23,1667
2 V ( ) = 2 N ( N n) = 2 100(100 6) = 381, 02
n 6
Los anteriores clculos que se han realizado a mano o con ayuda de una calculadora bsica
se simplifican notablemente si utilizamos una calculadora cientfica de uso comn. Estas
calculadoras nos proporcionan los valores de un grupo de funciones estadsticas
x 2
x x n = sx n 1 = Sx de forma inmediata.
35
SOLUCIN: N=5000, n=300
51 pq N n
p= = 0,17 q = 1 p = 0,83 V ( p ) = = 0, 00044359197 2 V ( p ) = 0, 0421
300 n 1 N
25% (17% 4, 21% ) = (12, 79%, 21, 21% )
luego se rechaza la hiptesis de que en el 25% de los hogares de esa ciudad habita al
menos una persona mayor de 65 aos.
1 n 1 n
( )
2
N=45, n=5 y= yi = 5, 26
n i =1
S2 = yi y
n 1 i =1
= 2, 563
S2 N n
V ( y) = = 0, 4556 2 V ( y ) = 1,35 INTERV . CONF .: ( 3, 91 min ., 6, 61 min .)
n N
Valores mayores e igual a 6 minutos pertenecen al intervalo de confianza, por tanto no
podemos aceptar esa hiptesis.
11. (Ejercicio 11, relacin tema 2) Con objetivos benficos, una asociacin filantrpica ha
solicitado firmas para una peticin en 700 hojas. Cada hoja tiene espacio suficiente para
40 firmas pero en muchas de las hojas se ha obtenido un nmero menor. Contando el
nmero de firmas por hoja en una muestra aleatoria de 50 hojas se han observado los
siguientes resultados:
50 50
Y = 1.450; Y
i =1
i
i =1
i
2
= 54.496
36
2
S
= N y = 20.300 V ( ) = N ( N n) = 2.311.400 B = 2 V ( ) = 3.040, 66
n
( 20.300 3.040, 66 ) = (17.259,34 , 23.340, 66 )
Previsin ms optimista: 23.340 ; previsin ms pesimista: 17.259
37
3. Muestreo aleatorio estratificado.
3.1 Seleccin de una muestra aleatoria estratificada.
3.2 Estimacin de la media, proporcin y total poblacionales.
3.3 Determinacin del tamao muestral.
3.4 Asignacin de la muestra.
3.4.1 Asignacin ptima.
3.4.2 Asignacin de Neyman.
3.4.3 Asignacin proporcional.
3.5 Estratificacin despus de seleccionar la muestra.
38
i2 = varianza poblacional del estrato i Si2 = varianza muestral del estrato i
L
1 L
st = N i y i y la media poblacional = mediante y st = N i yi
i =1 N N i =1
Varianza estimada de y st
1 L 2 1 L 2 Si2 N i ni
V ( y st ) = i i N2
N 2 i =1
N V ( y ) =
i =1
Ni
ni N i
(se obtiene aplicando las propiedades de la varianza mencionadas en el captulo 2)
Varianza estimada de st
2 S i N i ni
L 2
V ( st ) = N V ( y st ) = N i
2
i =1 ni N i
Varianza estimada de p st
1 L 2 1 L 2 pi q i N i ni
V ( p st ) = 2 N i V ( pi ) = 2 N i
N i =1 N i =1 ni 1 N i
Estimador del total poblacional
L
st = N p st = N i pi
i =1
39
Varianza estimada de st
L
p q N n
V ( st ) = N 2 V ( p st ) = N i2 i i i i
i =1 ni 1 N i
Solucin: en primer lugar se calculan las medias y varianzas muestrales en cada estrato
y1 = 34, 67 horas / semana y 2 = 28,17 h / s y 3 = 17, 56 h / s S12 = 23, 24 S 22 = 112,57 S32 = 19, 28
y = 28, 23 S 2 = 92, 74
A partir de estos valores calculamos las varianzas de los estimadores de la media en cada
estrato y los lmites para los errores de dichas estimaciones
N1 = 210 N 2 = 84 N 3 = 126 N = N1 + N 2 + N 3 = 420
n1 = 15 n2 = 6 n3 = 9 n = n1 + n2 + n3 = 30
40
S12 N1 n1 S 22 N 2 n2 S32 N 3 n3
V ( y1 ) = = 1, 44 V ( y2 ) = = 17, 42 V ( y3 ) = = 1, 99
n1 N1 n2 N 2 n3 N 3
2 V ( y1 ) = 2, 40 h / s 2 V ( y 2 ) = 8,35 h / s 2 V ( y 3 ) = 2,82 h / s
Para el conjunto de todos los hogares el estimador de la media es
1 3
Ni y i = 28, 23 h / s
y st =
N i =1
y la varianza de este estimador la podemos calcular basndonos en las varianzas de los
estimadores de la media en cada estrato mediante
3
1
V ( y st ) =
N2
N
i =1
i
2
V ( y i ) = 1, 24
o, si se prefiere, utilizando
1 3 2 Si2 N i ni
Ni n N
V ( y st ) =
N 2 i =1 i i
el error para la estimacin de la media para todos los hogares est dado por
2 V ( y st ) = 2, 22 h / s
1 3 2 pi q i N i ni
V ( p st ) = Ni n 1 N = 0, 00748
N 2 i =1
2 V ( p st ) = 0,173
i i
y el intervalo de confianza expresado en porcentajes es
41
( 60% 17,3% ) = ( 42, 7%, 77,3% )
ni N i 1
.
No podemos despejar el valor de todos los ni de una sola ecuacin a menos que conozcamos
la relacin entre los ni y n . Hay diversas formas de asignar el tamao muestral n en los
obteniendo el tamao muestral aproximado que se requiere para estimar con un lmite para
el error de estimacin B (aproximado porque se hacen algunas modificaciones como
N i 1 N i , ... para resolver la anterior ecuacin).
L
N i2 i2
i =1 i
n= L
N 2 D + N i i2
i =1
2
B B2
D= y la misma expresin vale para el total tomando D = .
4 4N 2
Al igual que en el M.A.S. para poder usar la anterior ecuacin necesitamos conocer las
varianzas poblacionales de los estratos o valores aproximados de ellas, para lo cual se pueden
usar las varianzas muestrales de un estudio previo o conocer la amplitud de variacin de las
observaciones dentro de cada estrato.
En el caso de variables dicotmicas se obtiene una expresin similar, teniendo en cuenta que
en este caso particular i2 = pi qi
L
N i2 pi qi
i =1 i
n= L
N 2 D + N i pi qi
i =1
B2 B2
D= (para estimar p) y la misma expresin vale para el total tomando D = .
4 4N 2
42
3.4 Asignacin de la muestra.
Hay diversas formas de asignar el tamao muestral n en los distintos estratos.
El objetivo del diseo de una encuesta por muestreo es proporcionar estimadores con varianza
pequea (por tanto, pequeo error de estimacin) al menor coste posible.
El mejor esquema de asignacin est influido por:
El nmero total de elementos en cada estrato.
La variabilidad de las observaciones en cada estrato.
El coste de obtener una observacin en cada estrato.
sustituyendo los j en la expresin que obtenamos antes para n se tiene el tamao total de la
43
L
N i i
C
i =1 ci
n= L
N
i =1
i i ci
Ni =1
i i
2
( N ) L
i i
n= i =1
L
N D + N i i2
2
i =1
Caso dicotmico
N j pjqj
j = L
Ni =1
i pi qi
2
( NL
i pi qi )
n= i =1
L
N 2 D + N i pi qi
i =1
A este tipo de asignacin se le denomina de Neyman, que como acabamos de decir coincide
con la asignacin ptima cuando los costes de observacin son iguales en todos los estratos.
Las expresiones de esta asignacin son ms simples que las de la ptima y se utiliza an
cuando los costes de observacin no son idnticos, a veces, sencillamente porque no se
conocen.
44
Caso numrico
Nj
j =
N
N i i
2
n= i =1
L
1
ND +
N
N
i =1
i i
2
Caso dicotmico
Nj
j =
N
L
N pq i i i
n= i =1
L
1
ND +
N
N pq
i =1
i i i
45
An tomando el mayor de los tamaos muestrales (100) y pasando la encuesta a 10 individuos
del estrato 1 y 90 del estrato 2 no tenemos garantizado que se satisfaga el error de estimacin
fijado para la segunda estimacin que necesita al menos 20 individuos de cada estrato.
Nj
En la asignacin proporcional no ocurre lo anterior pues los j = son iguales para todas
N
las variables al no depender de sus varianzas, as si en dos estimaciones para los niveles de
error requeridos tenemos lo siguiente
1 estimacin: n = 100 1 = 0,30 n1 = 30 2 = 0, 70 n2 = 70
2 estimacin: n = 40 1 = 0,30 n1 = 12 2 = 0, 70 n2 = 28
tomando como n el mximo de los dos (o de los k si hay k variables que se observan), se
tiene garantizado que se cumple con los lmites para el error fijados para todas las
estimaciones.
46
N i i
Ni i ci N i i ci ci N i i2
210 4,8208 1 1012,368 1012,368 4880,4
84 10,6094 3 2673,5688 297,0632 9455,04
126 4,3909 2 1106,5068 276,6267 2429,28
420 4792,4436 1586,0579 16764,72
B2 1
D= = = 0, 25
4 4
3 3
Ni i
N
i =1
i i ci
i =1 ci 4792, 4436 1586, 0579
n= = = 124,89
N 2 D + N i i2
3
( 4202 0, 25) + 16764, 72
i =1
N1 1
c
1 = 3 1 = 0, 6383 2 = 0,1873 3 = 0,1744
N i i
i =1 ci
y los tamaos de la muestra en cada estrato estn dados por la asignacin ptima
n1 = 0, 6383n = 126, 75 126 n2 = 0,1873n = 37,19 37 n3 = 0,1744n = 34, 63 34
n = 126 + 37 + 34 = 197
o bien resolviendo la ecuacin
c1n1 + c2 n2 + c3 n3 = 600
donde ni = i n
600 600
n= = = 198,57
c11 + c22 + c33 3, 0216
47
Ejemplo 3.4 (Ejercicio 2, prctica 3) Continuando con el ejemplo 3.2
a) Cuntos hogares deberan entrevistarse si se quisiera hacer dicha estimacin con un
error inferior al 5%. (Supngase que se realiza la entrevista por telfono y el coste de
las observaciones es el mismo para todos los casos al no ser necesarios los traslados.
Tmese los anteriores datos como una muestra previa para estimar los parmetros
necesarios)
b) Respndase a la pregunta anterior pero suponiendo que no se tiene ninguna
informacin previa sobre la proporcin de hogares donde se ve el programa.
Solucin: a)
Ni pi qi N i pi qi N i pi qi
210 0,4667 0,5333 52,2671 104,7669
84 0,8333 0,1667 11,6685 31,3075
126 0,6667 0,3333 27,9986 59,3955
420 91,9342 195,4699
B 2 0, 052
D= = = 0, 000625
4 4
2
( N
3
i pi qi ) 195, 46992
n= i =1
= = 188,98
3
N 2 D + N i pi qi ( 4202 0, 000625) + 91,9342
i =1
N pq i i i
105
n= i =1
L
= = 204,878
105
ND +
1
N pq i i i ( 420 0, 000625 ) +
N i =1 420
210
n1 = 204,878 = 102, 439 103 anlogamente n2 = 40,98 41 n3 = 61, 46 62
420
n = 103 + 41 + 62 = 206
48
El muestreo estratificado no siempre conduce a un estimador con menor error de
estimacin, esto suele ocurrir cuando los estratos no incluyen datos homogneos.
Esto es debido muchas veces a que predomina el deseo de obtener estimaciones en cada
estrato (por ejemplo, en un estudio regional tambin se quieren obtener estimaciones a nivel
provincial) frente al objetivo de minimizar los errores de los estimadores. Este problema
queda bien ilustrado con el siguiente ejemplo.
Estime el consumo anual medio por hogar y fije un lmite para el error de estimacin.
N1 N2 N3 N4
Solucin: = 0, 20 = 0,30 = 0, 25 = 0, 25
N N N N
4 4
1 Ni
y st = Ni y i = y i = ( 0, 20 507, 5 ) + ( 0,30 505 ) + ( 0, 25 492 ) + ( 0, 25 498 ) = 500,5
N i =1 i =1 N
1 20 10010
y=
n i =1
yi =
20
= 500,5
49
En la siguiente expresin consideramos los c.p.f. en cada estrato iguales a la unidad
2
1 4
Si2 N i ni 4
N i2 Si2 2
N i Si2
V ( y st ) = 2
N
i =1
N
i
2
ni N i
=
i =1 N
2
ni
=
i =1 N ni
=
2 V ( y st ) = 18, 79
Supongamos que el distribuidor hubiera decidido tomar una muestra aleatoria simple de 20
hogares, los mismos 20 de la tabla anterior, entonces el estimador de la media es
1 20
y= yi = 500, 5
n i =1
que coincide con el estimador del muestreo estratificado por las razones mencionadas
anteriormente, pero la varianza estimada y error de estimacin asociados toman los valores
(se omite el c.p.f.):
S n21 = 1520, 79
S n21 N n 1520, 79
V ( y) = = = 76, 04
n N 20
2 V ( y ) = 17, 44
Se observa que el error de estimacin es menor en el caso del muestreo aleatorio simple, esto
es debido a que el distribuidor no tuvo en cuenta que el consumo vara mucho dentro del
cuarto municipio. Pudo haber obtenido un error menor si hubiera estratificado en base al
tamao de las familias u hogares, esto es, colocando los hogares pequeos en un estrato, los
medianos en otro, ...
aunque n sea fijo. Luego esto no es una muestra aleatoria estratificada en su pleno sentido,
50
Ni
pero si es conocido y ni 20 i , entonces este mtodo de estratificar despus de la
N
seleccin es casi tan exacto como el muestreo aleatorio estratificado con asignacin
Ni
proporcional. Si se desconoce o no se puede tener una buena aproximacin de su valor,
N
este mtodo no debe usarse.
Ejemplo 3.6 (Ejercicio 17, relacin tema 3) En una ciudad se sabe que el 30% de los hogares
tienen calefaccin elctrica. Al realizar una encuesta sobre el consumo de energa (valor en
euros de la factura bimensual) se obtuvieron los siguientes resultados:
Tipo Calefaccin N casas Valor total de las facturas desviacin tpica muestral
Elctrica 60 5730 200
No elctrica 40 2080 90
Obtenga una estimacin del valor medio de la factura de electricidad en la ciudad. D un
lmite para el error de estimacin.
Solucin: Ya que la proporcin observada de facturas de hogares con calefaccin elctrica
(0,60=60/100) est muy alejada de la proporcin verdadera (0,30), es conveniente la
estratificacin despus de que se ha seleccionado la muestra aleatoria simple. Adems el
procedimiento se justifica pues tanto n1 como n2 superan 20.
5730 2080
y1 = = 95,5 y2 = = 52
60 40
2 2
1 Ni
y st =
N
Ni y i =
i =1 i =1 N
y i = (0, 30 95,5) + (0, 70 52) = 65, 05
1 2
Si2 N i ni 2
N2 S2 N n
V ( y st ) =
N2
Ni2
i =1 ni N i
= i2 i i i
i =1 N ni N i
omitiendo el coeficiente corrector por poblaciones finitas se tiene
2
2
N i2 Si2 2
N i Si2 2 200
2
2 90
2
V ( y st ) = = = 0,30 + 0, 70 = 159, 225
i =1 N 2 ni i =1 N ni 60 40
2 V ( y st ) =25,24
A veces este mtodo de estimacin se utiliza para ajustar por no respuesta. Por ejemplo, si
muchos de quienes no respondieron a una muestra aleatoria simple son varones, entonces la
proporcin de varones en la muestra va a ser pequea, y se podra conseguir un estimador
ajustado mediante la estratificacin despus del muestreo.
51
As, en este ejemplo la baja representacin en la muestra de facturas sin calefaccin elctrica y
la alta de facturas con calefaccin elctrica conducen a una sobreestimacin del valor medio
de las facturas si se utiliza m.a.s. y no se ajusta la estimacin de la media con la estraficacin
despus de seleccionar la muestra:
EJERCICIOS RESUELTOS
1. (Ejercicio 10, relacin tema 3) De una ciudad con 350 casas, se sabe que 164 de ellas
tienen calefaccin elctrica. Al realizar una encuesta sobre el consumo de energa (en
kilovatios-hora) se obtuvieron los siguientes resultados:
Tipo Calefaccin N casas Media muestral Cuasivarianza muestral
Elctrica 24 972 202,396
No elctrica 36 463 96,721
a. Obtenga una estimacin del nmero medio de kilovatios-hora utilizado en la
ciudad. D un lmite para el error de estimacin.
b. Obtenga una estimacin del nmero medio de kilovatios-hora utilizado por las
casas que no tienen calefaccin elctrica. D un lmite para el error de
estimacin.
SOLUCIN:
a.
Ni ni yi Si2 Ni y i N i ni Si2 N i ni
2
Ni
Ni ni N i
164 24 972 202,396 159.408 0,854 193.699,13
186 36 463 96,721 86.118 0,806 74.925,32
350 245.526 268.624,45
L
1 245.526
y st =
N
N y
i =1
i i =
350
= 701, 50
1 L
Si2 N i ni 268.624, 45
V ( y st ) =
N2
Ni2
i =1 ni N i
=
3502
= 2,19
2 2,19 = 2,96
52
b.
y 2 = 463
2 2,17 = 2, 94
L
N i i L
N i L
Ni L
Ni
C C C C
i =1 ci i =1 ci i =1 ci i =1 ci 20.000 3.028, 624
n= L
= L
= L
= L
= = 1784,81
33.937, 726
N
i =1
i i ci N
i =1
i ci N i ci
i =1
N
i =1
i ci
Ni ci Ni N i ci i
ci
9.000 10 2.846,05 28.460,5 2.846,05/3.028,624=0,9397
1.000 182,574 5.477,226 182,574/3.028,624=0,0603
30
10.000 3.028,624 33.937,726 1,0000
53
3. (Ejercicio 12, relacin tema 3) Se desea conocer el nmero de fines de semana que las
familias de una gran ciudad salen fuera de ella. Se sabe que el 425% de las familias tienen
de 0 a 2 hijos, el 30% tienen de 3 a 5 hijos y el 275% tienen ms de 5 hijos. Se realiz un
muestreo segn el nmero de hijos y se pregunt a las familias sobre los fines de semana
que pasan fuera, obtenindose los siguientes datos:
Nmero de hijos ni n
S i2
yi
i =1
0-2 25 239 6076
3-5 19 174 6301
Mas de 5 16 78 7824
Estimar el nmero medio de fines de semana que las familias pasan fuera de la ciudad y
dar el lmite de error de estimacin. Omitir el corrector por poblacin finita.
SOLUCIN:
239 174 78
y1 = = 9,56 y2 = = 9,16 y3 = = 4,87
25 19 16
L L
1 Ni
y st = Ni y i = y i = ( 0, 425 9, 56 ) + ( 0, 30 9,16 ) + ( 0, 275 4,87 ) = 8,15
N i =1 i =1 N
N i ni Si2 N i ni
2
Si2 N 2 S2 N i Si
L L L L 2
1 1
Si
Ni
= 1 V ( y st ) = 2
N
Ni2
i =1 ni N i
= 2
N
Ni2
i =1
= i2 i =
ni i =1 N ni i =1
N ni
=
4. (Ejercicio 6, relacin tema 3) Una compaa de autobuses est planeando una nueva ruta
para dar servicio a cuatro barrios. Se tomaron muestras aleatorias de hogares en cada
barrio y se solicit a los miembros de la muestra que valorasen en una escala de 1
(totalmente opuesto) a 5 (totalmente a favor) su opinin sobre el servicio propuesto. Los
resultados se resumen en la tabla adjunta:
Barrio
1 2 3 4
N i 240 190 350 220
ni 25 25 25 25
y i 3,5 3,6 3,9 3,8
S i 0,8 0,9 1,2 0,7
a) Halle un intervalo de confianza para la opinin media de los hogares que dispondrn del
nuevo servicio.
b) Si se asigna la muestra de 100 hogares de la mejor forma, determine cuntos
perteneceran al barrio 3. (Suponga iguales los costes de observacin)
54
SOLUCIN:
a)
L
1 L
1 L
Si2 N i ni
N = N i = 1000 y st = Ni y i =3, 725 V ( y st ) = Ni2 = 0, 00973
i =1 N i =1 N2 i =1 ni N i
B = 2 V ( y st ) = 0,1973 ( 3,5277 , 3,9223)
b)
N 3 3 350 1, 2
n3 = n3 = 100 = 100 =
4
(240 0,8) + (190 0,9) + (350 1, 2) + (220 0, 7)
N
i =1
i i
5. (Ejercicio 20, relacin tema 3) Una empresa especializada en seguros est pensando en
ofrecer sus servicios a las empresas de los polgonos industriales de una ciudad. Para
ajustar sus tarifas desea estimar el gasto en pequeas reparaciones de mantenimiento
(objeto del seguro) de dichas empresas. Se clasifican las empresas en funcin de su
tamao. El nmero de empresas de cada tipo, el coste de obtencin de esta informacin en
cada empresa as como los valores mnimos, medios y mximos de un estudio similar
hecho hace dos aos se expresan en la siguiente tabla (los costes y gastos estn expresados
en euros)
Tipo de Nmero de Costes de Gastos de reparacin
empresa empresas observacin Mnimo Media Mximo
A 100 16 400 500 600
B 500 9 240 300 360
C 700 4 70 100 130
Si la empresa de seguros dispone de hasta 600 para llevar a cabo la estimacin, cuntas
empresas de cada tipo tiene que observar para conseguir que sea mnimo el error de
estimacin asociado?
SOLUCIN:
La asignacin que minimiza la cota del error de estimacin para un coste fijo es la
asignacin ptima.
R
Usamos que R4 y por tanto estimamos que .
4
N i i
Ni ci ci Ri i ci i
100 16 4 600-400 50 1250 01087
500 9 3 360-240 30 5000 04348
700 4 2 130-70 15 5250 04565
11500 1
600 = 16n1 + 9n2 + 4n3 ( ni = in ) 600 = 17392n + 39132n + 1826n = 74784n
55
n = 600/74784 = 80231
6. (Ejercicio 13, relacin tema 3) En una poblacin compuesta por aproximadamente igual
nmero de hombres que de mujeres se desea estimar el gasto medio mensual por habitante
en ocio. Se lleva a cabo la encuesta por telfono mediante una muestra aleatoria simple de
500 nmeros de telfono del citado municipio. Despus de obtenidos los datos se observa
que slo 100 de los encuestados fueron hombres y el resto mujeres. Por ello se decide
llevar a cabo una estratificacin despus de seleccionar la muestra obtenindose los
siguientes datos
HOMBRES MUJERES
Ni 2.500 2.700
ni 100 400
yi 120 250
Si2 9.000 16.000
Estime la media poblacional de gasto mensual en ocio y su cota de error, mediante
muestreo aleatorio estratificado despus de seleccionar la muestra.
SOLUCIN:
Ni ni yi Si2 Ni y i N i ni Si2 N i ni
N i2
Ni ni N i
2.500 100 120 9.000 300.000 0,96 540.000.000
2.700 400 250 16.000 675.000 0,85185 248.399.460
5.200 500 975.000 788.399.460
L
1 975.000
y st =
N
N y
i =1
i i =
5.200
= 187, 5
1 L
Si2 N i ni 788.399.460
V ( y st ) = 2
N
i =1
N i
2
ni N i
=
5.2002
= 29,16
2 29,16 = 10,8
7. (Ejercicio 14, relacin tema 3) En una poblacin compuesta por aproximadamente igual
nmero de hombres que de mujeres se desea estimar la proporcin de individuos que ven
un determinado programa de televisin. Se lleva a cabo la encuesta por telfono mediante
56
una muestra aleatoria simple de 300 nmeros de telfono. Despus de obtenidos los datos
se observa que slo 50 de los encuestados fueron hombres y el resto mujeres. Por ello se
decide llevar a cabo una estratificacin despus de seleccionar la muestra obtenindose los
siguientes datos
HOMBRES MUJERES
Encuestados 50 250
Ven el programa 12 130
Estime la proporcin de la poblacin que ven el programa de televisin y su cota de error,
mediante muestreo aleatorio estratificado despus de seleccionar la muestra.
SOLUCIN:
12 130
p1 = = 0, 24 p2 = = 0,52 q i = 1 p i
50 250
L L
1 Ni
p st = N i pi = p i = ( 0, 50 0, 24 ) + ( 0,50 0,52 ) = 0,38 p st = 38%
N i =1 i =1 N
N i ni
=1 Si
Ni
p q N n p q N 2 p q N i p i q i
2
1 L 1 L L L
V ( p st ) = 2 N i2 i i i i = 2 N i2 i i = i2 i i = =
N i =1 ni 1 N i N i =1 ni 1 i =1 N ni 1 i =1 N ni 1
0, 24 0, 76 2 0,52 0, 48
= 0,502 + 0,50 = 0, 0011812146
49 249
2 V ( p st ) = 0, 0687 6,87%
8. (Ejercicio 15, relacin tema 3) Una corporacin desea estimar el nmero total de horas
perdidas debido a accidentes de sus empleados, en un determinado mes. Ya que los
obreros, tcnicos y administrativos tienen diferentes tasas de accidentes, la corporacin
decide usar muestreo estratificado, formando con cada grupo un estrato. Datos de aos
previos sugieren las cuasivarianzas mostradas en la siguiente tabla para el nmero de horas
perdidas por empleado en los tres grupos, y de datos actuales se obtienen los tamaos de
los estratos. No habiendo diferencia entre los costes de observacin de cada grupo,
determine la mejor asignacin para una muestra de 40 empleados.
Obreros Tcnicos Administrativos
Si2 36 25 9
Ni 132 92 27
57
SOLUCIN:
Ni i Si N i i i
132 6 792 792 = 0,5941
1.333
92 5 = 0,3451
460 460
1.333
27 3 81
81 = 0, 0608
1.333
1.333 1
Donde se ha aplicado la asignacin de Neyman al ser los costes de observacin iguales:
N j j n1 = 40 0,5941 = 23,8 24
j = L
n2 = 40 0, 3451 = 13,8 14
N
i =1
i i
n3 = 40 0, 0608 = 2, 4 2 n = 40
Ni ci pi q i p i q i N i p i q i i
ci
5.000 3 0,90 0,10 0,3 500 500 = 0, 4795
1.042, 695
2.000 5 0,55 0,45 0,4975 199 199 = 0,1909
1.042, 695
3.000 4 0,70 0,30 0,45826 343,695 343, 695 = 0,3296
1.042, 695
1.042,695 1
Donde se ha aplicado la asignacin ptima:
p jq j n1 = 200 0, 4795 = 95,9 96
Nj
cj n2 = 200 0,1909 = 38, 2 38
j = L
pi qi n3 = 200 0,3296 = 65,9 66
N i
i =1 ci n = 200
10. (Ejercicio 19, relacin tema 3) La produccin de piezas de una factora se realiza en dos
mquinas. El 40% de las piezas las produce la mquina A y el 60% restante la mquina B.
Se les pas control de calidad a 200 piezas; 67 producidas por la mquina A y dos de ellas
resultaron defectuosas; las 133 restantes procedan de la mquina B, siendo 6 de ellas
defectuosas. Estimar la proporcin de piezas defectuosas de la factora y dar el lmite de
error de estimacin. Omita el coeficiente corrector por poblacin finita.
58
SOLUCIN:
p i q i
Estrato Ni ni pi ni 1
A 0.40 N 67 2/67=0.030 0.000441
B 0.60 N 133 6/133=0.045 0.000326
N 200
p=
1
N
( ( 0.40 N 0.030 ) + ( 0.60 N 0.045) ) = ( ( 0.40 0.030 ) + ( 0.60 0.045) ) = 0.039 ( 3.9% )
( )
V p =
N
1
2 ( (
0.402 N 2 0.000441) + ( 0.602 N 2 0.000326 ) = )
(
= ( 0.402 0.000441) + ( 0.602 0.000326 ) = 0.000188 )
B = 2 0.000188 = 0.0274 ( 2.74% )
11. (Como ejercicio 3, relacin tema 3) Una inspectora de control de calidad debe estimar la
proporcin de circuitos integrados de ordenador defectuosos que provienen de dos
diferentes operaciones de ensamble. Ella sabe que de entre los circuitos integrados que van
a ser inspeccionados, 60% procede de la operacin de ensamble A y 40% de la operacin
de ensamble B. En una muestra aleatoria de 100 circuitos integrados resulta que 20
provienen de la operacin A y 80 de la operacin B. De entre los circuitos integrados
muestreados de la operacin A, 3 son defectuosos. De entre las piezas muestreadas de la
operacin B, 13 son defectuosas. Estime la proporcin de los defectuosos en la poblacin,
y fije un lmite para el error de estimacin.
SOLUCIN
1 L
NiL
3 13
p st = Ni pi = p i = 0, 60 + 0, 40 = 0,155 (15,5% )
N i =1 i =1 N 20 80
2
1 L 2 p i q i N i ni L
N i2 p i q i L
N i p i q i
V ( p st ) = 2 N i = 2 = =
N i =1 ni 1 N i i =1 N ni 1 i =1 N ni 1
19 79
2 V ( p st ) = 0,103 (10, 3% )
59
Categora N de piezas Peso en gramos
Pequea 5 12, 14, 12, 15, 12
Mediana 6 16, 22, 24, 20, 20, 18
Grande 4 30, 33, 31, 34
Considerando los anteriores datos como una muestra previa, obtenga el nmero de
unidades que cada categora debe aportar a la muestra para que el error en la estimacin
del peso total no supere el medio kilo.
SOLUCIN:
Peso en gramos (con las funciones del modo SD de la calculadora )
12, 14, 12, 15, 12 S1 = 1, 4142 S12 = 2
16, 22, 24, 20, 20, 18 S 2 = 2,8284 S 22 = 8
30, 33, 31, 34 S3 = 1,8257 S32 = 3, 3333
N j j
j =
Ni i 2
N i i N i 2 L
ni = 71, 66i
i i
N
i =1
i i
B2 250.000
( N )
L
i i
D= 2
= = 0, 0625 n= i =1
L
= 71, 66
4N 4.000.000
N D + N i
2
i
2
i =1
13. (Ejercicio 3, relacin tema 3) Una inspectora de control de calidad debe estimar la
proporcin de circuitos integrados de ordenador defectuosos que provienen de dos
diferentes operaciones de ensamble. Ella sabe que de entre los circuitos integrados que van
a ser inspeccionados, 60% procede de la operacin de ensamble A y 40% de la operacin
de ensamble B. En una muestra aleatoria de 100 circuitos integrados resulta que 20
provienen de la operacin A y 80 de la operacin B. De entre los circuitos integrados
muestreados de la operacin A, 2 son defectuosos. De entre las piezas muestreadas de la
operacin B, 16 son defectuosas.
a. Considerando nicamente la muestra aleatoria simple de 100 circuitos
integrados, estime la proporcin de los defectuosos en el lote, y establezca un
lmite para el error de estimacin.
60
b. Estratifique la muestra, despus de la seleccin, en circuitos integrados
provenientes de la operacin A y B, estime la proporcin de los defectuosos en
la poblacin, y fije un lmite para el error de estimacin.
c. Qu respuesta encuentra ms aceptable? Por qu?
SOLUCIN:
18 pq
a. p = = 0,18 (18%) V ( p ) = = 0, 001491 2 V ( p ) = 0, 0772 ( 7, 72% )
100 n 1
1 L L
Ni 2 16
b. p st = Ni pi = p i = 0, 60 + 0, 40 = 0,14 (14% )
N i =1 i =1 N 20 80
2
1 L
p i q i N i ni L
N i2 p i q i L
N i p i q i
V ( p st ) = 2 N 2
ni 1 N i
= 2
i =1 N ni 1
= =
N ni 1
i
N i =1 i =1
19 79
2 V ( p st ) = 0, 0901 ( 9, 01% )
c. Aunque en el conjunto de la poblacin hay ms elementos que proceden de A (60%)
que de B (40%), la muestra global no representa adecuadamente este hecho,
predominando los elementos de B (80) frente a los de A (20), esto ocasiona que en el
14. (Ejercicio 4, relacin tema 3) Una cadena de restaurantes tiene 100 establecimientos en
Madrid, 70 en Barcelona y 30 en Sevilla. La direccin est considerando aadir un nuevo
producto en el men. Para contrastar la posible demanda de este producto, lo introdujo en
el men de muestras aleatorias de 10 restaurantes de Madrid, 5 de Barcelona y 5 de
Sevilla. Usando los ndice 1, 2 y 3 para designar Madrid, Barcelona y Sevilla,
respectivamente, las medias y las desviaciones tpicas muestrales del nmero de pedidos
de este producto recibidos por restaurante en las tres ciudades durante una semana fueron:
y1 = 21, 2 S1 = 12
y2 = 13, 3 S 2 = 11
y3 = 26,1 S3 = 9
a. Estimar el nmero medio de pedidos semanales por restaurante para los
restaurantes de la cadena. Dar un lmite del error de estimacin.
61
b. Determinar el tamao muestral y la asignacin para repetir el estudio anterior
cometiendo un error inferior a 3 pedidos.
SOLUCIN:
L
1 3834
a. y st =
N
N y
i =1
i i =
200
= 19,17 pedidos / semana
1 L
Si2 N i ni
V ( y st ) =
N2
N
i =1
i
2
ni N i
= 6, 2965 2 V ( y st ) = 5, 02 pedidos / semana
b.
N j j
j =
Ni i 2
N i i N i 2 L
ni = 43, 52i
i i
N
i =1
i i
B2 9
( N )
L
i i
D= = = 2, 25 n= i =1
L
= 43,52
4 4
N D + N i
2
i
2
i =1
62
4. Muestreo con informacin auxiliar.
4.1 Introduccin.
4.2 Estimacin de razn.
4.2.1 Estimacin de la media y total poblacionales.
4.2.2 Determinacin del tamao muestral.
4.3 Estimacin de regresin.
4.3.1 Estimacin de la media y total poblacionales.
4.3.2 Determinacin del tamao muestral.
4.4 Estimacin de diferencia.
4.4.1 Estimacin de la media y total poblacionales.
4.4.2 Determinacin del tamao muestral.
4.1 Introduccin.
Si entre dos variables existe una fuerte relacin es posible utilizar la informacin auxiliar que
de una de las variables se tenga, como puede ser la media o el total poblacional, para estimar
la media o el total de la otra variable. Esta circunstancia es importante cuando se pretende
estimar el total sin conocer el nmero de elementos de la poblacin y s el valor total de la
variable que proporciona la informacin auxiliar
Denotemos por
Y Variable bajo estudio
X Variable que proporciona la informacin auxiliar
Y supongamos que tenemos una muestra constituida por n pares:
(x1 , y1 ),..., ( x n , y n )
A travs de los datos muestrales se puede estimar la relacin existente entre ambas variables.
Distintos diseos de muestreo pueden utilizarse con la estimacin con informacin auxiliar.
Aqu suponemos que el muestreo que se emplea es el aleatorio simple
Ejemplo 4.1. Ya que existe una fuerte relacin entre renta y ahorro, se puede estimar el valor
total de los ahorros de los empleados de una empresa si se conoce el valor total de las rentas
de dichos empleados. Por ejemplo, si se estima que, por termino medio, el 10% de la renta se
dedica al ahorro y si se conoce la renta total, el ahorro total se estima igual a la dcima parte
del total de la renta. Observemos que esto se puede llevar a cabo sin necesidad de conocer el
nmero de empleados de la empresa.
63
Estimadores de regresin ( y = a + bx )
Estimadores de diferencia ( y = a + x )
Cualquiera de estos estimadores slo se debe utilizar si entre las dos variables existe una
1
fuerte relacin lineal positiva ( rxy > ).
2
x = N x , obtenemos
Y
R=
X
De estas definiciones se deduce que
y = R x
y = R x
Por tanto, si se conocen los valores de la media y el total de la variable X , entonces para
estimar la media y el total de Y slo hay que estimar el valor de R (que notaremos como
R = r ):
y = r x
y = r x
Puesto que la razn R es el cociente entre las medias poblacionales, tomando una muestra
aleatoria simple: ( y1 , x1 ),..., ( y n , x n ) , podemos estimar R tomando el cociente entre las
medias muestrales:
1 n n
y n y
yi i
ESTIMADOR DE LA RAZN: r= = i =1
= i =1
x 1 n n
xi
n i =1
x
i =1
i
1 S2 N n 1 n
VARIANZA ESTIMADA DE r : V (r ) = 2 r , S
2
= ( yi rxi )2
x n N n 1 i =1
r
64
4.2.1 Estimacin de la media y el total poblacionales
Hemos de suponer que entre X e Y existe una alta correlacin lineal positiva y que el
modelo lineal, donde X es la variable explicativa e Y la explicada, pasa por el origen,
( y = bx, en este contexto se nota b = r dado su significado )
ESTIMADOR DE LA MEDIA: y = r x
S r2 N n
VARIANZA ESTIMADA DE y : V ( y ) = x V (r ) =
2
n N
x2 S r2 N n
VARIANZA ESTIMADA DE y : V ( y ) = x V (r ) = 2
2
x n N
verdadero valor de x .
xi yi xi2 yi2 xi yi
3,7 12 13,69 144 44,4
4,3 14 18,49 196 60,2
4,1 11 16,81 121 45,1
5 15 25 225 75
5,5 16 30,25 256 88
3,8 12 14,44 144 45,6
8 24 64 576 192
5,1 15 26,01 225 76,5
5,7 18 32,49 324 102,6
6 20 36 400 120
3 8 9 64 24
7 20 49 400 140
5,4 16 29,16 256 86,4
4,4 14 19,36 196 61,6
5,5 18 30,25 324 99
66
5 15 25 225 75
5,9 18 34,81 324 106,2
5,6 17 31,36 289 95,2
5 15 25 225 75
7,2 22 51,84 484 158,4
TOTALES 105,2 320 581,96 5398 1770,2
xi = 105, 2
i =1
yi = 320
i =1
xi2 = 581, 96
i =1
yi2 = 5398
i =1
x y
i =1
i i = 1770, 2
1 n 105, 2 1 n
( ) 1 n 2 581,96
2
xi x
2
x= xi = = 5, 26 sx2 = = xi x = 5, 26 2 = 1, 4304
n i =1 20 n i =1 n i =1 20
1 n 320 1 n
( ) 1 n 2 5398
2
yi y
2
y= yi = = 16 s y2 = = yi y = 16 2 = 13,9
n i =1 20 n i =1 n i =1 20
sxy =
1 n
(
xi x
n i =1
)( )
yi y =
1 n
n i =1
xi yi x y =
1770, 2
20
( 5, 26 16 ) = 4, 35
tpicas ( S x , S y ) .
Los anteriores clculos que se han realizado a mano o con ayuda de una calculadora bsica se
simplifican notablemente si utilizamos una calculadora cientfica de uso comn. Estas
calculadoras nos proporcionan los valores de un grupo de funciones estadsticas
x 2
x x n = sx n 1 = S x de forma inmediata.
s 4,35
La relacin entre las variables es alta rxy = xy = = 0,9756 . Esto junto con la
sx s y 1,196 3, 728
informacin auxiliar que disponemos de la variable X justifica el uso de estimadores de razn.
Por otra parte, dado el contexto, es lgico que la relacin pase por el origen (a 0 ha de
superficie le corresponde una produccin de 0 tm).
67
20
y i
320
r= i =1
20
= = 3, 042 tm/ha
105, 2
x
i =1
i
3840
= x= = 5,12 ha / socio
x N 750
y = r x = 3, 042 5,12 = 15,57 tm/socio
1 20 1 20 2 2 20 2 20
Sr = ( i i ) n 1
= + =0, 706
2 2
y rx y r x 2 r xi yi
n 1 i =1
i i
i =1 i =1 i =1
S2 N n
V ( y ) = r = 0, 0344 B = 2 V ( y ) = 0,37 tm/socio
n N
x2 Sr2 N n 2 Sr N n
2
V ( y ) = 2
=N = 19.326, 75 B = 2 V (y ) = 278, 04 tm
x n N
n N
o B = 750 B = 750 0,37 = 277,5 tm (no coinciden los dos procedimientos por los errores
de redondeo en el valor de B ).
B = 2 0, 712 = 1, 69 tm / socio
320
= Ny = 750 = 12.000 tm
20
2 S N n 2 14,63 750 20
2
V ( ) = N
= 750 = 400.539,47
n N 20 750
Observemos que el lmite del error de estimacin es mucho mayor que el cometido utilizando
estimadores de razn.
68
donde para estimar:
B 2 x2
la razn: D=
4
B2
la media: D=
4
B2
el total: D=
4N 2
Comentarios:
r2 se estima utilizando una muestra previa (tamao n' ): r2 = S r2 .
Si x es desconcocido, x2 = x 2
N r2 N r2 750 0, 706
TOTAL: n = = = = 37, 7 38 socios
B2 B 2
2002
r2 + N r +
2
0, 706 +
4N 2 4N 4 750
Necesitamos al menos 43 socios para cumplir con ambos niveles de error.
69
n
sxy S xy ( y y )( x x ) i i
b = 2 = 2 = i =1
n
(x x )
sx Sx 2
i
i =1
a = y bx
donde
1 n 1 n
S = ( xi x ) s = ( xi x ) ;
2 2 2 2
n 1 i =1
x x
n i =1
1 n 1 n 1 n
S xy = ( xi x )( yi y )
n 1 i =1
sxy = ( xi x )( yi y ) = xi yi x y
n i =1 n i =1
S2 N n
VARIANZA ESTIMADA DE yL : V ( yL ) = L
n N
( ( )) n 2 sxy
2
s y (1 rxy2 )
1 n 2
n 2
S L2 = yi y + b ( xi x )
n 2 i =1
= s y 2
n2 sx
=
n 2
VARIANZA ESTIMADA DE yL : V ( yL ) = N 2V ( yL )
Comentario. En este caso para estimar el total es necesario conocer el tamao de la poblacin
N. No se puede estimar como yL = a + b x ya que la recta de regresin no pasa por el punto
( x , y ) .
(
yL = y + b x x )
sxy 27, 7284
b = 2 = = 10, 341
sx 2, 6814
yL = 138,314 yL = N yL = 138.314
n 1 2 S2 N n
S L2 = S y (1 rxy2 ) = 141, 6 V ( yL ) = L = 7, 73
n2 n N
71
N L2
n= 2
L + ND
donde para estimar:
B2
la media: D =
4
B2
el total: D=
4N 2
L2 se estima utilizando una muestra previa (tamao n' ): L2 = S L2
(y =a+x y = y + ( x x) a = y x = d )
Comnmente se emplea en procedimientos de auditora.
S2 N n
VARIANZA ESTIMADA DE yD : V ( yD ) = D
n N
S D2 =
1 n
n 1 i =1
( y i (x i + d ))2
=
1 n
n 1 i =1
(d i d ) , donde d i = y i xi , por tanto S D2 es la
2
cuasivarianza de los d i .
72
VARIANZA ESTIMADA DE YD : V ( yD ) = N 2V ( yD )
La relacin entre las variables es muy fuerte: rxy = 0,99958 rxy2 = 0,99916 .
V(
y ) = 75,20
B = 2 V( B = 200 B =15.040,97
n N
73
ESTIMADORES DE RAZN
y
r= = 0,879 x = 200 x = 100.000 y = r x = 87.900 y = r x = 439, 5
x
1 n 1 n 2 2 n 2 n
Sr = ( )
i i n 1 = + = 227, 717
2 2
y rx y r x 2 r xi yi
n 1 i =1
i i
i =1 i =1 i =1
S2 N n
V ( y ) = r = 21, 63 B = 9,3
n N
B = N B =1.860
ESTIMADORES DE REGRESIN
(
yL = y + b x x )
sxy 13.396, 5
b = 2 = = 0,99907
sx 13.409
yL = 437,515 yL = N yL = 87.503
n 1 2
S L2 = S y (1 rxy2 ) = 14, 05
n2
S2 N n
V ( yL ) = L = 1,33 B = 2,3104 B = NB = 462, 09
n N
ESTIMADORES DE DIFERENCIA
yD = x + d
d = 62,5
yD = 437,5 yD = N yD = 87.500
S =
2
D
1 n
di d
n 1 i =1
( ) = 12, 5
S2 N n
V ( yD ) = D = 1,1875 B = 2 V ( yD ) = 2,179 B = NB = 435,8899
n N
74
donde para estimar:
B2
la media: D =
4
B2
el total: D=
4N 2
D2 se estima utilizando una muestra previa (tamao n' ): D2 = S D2
EJERCICIOS RESUELTOS
1. (ejercicio 9, relacin tema 4) En una poblacin de 500 hogares, para la que es conocido
que el gasto total general durante un ao es de 15.000.000 , se quiere estimar el gasto
total en alimentacin durante un ao, para lo que se obtiene una muestra aleatoria simple
de 4 hogares que proporciona los siguientes valores anuales en :
Gasto en alimentacin 12.500 15.000 10.000 17.500
Gasto general 24.000 31.000 20.000 36.000
Antes de calcular el estimador, cree que es til utilizar esta informacin auxiliar?,
justifquese.
Estime con un estimador de razn el total de gasto en alimentacin mediante un intervalo
de confianza.
SOLUCIN (trabajaremos en cientos de euros)
xi yi xi2 yi2 xi yi
240 125 57.600 15.625 30.000
310 150 96.100 22.500 46.500
200 100 40.000 10.000 20.000
360 175 129.600 30.625 63.000
1110 550 323.300 78.750 159.500
75
n
y i
550
N = 500 n = 4 r = i =1
n
= = 0, 4955 y = r x = 0, 4955 150.000 = 74.325 cientos de
1110
x
i =1
i
y = 7.432.500
2
1 n 1 n 2 2 n 2 n
62, 2
S =2
( yi rxi ) = y + r x 2 r xi yi = = 20, 73
n 1 i =1 n 1 i =1
r i i
i =1 i =1 3
2
S
V ( y ) = N ( N n) r = 1.285, 4667 2 V ( y ) = 2.267,568
n
y ( 72.057, 432 ; 76.592,568) en cientos de
Para expresarlo en hay que multiplicarlo por cien.
x i
x 2
N = 275 n = 25 r = i =1
n
= = 3,5 pers. / hab. y2 y = 2, 62 = 6, 76
y
y
i =1
i
2
1 n 1 n 2 2 n 2 n
S r2 = ( xi ryi ) = x + r y 2 r xi yi = 27,34375
n 1 i =1 n 1 i =1
i i
i =1 i =1
1 ( N n) S r2
V (r ) = 2 = 0,1471 2 V (r ) = 0, 767
y N n
3. (Ejercicio 12, relacin tema 4) Se desea estimar el agua utilizada en la presente campaa
por una comunidad de riego constituida por 250 parcelas. Se seleccionan al azar 10
parcelas cuyo tamao y metros cbicos utilizados en riego aparecen en la siguiente tabla
m3 600 1800 750 900 1100 1400 950 700 1000 720
Hectreas 50 150 60 70 100 120 80 60 90 60
76
Estime la media de m3 /hectrea que utiliza la comunidad de regantes y la cota del error de
dicha estimacin.
SOLUCIN:
y = consumo de m3 litros de agua, x = tamao de la parcela en hectreas
X Y x2 y2 xy
50 600 2500 360000 30000
150 1800 22500 3240000 270000
60 750 3600 562500 45000
70 900 4900 810000 63000
100 1100 10000 1210000 110000
120 1400 14400 1960000 168000
80 950 6400 902500 76000
60 700 3600 490000 42000
90 1000 8100 1000000 90000
60 720 3600 518400 43200
840 9920 79600 11053400 937200
y i
9920
r= i =1
n
= = 11'81 m3 / hectarea
840
x
i =1
i
1 n 1 n 2 2 n 2 n
S r2 = ( yi rxi ) = + xi yi =
2
y r x 2 r
n 1 i =1 n 1 i =1
i i
i =1 i =1
1
= (11053400 + 11102297 '56 22136664 ) = 2114 '84
9
840
x = x =
= 84
10
1 N n S r2 1 240 2114 '84
V (r ) = 2 = 2 = 0 '02877
x N n 84 250 10
2 V (r ) = 0 '3392
4. (Ejercicio 1, relacin del tema 4) Se desea estimar el consumo mensual de una ciudad. Se
sabe que los ingresos en dicha ciudad, va declaracin de la renta, ascienden a 1.502.530
euros mensuales. Se realiza una encuesta entre 12 hogares elegidos al azar y los resultados
de renta y consumo se recogen en esta tabla.
Renta Consumo
1.702,44 1.204
1.339,56 1.000
981,06 800
2.537,04 1.800
1.519,85 1.200
3.080,19 2.600
77
1.502,53 1.080
1.702,87 1.240
1.402,36 1.000
1.803,04 1.400
2.053,46 1.484
3.005,06 2.000
Estime el consumo total mensual para todos los hogares de la ciudad mediante el
estimador de razn. Obtenga el lmite para el error de estimacin.
SOLUCIN:
Denotemos por
Y = " consumo mensual"
X = "ingresos mensuales"
De la informacin muestral obtenemos
n = 12
12
y i =1
i = 16.808 euros
12
x i =1
i = 22.629,46 euros
s xy
Podemos comprobar que el coeficiente de correlacin lineal es alto ( rxy = = 0,9677 ).
sx s y
Esto junto con la informacin auxiliar nos permite utilizar muestreo con informacin
auxiliar, en concreto utilizaremos estimadores de razn.
12
yi
r = i =1
12
= 0, 7427
i =1
xi
y = r x = 1 .1 1 6 .0 0 2 , 0 7
2 S N n
2
V (Y ) = x2 r
x n N
12
No conocemos N , pero en la ciudad hay muchos hogares, observando x < ( 5% )
i =1
i x
N n
estimamos que n < ( 5% N ) 1
N
x = x = 1.885, 79
1 12 1 12 2 2 12 2 12
Sr = ( i i ) n 1
= + = 16.479, 7
2 2
y rx y r x 2 r xi yi
n 1 i =1
i i
i =1 i =1 i =1
V (Y ) = 871.825.002, 67 B = 2 V (Y ) = 59.053,37
78
5 (Ejercicio 10, relacin tema 4) Las diferencias entre ingresos y gastos, en 5 de las 250
oficinas que tiene abiertas una agencia de seguros, en el presente mes, han sido (en euros)
570 721 650 650 569
Este mes el gasto medio para el conjunto de todas las oficinas ha sido 12764 euros, estime
el total de ingresos y el lmite para el error de estimacin.
SOLUCIN:
N=250, n=5, x = 12764 , X=gastos, Y=ingresos
yD = x + d = 13396 yD = N yD = 3349000
N n S D2 S2
V ( yD ) = N 2 = N ( N n ) D = 50169875 2 2 V ( yD ) = 14166,14
N n n
x y
i =1
i i = 4719700
79
n
y i
y
r= i =1
n
= = 1, 047619 y = r x = 134304, 76
x
x
i =1
i
1 5 1 5 2 2 5 2 5
Sr = ( yi rxi ) = + = 1640, 25
2 2
y r x 2 r xi yi
n 1 i =1 n 1 i =1
i i
i =1 i =1
2
S
V ( y ) = N ( N n ) r = 4761314, 071 2 V ( y ) = 4364, 09
n
y (129940, 67 , 138668,85 )
7. (Como ejercicio 7, relacin del tema 4) Una agencia de publicidad est interesada en el
efecto de una nueva campaa de promocin regional sobre las ventas totales de un
producto en particular. Una muestra aleatoria simple de 5 tiendas es seleccionada de 452
tiendas regionales en las cuales se vende el producto. Los datos de las ventas trimestrales
son obtenidos para el periodo actual de tres meses y para el periodo de tres meses previo a
la nueva campaa.
Tienda Ventas antes de Ventas
la campaa actuales
1 208 239
2 400 428
3 440 472
4 259 276
5 351 363
Usando los anteriores datos para estimar los parmetros necesarios, determine el tamao
de la muestra para estimar Y con un lmite para el error de estimacin de 2.000,
cuando se utiliza el estimador de razn.
SOLUCIN:
N=452, n=5, X=ventas antes, Y=ventas actuales
(con las funciones del modo SD de la calculadora ) :
5 5 xi yi
x = 331, 6 xi = 1658
i =1
xi2 = 587146
i =1
49712
5 5
171200
y = 355, 6 y
i =1
i = 1778 y
i =1
2
i = 671034 207680
71484
127413
5
5 x y i i = 627489
yi y
i =1
r= i =1
5
= = 1, 072376
x
x
i =1
i
80
1 5 1 5 2 2 5 2 5
Sr = ( yi rxi ) = yi + r xi 2r xi yi = 109, 4775
2 2
n ' 1 i =1
n ' 1 i =1 i =1 i =1
B2 2
D= 2
= 4,8947 r = S r2 = 109, 4775
4N
N r2
n= = 21,3 22
ND + r2
81
5. Muestreo sistemtico.
5.1 Seleccin de una muestra sistemtica. Usos. Ventajas.
5.2 Estimacin de la media, proporcin y total poblacionales.
5.3 Comparacin con el muestreo aleatorio simple: Poblaciones ordenadas, aleatorias
y peridicas.
5.4 Determinacin del tamao muestral.
N
2. no es entero. Vemoslo con un ejemplo.
n
N
Por ejemplo si N = 103 y n = 5 , entonces = 20,6 y tomamos k = 20 . Segn el
n
punto inicial nos podemos encontrar con estas situaciones:
a. Si elegimos, por ejemplo, el 2 como punto inicial, obtendramos:
2, 22, 42, 62, 82, ...
82
Al dividir la poblacin en 5 intervalos de 20 elementos, sobran 3. Si no hay
problema de coste podramos elegir tambin el 102 y la muestra sera de
tamao 6.
b. Si se elige, por ejemplo, la observacin 18 como la inicial obtendramos una
muestra de tamao 5:
18, 38, 58, 78, 98
83
Usos: Este tipo de muestreo es muy utilizado: en los planes de muestreo para el control de
calidad dentro del proceso de fabricacin, los auditores cuando se enfrentan a largas listas de
apuntes para comprobar y los investigadores de mercados cuando se enfrentan a personas en
movimiento.
1 n
ESTIMADOR DE LA MEDIA POBLACIONAL: = ysy = yi +( j 1) k
n j =1
S2 N n
VARIANZA ESTIMADA DE y sy : V ( y sy ) =
n N
Comentarios.
N n
- Si se desconoce el tamao poblacional por su gran magnitud, entonces 1.
N
- Cuando N no es mltiplo exacto de n , el estimador es sesgado.
Como se puede observar la varianza estimada del estimador de la media es igual que en el
muestreo aleatorio simple (vase 5.3 Comparacin con el muestreo aleatorio simple). Esto no
implica que las varianzas reales sean iguales:
2 N n 2
V (y) = y V ( y sy ) = [1 + (n 1) ]
n N 1 n
donde = coeficiente de correlacin entre los elementos de una muestra sistemtica.
2 S N n
( )
2
VARIANZA ESTIMADA DE : V ( ) = N V y sy = N
2
n N
2 S Nn
2
V ( ) = N
n N
N = 180
( 4868 )
2
1.321.450
n
S2 = = 289, 79
n 1
V ( ) = 469.461,18
B = 1.370,34
Como en el muestreo aleatorio simple, las propiedades del estimador de la proporcin son
anlogas a las propiedades de la media muestral:
1 n
ESTIMADOR DE LA PROPORCIN POBLACIONAL: p sy = yi+( j 1) k
n j =1
, yi = 0, 1
p sy q sy N n
VARIANZA ESTIMADA DE p sy : V ( p sy ) =
n 1 N
Notemos, de nuevo, que las varianzas estimadas son iguales a las del muestreo aleatorio
simple. Esto no quiere decir que las varianzas reales lo sean.
85
conductores que portan su licencia. Establezca un lmite para el error de estimacin. Suponga
que 2.800 autos pasan por el puesto de verificacin durante el periodo de muestreo.
Automvil Respuesta
1 1
8 1
15 0
2794 1
400
y i = 324
i =1
Solucin
324
p sy = y sy = = 0,81
400
p sy q sy N n 0,81(1 0,81) 2.800 400
V ( p sy ) = = = 0,000330612 B = 0,0364
n 1 N 400 1 2.800
86
V ( y sy ) V ( y )
Por ejemplo, en una lista de cuentas por cobrar que estn ordenadas de mayor a menor
cantidad, las estimaciones de una muestra sistemtica tendran en general una varianza
menor que las de una muestra aleatoria simple (es posible que sta ltima contenga
solo cantidades grandes o cantidades pequeas).
Al utilizar las varianzas estimadas de los estimadores del m.a.s. en el m. sistemtico
conseguimos una estimacin conservadora del error (mayor que el error real que
cometemos en el m. sistemtico).
B. Poblacin aleatoria ( 0)
Se dice que una poblacin es aleatoria cuando sus elementos estn ordenados al azar.
En este caso es indiferente el uso del muestreo aleatorio simple y el muestreo
sistemtico ya que
V ( y sy ) V ( y ) .
Por ejemplo, en una lista de estudiantes por orden alfabtico, la estimacin de sus
calificaciones sera similar con ambos muestreos ya que las calificaciones no dependen
del apellido del estudiante.
C. Poblacin peridica ( 0)
Una poblacin es peridica cuando los valores de la variable objeto de estudio tienen
una variacin cclica. En este caso es preferible el muestreo aleatorio simple dado que
V ( y sy ) > V ( y ) .
Por ejemplo:
a. Supongamos que tenemos una lista en la que los nombres de mujeres y
hombres se alternan. Una muestra sistemtica con k par proporcionara solo
una lista de mujeres o de hombres.
b. Ventas diarias de un supermercado con k = 7
Para evitar este problema, el investigador puede cambiar varias veces el punto de
inicio aleatorio. Esto tiene el efecto de mezclar los elementos de la poblacin y
comportarse como una poblacin aleatoria, en cuyo caso el uso de las expresiones del
m.a.s. en el m. sistemtico estara justificado.
87
5.4 Determinacin del tamao muestral
El tamao muestral requerido para estimar la media poblacional con un lmite B para el error
de estimacin se obtiene despejando el tamao muestral de la ecuacin:
2 V ( ysy ) = B
Dado que el valor real de la varianza del estimador no es conocido, usaremos las expresiones
del muestreo aleatorio simple. Lo anterior conduce a obtener muestras ms grandes de las
necesarias para poblaciones ordenadas y muestras ms pequeas para poblaciones peridicas
(si no se mezclaran los elementos cambiando el punto de inicio). En poblaciones aleatorias no
tendremos problemas.
Tamao muestral requerido para estimar y con un lmite B para el error de estimacin
B2
4 para estimar la media
N 2
n= con D =
( N 1) D + 2 2
B para estimar el total
4N 2
Tamao muestral requerido para estimar p y con un lmite B para el error de estimacin
B2
para estimar p
4
Npq
n= con D =
(N 1)D + pq 2
B para estimar el total
4N 2
p = 0,81 q = 1 p = 0,19
Npq 5.000 0,81 (1 0,81)
n= = = 1.176,97 1.177 automviles
B 2
0, 02 2
( N 1)
4
+ pq (5.000 1) + ( 0,81 (1 0,81) )
4
N
k = 4, 25
n
88
5000 5000
Si tomramos k=5 n = = 1000 . Tomando k=4 n = = 1250 1177 .
5 4
EJERCICIOS RESUELTOS
1. (Ejercicio 7, relacin tema 5) La gerencia de una compaa privada con 2.000 empleados
est interesada en estimar la proporcin de empleados que favorecen una nueva poltica de
inversin. Una muestra sistemtica de 1 en 10 es obtenida de los empleados que salen del
edificio al final de un da de trabajo (las respuestas a favor se han representado como 1)
Empleado Respuesta
muestreado
3 1
13 0
23 1
1993 1
200
y
i =1
i = 110
2. (Ejercicio 8, relacin tema 5) Un auditor se enfrenta a una larga lista de 1.000 cuentas por
cobrar de una empresa. El valor de cada una de estas cuentas no suele superar los 21.000
. El auditor quiere estimar el valor total de las deudas por cobrar con un error inferior a
1.000.000 con una confianza del 95%. Para ello decide tomar una muestra sistemtica de
1 en k . Determine el valor de k.
SOLUCIN
21.000 2 1.000.000 2
N = 1.000 R = 21.000 2 = 27.562.500 D = = 250.000
42 4 1.0002
N 2 N
n= = 99,39 100 k = = 10
( N 1) D + 2
n
89
3. (Ejercicio 5 (a), relacin tema 5) La tabla anexa muestra el nmero de nacimientos y la
tasa de natalidad por cada 1000 individuos para Estados Unidos durante seis aos
seleccionados sistemticamente.
Ao Nac.Masculinos Nac.Femeninos Total de Nac. Natalidad
1955 2.073.719 1.973.576 4.047.295 26,0
1960 2.179.708 2.078.142 4.257.850 23,7
1965 1.927.054 1.833.304 3.760.358 19,4
1970 1.915.378 1.816.008 3.731.386 18,4
1975 1.613.135 1.531.063 3.144.198 14,6
1980 1.852.616 1.759.642 3.612.258 15,9
Estime el nmero medio de varones nacidos por ao para el periodo 1955-1980, y
establezca un lmite para el error de estimacin.
SOLUCIN
1 n 1
= ysy = yi = 11.561.610 = 1.926.935
n i =1 6
S2 N n
V ( y sy ) =
n N
N = 26 aos
S 2 = 37.913.412.871,20
V ( y sy ) = 4.860.693.957,85
B = 139.437,35
4. (Como ejercicio 1, relacin tema 5) La seccin de control de calidad de una empresa usa el
muestreo sistemtico para estimar la cantidad media de llenado en latas de 33cl que salen
de una lnea de produccin. Los datos de la tabla adjunta representan una muestra
sistemtica 1 en 300 de una produccin diaria de 1800 latas.
Cantidad de llenado en cl
33 32,5 33,5 33 32 31
Determine el tamao de la muestra y k para estimar el contenido medio de las latas con un
error de estimacin inferior a 0,42 cl, considerando la muestra anterior como una muestra
previa para estimar los parmetros necesarios.
SOLUCIN:
N=1800, n=6,
B2 N 2 1800
D= = 0, 0441 n= = 17,97 18 k= = 100
4 ( N 1) D + 2 18
90
5. (Ejercicio 9, relacin tema 5) Los funcionarios de cierta sociedad profesional desean
determinar la proporcin de miembros que apoyan varias enmiendas propuestas en las
prcticas de arbitraje. Los funcionarios tomaron una muestra sistemtica de 1 en 10, a
partir de una lista en orden alfabtico de los 650 miembros registrados, obteniendo que 47
estaban a favor de los cambios propuestos. Se quiere repetir el estudio anterior con un
error de estimacin inferior al 5%. Considerando la muestra anterior como una muestra
previa para estimar los parmetros necesarios, qu tipo de muestra sistemtica deber
obtenerse? (indique n y k).
SOLUCIN:
47
N=650, n=65, p = = 0, 7231 q = 1 0, 7231 = 0, 2769
65
B2
B = 0, 05 D= = 0, 000625
4
Npq 650
n= = 214,8 215 k = 3, 02 k =3
( N 1) D + pq 215
91
6. Muestreo por conglomerados.
6.1 Necesidad y ventajas del muestreo por conglomerados.
6.2 Formacin de los conglomerados. Conglomerados y estratos.
6.3 Estimacin de la media, proporcin y total poblacionales.
6.4 Determinacin del tamao muestral.
n = conglomerados en la muestra.
92
mi = elementos en el conglomerado i
N
M = mi = elementos en la poblacin (con frecuencia es desconocido)
i =1
n
m = mi = elementos en la muestra
i =1
1 N
M= mi = tamao medio de los conglomerados de la poblacin (con frecuencia es
N i =1
desconocido).
1 n
m = mi = tamao medio de los conglomerados de la muestra (se
n i =1
1 n y i
= y = yi = i =1
n
m i =1
m
i =1
i
Notas:
1 N n S c2
La expresin de V ( y ) = 2
no se suele simplificar pues como ocurre en el
M N n
ejercicio 4, relacin del tema 6, a veces N no se conoce y en otras ocasiones como en
93
Si la variable que estamos estudiando es dicotmica, hablaremos de la proporcin
a i
p=y= i =1
n
m
i =1
i
= M y
y la varianza estimada del mismo
2
S
V ( ) = M 2 V ( y ) = N ( N n) c
n
(sea cual sea el valor de M no afecta a la varianza ni al error del estimador, aunque s al valor
del estimador del total)
1 n
yt = yi , es el promedio de los totales de los conglomerados de la muestra y por tanto un
n i =1
estimador insesgado del promedio de los N totales de los conglomerados de la poblacin. Por
el mismo razonamiento empleado en el muestreo aleatorio simple, N y t es un estimador
insesgado de la suma de los totales de todos los conglomerados, o equivalentemente del total
poblacional .
94
En resumen
t = N y t
2
S
V ( t ) = N 2 V ( y t ) = N ( N n) t
n
N n St2 1 n
( )
2
donde V ( y t ) =
N n
, St2 = yi y t
n 1 i =1
Si existe una gran variacin entre los tamaos de los conglomerados y adems los tamaos
estn altamente correlacionados con los totales de los conglomerados, la varianza de N y t es
Ejemplo 6.1 (como ejercicio 13, relacin tema 6, pero con menos datos) En una ciudad se
quiere estimar la proporcin de hogares interesados en contratar el sistema de televisin digital,
para lo cual se considera la ciudad dividida en 200 manzanas de viviendas. Se extrae una
muestra piloto de 5 manzanas y se interroga a cada familia acerca de si estara interesada en
contratar la televisin digital. Los datos de la encuesta se encuentran en la tabla:
95
SOLUCIN
Aunque en un caso de variables dicotmicas como ste se suele usar en los textos la
notacin ai en lugar de yi , utilizaremos esta ltima para unificar la notacin a emplear en el
muestreo por conglomerados
mi yi mi2 yi2 mi yi
8 2 64 4 16
7 2 49 4 14
9 3 81 9 27
6 3 36 9 18
5 3 25 9 15
35 13 255 35 90
y i
13
a) p=y= i =1
n
= = 0,3714 p = 37,14%
35
m i =1
i
( y ym ) = y
n 2 n n n
2 y yi mi + y m
2
i i
2
i
2
i = 3,3222
i =1 i =1 i =1 i =1
n n n
yi2 = 35
i =1
mi2 = 255
i =1
ym
i =1
i i = 90
1 n
( ) 3, 3222
2
Sc2 = yi ymi
n 1 i =1
=
4
= 0,8306
1 n 35
m=
n i =1
mi =
5
= 7 hogares / manzana
1 N n S c2
V ( y) = 2
= 0, 003305 2 V ( y ) = 0,115 11,5%
m N n
1 n 13
b) yt =
n i =1
yi = = 2, 6
5
t = N y t = 520
2
1 n
(y y )
n n
2
y
2
yi
N ( N n) St2
i t i
n i =1
S =
2 i =1
= i =1 = 0, 3 V ( t ) = = 2.340
n 1 n 1
t
n
c)
1500 1 N n Sc2
= M y = 557,14 M= = 7,5 V ( y) = 2
= 0, 0028795
200 M N n
96
V ( ) = M 2 V ( y ) = 6478,8 2 V ( ) = 160,98 ( 396,16 , 718,12 )
Como puede observarse, el lmite para el error de estimacin es ms pequeo en b) que en c),
debido a que los tamaos de los conglomerados no estn altamente correlacionados con los
totales de los conglomerados en este ejemplo ( rmy2 = 0, 08 ). En otras palabras, los tamaos de
1 n
( )
2
donde c2 se estima mediante Sc2 = yi ymi
n 1 i =1
de una muestra previa, siendo
2
B2 M B2
D= para la estimacin de la media y D = para la estimacin del total.
4 4N 2
Habitualmente el tamao promedio de los conglomerados de la poblacin M no se conoce y
tiene que estimarse por el tamao medio m de los conglomerados de una muestra previa.
B2 1 n
( )
2
D=
4N 2
y t
2
se estima mediante S t
2
= yi y t
n 1 i =1
de una muestra previa (o a partir
2 R2
de una estimacin del rango de los valores de yi como t = ).
16
Ejemplo 6.2 Suponiendo que los datos del ejemplo 6.1 representan una muestra previa, cmo
debe tomarse una nueva muestra para estimar la proporcin poblacional del apartado a) con un
lmite para el error de estimacin del 1%.
97
SOLUCIN
2
1 n 35 B2 M 0, 012 7 2
S = 0,8306
2
c M m = mi = =7 D= = = 0, 001225
n i =1 5 4 4
N c2
n= = 154, 4 155
ND + c2
EJERCICIOS RESUELTOS
1. (Ejercicio 6, relacin tema 6) Con motivo del cuarto centenario del Quijote, el Ministerio
de Cultura desea estimar el nmero de libros comprados cada mes en una localidad. Se
selecciona una localidad con 6.200 hogares agrupados en 700 manzanas de viviendas. Se
tiene una encuesta piloto en la cual se seleccion una muestra de 4 manzanas y se
entrevistaron a todas las familias, obtenindose los siguientes resultados:
SOLUCIN
mi yi mi2 yi2 mi yi
10 13 100 169 130
8 9 64 81 72
11 15 121 225 165
7 8 49 64 56
36 45 334 539 423
n
y i
B2
M = 6.200 N = 700 y= i =1
n
= 1, 25 D = = 0, 01
4N 2
m
i =1
i
2
1 n
( ) 1 n 2
n n
yi ymi
2
c2 Sc2 = = y + y m 2
2 y mi yi = 1,125
n 1 i =1 n 1 i =1
i i
i =1 i =1
N c2
n= = 96,92 97
ND + c2
98
2. (Ejercicio 2, relacin tema 6 pero con menos datos) Una industria est considerando la
revisin de su poltica de jubilacin y quiere estimar la proporcin de empleados que
apoyan la nueva poltica. La industria consta de 57 plantas. Se selecciona una muestra
aleatoria simple de 5 plantas y se obtienen las opiniones de los empleados en estas plantas
a travs de un cuestionario. Los resultados se presentan en esta tabla:
Planta N empleados N empleados que apoyan la nueva poltica
1 51 42
2 62 53
3 49 40
4 73 45
5 101 63
a. Estime la proporcin de empleados en la industria que apoyan la nueva poltica de
jubilacin y establezca un lmite para el error de estimacin.
b. La industria modific su poltica de jubilacin despus de obtener los resultados de la
encuesta. Ahora se quiere estimar la proporcin de empleados a favor de la poltica
modificada Cuntas plantas deben ser muestreadas para tener un lmite del 5% para el
error de estimacin? Use los datos anteriores para aproximar los resultados de la nueva
encuesta.
SOLUCIN:
a) N = 57 n=5
mi yi mi2 yi2 mi yi
51 42 2601 1764 2142
62 53 3844 2809 3286
49 40 2401 1600 1960
73 45 5329 2025 3285
101 63 10201 3969 6363
336 243 24376 12167 17036
n
y i
243
p= i =1
n
= = 0, 7232 p = 72,32%
336
m
i =1
i
1 n
( ) 1 n 2
2 n 2 n
Sc2 = yi pmi
n 1 i =1
=
n 1 i =1
yi 2 p
i =1
y m
i i + p i =1
mi2 = 68, 7
2
2 336
2
M m = = 4515,84
5
1 N n Sc2
V ( p) = 2 = 0, 00278 2 V ( p) = 0,1054 10,54%
M N n
b)
2
B2 M 0, 052 4515,84 N c2
D= = = 2,8224 S
2 2
n= = 17, 06 18
ND + c2
c c
4 4
99
3. (Ejercicio 7, relacin tema 6) Un socilogo quiere estimar el ingreso medio por persona en
cierta ciudad pequea donde no existe una lista disponible de adultos residentes. Por esta
razn para el diseo de la encuesta utiliza muestreo por conglomerados. Se divide la
ciudad en bloques rectangulares y el socilogo decide que cada bloque rectangular va a ser
considerado como un conglomerado. Los conglomerados son numerados del 1 al 415. El
investigador tiene tiempo y dinero suficientes para hacer un muestreo de 25
conglomerados y entrevistar a cada hogar dentro de cada uno. Se seleccionan
aleatoriamente 25 conglomerados y se realizan las entrevistas, obtenindose estos datos:
Ingreso total por
Conglomerado (i) N de residentes (mi)
conglomerado en (yi)
1 8 96000
2 12 121000
3 4 42000
4 5 65000
5 6 52000
6 6 40000
7 7 75000
8 5 65000
9 8 45000
10 3 50000
11 2 85000
12 6 43000
13 5 54000
14 10 49000
15 9 53000
16 3 50000
17 6 32000
18 5 22000
19 5 45000
20 4 37000
21 6 51000
22 8 30000
23 7 39000
24 3 47000
25 8 41000
151 residentes 1329000
a) Estime el ingreso medio por persona en la ciudad y establezca un lmite para el error de
estimacin.
b) Estime el ingreso total de todos los residentes de la ciudad y el lmite para el error de
estimacin, suponiendo que M es desconocido.
c) Suponiendo que existen 2.500 residentes en la ciudad, estime el ingreso total de todos los
residentes de la ciudad mediante un intervalo de confianza.
100
NOTA: Repetir este ejemplo con todos los mi iguales (por ejemplo, mi = 6 i ,
supongamos conocido M = 6 415 = 2.490 ) y estime el total por los dos mtodos
( )
estudiados = M y t = N y t . Observe como coinciden las dos estimaciones as como
d) Tomando los anteriores datos como una muestra previa, cmo debe tomarse la muestra en
una encuesta futura para estimar el ingreso promedio por persona con un lmite para el
error de estimacin de 500.
SOLUCIN:
a) (este ejemplo no se puede resolver con una calculadora de 10 dgitos de forma exacta
por la dificultad de trabajar con cantidades muy grandes)
y i
1.329.000
=y= i =1
n
= = 8.801,32 / residente
151
m
i =1
i
( y ym ) = y
n 2 n n n
2 y yi mi + y m
2 2 2
i i i i
i =1 i =1 i =1 i =1
y
i =1
2
i = 96.000 2 + ... = 82.039.000.000
m
i =1
2
i = 82 + ... = 1.047
1 n
( ) 15.227.502.247
2
Sc2 = yi ymi
n 1 i =1
=
24
= 634.501.213, 40
1 n 151
m=
n i =1
mi =
25
= 6, 04 residente / bloque
1 N n Sc2
V ( y) = 2
= 653.785,19 2 V ( y ) = 1.617,14
M N n
b)
1 n 1.329.000
yt =
n i =1
yi =
25
= 53160 / bloque t = N y t = 22.061.400
101
2
(y y )
n 2 n
1 n 1
i t = y yi = 82.039.000.000 (1.329.000) 2 = 11.389.360.000
2
i
i =1 i =1 n i =1 25
(y y )
n 2
N ( N n) i t
V ( t ) = i =1
= 3.072.279.860.000 2 V ( t ) = 3.505.584, 04
n n 1
c)
2500
N = 415 n = 25 M= = 6, 0241 = M y = 22.003.311, 26
415
1 N n S c2
Sc2 = 634.501.213, 40 V ( y) = 2
= 657.240,9482
M N n
V ( ) = M 2 V ( y ) = 4.107.755.926.250 2 V ( ) = 4.053.519,92
(17.949.791,34 , 26.056.831,18 )
Como puede observarse el lmite para el error de estimacin es ms pequeo en b) que en
c) debido a que los tamaos de los conglomerados no estn altamente correlacionados con
los totales de los conglomerados en este ejemplo ( rmy2 = 0, 0919 ). En otras palabras, los
4. (Ejercicio 10, relacin tema 6) Una empresa de trabajo temporal quiere investigar las
necesidades de empleo de las empresas de un pueblo. Para ello decide seleccionar una
muestra de 10 de las 85 inscritas en el registro mercantil. El nmero de bajas en el ltimo
ao, el nmero de empleados y la respuesta de cada empresa sobre si utilizara los
servicios de la empresa de trabajo temporal fueron los siguientes:
Empresa Bajas Empleados Respuesta
1 1 7 Si
2 2 15 No
3 9 85 Si
4 0 3 No
5 2 12 No
6 0 8 No
7 1 21 Si
8 0 4 No
9 4 35 No
10 6 92 Si
102
(a) Estime el nmero de bajas en el ltimo ao en las empresas del pueblo. D el lmite
del error de estimacin.
(b) Estime la proporcin de empresas que usaran los servicios ofertados. D el lmite del
error de estimacin.
SOLUCIN:
a) Se trata de un muestreo por conglomerados (cada empresa es un conglomerado) donde
no se conoce el nmero total de empleados para toda la poblacin, por tanto para estimar
el total consideraremos un muestreo aleatorio simple tomando como elementos muestrales
las empresas.
(y y )
2
yi
i t
1 2.25
2 0.25
9 42.25
0 6.25
2 0.25
0 6.25
1 2.25
0 6.25
4 2.25
6 12.25
25 80.5
25
yt = = 2.5 bajas / empresa t = 85 2.5 = 212.5 bajas
10
80.5 85 10 8.94
St = = 8.94 V ( y t ) = 10 = 0.7892157 V ( t ) = 85 V ( y t ) = 5702.08
2 2
9 85
B = 2 5702.08 = 151.024 bajas
b)
4
p= = 0.40 (40%)
10
85 10 0.4 0.6
V ( p) = = 0.02353 B = 2 0.02353 = 0.3068 (30.68%)
85 10 1
5. (Como ejercicio 3, relacin tema 6) Se disea una encuesta econmica para estimar la
cantidad media gastada en servicios por hogar de una ciudad formada por 3.600 hogares.
Se selecciona una muestra aleatoria de 3 barrios de la ciudad de un total de 60. Los
entrevistadores obtienen el gasto en servicios de cada hogar en los barrios seleccionados;
los gastos totales se muestran en esta tabla:
Barrio N hogares Cantidad total gastada en servicios ()
1 55 2210
2 60 2390
3 63 2430
103
Estime la cantidad media de gastos en servicios por hogar en la ciudad y el lmite para el
error de estimacin.
SOLUCIN:
mi yi
121550
143400
153090
n
m y
i =1
i i = 418040
n n
3600
N = 60 n=3 M=
60
= 60 mi = 178
i =1
m
i =1
2
i = 10594
n n
y
i =1
i = 7030 y
i =1
2
i = 16501100
n
y i
y== i =1
n
= 39, 49
m i =1
i
1 n
( ) 1 n 2
2 n n
yi ymi i
2
Sc = = + = 2612,04
2 2
y y m 2 y mi yi
n 1 i =1 n 1 i =1
i
i =1 i =1
1 N n Sc2
V ( y) =
2
= 0, 23 2 V ( y ) = 0,96
M N n
6. (Como ejercicio 4, relacin del tema 6) En un proceso de control del volumen envasado
por una fbrica de bebidas se eligen 3 de los 40 paquetes envasados en una hora, cada uno
de los cuales contiene 4 envases, y se mide el volumen que cada envase contiene. Las
observaciones se presentan en la tabla adjunta:
Paquete n Volumen envasado en cl
1 33,5 32,5 31 34
2 32,5 32 33 32,5
3 30,5 33 33 33,5
Estime el volumen medio de los envases y la cota del error de estimacin.
SOLUCIN:
N=40, n=3, mi yi mi yi
4 131 524
4 130 520
4 130 520
3
m y
i =1
i i = 1564
104
3 3
y t = 130,33 yi = 391
i =1
y
i =1
2
i = 50961
y i
yt
y== i =1
3
= = 32,5833 cl
m
m
i =1
i
1 3
( ) 1 3 2
2 3 3
yi ymi i
2
Sc = = + = 0,3333
2 2
y y m 2 y mi yi
n 1 i =1 n 1 i =1
i
i =1 i =1
1 N n Sc2
V ( y) = 2 = 0, 006423 2 V ( y ) = 0,1603 cl
M N n
7. (Como ejercicio 1, relacin del tema 6) Un fabricante de sierras quiere estimar el coste
medio de reparacin mensual para las sierras que ha vendido a ciertas industrias. El
fabricante no puede obtener un coste de reparacin para cada sierra, pero puede obtener la
cantidad total gastada en reparacin y el nmero de sierras que tiene cada industria.
Entonces decide usar muestreo por conglomerados, con cada industria como un
conglomerado. El fabricante selecciona una muestra aleatoria simple de 5 de 100
industrias a las que da servicio. Los datos sobre coste total de reparaciones por industria y
el nmero de sierras son:
Industria N sierras Costo total de reparacin
para el mes pasado ()
1 3 50
2 7 110
3 11 230
4 9 140
5 2 60
Estime el coste medio de reparacin por sierra para el mes pasado y el lmite para el error
de estimacin.
SOLUCIN: N=100, n=5,
mi yi
150
770
2530
1260
120
n
m y
i =1
i i = 4830
105
n n
y t = 118 yi = 590
i =1
y
i =1
2
i = 90700
y i
yt
y== i =1
5
= = 18, 4375
m
m
i =1
i
1 n
( ) 1 n 2
2 n n
yi ymi i
2
Sc = = + = 584, 57
2 2
y y m 2 y mi yi
n 1 i =1 n 1 i =1
i
i =1 i =1
1 N n Sc2
V ( y) = 2 = 2, 7116 2 V ( y ) = 3, 2934
M N n
SOLUCIN:
N=495, n=5, mi yi
877200
738270
399000
1514700
651832
n
m y
i =1
i i = 4181002
106
(con las funciones del modo SD de la calculadora ) :
n n
M = m = 1260, 2 mi = 6301
i =1
m
i =1
2
i = 8270161
n n
y t = 638, 6 y i =1
i = 3193 y
i =1
2
i = 2183195
y i
yt
p== i =1
5
= = 0,506745 ( 50, 67% )
m
m
i =1
i
1 n
( ) 1 n 2
2 n n
yi ymi i
2
Sc = = + = 17372,505
2 2
y y m 2 y mi yi
n 1 i =1 n 1 i =1
i
i =1 i =1
1 N n Sc2
V ( p) = 2
= 0, 00216573 2 V ( y ) = 0, 0930748 ( 9,31% )
M N n
107
7. Estimacin del tamao de la poblacin.
7.1 Muestreo directo.
7.2 Muestreo inverso.
7.3 Muestreo por cuadros.
7.3.1 Estimacin de la densidad y tamao de la poblacin.
7.3.2 Muestreo por cuadros en el espacio temporal.
7.3.3 Cuadros cargados.
VARIANZA ESTIMADA DE N : ( )
V N =
t 2 n(n s )
s3
Comentarios
s = nmero de elementos marcados en la 2 muestra, ha de ser mayor que 0 para que
las frmulas estn bien definidas. Si en la segunda muestra no aparece ningn
elemento marcado, se aumenta el tamao muestral.
N no es un estimador insesgado de N :
[ ]
E N = N + N
(N t)
nt
N
(N t)
Cuanto mayor sean n y t menor ser el sesgo N .
nt
108
N tiende a sobreestimar el valor real de N .
( )
B = 2 V N = 150, 60
VARIANZA ESTIMADA DE N : ( )
t 2 n( n s )
V N = 2
s ( s + 1)
109
Ejemplo 7.2 (Ejercicio 5, relacin tema 7)
Una zologa desea estimar el tamao de la poblacin de tortugas en determinada rea
geogrfica. Ella cree que el tamao de la poblacin est entre 500 y 1000; por lo que una
muestra inicial de 100 parece ser suficiente. Las 100 tortugas son capturadas, marcadas y
liberadas. Toma una segunda muestra un mes despus y decide continuar muestreando hasta
que se recapturen 15 tortugas marcadas. Atrapa 160 tortugas para obtener las 15 marcadas.
Estime el tamao total de la poblacin de tortugas y establezca un lmite de error de
estimacin.
Solucin
nt 160 100
N = = = 1.066, 67
s 15
t 2 n(n s ) 1002 160(160 15)
( )
V N = 2
s ( s + 1)
=
152 (15 + 1)
= 64.444, 44
( )
B = 2 V N = 507, 72
2. Tomar una muestra de n cuadros entre los N existentes. Se observa el nmero total
de elementos que contiene la muestra:
n
m = mi
i =1
110
m 1
VARIANZA ESTIMADA DE : V ( ) = 2 2 =
a n na
m Nm
ESTIMADOR DEL TAMAO POBLACIONAL: M = A = A =
na n
A2 m N 2 m
VARIANZA ESTIMADA DE M : V ( M ) = A2V ( ) = 2 2 = 2
an n
111
Solucin:
m 4324
a) a = 10 10 = 100 = = = 2,162
na 20 100
2,162
V ( ) = = = 0, 001081 B = 2 0, 001081 = 0, 066
na 2000
112
Los pasos a seguir son:
1. Se divide a la poblacin en N cuadros de igual rea a .
2. Se toma una muestra de n cuadros entre los N existentes. Se observa el nmero total
de cuadros no cargados de la muestra, a este nmero de cuadros sin presencia de
elementos se le designa por y . Es importante tener en cuenta que y no puede ser cero
ni n ( 0 < y < n ). Si una vez observada la muestra y = 0 y = n , ampliaremos el
tamao muestral
3. La densidad poblacional se estima como
1 y
= ln
a n
y su varianza como
1 n y
V ( ) = 2
a ny
A2 n y
VARIANZA ESTIMADA DE M : V ( M ) = 2
a ny
113
EJERCICIOS RESUELTOS
114
A2
( )
V M =
an
= 124416 B = 2 124416 = 705.45 veh.
A = 24h a = 0.5h N = 48 n = 6 m = 60 m = 10
A2 A2 m
M = A =
m
a
( )
A = 480 clientes V M =
an
= 2 = 3840
an
( )
2 V M = 123,94 clientes
A2 A2 m
M = A =
m
a
A = 5500 ( )
V M =
an
= 2 = 27500
an
( )
2 V M = 331, 66
115
Facultad 500 carpetas. En un intercambio de clase, sentado en un banco del pasillo, decide
contar los alumnos que pasan hasta observar a 100 que portan la carpeta, para lo que fue
necesario contar hasta 382 alumnos.
Estime con un intervalo de confianza el nmero de alumnos que asistieron esa maana a la
Facultad.
SOLUCIN: muestreo inverso
t = 500 n = 382 s = 100
t nt
N= = = 1910 alumnos
p s
( )
V N =
t 2 n(n s )
s 2 ( s + 1)
= 26664,35643 ( )
2 V N = 326,58 alumnos
(1910 326,58)
116
8. Anlisis cluster.
8.1 Introduccin.
8.2 Medidas de similaridad.
8.2.1 Medidas de similaridad para variables mtricas
8.2.2 Medidas de similaridad para datos binarios
8.3 Estandarizacin de datos.
8.4 Formacin de grupos: Clusters jerrquicos y clusters no jerrquicos.
8.4.1 Clusters jerrquicos.
8.4.2 Clusters no jerrquicos.
8.5 Eleccin entre los distintos tipos de anlisis cluster.
8.1 Introduccin
Supongamos que el responsable de marketing de una empresa tiene una base de datos con las
caractersticas sociodemogrficas de sus clientes: edad, nivel educativo, nivel de ingresos,
estado civil, tipo de ocupacin, nmero de hijos, etc. Este directivo se plantea si puede dividir
a sus clientes en subgrupos con caractersticas sociodemogrficas similares entre s, pero lo
ms diferente posible unos subgrupos de otros. Si esto fuera as, el directivo podra, por
ejemplo, disear campaas de publicidad distintas para cada grupo, con creatividades
diferentes.
El trmino anlisis cluster se utiliza para definir una serie de tcnicas que tienen por objeto la
bsqueda de grupos similares de individuos o de variables. Dada una muestra de individuos,
de cada uno de los cuales se dispone de una serie de observaciones, el anlisis cluster sirve
para clasificarlos en grupos de tal forma que:
o Cada grupo (cluster o conglomerado) sea lo ms homogneo posible en base a las
variables observadas, es decir, cada observacin contenida en l sea parecida a todas
las que estn incluidas en ese grupo.
o Los grupos sean lo ms distintos posible unos de otros respecto a las variables
consideradas.
Los grupos no son conocidos de antemano pero sern sugeridos por la propia esencia de los
datos (a partir de las observaciones).
Adems de encontrar agrupaciones naturales entre los elementos de la muestra, el anlisis
cluster es til para reducir la informacin e, incluso, si el anlisis genera agrupaciones
inesperadas, nos puede sugerir nuevas relaciones a investigar entre los elementos.
117
Inicialmente, el investigador dispone de n observaciones (individuos, empresas, etc.) de los
que tiene informacin sobre k variables (edad, estado civil, etc.). Los pasos lgicos que se
efectan al realizar un anlisis cluster son:
1. Establecer un indicador que nos diga en que medida cada par de observaciones se
parecen entre s. A esta medida se le denomina distancia o similaridad.
2. El siguiente paso consiste en crear grupos, de forma que cada grupo contenga aquellas
observaciones que ms se parezcan entre s, de acuerdo con la medida de similaridad
calculada antes.
3. Finalmente, el investigador debe describir los grupos que ha obtenido y compararlos
unos con otros. Para ello es til ver qu valores promedio toman las variables
utilizadas en cada uno de los grupos creados.
La nica informacin requerida en el anlisis cluster es una medida cuantitativa con la que se
pueda medir la asociacin o similitud entre elementos.
Para llevar a cabo el paso 2, existen dos tipos de tcnicas para realizar este anlisis:
118
Solucin
La siguiente figura ilustra grficamente los datos anteriores
30,00
E8
E4 E7
25,00
E3
Ventas
20,00
E6
15,00
E2
E1 E5
10,00
10 20 30 40 50
Inversion
Al haber utilizado solo dos variables se pueden distinguir de forma clara cuatro grupos de
empresa:
o Grupo E1-E2: Con una pequea inversin han obtenido pocas ventas
o Grupo E3-E4: Pese haber invertido tan poco como las empresas anteriores, han
obtenido una gran rentabilidad, en trminos de ventas, a estas inversiones.
o Grupo E5-E6: Pese a haber realizado un gran esfuerzo publicitario no han sido capaz
de obtener unas ventas razonables.
o Grupo E7-E8: Con inversiones elevadas han rentabilizado su inversin en trminos de
ventas.
Cmo se han obtenido los grupos anteriores? De forma intuitiva hemos visto que la empresa
E1 est a una distancia menor de E2 que de E3 o de cualquiera de las empresas restantes, y las
hemos puesto en el mismo grupo. De manera anloga hemos procedido con las dems
empresas. Pero qu hubiera ocurrido si en vez de tener dos variables tuvisemos 5 o 50? En
estos casos, debemos formalizar la expresin ms cerca y traducirla en alguna medida de
proximidad o similaridad entre cada par de observaciones. En funcin del tipo de variables
que se utilicen, las medidas adecuadas sern diferentes.
119
8.2.1 Medidas de similaridad para variables mtricas
En el caso en que las variables que se utilicen para caracterizar las observaciones sean
mtricas se pueden utilizar algunas de las siguientes medidas.
que toma la variable x p de las k existentes, la distancia eucldea entre ambas se calcula del
siguiente modo:
( x x jp )
k
2
Dij = ip
p =1
El programa SPSS calcula las distancias entre todos los pares de observaciones como paso
inicial del anlisis cluster:
Matriz de distancias euclideas
distancia eucldea
Caso 1:E1 2:E2 3:E3 4:E4 5:E5 6:E6 7:E7 8:E8
1:E1 ,00 5,66 13,42 15,52 29,00 34,37 32,65 38,01
2:E2 5,66 ,00 8,25 11,00 33,24 38,01 34,79 40,16
3:E3 13,42 8,25 ,00 3,61 37,00 40,61 35,13 40,31
4:E4 15,52 11,00 3,61 ,00 36,25 39,29 33,00 38,05
5:E5 29,00 33,24 37,00 36,25 ,00 7,07 15,00 17,72
6:E6 34,37 38,01 40,61 39,29 7,07 ,00 11,18 12,00
7:E7 32,65 34,79 35,13 33,00 15,00 11,18 ,00 5,39
8:E8 38,01 40,16 40,31 38,05 17,72 12,00 5,39 ,00
Esta es una matriz de disimilaridades
Dij = ( xip x jp )
k
2
p =1
120
(C) Distancia de Minskowski
La distancia eucldea es un caso particular de la distancia de Minskowski:
1
k n n
Dij = xip x jp
p =1
Tomando n = 2 se obtiene la distancia eucldea.
Ejemplo 8.3
Consideremos una base de datos formada por 5 observaciones de 4 variables dicotmicas:
Observaciones Variables
X1 X2 X3 X4
E1 1 1 0 0
E2 0 1 1 1
E3 1 1 0 1
E4 0 0 0 1
E5 1 1 1 0
Para calcular las medidas de similaridad se construye en primer lugar una matriz 22 para
cada par de observaciones. En ella se recogen las coincidencias y las divergencias entre las
distintas variables correspondientes a las dos observaciones comparadas. Por ejemplo, para las
observaciones E1 y E2:
E1
1 0
1 1 2
E2
0 1 0
E1
1 0
1 a b
E2
0 c d
Dado que la observacin E1 presenta un 1 a la vez que E2 en una sola ocasin (para la
variable X2), la celda a que recoge este hecho aparece como 1. Como para las variables X3 y
X4 el atributo est presente en E2 y ausente en E1, en la casilla b aparece un 2.
Anlogamente se calculan c y d . De este modo calcula el SPSS distintas medidas de
similitud.
121
Las medidas de similitud ms utilizadas, para dos observaciones i y j cualquiera, son las
siguientes:
(b c )
2
Dij =
(a + b + c + d )
2
Ejemplo 8.4
Con los datos del ejemplo 8.3, calculamos la distancia diferencia de tamao entre las
observaciones E1 y E2:
( 2 1)
2
D12 = = 0, 0625
(1 + 2 + 1 + 0 )
2
La salida del SPSS para un anlisis cluster que utiliza como distancia la diferencia de tamao
es la siguiente:
Matriz de distancias
diferencia de tamao
Caso 1:E1 2:E2 3:E3 4:E4 5:E5
1:E1 ,000 ,063 ,063 ,063 ,063
2:E2 ,063 ,000 ,000 ,250 ,000
3:E3 ,063 ,000 ,000 ,250 ,000
4:E4 ,063 ,250 ,250 ,000 ,250
5:E5 ,063 ,000 ,000 ,250 ,000
Esta es una matriz de disimilaridades
Ejemplo 8.5
En el siguiente cuadro se recoge el tamao de los activos y el nmero de trabajadores de 8
empresas:
Nombre Empresa Activos Trabajadores
E1 10.000.000.000 100
E2 10.050.000.000 90
E3 10.000.000.000 200
E4 10.050.000.000 190
E5 20.000.000.000 200
E6 20.050.000.000 190
E7 20.000.000.000 100
E8 20.050.000.000 90
Si efectuamos un anlisis cluster con estos datos, la matriz de distancias que se obtiene es:
Matriz de distancias
distancia eucldea
Caso 1:E1 2:E2 3:E3 4:E4 5:E5 6:E6 7:E7 8:E8
1:E1 ,000 5,0E+07 100,000 5,0E+07 1,0E+10 1,0E+10 1,0E+10 1,0E+10
2:E2 5,0E+07 ,000 5,0E+07 100,000 1,0E+10 1,0E+10 1,0E+10 1,0E+10
3:E3 100,000 5,0E+07 ,000 5,0E+07 1,0E+10 1,0E+10 1,0E+10 1,0E+10
4:E4 5,0E+07 100,000 5,0E+07 ,000 1,0E+10 1,0E+10 1,0E+10 1,0E+10
5:E5 1,0E+10 1,0E+10 1,0E+10 1,0E+10 ,000 5,0E+07 100,000 5,0E+07
6:E6 1,0E+10 1,0E+10 1,0E+10 1,0E+10 5,0E+07 ,000 5,0E+07 100,000
7:E7 1,0E+10 1,0E+10 1,0E+10 1,0E+10 100,000 5,0E+07 ,000 5,0E+07
8:E8 1,0E+10 1,0E+10 1,0E+10 1,0E+10 5,0E+07 100,000 5,0E+07 ,000
Esta es una matriz de disimilaridades
Este matriz muestra que los dos grupos obtenidos responden exclusivamente a la variable
activos puesto que sita en un mismo grupo a aquellas con cifras que rondan los 10.000
millones (E1, E2, E3, E4) y en otro grupo a las que tienen activos en torno a los 20.000
millones (E5, E6, E7, E8). Es decir, la influencia del nmero de trabajadores es prcticamente
nula.
Para evitar esta influencia no deseable de una variable debida exclusivamente a la unidad en
que viene medida, es necesario corregir el efecto de los datos recurriendo a un proceso de
estandarizacin. El programa SPSS ofrece distintas posibilidades, de las que detallamos las de
uso ms frecuente:
123
o Puntuaciones Z. Los datos son estandarizados restando al valor de cada observacin la
media del conjunto de observaciones y dividiendo el resultado por su desviacin tpica.
De esta forma, la variable estandarizada tiene media 0 y varianza 1.
o Rango 1. El valor de la variable en cada observacin es dividido por el rango de esa
variable para el conjunto de observaciones. De esta manera, el rango de variacin de la
variable as estandarizada queda reducido a un intervalo de valor 1.
o Rango 0 a 1. El valor de una variable para cada observacin es estandarizado
sustrayndole el valor mnimo que toma esa variable en el conjunto de las
observaciones y a continuacin se divide por el rango. De esta forma, el valor mnimo
de la variable ser 0 y el mximo 1.
Ejemplo 8.6
Estandarizamos los datos del ejemplo 8.5 utilizando el procedimiento de las puntuaciones Z:
Nombre Empresa Activos Trabajadores Valores estand. Valores estand.
(Pesetas) Activos Trabajadores
E1 10.000.000.000 100 -1,00 -0,90
E2 10.050.000.000 90 -0,99 -1,09
E3 10.000.000.000 200 -1,00 1,09
E4 10.050.000.000 190 -0,99 0,90
E5 20.000.000.000 200 0,99 1,09
E6 20.050.000.000 190 1,00 0,90
E7 20.000.000.000 100 0,99 -0,90
E8 20.050.000.000 90 1,00 -1,09
Media 15.025.000.000 145 0 0
Desv. Tpica 5.000.062.499 50,24 1 1
Si efectuamos un anlisis cluster con los datos tipificados, la matriz de distancias es:
Matriz de distancias
distancia eucldea
Caso 1:E1 2:E2 3:E3 4:E4 5:E5 6:E6 7:E7 8:E8
1:E1 ,000 ,186 1,862 1,675 2,639 2,518 1,871 1,889
2:E2 ,186 ,000 2,048 1,862 2,767 2,639 1,871 1,871
3:E3 1,862 2,048 ,000 ,186 1,871 1,889 2,639 2,780
4:E4 1,675 1,862 ,186 ,000 1,871 1,871 2,504 2,639
5:E5 2,639 2,767 1,871 1,871 ,000 ,186 1,862 2,048
6:E6 2,518 2,639 1,889 1,871 ,186 ,000 1,675 1,862
7:E7 1,871 1,871 2,639 2,504 1,862 1,675 ,000 ,186
8:E8 1,889 1,871 2,780 2,639 2,048 1,862 ,186 ,000
Esta es una matriz de disimilaridades
Esta matriz muestra cmo ahora aparecen 4 grupos. Por ejemplo, E1 y E2. Tiene activos en
torno a los 10.000 millones pero los separa del grupo formado por E3 y E4 porque estas
ltimas les doblan en trminos de nmero de trabajadores.
124
8.4 Formacin de los grupos: Clusters jerrquicos y clusters no jerrquicos
Una vez que, mediante el clculo de la matriz de distancias, se sabe qu observaciones estn
ms prximas entre si, es necesario formar los grupos. Esto implica tomar dos decisiones:
o Seleccionar el algoritmo de agrupacin.
o Determinar un nmero de grupos razonables.
Adoptar estas decisiones no es sencillo dado que existen decenas de algoritmos de agrupacin.
La mayora de los autores aconsejan utilizar diversos procedimientos y comparar resultados.
Si distintos mtodos aportan agrupaciones similares ser razonable suponer que existe una
agrupacin natural objetiva. Si no fuera as, habra que examinar las distintas agrupaciones a
la luz de un marco terico o de trabajos precedentes para elegir el resultado ms razonable.
Los algoritmos de agrupacin se clasifican, como se adelantaba en la introduccin, en dos
clases:
Tcnicas jerrquicas.
Tcnicas no jerrquicas.
Ejemplo 8.7
Utilizando los datos sobre las 8 empresas del ejemplo 8.1, calculamos la matriz de distancias,
en este caso eucldea al cuadrado:
125
Matriz de distancias
distancia eucldea al cuadrado
Caso 1:E1 2:E2 3:E3 4:E4 5:E5 6:E6 7:E7 8:E8
1:E1 0 32 180 241 841 1181 1066 1445
2:E2 32 0 68 121 1105 1445 1210 1613
3:E3 180 68 0 13 1369 1649 1234 1625
4:E4 241 121 13 0 1314 1544 1089 1448
5:E5 841 1105 1369 1314 0 50 225 314
6:E6 1181 1445 1649 1544 50 0 125 144
7:E7 1066 1210 1234 1089 225 125 0 29
8:E8 1445 1613 1625 1448 314 144 29 0
Esta es una matriz de disimilaridades
Donde, por ejemplo, la distancia entre E1 y E3-4 se ha calculado sobre el centroide de ste
ltimo grupo:
126
DE1, E 3 4 = (16 11) + (10 23,5 ) = 207,3
2 2
En las cuatro primeras etapas se fusionan empresas individuales. En la etapa 5 se fusionan dos
grupos E1-2 y E3-4, aunque estos aparecen etiquetados con el nombre de uno solo de sus
integrantes (E1-2 se representa por 1, E3-4 se representa por 3). La columna de coeficientes
refleja las distancias a las que estaban los grupos que se van fusionando en cada etapa.
El historial de agrupacin tiene una traduccin grfica que es de gran utilidad para determinar
el nmero razonable de grupos que debe retenerse. A este grafico se le denomina
dendograma:
* * * H I E R A R C H I C A L C L U S T E R A N A L Y S I S * * *
C A S E 0 5 10 15 20 25
Label Num +---------+---------+---------+---------+---------+
E3 3
E4 4
E1 1
E2 2
E7 7
E8 8
E5 5
E6 6
Cmo sirve el dendograma para determinar el nmero razonable de grupos que debe
retenerse? Como hemos sealado, el anlisis de conglomerados jerrquicos comienza
127
considerando a cada individuo como un grupo independiente y sucesivamente se van
fusionando a los ms cercanos hasta que todos forman un solo grupo. Pero cada etapa une
individuos ms distantes, es decir, ms diferentes, menos susceptibles de formar un grupo.
En nuestro ejemplo, en la primera etapa se fusionan observaciones que distan 13 unidades y
en la etapa 5 observaciones que distan 141 unidades. Dnde cortar y dejar de fusionar? En
aquel momento en que la fusin siguiente va a unir individuos muy distintos, es decir, donde
el dendograma d un gran salto. Por tanto, en este ejemplo, formaramos dos grupos: (E3,
E4, E1, E2) (E7, E8, E5, E6) o cuatros: (E3, E4), (E1, E2), (E7, E8), (E5, E6).
Ejemplo 8.8
Con el ejemplo anterior, la distancia entre los grupos E1-2 y E3-4 estar representada por la
distancia entre E2 y E3, que son los ms cercanos. El historial de conglomeracin que
proporciona el SPSS es el siguiente:
Historial de conglomeracin
128
30,00
E8 2
1
E4 E7
25,00
E3
Ventas
20,00
6
5
E6
15,00
E2 4
3 7
E1 E5
10,00
10 20 30 40 50
Inversion
Ejemplo 8.9
El historial de conglomeracin, utilizando SPSS, es:
Historial de conglomeracin
El coeficiente de la etapa 5 es 241, que corresponde con la distancia entre las empresas E1 y
E4.
129
30,00
E8 2
1
E4 E7
25,00
E3
Ventas
20,00
6
5
7
E6
15,00
E2 4
3
E1 E5
10,00
10 20 30 40 50
Inversion
Ejemplo 8.10
El historial de conglomeracin con este procedimiento es:
Historial de conglomeracin
Podemos observar como en la etapa 5 se fusiona el grupo formado por las empresas E1 y E2
(etiquetado por 1) con el formado por las empresas E3 y E4 (etiquetado por 3). El coeficiente,
es decir, la distancia entre ambos grupos es 1525, que se obtiene de la siguiente manera.
130
Todas las posibles combinaciones entre pares de puntos de estos dos grupos, su distancia y la
distancia promedio son:
Pares de observaciones Distancia Promedio
E1, E3 180
E1, E4 241
152,5
E2, E3 68
E2, E4 121
Aunque en nuestro ejemplo los cuatro mtodos de agrupacin nos han conducido al mismo
historial de conglomeracin (salvo los coeficientes) esto no ocurre siempre, pudindose
presentar distintas jerarquas de agrupacin para los diferentes mtodos.
Ejemplo 8.11
A partir de los coeficientes que se obtienen utilizando el mtodo de la vinculacin promedio
(vase ejemplo 8.10), las tasas de variacin son:
Nmero
Observaciones Grupos Tasa de
Etapa de Coeficiente
que se fusionan Resultantes Variacin
grupos
1 [E3,E4] [E3,E4],E1,E2,E5,E6,E7,E8 7 13 1,23
2 [E7,E8] [E3,E4][E7,E8],E1,E2,E5,E6 6 29 0,10
3 [E1,E2] [E1,E2][E3,E4][E7,E8],E5,E6 5 32 0,56
4 [E5,E6] [E1,E2][E3,E4][E5,E6][E7,E8] 4 50 2,05
5 [E1,E2][E3,E4] [E1,E2,E3,E4][E5,E6][E7,E8] 3 152,5 0,32
6 [E5,E6][E7,E8] [E1,E2,E3,E4][E5,E6,E7,E8] 2 202 5,55
7 [E1,E2,E3,E4][E5,E6,E7,E8] [E1,E2,E3,E4,E5,E6,E7,E8] 1 1323,625 -
131
Clculo de la primera tasa de variacin:
29 13
T1 = = 1, 23
13
Hay dos opciones razonables: no ejecutar la sptima etapa del anlisis jerrquico, dado que el
coeficiente da un salto del 555%, y dividir las empresas en dos grupos
[E1,E2,E3,E4][E5,E6,E7,E8] o no ejecutar la quinta etapa del anlisis, pues el coeficiente da
un salto del 205% y dividir las empresas en cuatro grupos [E1,E2][E3,E4][E5,E6][E7,E8].
132
Ejemplo 8.12
Observacin Inversin Ventas Distancias Distancias Conglomerado
Centroide 1 Centroide 2 asignado
E1 16 10 34,37 15,52 2
E2 12 14 38,01 11 2
E3 10 22 40,61 3,61 2
E4 12 25 39,29 0 2
E5 45 10 7,07 36,25 1
E6 50 15 0 39,29 1
E7 45 25 11,18 33 1
E8 50 27 12 38,05 1
Tambin indica qu cambios, en trminos de distancia eucldea entre los centroides iniciales y
finales, se producen en cada una de las etapas
Historial de iteraciones(a)
Cambio en los centros
de los conglomerados
Iteracin 1 2
1 4,931 7,267
2 ,000 ,000
a Se ha logrado la convergencia debido a que los centros de los conglomerados no presentan ningn cambio o
ste es pequeo. El cambio mximo de coordenadas absolutas para cualquier centro es de ,000. La iteracin
actual es 2. La distancia mnima entre los centros iniciales es de 39,294.
Podemos observar que, en la primera etapa, el centroide final del conglomerado 1 dista del
inicial 4,931 unidades:
134
Pertenencia a los conglomerados
Esta informacin es fundamental para caracterizar a los grupos obtenidos, ya que la misin del
analista no es slo determinar qu observaciones van a cada conglomerado, sino obtener las
caractersticas de los mismos. El cuadro anterior nos indica que hay dos tipos de empresas que
se diferencian porque unas, las del conglomerado 1 necesitan mucha ms inversin
publicitaria para alcanzar niveles similares de ventas, es decir, obtienen mucha menor
rentabilidad de su inversin que las del conglomerado 2.
El SPSS ofrece tambin una serie de ANOVAS donde el factor es la pertenencia al
conglomerado y las variables dependientes son, sucesivamente, cada una de las utilizadas para
caracterizar a los grupos:
ANOVA
Conglomerado Error
Media Media
cuadrtica gl cuadrtica Gl F Sig.
Inversin 2450,000 1 7,333 6 334,091 ,000
Ventas 4,500 1 56,917 6 ,079 ,788
Las pruebas F slo se deben utilizar con una finalidad descriptiva puesto que los conglomerados han sido
elegidos para maximizar las diferencias entre los casos en diferentes conglomerados. Los niveles crticos no son
corregidos, por lo que no pueden interpretarse como pruebas de la hiptesis de que los centros de los
conglomerados son iguales.
Por las razones expuestas al pie de la tabla, estas pruebas solo deben utilizarse con finalidad
descriptiva. Se puede observar que las diferencias entre las inversiones publicitarias de los dos
grupos son muy grandes, pero no as las ventas. Esto confirma la interpretacin de los
conglomerados expuesta anteriormente.
136
9. Componentes principales.
9.1 Introduccin.
9.2 Componentes principales.
9.2.1 Componentes principales a partir de variables estandarizadas.
9.1 Introduccin.
El anlisis de componentes principales (ACP) es un mtodo estadstico multivariante de
simplificacin o reduccin de la dimensin de una tabla de variables cuantitativas, obteniendo
otra de menor nmero de variables, combinacin lineal de las primitivas, que se denominan
componentes principales. Su aplicacin es directa sobre cualquier conjunto de variables sin
que el investigador haya previamente establecido jerarquas entre ellas (var. dependientes o
independientes), normalidad de su distribucin, ...
Podra decirse que el objetivo principal que persigue el ACP es la representacin de las
medidas numricas de varias variables en un espacio de pocas dimensiones donde nuestros
sentidos puedan percibir relaciones que de otra manera permaneceran ocultas en dimensiones
superiores. Dicha representacin debe ser tal que al desechar dimensiones superiores la
prdida de informacin sea mnima.
137
9.2 Componentes principales.
En el anlisis de componentes principales se dispone de una muestra de tamao n acerca de
p variables numricas aleatorias X 1 , X 2 ,..., X p inicialmente correladas, para posteriormente
normalidad multivariante.
[ ]
Sea un vector aleatorio X ' = X 1 , X 2 ,..., X p con matriz de covarianzas S con valores propios
evitar el peso excesivo de alguna de las variables en el anlisis, se trabaja con variables
tipificadas (o estandarizadas), y por tanto S = R .
cuyas varianzas en (9-1) son las mayores posibles, es decir, renen la mxima cantidad de
informacin posible.
138
Y en el paso i-simo: i-sima componente principal = combinacin lineal i' X que
dada por
Yi = i' X = i1 X 1 + i 2 X 2 + + ip X p , i = 1, 2,..., p
[ ]
Resultado 9.2 Sea X ' = X 1 , X 2 ,..., X p con matriz de covarianzas S , con pares de valores y
Cada componente del vector de coeficientes i' = (i1 ,..., ik ,..., ip ) tambin merece atencin.
correlacin entre Yi y X k .
139
Resultado 9.3 Si Y1 = 1' X , Y2 = 2' X ,..., Yp = p' X son las componentes principales
ik i
rYi , X k = , i, k = 1, 2,..., p
skk
Ejemplo 9.1
Veamos cmo se aplica la transformacin de componentes principales a un conjunto de datos
que presentan cierta correlacin. En la siguiente figura mostramos los datos sobre los que se
va a efectuar la transformacin. Como se observa, las variables X 1 y X 2 presentan una
correlacin positiva.
Calculamos los valores propios de S . Como p = 2 habr dos valores propios asociados a la
particular,
o lo que es igual,
2 3 + 0.88 = 0
y las soluciones son: 1 = 2.67 y 2 = 0.33
140
Calculamos los vectores propios asociados a esos valores. El vector propio 1 ,
correspondiente a 1 = 2.67 se calcula como sigue. El vector propio 1 es la solucin a
( S 1 I ) 1 = 0. Esto es,
1.9 1.1 1 0 11 0.77 1.1 11
2.67 = 0 = 0
1.1 1.1 0 1 12 1.1 1.57 12
o lo que es igual,
0.7711 + 1.1012 = 0
1.1011 1.5712 = 0
Como nos hemos restringidos a vectores con longitud 1 (1 1 = 1) , imponemos tambin que
0.57
El vector propio 2 , correspondiente a 2 = 0.33 se calcula de manera similar: 2 = .
0.82
Las componentes de un vector propio indican la direccin de los nuevos ejes respecto al
sistema de coordenadas original. La interpretacin geomtrica del nuevo sistema de
coordenadas (Y1 , Y2 ) respecto al original ( X 1 , X 2 ) en base a los vectores propios 1 y 2 se
141
Calculamos las componentes principales.
X X
Y1 = '1 1 = ( 0.82 0.57 ) 1 = 0.82 X 1 + 0.57 X 2
X2 X2
X
Y2 = ( 0.57 0.82 ) 1 = 0.57 X 1 + 0.82 X 2
X2
Por ltimo, observemos que la matriz de covarianza SY es diagonal y contiene los valores
propios asociados a S .
2.67 0
SY =
0 0.33
observamos que:
142
a) Las variables Y1 e Y2 estn incorreladas ( ry1 y2 = 0 ) mientras que las variables X 1 y X 2
2 2
11 1 0.82 2.67
rY1 , X1 = = = 0.97
s11 1.9
12 1 0.57 2.67
rY1 , X 2 = = = 0.89
s22 1.1
143
concluimos que X 1 y X 2 son importantes en la primera componente principal. Las
correlaciones con la segunda componente no se calculan porque sta componente no es
importante
Ejemplo 9.2
Las salidas que nos interesan del SPSS con los datos del ejemplo anterior son las siguientes:
Estadsticos descriptivos
Desviacin
Media tpica N del anlisis
VAR00001 3,5000 1,37840 6
VAR00002 3,5000 1,04881 6
144
Matriz de componentes(a)
Bruta Reescalada
Componente Componente
1 1
VAR00001 1,338 ,971
VAR00002 ,938 ,894
Mtodo de extraccin: Anlisis de componentes principales.
a 1 componentes extrados
Para obtener los coeficientes de la primera componente ik (que es la que explica el 89,016%
de la varianza) hay que dividir los nmeros de la tabla de Matriz de componentes, columna
Bruta, entre la raiz cuadrada del valor propio de la componente, dado que la componente bruta
es igual a ik i . En nuestro caso:
1, 338
11 = = 0,82
2, 67
0, 938
12 = = 0,57
2, 67
La columna Reescalada nos da las correlaciones entre la primera componente y las variables
1k 1
originales, rY1 , X k = , por tanto es igual a la columna Bruta dividida por la desviacin
skk
NOTA: Cuando trabajamos con la matriz de correlacin de las variables X k , SPSS slo da
una columna por componente. La Bruta y la Reescalada coinciden y los coeficientes dados
son las correlaciones entre las componentes y las variables originales.
Z1 =
( X 1 1 )
s11
Z2 =
( X 2 2 )
s22
Zp =
(X p p )
s pp
145
Se puede demostrar que E [ Z ] = 0 y Cov( Z ) = R . Las componentes principales de Z pueden
ser obtenidas a partir de los vectores propios de la matriz de correlacin R de X . Todos los
resultados previos se pueden aplicar, con algunas simplificaciones ya que la varianza de cada
Z i es la unidad. Denotaremos las componentes principales muestrales de igual manera que
partir de S y R no son las mismas, pero ser claro, segn el contexto, la matriz usada.
Tambin es conveniente etiquetar los valores y vectores propios por ( i , i ) para ambas
situaciones.
Resultado 9.4 La i-esima componente principal de las variables estandarizadas Z ' = (Z1,..., Z p )
Adems,
p p
Var (Yi ) = Var ( Zi ) = p
i =1 i =1
y
rYi , Zk = ik i , i, k = 1,..., p
En este caso ( 1 , 1 ) ,..., ( p , p ) son los pares de valores y vectores propios para R con
1 p 0 .
Ejemplo 9.3
Consideremos la matriz de covarianzas
1 4
S =
4 100
y la matriz de correlacin derivada de ella
1 0.4
R= .
0.4 1
Se van a obtener las componentes principales utilizando estas dos matrices.
146
Los valores y vectores propios de S son
1 = 100.16 1' = ( 0.040, 0.999 )
2 = 0.84 2' = ( 0.999, 0.040 )
11 1
rY1 , X1 = = 0.4
s11
12 1 0.999 100.16
rY1 , X 2 = = = 0.999
s22 100
Cuando las variables estn estandarizadas, sin embargo, las variables resultantes contribuyen
de igual forma a las componentes principales determinadas a partir de R . Vemoslo:
147
1 1.4
En este caso, la primera componente explica una proporcin de = = 0.7 de la varianza
p 2
total.
Vemos entonces que la importancia relativa de las variables sobre, por ejemplo, la primera
componente principal est muy afectada por la estandarizacin. Cuando la primera
componente obtenida a partir de R se expresa en trminos de X 1 y X 2 , las magnitudes
relativas de las ponderaciones 0.707 y 0.0707 estn en directa oposicin con las ponderaciones
0.040 y 0.999 conseguidas en las componentes principales de S
El ejemplo anterior demuestra que las componentes principales derivadas de S son diferentes
de las derivadas de R . Esto sugiere que la estandarizacin no es intrascendente.
Las variables deberan ser estandarizadas si son medidas en escalas con rangos muy diferentes
o si las unidades de medidas no son proporcionadas. Por ejemplo, si X 1 representa las ventas
Ejemplo 9.4
Un censo reciente proporciona informacin sobre 5 variables socio-econmicas. Los datos
sobre 14 regiones estn dados en la siguiente tabla:
Regiones Poblacin Aos Empleo Empleo en Ingresos medios en
total medios total Sanidad hogar
(miles) en escuela (miles) (cientos) (10.000)
1 5,935 14,2 2,265 2,27 2,91
2 1,523 13,1 0,597 0,75 2,62
3 2,599 12,7 1,237 1,11 1,72
4 4,009 15,2 1,649 0,81 3,02
5 4,687 14,7 2,312 2,50 2,22
6 8,044 15,6 3,641 4,51 2,36
7 2,766 13,3 1,244 1,03 1,97
8 6,538 17,0 2,618 2,39 1,85
9 6,451 12,9 3,147 5,52 2,01
10 3,314 12,2 1,606 2,18 1,82
11 3,777 13,0 2,119 2,83 1,80
148
12 1,530 13,8 0,798 0,84 4,25
13 2,768 13,6 1,336 1,75 2,64
14 6.585 14.9 2.763 1.91 3.17
Como los valores de las variables se mueven en un rango parecido, utilizaremos la matriz de
covarianzas.
COEFICIENTES PARA LAS COMPONENTES PRINCIPALES
(Coeficiente correlacin entre parntesis)
Variable 1 2 3 4 5
Poblacin Total 0.781 (0.99) -0.71 (-0.04) 0.004 0.542 -0.302
Aos medios Escuela 0.306 (0.61) -0.764 (-0.76) -0.162 -0.545 -0.010
Empleo Total 0.334 (0.98) 0.083 (0.12) 0.015 0.050 0.937
Empleo Sanidad 0.426 (0.80) 0.579 (0.55) 0.220 -0.636 -0.173
Ingresos Medios -0.054 (-0.20) -0.262 (-0.49) 0.962 -0.051 0.024
Varianza ( i ) 6.931 1.786 0.390 0.230 0.014
La primera componente principal explica el 74.1% de la varianza muestral total. Las dos
primeras componentes explican el 93.2%. En consecuencia, la variacin muestral se resume
muy bien mediante dos componentes y la reduccin en los datos va de 14 observaciones de 5
variables a 14 observaciones de dos componentes.
Fijndonos en los coeficientes, la 1 componente es una media ponderada de las 4 primeras
variables. En la 2 componente aparece contraste entre el empleo en sanidad y una media
ponderada de la poblacin total, los aos medios en el colegio y los ingresos medios.
Las salidas del SPSS, utilizando la matriz de covarianza, son las siguientes:
149
Matriz de componentes(a)
Bruta Reescalada
Componente Componente
1 1
PobTotal 2,057 ,991
AosMedios ,805 ,605
EmpleoTotal ,881 ,984
EmpleoSanidad 1,122 ,799
IngresosMedios -,143 -,201
Mtodo de extraccin: Anlisis de componentes principales.
a 1 componentes extrados
Dividiendo estas cantidades entre la raz cuadrada de primer valor propio (6,931) obtenemos
los coeficientes de la primera componente principal. La correlacin entre la primera
componente y las variables originales la podemos leer en la columna denominada
reescalada. El porcentaje de varianza que explica esta variable es el siguiente:
Varianza total explicada
Sumas de las saturaciones al cuadrado
de la extraccin
% de la
Componente Total varianza % acumulado
Bruta 1 6,931 74,133 74,133
Mtodo de extraccin: Anlisis de Componentes principales.
Por ejemplo, en el ejemplo 9.3 el coeficiente de Z 2 en Y1 es muy pequeo 0,0707 pero sin
embargo el coeficiente de correlacin lineal entre ambas variables es 0,837.
Ejemplo 9.5
En un estudio de tortugas se les mide la longitud, la anchura y la altura del caparazn (en
milmetros). Los datos son los siguientes:
Longitud Anchura Altura
98 81 38
103 84 38
103 86 42
105 86 42
109 88 44
123 92 50
123 95 46
133 99 51
133 102 51
133 102 51
134 100 48
136 102 49
150
138 98 51
138 99 51
141 105 53
147 108 57
149 107 55
153 107 56
155 115 63
155 117 60
158 115 62
159 118 63
162 124 61
177 132 67
Los datos sugieren un anlisis en trminos de logaritmos (suaviza la serie).
Las salidas del SPSS son:
Estadsticos descriptivos
Desviacin
Media tpica N del anlisis
lnLONGITUD 4,9007 ,16250 24
lnANCHURA 4,6229 ,12724 24
lnALTURA 3,9403 ,15792 24
Varianza total explicada
151
La 1 componente principal, que explica el 98,06% de la varianza total, tiene una interesante
interpretacin:
y1 = 0.627 ln(long ) + 0.490 ln(anchura ) + 0.603ln(altura )
= ln ( long 0.627 anchura 0.490 altura 0.603 )
La primera componente principal puede ser vista como el ln(volumen) de una caja con
dimensiones ajustadas. Por ejemplo, la altura ajustada es altura 0.607 , lo cual tiene en cuenta,
en algn sentido, la forma redondeada del caparazn.
Es muy frecuente que la primera componente haga referencia al tamao (todos los coeficientes
de la combinacin lineal son posistivos) y la segunda a la forma (se enfrentan coeficientes
negativos y positivos en la combinacin lineal, como ocurre aqu con la segunda componente).
Un inusual valor pequeo en el ltimo valor propio para la matriz de covarianzas o la matriz
de correlacin puede indicar una dependencia lineal no anunciada en el conjunto de los datos.
Si esto ocurre, una o ms de las variables son redundantes y pueden ser eliminadas.
Consideremos una situacin donde x1 , x2 y x3 son puntuaciones de test y la puntuacin total
Ejemplo 9.6
Veamos un caso en el que uno de los autovalores es cero y estudiaremos sus consecuencias.
Supongamos que la matriz de covarianza ya est calculada, y es:
4.5 1.5
S =
1.5 0.5
Sus valores propios son 1 = 5 y 2 = 0 . Los vectores propios asociados a estos valores son:
0.95 0.32
1 = 2 =
0.32 0.95
152
La interpretacin geomtrica del nuevo sistema de coordenadas ( Y1 , Y2 ) respecto al original
( X 1 , X 2 ) en base a los vectores propios se detalla en la siguiente figura
Y1 = 0.95 X 1 + 0.32 X 2
Y2 = 0.32 X 1 0.95 X 2
5 0
SY =
0 0
tr ( S ) = 4.5 + 0.5 = 5
tr ( SY ) = 5 + 0 = 5
Observe que en este caso, al ser 2 = 0 significa que la varianza de los datos en Y2 es cero lo
que se interpreta como que los datos estn perfectamente alineados en la direccin de Y1 . En
otras palabras, el eje Y2 es innecesario.
153
154
EJERCICIOS
155
2. Muestreo Aleatorio Simple
1. Un auditor examina las cuentas abiertas con diferentes clientes de una empresa. Suponga
que existen 1.000 cuentas de las cuales se examinan 300. La media muestral de las cuentas
fue y = 1.040 y la varianza muestral (cuasivarianza) es S2=45.0002. Estime el
promedio de la deuda y el total de la deuda por cobrar para las 1.000 cuentas abiertas con
un intervalo de confianza al 95%.
Solucin: (1.040 20, 49 ) = (1.019,51 , 1.060, 49 )
y i z i
Solucin p1 = i =1
= 0, 70 (70%) p2 = i =1
= 0, 25 (25%)
100 100
157
Solucin: p = 0,1833; B = 0,0958
8. El gerente de un taller de maquinaria desea estimar el tiempo medio que necesita un
operador para terminar una tarea sencilla. El taller tiene 45 operadores. Se seleccionaron
aleatoriamente 5 operadores y se les tom el tiempo. Los resultados obtenidos son los
siguientes:
Tiempo(minutos) 4,2 5,1 7,9 3,8 5,3
Se puede aceptar la hiptesis de que el tiempo medio que necesitan los operarios del
taller para terminar dicha tarea es inferior a 6 minutos?
Solucin: INTERV . CONF .: ( 3,91 min ., 6, 61 min.) Valores mayores e igual a 6 minutos
Y = 1.450; Y
i =1
i
i =1
i
2
= 54.496
158
12. Una muestra aleatoria de 30 familias fue extrada de una zona de cierta ciudad que
contiene 14.848 familias. El nmero de personas por familia en la muestra obtenida fue el
siguiente:
5 6 3 3 2 3 3 3 4 4 3 2 7 4 3
5 4 4 3 3 4 3 3 1 2 4 3 4 2 4
Estimar el nmero total de personas en la zona, construyendo un intervalo de confianza al
95%.
Solucin: (44.842,09, 58.104,04 )
13. Un hipermercado desea estimar la proporcin de compras que los clientes pagan con su
Tarjeta de Compras. Durante una semana observaron al azar 200 compras de las cuales
35 fueron pagadas con la tarjeta.
a) Estime con un intervalo de confianza la proporcin de compras pagadas con dicha tarjeta.
b) Cuantas compras deberan observarse para estimar, con un error inferior al 3%, la
proporcin de compras pagadas con la tarjeta? (Consideren los datos anteriores como una
muestra previa)
c) Este mismo hipermercado desea estimar tambin el valor medio de las compras realizadas
con su Tarjeta de Compras. Basndose en los anteriores datos observa que el valor total
de las compras hechas con la tarjeta fue de 5.600 (siendo la cuasivarianza de los datos
625). Estime el valor medio de las compras pagadas con la tarjeta y el error de estimacin
asociado.
pq
Solucin: a) p (12,11% , 22,89% ) . b) n = = 641, 6 642 .
D
1 n 5600
c) y =
n i =1
yi =
35
= 160 B = 2 V ( y ) = 8, 45
14. Entre todas las oficinas bancarias de una pequea ciudad se tienen concedidos 2000
prstamos hipotecarios. Existen razones para pensar que el prstamo hipotecario de menor
cuanta es de algo ms de 1200 euros, siendo de casi 11000 euros el de mayor cuanta.
cul es el tamao muestral necesario para estimar estos dos parmetros:
- la cuanta media de los prestamos cometiendo un error de estimacin menor de 400
euros y
- la proporcin de prstamos pendientes de amortizar ms de la mitad de la deuda
cometiendo un error mximo del 5%?
Solucin: n = 139, 65 140 n = 333, 47 334
159
15. Se desea estimar el salario medio entre los empleados de una empresa y la proporcin de
empleados que apoyan a la actual directiva. La empresa tiene 110 empleados y se sabe que
el salario est comprendido entre los 1500 y 1800 euros mensuales. Cul debe ser el
tamao muestral para que al estimar el salario medio la cota de error se site en 10 euros y
al estimar la proporcin de los que apoyan a la actual directiva el error mximo cometido
sea del 2%?
Solucin: n = 74,1 75 n = 105, 4 106
16. Una empresa de trabajo temporal quiere investigar las necesidades de empleo de las
empresas de un pueblo. Para ello decide seleccionar una muestra de 5 de las 25 inscritas en
el registro mercantil. El nmero de bajas en el ltimo ao, el nmero de empleados y la
respuesta de cada empresa sobre si utilizara los servicios de la empresa de trabajo
temporal fueron los siguientes:
Empresa Bajas Empleados Respuesta
1 1 7 Si
2 2 15 No
3 9 85 Si
4 0 3 No
5 2 12 No
a) Estime el nmero de bajas en el ltimo ao en las empresas del pueblo. Calcule
el lmite para el error de estimacin.
b) Estime el nmero de empresas que usaran los servicios ofertados. Calcule el
lmite para el error de estimacin.
160
un error inferior a 100 y el salario medio de los contratos temporales con un error inferior
a 120?
Solucin: n1 = 25 n2 = 25 n = n1 + n2 = 50
19. Se selecciona una m.a.s. de 9 compras de clientes de un centro comercial para estimar el
valor medio de las compras por cliente.
VALOR en 33,5 32 52 43 40 41 45 42,5 39
a) Obtener un intervalo de confianza para el valor medio de las compras.
b) Podemos aceptar que la compra media es de 45?
c) Qu tamao muestral deberamos tomar para que el LEE sea de 2?
Solucin: a) ( 40,89 3,98 ; 40,89 + 3,98 ) = ( 36,91; 44,87 )
que en el 25% de los hogares de esa ciudad habita al menos una persona mayor de 65
aos.
21. El consumo medio de combustible de los taxis de una ciudad es 5,6 litros cada 100 Km.
Puesto que se considera que el consumo es demasiado elevado, en 600 taxis se monta un
dispositivo para disminuirlo. Pasado cierto tiempo se toma una muestra aleatoria de 20
taxis, elegidos entre los 600 que colocaron el dispositivo. El consumo en litros de
combustible por cada 100 Km se recoge en la siguiente tabla
Taxi nConsumo Taxi n Consumo Taxi n Consumo Taxi n Consumo
1 5,4 6 6,3 11 3,6 16 5,4
2 5,5 7 5,4 12 6,7 17 4,8
3 6,9 8 5 13 5,2 18 4,7
4 3,9 9 4,5 14 5,1 19 5,8
5 4,5 10 4,4 15 5,4 20 6,2
a) Estmese mediante un intervalo de confianza la proporcin de taxis con un
consumo inferior a 5,6 litros/100 Km.
b) Cuantos taxis deben observarse para estimar la anterior proporcin con un error
menor o igual que un 10%?
161
Solucin: (a) ( 55'47%, 94 '53% ) (b) n = 66, 77 67
Estime el consumo anual medio por hogar y fije un lmite para el error de estimacin.
4
Ni
Solucin: y st = y i = 500, 5 2 V ( y st ) = 18, 79
i =1 N
2. Una gran empresa sabe que el 40% de las facturas que emite son al por mayor y el 60% al
por menor. Sin embargo, identificar las facturas individuales sin consultar un archivo es
complicado. Un auditor desea muestrear 100 de sus facturas para estimar el valor medio
de las facturas de la empresa (Nota para estimar el total necesitaramos conocer N). Una
muestra aleatoria simple present 70 facturas al por mayor y 30 al por menor. Los datos
162
son separados en facturas al por mayor y al por menor despus del muestreo, con los
siguientes resultados en :
Por mayor Por menor
Valor total facturas=36400 Valor total facturas=8400
n1 = 70 y1 = 520 S1 = 210 n2 = 30 y 2 = 280 S2 = 90
Estime el valor medio de las facturas de la empresa, y fije un lmite para el error de
estimacin.
Solucin: yst = 376; B = 28,14
3. Una inspectora de control de calidad debe estimar la proporcin de circuitos integrados de
ordenador defectuosos que provienen de dos diferentes operaciones de ensamble. Ella
sabe que de entre los circuitos integrados que van a ser inspeccionados, 60% procede de la
operacin de ensamble A y 40% de la operacin de ensamble B. En una muestra aleatoria
de 100 circuitos integrados resulta que 20 provienen de la operacin A y 80 de la
operacin B. De entre los circuitos integrados muestreados de la operacin A, 2 son
defectuosos. De entre las piezas muestreadas de la operacin B, 16 son defectuosas.
a) Considerando nicamente la muestra aleatoria simple de 100 circuitos
integrados, estime la proporcin de los defectuosos en el lote, y establezca un
lmite para el error de estimacin.
b) Estratifique la muestra, despus de la seleccin, en circuitos integrados
provenientes de la operacin A y B, estime la proporcin de los defectuosos en
la poblacin, y fije un lmite para el error de estimacin.
c) Qu respuesta encuentra ms aceptable? Por qu?
Solucin:
18
a. p = = 0,18 (18%) 2 V ( p ) = 0, 0772 ( 7, 72% )
100
1 L L
Ni 2 16
b. p st = Ni pi = p i = 0, 60 + 0, 40 = 0,14 (14% )
N i =1 i =1 N 20 80
2 V ( p st ) = 0, 0901 ( 9, 01% )
c) Aunque en el conjunto de la poblacin hay ms elementos que proceden de A (60%)
que de B (40%), la muestra global no representa adecuadamente este hecho,
predominando los elementos de B (80) frente a los de A (20), esto ocasiona que en el
163
( p1 = 0,10 ). En el apartado b. este hecho se corrige dando a p1 y p 2 las
ponderaciones 0,60 y 0,40 respectivamente para estimar p.
4. Una cadena de restaurantes tiene 100 establecimientos en Madrid, 70 en Barcelona y 30
en Sevilla. La direccin est considerando aadir un nuevo producto en el men. Para
contrastar la posible demanda de este producto, lo introdujo en el men de muestras
aleatorias de 10 restaurantes de Madrid, 5 de Barcelona y 5 de Sevilla. Usando los ndice
1, 2 y 3 para designar Madrid, Barcelona y Sevilla, respectivamente, las medias y las
desviaciones tpicas muestrales del nmero de pedidos de este producto recibidos por
restaurante en las tres ciudades durante una semana fueron:
y1 = 21, 2 S1 = 12
y2 = 13, 3 S 2 = 11
y3 = 26,1 S3 = 9
a) Estimar el nmero medio de pedidos semanales por restaurante para los
restaurantes de la cadena. Dar un lmite del error de estimacin.
b) Determinar el tamao muestral y la asignacin para repetir el estudio anterior
cometiendo un error inferior a 3 pedidos.
Solucin:
L
1 3834
a. y st =
N
N y
i =1
i i =
200
= 19,17 pedidos / semana
2 V ( y st ) = 5, 02 pedidos / semana
2
B 92 ( N )
L
i i
b. D = = = 2, 25 n= i =1
L
= 43,52
4 4
N D + N i
2
i
2
i =1
n1 = 23,31 24 n2 = 14,96 15 n3 = 5, 24 6 n = 45
5. De las 1.395 universidades de Estados Unidos, 364 imparten estudios universitarios de
dos aos y 1.031 estudios universitarios de cuatro aos. Se recogieron de manera
independiente, una muestra aleatoria simple de 40 universidades con estudios de dos aos
y otra de 60 con estudios de 4 aos. Las medias muestrales y las desviaciones tpicas del
nmero de estudiantes matriculados el pasado ao en asignaturas de estadstica aparecen a
continuacin.
Carreras de 2 aos Carreras de 4 aos
Media 154,3 411,8
Desviacin tpica 87,3 219,9
164
a) Estimar el nmero total de estudiantes matriculados en asignaturas de estadsticas. Dar
un lmite de error de estimacin.
b) En el estudio del ejercicio anterior, se investig tambin en qu proporcin de las
universidades la asignatura de estadstica para economistas era impartida por
miembros del departamento de economa. En la muestra se hall que en 7 de las
universidades con carreras de dos aos y en 13 de las que tienen carreras de cuatro
aos suceda esto. Estimar la proporcin de universidades en las que esta asignatura es
impartida por profesores del departamento de economa. Dar un lmite de error de
estimacin.
Solucin: (a) st = 480.731; B = 57.594,84 (b) p st = 0,2058; B = 0,0826
6. Una compaa de autobuses est planeando una nueva ruta para dar servicio a cuatro
barrios. Se tomaron muestras aleatorias de hogares en cada barrio y se solicit a los
miembros de la muestra que valorasen en una escala de 1 (totalmente opuesto) a 5
(totalmente a favor) su opinin sobre el servicio propuesto. Los resultados se resumen en
la tabla adjunta:
Barrio
1 2 3 4
N i 240 190 350 220
ni 25 25 25 25
y i 3,5 3,6 3,9 3,8
S i 0,8 0,9 1,2 0,7
a) Halle un intervalo de confianza para la opinin media de los hogares que dispondrn
del nuevo servicio.
b) Si se asigna la muestra de 100 hogares de la mejor forma, determine cuntos
perteneceran al barrio 3. (Suponga iguales los costes de observacin)
Solucin: (a) yst = 3, 725; B = 0,1973; (3,5277 ; 3, 9223) (b) n3 = 44,82 45
7. Una universidad tiene 152 profesores ayudantes, 127 profesores asociados y 208
profesores titulares. Una reportera del peridico de los estudiantes quiere averiguar si los
profesores estn realmente en sus despachos durante las horas de tutoras. Decide
investigar muestras de 40 profesores ayudantes, 40 asociados y 50 titulares. Algunos
estudiantes voluntarios llamaron a la puerta de los profesores de la muestra durante sus
horas de tutoras. Se hall que 31 de los profesores ayudantes, 29 de los asociados y 34 de
los titulares se encontraban realmente en sus despachos. Hallar un intervalo de confianza
para la proporcin de profesores que permanecen en sus despachos durante las horas de
tutoras.
Solucin: p st = 0,7214; B = 0,0685
165
8. Un auditor quiere estimar el valor medio de las facturas por cobrar de una compaa. La
poblacin se divide en cuatro estratos que contienen 500, 400, 300 y 200 facturas,
respectivamente. Basndose en una experiencia previa, se estima que las desviaciones
tpicas en estos estratos son de 15, 20, 30 y 40 euros, respectivamente. Determinar el
tamao muestral y la asignacin para estimar el valor medio de las facturas por cobrar
cometiendo un error de como mucho 5 euros.
Solucin: n1 = 18,59; n 2 = 19,83; n3 = 22,31; n 4 = 19,83; n = 80,55
9. Un ayuntamiento est interesado en ampliar las instalaciones de un centro de atencin
diurna para nios. Se va a realizar una encuesta para estimar la proporcin de familias con
nios que utilizarn las instalaciones ampliadas. Las familias estn dividas en aquellas que
en la actualidad usan las instalaciones y las que an no la usan. Aproximadamente el 90%
de los que usan las instalaciones y el 50% de los que no las usan van a utilizar las nuevas
instalaciones. Los costos por efectuar la observacin de un cliente actual es de 4 y de 8
para uno que no lo es. Registros existentes nos dan que existen 97 familias que en la
actualidad utilizan las instalaciones y 145 que no lo hacen.
a) Encuentre el tamao muestral aproximado y la asignacin necesaria para estimar la
proporcin poblacional con un lmite de 0,05 para el error de estimacin.
b) Suponga que el costo total de muestreo se fija en 400 . Elija el tamao de la
muestra y la asignacin que minimiza la varianza del estimador para este costo fijo.
Solucin: (a) n1 = 47; n2 = 83; n = 130 (b) n1 = 22; n2 = 39; n = 61
10. De una ciudad con 350 casas, se sabe que 164 de ellas tienen calefaccin elctrica. Al
realizar una encuesta sobre el consumo de energa (en kilovatios-hora) se obtuvieron los
siguientes resultados:
Tipo Calefaccin N casas Media muestral Cuasivarianza muestral
Elctrica 24 972 202,396
No elctrica 36 463 96,721
a) Obtenga una estimacin del nmero medio de kilovatios-hora utilizado en la ciudad.
D un lmite para el error de estimacin.
b) Obtenga una estimacin del nmero medio de kilovatios-hora utilizado por las casas
que no tienen calefaccin elctrica. D un lmite para el error de estimacin.
Solucin: a. y st = 701,50 2 2,19 = 2,96 b. y 2 = 463 2 2,17 = 2, 94
11. Un analista de la opinin pblica tiene un presupuesto de 20.000 euros para realizar una
encuesta sobre el nmero medio de coches por hogar. Se sabe que de los 10.000 hogares
de la ciudad, 9.000 tienen telfono. Las entrevistas por telfono cuestan 10 euros por
hogar llamado y las entrevistas personales cuestan 30 euros por hogar visitado. Suponga
166
que las varianzas en los estratos con y sin telfono son iguales. Con el objetivo de
minimizar el lmite de error de estimacin Cuntos hogares deben ser entrevistados en
cada estrato si los hogares que cuentan con servicio telefnico son entrevistados por
telfono y los hogares sin telfono son entrevistados personalmente?
Solucin: n1 = 1677, 2 1677 n2 = 107,59 107 n = n1 + n2 = 1784
12. Se desea conocer el nmero de fines de semana que las familias de una gran ciudad salen
fuera de ella. Se sabe que el 425% de las familias tienen de 0 a 2 hijos, el 30% tienen de
3 a 5 hijos y el 275% tienen ms de 5 hijos. Se realiz un muestreo segn el nmero de
hijos y se pregunt a las familias sobre los fines de semana que pasan fuera, obtenindose
los siguientes datos:
Nmero de hijos ni n
S i2
yi
i =1
0-2 25 239 6076
3-5 19 174 6301
Mas de 5 16 78 7824
Estimar el nmero medio de fines de semana que las familias pasan fuera de la ciudad y
dar el lmite de error de estimacin. Omitir el corrector por poblacin finita. Solucin:
y st = 8,15 2 1,107 = 2,1
13. En una poblacin compuesta por aproximadamente igual nmero de hombres que de
mujeres se desea estimar el gasto medio mensual por habitante en ocio. Se lleva a cabo la
encuesta por telfono mediante una muestra aleatoria simple de 500 nmeros de telfono
del citado municipio. Despus de obtenidos los datos se observa que slo 100 de los
encuestados fueron hombres y el resto mujeres. Por ello se decide llevar a cabo una
estratificacin despus de seleccionar la muestra obtenindose los siguientes datos
HOMBRES MUJERES
Ni 2.500 2.700
ni 100 400
yi 120 250
Si2 9.000 16.000
Estime la media poblacional de gasto mensual en ocio y su cota de error, mediante
muestreo aleatorio estratificado despus de seleccionar la muestra.
Solucin: y st = 187,5 2 29,16 = 10,8
14. En una poblacin compuesta por aproximadamente igual nmero de hombres que de
mujeres se desea estimar la proporcin de individuos que ven un determinado programa
de televisin. Se lleva a cabo la encuesta por telfono mediante una muestra aleatoria
simple de 300 nmeros de telfono. Despus de obtenidos los datos se observa que slo
167
50 de los encuestados fueron hombres y el resto mujeres. Por ello se decide llevar a cabo
una estratificacin despus de seleccionar la muestra obtenindose los siguientes datos
HOMBRES MUJERES
Encuestados 50 250
Ven el programa 12 130
Estime la proporcin de la poblacin que ven el programa de televisin y su cota de error,
mediante muestreo aleatorio estratificado despus de seleccionar la muestra.
15. Una corporacin desea estimar el nmero total de horas perdidas debido a accidentes de
sus empleados, en un determinado mes. Ya que los obreros, tcnicos y administrativos
tienen diferentes tasas de accidentes, la corporacin decide usar muestreo estratificado,
formando con cada grupo un estrato. Datos de aos previos sugieren las cuasivarianzas
mostradas en la siguiente tabla para el nmero de horas perdidas por empleado en los tres
grupos, y de datos actuales se obtienen los tamaos de los estratos. No habiendo
diferencia entre los costes de observacin de cada grupo, determine la mejor asignacin
para una muestra de 40 empleados.
Obreros Tcnicos Administrativos
Si2 36 25 9
Ni 132 92 27
Solucin:
n1 = 40 0,5941 = 23,8 24 n2 = 40 0,3451 = 13,8 14 n3 = 40 0, 0608 = 2, 4 2
16. Se dispone de la siguiente informacin sobre tamaos poblacionales de los estratos, costes
de observacin y estimaciones de las proporciones
Tamao del estrato Coste de observacin Proporciones en %
ESTRATO 1 5000 9 90
ESTRATO 2 2000 25 55
ESTRATO 3 3000 16 70
Determine la mejor asignacin para una muestra de 200 observaciones.
Solucin:
n1 = 200 0, 4795 = 95, 9 96 n2 = 200 0,1909 = 38, 2 38 n3 = 200 0,3296 = 65, 9 66
17. En una ciudad se sabe que el 30% de los hogares tienen calefaccin elctrica. Al realizar
una encuesta sobre el consumo de energa (valor en euros de la factura bimensual) se
obtuvieron los siguientes resultados:
Tipo Calefaccin N casas Valor total de las facturas desviacin tpica muestral
Elctrica 60 5730 200
No elctrica 40 2080 90
168
Obtenga una estimacin del valor medio de la factura de electricidad en la ciudad. D un
lmite para el error de estimacin.
2 2
1 Ni
Solucin: y st =
N
N y = N
i =1
i i
i =1
y i = 65, 05 2 V ( y st ) = 25,24
B2 250.000
( N )
L
i i
D= 2
= = 0, 0625 n= i =1
L
= 71, 66
4N 4.000.000
N D + N i
2
i
2
i =1
20. Una empresa especializada en seguros est pensando en ofrecer sus servicios a las
empresas de los polgonos industriales de una ciudad. Para ajustar sus tarifas desea
estimar el gasto de dichas empresas en pequeas reparaciones de mantenimiento (objeto
del seguro). Se clasifican las empresas en funcin de su tamao. El nmero de empresas
de cada tipo, el coste de obtencin de esta informacin en cada empresa as como los
valores mnimos, medios y mximos de un estudio similar hecho hace dos aos se
expresan en la siguiente tabla (los costes y gastos estn expresados en euros)
169
Tipo de Nmero de Costes de Gastos de reparacin
empresa empresas observacin Mnimo Media Mximo
A 100 16 400 500 600
B 500 9 240 300 360
C 700 4 70 100 130
Si la empresa de seguros dispone de hasta 600 para llevar a cabo la estimacin, cuntas
empresas de cada tipo tiene que observar para conseguir que sea mnimo el error de
estimacin asociado?
Solucin: n1 = 8; n 2 = 34; n3 = 36; n = 78 (8 x6 + 34 x9 + 36 x 4 = 578)
21. En un centro escolar se quiere realizar una encuesta para conocer la proporcin de padres
que estaran dispuestos a participar en actividades. Se quiere estimar la proporcin de
padres tanto a nivel global como para cada grupo de edad de los alumnos por lo que se
decide estratificar segn la edad de los alumnos. A partir de la informacin proporcionada
por la siguiente tabla, obtener el nmero ptimo de padres que, de cada estrato, hay que
encuestar para que la proporcin de participacin de los padres con hijos de edades entre 6
y 8 aos sea estimada con un error menor o igual al 10%. (Suponemos que cada padre
tiene un solo hijo en el centro)
Aos Alumnos Porcentaje de participacin en aos Coste de encuestar a un
matriculados anteriores elemento
4-6 150 40% 4
6-8 130 30% 9
8-12 120 25% 16
12-14 100 20% 25
Sol. n = 200,3; n1 = 94,84 95; n 2 = 51,27 52; n3 = 33,53 34; n 4 = 20,65 21 n = 202
22. El coste de transportar mercancas en avin depende del peso. Un determinado embarque
de una fbrica consista en las mquinas producidas por la citada fbrica a lo largo de las
dos ltimas semanas. Se decide estratificar basndose en las semanas, con el fin de
observar si existe variacin semanal en la cantidad producida. Las muestras aleatorias
simples de los pesos (en kilos) de las mquinas transportadas en el embarque, para las dos
semanas, mostraron las siguientes mediciones:
Semana A Semana B
58,3 59,2
60,4 60,1
59,3 59,6
58,7 59,2
59,1 58,8
59,6 60,5
170
a. Estimar el peso total del embarque de maquinaria, sabiendo que el nmero total de
mquinas producidas ha sido de 162 en la semana A y de 170 en la semana B.
b. Obtenga un intervalo de confianza para el peso total del embarque de maquinaria.
c. Determinar el tamao de la muestra y su asignacin, en el caso de que se quiera
estimar el peso total del embarque, con un lmite para el error de estimacin de 50
kg. Las dispersiones en los pesos se suponen diferentes de una semana a otra.
Considere las muestras anteriores como muestras previas para estimar los
parmetros necesarios.
Solucin: (a) = 19.722,13 (b) (19.593'71, 19.850'56)
Tamao muestra n1 = 14 n2 = 9 n3 = 21 n4 = 6
N cuentas no cobradas 4 2 8 1
a. Estime la proporcin de cuentas no cobradas para la cadena y fije un lmite para el
error de estimacin.
b. Utilice los datos anteriores para determinar la asignacin y el tamao de la muestra
necesarios para estimar la proporcin de cuentas no cobradas, con un lmite del
error de estimacin del 5%.
Solucin: (a) p = 0,30; B = 0,1173
(b) n = 132,30; n1 = 38,35 39; n 2 = 22,80 23; n3 = 58,98 59; n 4 = 12,17 13 n = 134
24. Una escuela desea estimar la calificacin media que puede obtener en el examen final de
matemticas en este curso. Los estudiantes de la escuela se agrupan en tres estratos segn
el tipo de aprendizaje, clasificado como N=Normal, A=Avanzado, L=Lento. En el
presente curso, la distribucin de los alumnos segn el tipo de aprendizaje es 50 normal,
30 avanzado y 20 lento, la calificacin media de los estudiantes segn el tipo de
aprendizaje fue en el primer examen parcial: 75 para el normal, 89 para el avanzado y 70
para el lento, con unas cuasivarianzas de 80, 30 y 40 respectivamente.
Para actualizar esta informacin, se tom una muestra aleatoria de estudiantes, se les hizo
el examen final de matemticas y se obtuvieron las siguientes calificaciones (entre
parntesis, el tipo de aprendizaje de cada estudiante):
171
70(L) 88(A) 72(N) 85(N) 90(N) 82(A) 61(N) 92(N) 65(L) 87(A)
91(A) 81(N) 79(N) 63(L) 82(N) 75(N) 78(A) 71(L) 61(L)
Se pide:
25. Se desea estimar el salario medio de los empleados de una empresa. Se decide
clasificarlos en dos estratos: los que tienen contrato fijo y los que poseen un contrato
temporal. Los primeros son 143 y su salario vara entre 1500 y 2500 euros mensuales. Los
contratos temporales son 320 y su salario est comprendido entre 700 y 1800 euros
mensuales. Cul debe ser el tamao de la muestra y su asignacin para que al estimar el
salario medio mensual el error de estimacin sea inferior a 100 euros?
Solucin: Neyman n = 26,91 n1 = 7, 77 8 n2 = 19,14 20 n = 28
172
4. Estimacin de Razn, Regresin y Diferencia
1. Se desea estimar el consumo mensual de una ciudad. Se sabe que los ingresos en dicha
ciudad, va declaracin de la renta, ascienden a 1.502.530 euros mensuales. Se realiza una
encuesta entre 12 hogares elegidos al azar y los resultados de renta y consumo se recogen
en esta tabla.
Renta Consumo
1.702,44 1.204
1.339,56 1.000
981,06 800
2.537,04 1.800
1.519,85 1.200
3.080,19 2.600
1.502,53 1.080
1.702,87 1.240
1.402,36 1.000
1.803,04 1.400
2.053,46 1.484
3.005,06 2.000
Estime el consumo total mensual para todos los hogares de la ciudad mediante el
estimador de razn. De el LEE.
Solucin: y = 1.116.002, 07; B = 59.053,37
2. Mediante una tasacin previa se desea estimar la produccin media y la produccin total
de los 750 socios de una cooperativa agrcola. Se sabe que el total de superficie plantada
es de 3.840 hectreas. Se realiz un sorteo entre los socios para elegir a 20 de ellos a los
que se les pregunt por la superficie plantada y se les tas su produccin. Los resultados
fueron:
Superficie Produccin
3,7 12
4,3 14
4,1 11
5 15
5,5 16
3,8 12
8 24
5,1 15
5,7 18
6 20
3 8
7 20
5,4 16
4,4 14
173
5,5 18
5 15
5,9 18
5,6 17
5 15
7,2 22
a) Estimar la produccin media y total mediante los estimadores de razn y m.a.s. Dar
sus respectivos LEE y compararlos.
b) Supongamos que queremos reducir el LEE de la media a 0,25 toneladas y el LEE del
total no debe superar las 200 toneladas a cuntos socios se les debe tasar su
produccin antes de realizar una nueva estimacin?
Solucin:
(a) razn : y = 15,57 tm; B = 0, 37 tm; y = 11.680, 61 tm; B = 278,14 tm
(b) 43 socios para estimar la media, 38 socios para estimar el total, se toma el mximo
n=43.
3. Para un grupo de 1.000 pequeos establecimientos se desea realizar un estudio sobre la
media y el total de ventas diarias. Se tiene informacin de que, por trmino medio, el
gasto en publicidad es de 5 euros. Se elige al azar una muestra de 18 establecimientos y se
les toma dato de su gasto en publicidad diaria y sus ventas diarias. Los resultados son:
Gastos Ventas
3,7 120
4,3 140
4,1 135
5 150
5,5 160
3,8 120
8 160
5,1 150
5,7 125
6 130
0 80
7 150
5,4 150
4,4 120
5,5 140
5 150
5,9 150
6,6 170
a) Estimar la media y el total de ventas diarias utilizando estimadores de
regresin. Dar LEE.
174
b) Se quiere repetir el estudio anterior de forma que la estimacin del total no
supere los 1.000 euros cul debe ser el tamao muestral?
Solucin: (a) yL = 138,31; B = 5,56; yL = 138.314,38; B = 5.559,76
Estimadores de razn
y
r= = 0,879 y = r x = 87.900 y = r x = 439, 5
x
B = 9, 3 B = 1.860,46
Estimadores de regresin
yL = 437,515 yL = N yL = 87.503
B = 2,3104 B = NB = 462, 09
Estimadores de diferencia
yD = 437, 5 yD = N yD = 87.500
175
B = 2 V ( yD ) = 2,179 B = NB = 435,8899
(b) 20 establecimientos
5. Una encuesta de consumo fue realizada para determinar la razn de dinero gastado en
alimentos sobre el ingreso por ao, para las familias de una pequea comunidad. Una
muestra aleatoria de 14 familias fue seleccionada de entre 150. Los datos de la muestra se
presentan en la siguiente tabla:
Familia Ingreso Total Gasto en alimentos
1 25100 3800
2 32200 5100
3 29600 4200
4 35000 6200
5 34400 5800
6 26500 4100
7 28700 3900
8 28200 3600
9 34600 3800
10 32700 4100
11 31500 4500
12 30600 5100
13 27700 4200
14 28500 4000
Estime la razn poblacional, y establezca un lmite para el error de estimacin.
Solucin: r = 0,1467; B = 0,0102
6. Una cadena de electrodomsticos est interesada en estimar el total de ganancias por las
ventas de televisores al final de un periodo de tres meses. Se tienen cifras del total de
ganancias de todas las tiendas de la cadena para ese mismo periodo de tres meses
correspondiente al ao anterior, ese total es de 128.200 . Una muestra aleatoria simple de
5 tiendas es seleccionada de las 123 tiendas de la cadena resultando los datos de la
siguiente tabla:
Oficinas Datos de 3 meses del ao anterior Datos de 3 meses del ao actual
1 550 610
2 720 780
3 1500 1600
4 1020 1030
5 620 600
a) Usando un estimador de razn, estime el total de ganancias con un intervalo de
confianza.
b) Utilizando un estimador de regresin y un estimador de diferencia, estime las
ganancias medias y establezca un lmite para el error de estimacin.
Solucin: a) y (129940, 67 , 138668,85 )
176
b) YL = 1.094, 53; B = 40, 46 ; YD = 1.084, 28; B = 41, 28 .
177
Bienes Races 198,3 221,2
Servicios de Salud 99,2 114,0
Servicios de Educacin 15,4 17,0
(a) Encuentre el estimador de razn del ingreso total de 1981, y establezca un lmite
para el error de estimacin.
(b) Encuentre el estimador de regresin del ingreso total de 1981, y establezca un
lmite para el error de estimacin.
(c) Encuentre el estimador de diferencia del ingreso total de 1981, y establezca un
lmite para el error de estimacin.
(d) Cul de los tres mtodos es el ms apropiado en este caso?Por qu?
Solucin: (a) Y = 2.433,30; B = 45,95 (b) YL = 2.432,91; B = 48,64
(c) Y = 2.455,90; B = 180,07
9. En una poblacin de 500 hogares, para la que es conocido que el gasto total general
durante un ao es de 15.000.000 , se quiere estimar el gasto total en alimentacin durante
un ao, para lo que se obtiene una muestra aleatoria simple de 4 hogares que proporciona
los siguientes valores anuales en :
Gasto en alimentacin 12.500 15.000 10.000 17.500
Gasto general 24.000 31.000 20.000 36.000
Antes de calcular el estimador, cree que es til utilizar esta informacin auxiliar?,
justifquese. Estime con un estimador de razn el total de gasto en alimentacin mediante
un intervalo de confianza.
Solucin: y ( 7.205.693 ; 7.659.172 )
10. Las diferencias entre ingresos y gastos, en 5 de las 250 oficinas que tiene abiertas una
agencia de seguros, en el presente mes, han sido (en euros)
570 721 650 650 569
Este mes el gasto medio para el conjunto de todas las oficinas ha sido 12764 euros,
estime el total de ingresos y el lmite para el error de estimacin.
Solucin: yD = N yD = 3349000
N n S D2 S2
V ( yD ) = N 2 = N ( N n ) D = 50169875 2 2 V ( yD ) = 14166,14
N n n
11. Se desea conocer las ventas medias (en euros / habitante) en este ao de un determinado
producto en un municipio formado por un pueblo A con 291 habitantes y un pueblo B con
200 habitantes. Se sabe que las ventas medias en ese municipio el ao pasado fueron de
170 euros / habitante. Tomamos una muestra aleatoria de 4 habitantes del pueblo A y otra
de 3 habitantes del pueblo B para los que se conoce su consumo del producto bajo estudio
(expresado en euros), este ao (Y) y el ao pasado (X):
178
Pueblo A Pueblo B
xi yi xi yi
204 210 137 150
143 160 189 200
82 75 119 125
256 280
a. Sin hacer distincin entre pueblos, estime las ventas medias para este ao
utilizando un estimador de razn. D un lmite para el error de estimacin.
b. Qu se obtiene si no se tiene en cuenta los datos del ao pasado pero si el
pueblo?
c. Qu se obtiene si no se tiene en cuenta los datos del ao pasado ni se hace
distincin entre pueblos?
d. Compare los estimadores que se obtienen en cada caso justificadamente.
Solucin: (a) = 180,53; B = 5,69 (b) = 171,91; B = 53,81 (c) = 171,43; B = 49,53
(d) La mejor estimacin es en la que se usa el estimador de razn, por la fuerte relacin
entre las variables. El muestreo estratificado se comporta mal porque los estratos no son
homogneos.
12. Se desea estimar el agua utilizada en la presente campaa por una comunidad de riego
constituida por 250 parcelas. Se seleccionan al azar 10 parcelas cuyo tamao y litros
utilizados en riego aparecen en la siguiente tabla
Litros 600 1800 750 900 1100 1400 950 700 1000 720
Hectreas 50 150 60 70 100 120 80 60 90 60
Estime la media de litros/hectrea que utiliza la comunidad de regantes y la cota del error
de dicha estimacin.
179
2,9 4,1 3,1 3,8 2,9 3,8
2,8 3,9 3,2 4,0 3,0 3,6
3,1 3,7 3,0 3,8 3,1 3,8
3,2 4,1 3,2 4,1 3,0 3,7
2,9 4,2 2,9 3,7
2,8 4,0 3,0 3,8
3,1 3,9
2,8 3,8
a. Estimar el peso medio estratificado de los conejos al principio y al final del
tratamiento. Dar una estimacin del error.
b. Si se le permite un error de estimacin de 0,01 para estimar el peso medio
estratificado al final del tratamiento, cules deben ser los nuevos tamaos
muestrales? Usar asignacin proporcional.
c. Sabiendo que el peso medio de los conejos antes de introducir la nueva dieta era de
3,2 kilogramos, estimar el peso medio de los conejos al final del tratamiento
utilizando un estimador de razn. Dar el lmite de error de estimacin.
d. Estimar el peso medio de los conejos al final del tratamiento utilizando muestreo
aleatorio simple. Comentar los resultados.
Solucin: (a) x = 3,0008; B = 0,0516; y = 3,8944; B = 0,0523
14. En una escuela de 560 alumnos, se desea estimar la calificacin media que puede
obtenerse en el examen final de matemticas en el curso 00/01. Se toma como informacin
auxiliar la calificacin de los mismos alumnos en el examen final de matemticas del
curso 99/00 con una nota media de 75. A partir de una muestra aleatoria de estudiantes
para los cuales se observ la nota del examen final en el curso 00/01 y la calificacin de
dicho alumno en la prueba correspondiente al curso 99/00. Los resultados fueron los
siguientes:
Nota curso Nota curso
99/00 00/01
80 87
78 65
98 86
45 47
180
61 67
83 94
79 67
56 67
Estimar la calificacin media del curso 00/01 utilizando como informacin auxiliar la
calificacin obtenida en el curso 99/00 mediante un estimador de razn. Dar una
estimacin del error de muestreo.
15. Un director de recursos forestales est interesado en estimar el nmero de abetos muertos
por una plaga en una zona de 300 hectreas. Usando una fotografa area, el director
divide la zona en 200 parcelas de hectrea y media. Se toma una muestra aleatoria de 10
parcelas. El nmero total de abetos muertos, obtenidos segn la cantidad en fotografa es
4200.
Parcela 1 2 3 4 5 6 7 8 9 10
Cantidad en fotografa 12 30 24 24 18 30 12 6 36 42
Cantidad en terreno 18 42 24 36 24 36 14 10 48 54
a. Estime la razn poblacional y obtenga su intervalo de confianza.
b. Estime el nmero total de abetos muertos en el rea de 300 hectreas y fije un
lmite para el error de estimacin.
c. Cul ha de ser el tamao de la muestra necesario para estimar el total de abetos
muertos, con un lmite de error de estimacin de 200 abetos?
Solucin: (a) r = 1,3077; (1'2057, 1'4097) (b) y = 5.492,31; B = 428,44 ) (c) n = 38,9 39
16. De una poblacin de 40 hogares, para la que es conocido que el gasto total general durante
un periodo de un ao, en general, es de 12.000.000 um., se obtiene una muestra aleatoria
simple de tamao 4 que proporciona los siguientes valores anuales (en um):
Gasto en alimentacin 125000 150000 100000 175000
a. Estimar el gasto total en alimentacin para los 40 hogares mediante un intervalo de
confianza.
b. Supongamos que de esos 4 hogares tenemos tambin los valores anuales de su
gasto general (en um):
Gasto General 250000 300000 200000 350000
Antes de calcular otro estimador, obtendramos mejores resultados si
utilizamos esta informacin auxiliar?Por qu?
181
c. Estimar mediante un estimador de razn el total de gasto en alimentacin,
utilizando la informacin auxiliar del apartado b.
d. Corroborar la respuesta del apartado b indicando qu estimador es mejor, el del
apartado a o el del apartado c.
Solucin: (a) (4.275.255, 6.724.744) (b) = 1 (c) y = 6.000.000 (d) B = 0 (lmite del error de
18. En una universidad se realiz una prueba de conocimientos matemticos antes del ingreso
a 486 estudiantes. Se consideraron dichas calificaciones como una variable auxiliar de la
variable calificacin final en clculo. Teniendo en cuenta que 291 eran chicos y las
calificaciones medias del examen previo fueron de 47 para los chicos y 52 para las chicas,
a partir de los datos de la tabla siguiente, se pide:
CHICOS CHICAS
Examen previo Examen de clculo Examen previo Examen de clculo
39 65 57 92
43 78 47 89
21 52 28 73
64 82 75 98
34 56
52 75
a. Sin tener en cuenta el sexo, estima la calificacin media en el examen final de
clculo utilizando un estimador de razn. De una medida del error de estimacin.
b. Qu ocurre si no se tiene en cuenta la informacin auxiliar pero si el sexo?
c. Qu ocurre si no se tiene en cuenta la informacin auxiliar ni el sexo?
d. Compare los estimadores que se obtienen en cada caso justificadamente.
182
Solucin: (a) y = 80,97; B = 10,54 (b) = 73,76; B = 9,5 (c) = 76; B = 9,46
5. Muestreo Sistemtico
1. La seccin de control de calidad de una empresa usa el muestreo sistemtico para estimar
la cantidad media de llenado en latas de 12 onzas que sale de una lnea de produccin. Los
datos de la tabla adjunta representan una muestra sistemtica 1 en 50 de la produccin de
un da.
Cantidad de llenado (en onzas)
12,00 11,97 12,01 12,03 12,01 11,80
11,91 11,98 12,03 11,98 12,00 11,83
11,87 12,01 11,98 11,87 11,90 11,88
12,05 11,87 11,91 11,93 11,94 11,89
11,72 11,93 11,95 11,97 11,93 12,05
11,85 11,98 11,87 12,05 12,02 12,04
a. Estime , y establezca un lmite para el error de estimacin. Suponga que N=1.800.
b. Determinar el tamao de muestra requerido para estimar dentro de 0,01 unidades.
Solucin: (a) sy = 11,94; B = 0,0259 (b) n = 217,1 218
183
Solucin: (a) p sy = 0,8100; B = 0,0364 (b) n = 1.176, 97 1177 k = 4
3. Los funcionarios de un museo estn interesados en el nmero total de personas que visitan
el lugar durante un periodo de 180 das cuando una costosa coleccin de antigedades est
en exhibicin. Puesto que el control de visitantes en el museo cada da es muy costosa, los
funcionarios deciden obtener estos datos cada dcimo da. La informacin de esta muestra
sistemtica de 1 en 10 se resume en esta tabla
Da N personas que visitan el museo
3 160
13 350
23 225
173 290
18 18
y i = 4.868; y i = 1.321.450
2
i =1 i =1
Use estos datos para estimar el nmero total de personas que visitan el museo durante el
periodo especfico. Establezca un lmite para el error de estimacin.
Solucin: sy = 48680; B = 1.370,34
5. La tabla anexa muestra el nmero de nacimientos y la tasa de natalidad por cada 1000
individuos para Estados Unidos durante seis aos seleccionados sistemticamente.
(a) Estime el nmero medio de varones nacidos por ao para el periodo 1955-1980, y
establezca un lmite para el error de estimacin.
(b) Estime la tasa media anual de natalidad para el periodo 1955-1980, y establezca un
lmite para el error de estimacin.
(c) Cree usted que el muestreo sistemtico es mejor que el muestreo aleatorio simple
para los problemas de los apartados (a) y (b)?Por qu?
184
Ao Nac.Masculinos Nac.Femeninos Total de Nac. Natalidad
1955 2.073.719 1.973.576 4.047.295 26,0
1960 2.179.708 2.078.142 4.257.850 23,7
1965 1.927.054 1.833.304 3.760.358 19,4
1970 1.915.378 1.816.008 3.731.386 18,4
1975 1.613.135 1.531.063 3.144.198 14,6
1980 1.852.616 1.759.642 3.612.258 15,9
Solucin: (a) sy = 1.926.935; B = 139.437,35 ; (b) sy = 19,67; B = 3,17 ;
(c) Si. Observando la tendencia de las muestras se puede decir que las poblaciones en
estudio estn ordenadas de forma decreciente.
6. En la tabla anexa se presentan los datos sobre las tasas de divorcio (por cada 1000
personas) en Estados Unidos para una muestra sistemtica de los aos de 1900-1980.
Estime la tasa media anual de divorcios para tal periodo y establezca un lmite para el
error de estimacin. Es en este caso el muestreo sistemtico mejor o peor que el muestreo
aleatorio simple?Por qu?
Ao Tasa Ao Tasa
1900 0,7 1945 3,5
1905 0,8 1950 2,6
1910 0,9 1955 2,3
1915 1,0 1960 2,2
1920 1,6 1965 2,5
1925 1,5 1970 3,5
1930 1,6 1975 4,8
1935 1,7 1980 5,2
1940 2,0
Solucin: sy = 2,26; B = 0,57 . Mejor, se observa, en general, una tendencia creciente en
los datos de la muestra, aunque se rompa ese orden parcial en los aos 1945-1955.
7. La gerencia de una compaa privada con 2.000 empleados est interesada en estimar la
proporcin de empleados que favorecen una nueva poltica de inversin. Una muestra
sistemtica de 1 en 10 es obtenida de los empleados que salen del edificio al final de un da
de trabajo (las respuestas a favor se han representado como 1)
Empleado Respuesta
muestreado
3 1
13 0
23 1
1993 1
200
y
i =1
i = 110
185
Se quiere repetir el anterior estudio con un error de estimacin inferior al 5% (considerando
la muestra anterior como una muestra previa para estimar los parmetros necesarios). Qu
tipo de muestra sistemtica deber obtenerse? (indique n y k).
Solucin: n = 330, 7 331 k = 6, 04 k = 6
8. Un auditor se enfrenta a una larga lista de 1.000 cuentas por cobrar de una empresa. El
valor de cada una de estas cuentas no suele superar los 21.000 . El auditor quiere estimar
el valor total de las deudas por cobrar con un error inferior a 1.000.000 con una
confianza del 95%. Para ello decide tomar una muestra sistemtica de 1 en k . Determine
el valor de k.
Solucin: k = 10
9. Los funcionarios de cierta sociedad profesional desean determinar la proporcin de
miembros que apoyan varias enmiendas propuestas en las prcticas de arbitraje. Los
funcionarios tomaron una muestra sistemtica de 1 en 10, a partir de una lista en orden
alfabtico de los 650 miembros registrados, obteniendo que 47 estaban a favor de los
cambios propuestos. Se quiere repetir el estudio anterior con un error de estimacin
inferior al 5%. Considerando la muestra anterior como una muestra previa para estimar los
parmetros necesarios, qu tipo de muestra sistemtica deber obtenerse? (indique n y k).
Npq 625
Solucin: n = = 214,8 215 k = 3, 02 k =3
( N 1) D + pq 215
(Se recomienda realizar con el ordenador los ejercicios 1, 2, 3, 5 y 7 dado el elevado nmero
de datos y resolver a mano, verificando la solucin con el ordenador, una versin con menos
datos)
1. Un fabricante de sierras quiere estimar el coste medio de reparacin mensual para las
sierras que ha vendido a ciertas industrias. El fabricante no puede obtener un coste de
reparacin para cada sierra, pero puede obtener la cantidad total gastada en reparacin y el
nmero de sierras que tiene cada industria. Entonces decide usar muestreo por
conglomerados, con cada industria como un conglomerado. El fabricante selecciona una
muestra aleatoria simple de 20 de 96 industrias a las que da servicio. Los datos sobre coste
total de reparaciones por industria y el nmero de sierras son:
186
Industria N sierras Costo total de reparacin
para el mes pasado ()
1 3 50
2 7 110
3 11 230
4 9 140
5 2 60
6 12 280
7 14 240
8 3 45
9 5 60
10 9 230
11 8 140
12 6 130
13 3 70
14 2 50
15 1 10
16 4 60
17 12 280
18 6 150
19 5 110
20 8 120
a. Estime el costo medio de reparacin por sierra para el mes pasado, y establezca un
lmite para el error de estimacin.
b. Estime la cantidad total gastada por las 96 industrias en la reparacin de sierras.
Establezca un lmite para el error de estimacin.
c. Despus de verificar sus registros de ventas, el fabricante se percata de que ha vendido
un total de 710 sierras a esas industrias. Usando esta informacin adicional, estime la
cantidad total gastada en reparacin de sierras por estas industrias, y establezca un
lmite para el error de estimacin.
Solucin: (a) = 19,73; B = 1,78 (b) = 12.312; B = 3.175,07
(c) = 14.008,85; B = 1.110,78
2. Una industria est considerando la revisin de su poltica de jubilacin y quiere estimar la
proporcin de empleados que apoyan la nueva poltica. La industria consiste en 87 plantas
separadas localizadas en todo Estados Unidos. Ya que los resultados deber ser obtenidos
rpidamente y con poco dinero, la industria decide usar muestreo por conglomerados, con
cada planta como un conglomerado. Se selecciona una muestra aleatoria simple de 15
plantas y se obtienen las opiniones de los empleados en estas plantas a travs de un
cuestionario. Los resultados se presentan en esta tabla:
Planta N empleados N empleados que apoyan la nueva poltica
1 51 42
2 62 53
187
3 49 40
4 73 45
5 101 63
6 48 31
7 65 38
8 49 30
9 73 54
10 61 45
11 58 51
12 52 29
13 65 46
14 49 37
15 55 42
a) Estime la proporcin de empleados en la industria que apoyan la nueva poltica de
jubilacin y establezca un lmite para el error de estimacin.
b) La industria modific su poltica de jubilacin despus de obtener los resultados de
la encuesta. Ahora se quiere estimar la proporcin de empleados a favor de la
poltica modificada Cuntas plantas deben ser muestreadas para tener un lmite del
2% para el error de estimacin? Use los datos anteriores para aproximar los
resultados de la nueva encuesta.
Solucin: (a) p = 70,91%; B = 4,81% ) (b) n = 47,6 48
3. Se disea una encuesta econmica para estimar la cantidad media gastada en servicios
para los hogares en una ciudad. Ya que no se encuentra disponible una lista de hogares, se
usa muestreo por conglomerados, con barrios formando los conglomerados. Se selecciona
una muestra aleatoria de 20 barrios de la ciudad de un total de 60. Los entrevistadores
obtienen el gasto en servicios de cada hogar en los barrios seleccionados; los gastos totales
se muestran en esta tabla:
Barrio N hogares Cantidad total gastada en servicios ()
1 55 2210
2 60 2390
3 63 2430
4 58 2380
5 71 2760
6 78 3110
7 69 2780
8 58 2370
9 52 1990
10 71 2810
11 73 2930
12 64 2470
13 69 2830
14 58 2370
15 63 2390
16 75 2870
188
17 78 3210
18 51 2430
19 67 2730
20 70 2880
a. Estime la cantidad media de gastos en servicios por hogar en la ciudad y establezca un
lmite para el error de estimacin.
b. En la encuesta anterior se desconoce el nmero de hogares en la ciudad. Estime la
cantidad total gastada en servicios por todos los hogares de la ciudad y establezca un
lmite para el error de estimacin.
c. La encuesta econmica se va a llevar a cabo en una ciudad vecina de estructura
similar. El objetivo es estimar la cantidad total gastada en servicios por los hogares de
la ciudad, con un lmite de 5.000 para el error de estimacin. Use los datos anteriores
para encontrar el nmero aproximado de conglomerados que se necesitan para obtener
ese lmite.
Solucin: (a) = 40,17; B = 0,64 (b) = 157.020; B = 6.927,88 (c) n = 29,4 30
4. Un inspector quiere estimar el peso medio de llenado para cajas de cereal empaquetadas
en una fbrica. El cereal est en paquetes que contienen 12 cajas cada uno. El inspector
selecciona aleatoriamente 5 y mide el peso de llenado de cada caja en los paquetes
muestreados, con los resultados (en onzas) que se muestran:
Paquete Onzas de llenado
1 16,1 15,9 16,1 16,2 15,9 15,8 16,1 16,2 16,0 15,9 15,8 16,0
2 15,9 16,2 15,8 16,0 16,3 16,1 15,8 15,9 16,0 16,1 16,1 15,9
3 16,2 16,0 15,7 16,3 15,8 16,0 15,9 16,0 16,1 16,0 15,9 16,1
4 15,9 16,1 16,2 16,1 16,1 16,3 15,9 16,1 15,9 15,9 16,0 16,0
5 16,0 15,8 16,3 15,7 16,1 15,9 16,0 16,1 15,8 16,0 16,1 15,9
Estime el peso medio de llenado para las cajas empaquetadas por esta fbrica, y establezca
un lmite para el error de estimacin. Suponga que el nmero total de cajas empaquetadas
por la fbrica es lo suficientemente grande para que no se tome en cuenta la correccin por
poblacin finita.
Solucin: = 16,0050; B = 0,0215
5. Un peridico quiere estimar la proporcin de votantes que apoyan a cierto candidato A en
una eleccin estatal. La seleccin y entrevista de una muestra aleatoria simple de votantes
registrados es muy costosa por lo que se utiliza muestreo por conglomerados. Se
selecciona una muestra aleatoria de 50 distritos (conglomerados) de un total de 497 que
tiene el estado. El peridico quiere hacer la estimacin el da de la eleccin, pero antes de
que se haya hecho la cuenta final de los votos. Es por eso que los reporteros son enviados
a los lugares de votacin de cada distrito en la muestra, para obtener la informacin
pertinente directamente de los votantes. Los resultados se muestran en esta tabla:
189
N votantes N votantes A N votantes N votantes A N votantes N votantes A
1290 680 1893 1143 843 321
1170 631 1942 1187 1066 487
840 475 971 542 1171 596
1620 935 1143 973 1213 782
1381 472 2041 1541 1741 980
1492 820 2530 1679 983 693
1785 933 1567 982 1865 1033
2010 1171 1493 863 1888 987
974 542 1271 742 1947 872
832 457 1873 1010 2021 1093
1247 983 2142 1092 2001 1461
1896 1462 2380 1242 1493 1301
1943 873 1693 973 1783 1167
798 372 1661 652 1461 932
1020 621 1555 523 1237 481
1141 642 1492 831 1843 999
1820 975 1957 932
a. Estime la proporcin de votantes que apoyan al candidato A, y establezca un lmite
para el error de estimacin.
b. El peridico quiere realizar una encuesta similar durante la siguiente eleccin. Cmo
de grande debe ser la muestra para estimar la proporcin de votantes a favor de un
candidato similar con un lmite del 5% para el error de estimacin?
Solucin: p = 0,5701; B = 0,0307 (b) n = 20,1 21
6. Con motivo del cuarto centenario del Quijote, el Ministerio de Cultura desea estimar el
nmero de libros comprados cada mes en una localidad. Se selecciona una localidad con
6.200 hogares agrupados en 700 manzanas de viviendas. Se tiene una encuesta piloto en la
cual se seleccion una muestra de 4 manzanas y se entrevistaron a todas las familias,
obtenindose los siguientes resultados:
manzana libros comprados cada mes por familia
1 1 2 1 0 3 2 1 0 1 2
2 1 0 2 2 0 0 1 3
3 2 1 1 1 1 0 2 1 2 2 2
4 1 1 0 2 1 0 3
Determine, usando los datos de la encuesta piloto, cuntas manzanas debe tener una nueva
muestra si se quiere estimar los libros comprados cada mes con un error de estimacin
Solucin: n = 96,92 97
7. Un socilogo quiere estimar el ingreso medio por persona en cierta ciudad pequea donde
no existe una lista disponible de adultos residentes. Por esta razn para el diseo de la
190
encuesta utiliza muestreo por conglomerados. Se divide la ciudad en bloques rectangulares
y el socilogo decide que cada bloque rectangular va a ser considerado como un
conglomerado. Los conglomerados son numerados del 1 al 415. El investigador tiene
tiempo y dinero suficientes para hacer un muestreo de 25 conglomerados y entrevistar a
cada hogar dentro de cada uno. Se seleccionan aleatoriamente 25 conglomerados y se
realizan las entrevistas, obtenindose estos datos:
Ingreso total por
Conglomerado (i) N de residentes (mi)
conglomerado en (yi)
1 8 96000
2 12 121000
3 4 42000
4 5 65000
5 6 52000
6 6 40000
7 7 75000
8 5 65000
9 8 45000
10 3 50000
11 2 85000
12 6 43000
13 5 54000
14 10 49000
15 9 53000
16 3 50000
17 6 32000
18 5 22000
19 5 45000
20 4 37000
21 6 51000
22 8 30000
23 7 39000
24 3 47000
25 8 41000
151 residentes 1329000
a) Estime el ingreso medio por persona en la ciudad y establezca un lmite para el error
de estimacin.
b) Estime el ingreso total de todos los residentes de la ciudad y el lmite para el error de
estimacin, suponiendo que M es desconocido.
NOTA: Repetir este ejemplo con todos los mi iguales (por ejemplo, mi = 6 i ,
supongamos conocido M = 6 415 = 2.490 ) y estime el total por los dos mtodos
191
( )
estudiados = M y t = N y t . Observe como coinciden las dos estimaciones as como
d) Tomando los anteriores datos como una muestra previa, cmo debe tomarse la
muestra en una encuesta futura para estimar el ingreso promedio por persona con un
lmite para el error de estimacin de 500.
9. En un proceso de control del volumen envasado por una fbrica de bebidas se eligen 5 de
los 40 paquetes que tiene la fbrica, cada uno de los cuales contiene 4 envases, y se mide
el volumen que cada envase contiene. Las observaciones se presentan en la tabla adjunta:
Paquete n Volumen envasado en cm3
1 33 32,5 31,7 34,2
2 32 32,6 33,8 32,5
3 30,9 33,1 33 33,4
4 34,1 33,1 32,5 33,2
5 32 32,1 32,6 33,6
Estime el volumen medio por envase y dar la cota de error de estimacin.
Solucin: = 32,80; B = 0,22
10. Una empresa de trabajo temporal quiere investigar las necesidades de empleo de las
empresas de un pueblo. Para ello decide seleccionar una muestra de 10 de las 85 inscritas
en el registro mercantil. El nmero de bajas en el ltimo ao, el nmero de empleados y la
respuesta de cada empresa sobre si utilizara los servicios de la empresa de trabajo
temporal fueron los siguientes:
192
Empresa Bajas Empleados Respuesta
1 1 7 Si
2 2 15 No
3 9 85 Si
4 0 3 No
5 2 12 No
6 0 8 No
7 1 21 Si
8 0 4 No
9 4 35 No
10 6 92 Si
a. Estime el nmero de bajas en el ltimo ao en las empresas del pueblo. D el
lmite del error de estimacin.
b. Estime la proporcin de empresas que usaran los servicios ofertados. D el
lmite del error de estimacin.
Solucin: (a) = 212,5; B = 151,02 (b) p = 40%; B = 30,68%
11. Cierto tipo de tableros posee 12 microcircuitos cada uno. De un pedido de 50 tableros se
seleccionan 10 de ellos para su estudio. El nmero de microcircuitos defectuosos por
tablero fue
2 0 1 3 2 0 0 1 3 4
Estime la proporcin de microcircuitos defectuosos en la poblacin y establezca una cota
para el error de estimacin.
12. En una pequea ciudad se quiere estimar el nmero total de horas diarias que sus
residentes dedican a ver el programa ``Gran Hermano'', emitido las 24 horas del da por un
canal Digital. Dicha ciudad est dividida en 200 manzanas de viviendas. Se extrae una
muestra aleatoria simple de 10 manzanas, y se interroga a cada familia acerca de si estn
conectados a Va Digital y cuntas horas ven el programa. Los datos de la encuesta se
encuentran en la siguiente tabla:
Manzana N hogares con N total horas que
canal Digital ven programa
1 8 13
2 7 13
3 9 14
4 6 13
5 5 0
6 9 10
7 6 6
193
8 8 14
9 9 16
10 6 4
a. Estimar el nmero total de horas que se ve el programa ``Gran Hermano'' a travs
de Canal Digital.
b. Obtener un intervalo de confianza para el nmero total de horas.
c. Determinar cuntas manzanas se deberan muestrear para estimar el total
poblacional, con un lmite para el error de estimacin de magnitud 20. Considere la
muestra anterior como una muestra previa para estimar los parmetros necesarios.
Solucin: (a) = 2060 ; (b) (1415,30, 2704,70) (c) n = 196,4 197
14. En un municipio de 5000 familias se pretende estimar el porcentaje de las que poseen
ordenador. Se consideran 1000 conglomerados de 5 familias cada uno, y se elige una
194
muestra aleatoria de 10 conglomerados, en los que el nmero de familias con ordenador
es:
2 1 5 3 0 1 4 3 5 0
Estimar la proporcin de familias que poseen ordenador y la varianza del estimador usado
para estimar dicha proporcin.
15. Se desea conocer la proporcin de empleados de una empresa que no estn dispuestos a
trasladarse a una nueva planta de produccin. Realizada una encuesta a los empleados de 5
factoras elegidas al azar entre las 50 que tiene la empresa, los resultados han sido:
Factora N empleados Dispuestos
1 250 225
2 190 175
3 210 190
4 400 350
5 150 120
Estimar la proporcin de empleados que no estn dispuestos a trasladarse a la nueva
factora. Obtenga una estimacin de la varianza del estimador empleado.
195
7. Estimacin del Tamao de la Poblacin.
196
muestra inicial de 100 parece ser suficiente. Las 100 tortugas son capturadas, marcadas y
liberadas. Toma una segunda muestra un mes despus y decide continuar muestreando
hasta que se recapturen 15 tortugas marcadas. Atrapa 160 tortugas antes de obtener las 15
marcadas. Estime el tamao total de la poblacin de tortugas y establezca un lmite de
error de estimacin.
Solucin: N = 1.066,67; B = 507,72
6. En una plantacin de pinos de 200 acres, se va a estimar la densidad de rboles que
presentan hongos parsitos. Se toma una muestra de 10 cuadros de 0,5 acres cada uno. Las
diez parcelas muestreadas tuvieron una media de 2,8 rboles infectados por cuadro.
a) Estime la densidad de rboles infectados y establezca un lmite de error de
estimacin.
b) Estime el total de rboles infectados en los 200 acres de la plantacin y
establezca un lmite de error de estimacin.
Solucin: (a) = 5,6; B = 2,1 (b) M = 1.120; B = 423,32
7. Se desea estimar el nmero total de personas que diariamente solicitan informacin en una
oficina turstica. Se observa que 114 personas solicitan informacin, durante 12 intervalos
de 5 minutos cada uno, repartidos aleatoriamente entre las 8 horas que permanece abierta
la oficina. Estimar el total de personas que visitan la oficina diariamente y dar la cota de
error de estimacin.
Solucin: M = 912; B = 170,8
8. Un alumno de A.T.C. desea estimar el nmero de alumnos que una determinada maana
han ido a la Facultad. Para ello se basa en que dicho da una conocida marca comercial ha
repartido a primeras horas de la maana en la entrada de la Facultad 500 carpetas. En un
intercambio de clase, sentado en un banco del pasillo, decide contar los alumnos que pasan
hasta observar a 100 que portan la carpeta, para lo que fue necesario contar hasta 382
alumnos.
Estime con un intervalo de confianza el nmero de alumnos que asistieron esa maana a la
Facultad.
Solucin: muestreo inverso (1910 326,58 )
9. El hermano de un alumno de T.A.M. est pensando en abrir una farmacia de 24 horas.
Para saber si los ingresos compensaran los gastos de esta inversin deciden observar un
establecimiento similar para estimar los ingresos diarios. Este asiduo alumno de T.A.M.
conoce perfectamente que es una prdida de tiempo innecesaria observar el flujo de
197
clientes las 24 horas del da por lo que decide observar de forma sistemtica media hora
cada 3 horas, obteniendo los datos de la siguiente tabla
clientes
10:00-10:30 35
13:00-13:30 20
16:00-16:30 19
19:00-19:30 30
22:00-22:30 25
01:00-01:30 9
04:00-04:30 12
07:00-07:30 18
Sabiendo que el gasto medio por cliente es de 20, estime los ingresos diarios de la
farmacia observada y el correspondiente lmite para el error de estimacin utilizando
diferentes mtodos.
Solucin: Muestreo por cuadros Ingresos = 20.160; B = 3.110,76 ; Muestreo aleatorio
simple Ingresos = 20.160; B = 5.402,22
10. Se desea estimar el nmero total de palomas en la glorieta de una ciudad. Se capturan 80
palomas, se marcan y se devuelven a la poblacin. Se realiza una segunda muestra hasta
encontrar 30 palomas marcadas, se han tenido que capturar para ello 300 aves. Estimar el
tamao total y el lmite de error de estimacin.
Solucin: N = 800; B = 272,62
11. Se desea estimar el nmero total de pinginos en una determinada zona. Se obtiene una
muestra de tamao 60, se marcan y se devuelven a la poblacin. Al da siguiente se elige
otra muestra de tamao 400 y en ella se encuentran 12 marcados. Estimar el nmero total
de pinginos y dar la cota de error de estimacin.
Solucin: N = 2.000; B = 1.137,25
12. Se desea estimar el nmero de vehculos de un modelo determinado que el mes prximo
utilizarn el aparcamiento de Puerta Real. Durante las 720 horas del mes se van a
establecer 5 controles aleatorios de 1 hora de duracin cada uno. Transcurrido el mes, se
ha observado en los 5 controles los siguientes resultados:
Control Nmero de vehculos de ese
modelo que usan el aparcamiento
1 1
2 1
3 2
4 1
5 3
Estimar el nmero total de vehculos del modelo en estudio que utilizaron el aparcamiento.
198
Solucin: M = 1152; B = 814,59
13. El ayuntamiento de Madrid est interesado en conocer el nmero de aficionados que
acudieron al aeropuerto a vitorear al equipo campen de la Champion League. Para ello,
dividieron la sala de espera, de dimensiones 100 metros de largo por 35 metros de ancho,
en 100 cuadros de igual tamao y seleccionaron 40, observando que el nmero de
personas era 2100.
a. Estime la densidad de asistentes por metro cuadrado mediante un intervalo de
confianza del 95%.
b. Estime el nmero total de asistentes, y fije un lmite para el error de
estimacin.
Solucin: (a) (1,4, 1,6) (b) M = 5.250; B = 229,13 229
14. Se toman peridicamente muestras del aire en un rea industrial de la ciudad. La densidad
de cierto tipo de partculas dainas es el parmetro de inters para el sector industrial. A
partir de 15 muestras de 1 cm 3 , se obtuvo un promedio de 210 partculas/ cm 3 . Estimar la
densidad de las partculas dainas en dicha zona, as como dar una estimacin del error de
dicha estimacin.
Solucin: = 210 part / cm 3 ; B = 7,48
15. Se desea conocer cuntas personas asistieron a la inauguracin del pabelln de Portugal en
la Expo de Lisboa. Se sabe que el pabelln tiene forma cuadrada de 35 metros de lado y se
traza una malla que divide el rea total en 100 cuadros de igual tamao. Se selecciona una
muestra aleatoria de 40 cuadros, observando que el nmero de personas es de 750.
a. Estime la densidad de asistentes por metro cuadrado y obtenga su intervalo de
confianza.
b. Estime el nmero total de asistentes a la inauguracin y fije un lmite para el error
de estimacin.
Solucin: (a) = 1,5306; (1'4188, 1'6424) (b) M = 1875; B = 136,9
199
b. Para reducir el lmite de error de estimacin a la mitad, en qu proporcin deben
ser mayores las cantidades 100 y 48 observadas en la segunda muestra?, se
deberan observar el doble de las cantidades anteriores, es decir, 200 y 96?, el
triple?, el cudruplo?,...
Solucin: (a) ( 989 '79, 1510 '21) (b) el cudruplo
8. Anlisis cluster
9. Componentes principales.
1. Con el archivo Mundo 95.sav realiza un anlisis de componentes principales con las
siguientes variables:
Esperanza de vida femenina
Mortalidad infantil (muertes por 1000 nacimientos vivos)
Personas Alfabetizadas (%)
Tasa de natalidad (por 1.000 habitantes)
Fertilidad: nmero promedio de hijos
Habitantes en ciudades (%)
Log(10) de PIB_CAP
Tasa de mortalidad (por 1.000 habitantes)
2. Con el archivo Europa.sav realiza un anlisis de componentes principales con las
siguientes variables:
Habitantes por Km2
Personas alfabetizadas
Producto Interior Bruto
Tasa natalidad
Fertilidad
202
PRCTICAS
203
INTRODUCCIN AL SPSS
1.- INTRODUCCIN
El SPSS (Statistical Package for the Social Sciences) es un conjunto de programas orientados a
la realizacin de anlisis estadsticos aplicados a las ciencias sociales. Con ms de 30 aos de
existencia es, en la actualidad, el paquete estadstico con ms difusin a nivel mundial.
El SPSS implementa una gran variedad de temas estadsticos en los distintos mdulos del
programa. Nosotros utilizaremos solo el mdulo SPSS base.
En los siguientes apartados se hace una breve introduccin a los conceptos bsicos de este
programa. Para una mejor exposicin de los mismos puede consultarse la Gua breve de
SPSS o el Tutorial en el men de ayudas (?) muy recomendable esta ltima opcin.
Tras seleccionar el fichero Excel que queremos abrir, aparecer el cuadro de dilogo Apertura
de origen de datos de Excel, que permite especificar si se incluyen los nombres de las variables
en la primera fila de la hoja de clculo ( Leer nombres de variables de la primera fila de
datos), as como las casillas que se desean importar (Rango). En Excel 5 o posterior, tambin
se pueden especificar la Hoja de trabajo que se desea importar. Si los encabezados de las
columnas no cumplen las normas de denominacin de variables de SPSS, se convertirn en
nombres de variables vlidos y los encabezados originales de las columnas se guardarn como
etiquetas de variable (vase ms adelante en 1.3.-Editor de datos).
205
2. Seleccionar un procedimiento estadstico para analizar los datos con el sistema de mens.
206
1.2.- ENTORNO DE TRABAJO
Adems de las distintas ventanas, existen un conjunto de elementos, comunes a todas ellas que
configuran la apariencia general del SPSS:
Barra de ttulos. Muestra el icono de SPSS, sigue con el nombre del fichero que estamos
utilizando y el nombre de la ventana activa y termina con los botones de minimizar, maximizar
y cerrar ventana.
207
Barra de mens. Recoge las denominaciones de los mens de SPSS a travs de los cuales se
pueden ejecutar todos los posibles comandos que proporciona el paquete.
Barra de herramientas. Proporciona un acceso rpido y fcil a las tareas ms comunes de cada
ventana de SPSS. El significado de cada icono puede verse situando el ratn sobre el propio
icono.
Barra de estado. Suministra informacin sobre el estado en que se encuentra SPSS.
Ejemplo 1.-
- Abrir archivo de datos Datos de empleados.sav
- Realizar el procedimiento:
Analizar/ Estadsticos Descriptivos/ Descriptivos con la variable Salario Actual
- Realizar lo mismo con la variable Meses desde el contrato.
208
Ejemplo 2.- Abrir vista de datos y vista de variables en el archivo de datos:
Datos de Empleados.sav.
Una vez que nos encontramos en la ventana Editor de datos podemos abrir un archivo de
datos creado con anterioridad (como vimos en 1.1.- Pasos bsicos en el anlisis) o crear un
nuevo archivo. En el caso en que queramos crear un archivo de datos nuevo, el primer paso
es el de definir las variables que formarn el archivo. Para definir una variable se pueden
seguir dos procedimientos:
En vista de datos, haciendo doble clic con el botn izquierdo del ratn cuando el puntero del
mismo se encuentra situado en la palabra var del extremo superior de la columna o
Pulsando en la pestaa de vista de variables y escribiendo las especificaciones de la variable
cuyos datos vamos a introducir segn las indicaciones que siguen:
El nombre debe comenzar por una letra. Los dems caracteres pueden ser letras, dgitos, puntos
o los smbolos @, #, _ o $.
Los nombres de variable no pueden terminar en punto.
Se debe evitar acabar los nombres de variable con subrayado (para evitar conflictos con las
variables creadas automticamente por algunos procedimientos).
La longitud del nombre no debe exceder los 64 bytes. Normalmente, 64 bytes suelen equivaler
a 64 caracteres en idiomas de un solo byte (por ejemplo, ingls, francs, alemn, espaol,
209
italiano, hebreo, ruso, griego, rabe, tailands) y a 32 caracteres en los idiomas de dos bytes
(por ejemplo, japons, chino, coreano).
No se pueden utilizar espacios en blanco ni caracteres especiales (por ejemplo, !, ?, y *).
Cada nombre de variable debe ser nico; no se permiten duplicados.
Las palabras reservadas no se pueden utilizar como nombres de variable. Las palabras
reservadas son: ALL, AND, BY, EQ, GE, GT, LE, LT, NE, NOT, OR, TO, WITH.
Los nombres de variable se pueden definir combinando de cualquier manera caracteres en
maysculas y en minsculas, esta distincin entre maysculas y minsculas se conserva en lo
que se refiere a la presentacin.
Cuando es necesario dividir los nombres largos de variable en varias lneas en los resultados,
SPSS intenta dividir las lneas aprovechando los subrayados, los puntos y los cambios de
minsculas a maysculas.
Una vez que se haya determinado el nombre de la variable, hay que definir sus
especificaciones:
Tipo. Especifica el tipo de datos que contiene la variable. Si se pulsa el botn tipo y luego los
puntos suspensivos que aparecen en la casilla aparece un cuadro de dialogo. Los tipos ms
usuales son numrico y cadena.
Tipo de variable especifica los tipos de datos de cada variable. Por defecto se asume que todas
las variables nuevas son numricas. Se puede utilizar Tipo de variable para cambiar el tipo de
datos. El contenido del cuadro de dilogo Tipo de variable depende del tipo de datos
seleccionado. Para algunos tipos de datos, hay cuadros de texto para la anchura y el nmero de
decimales; para otros tipos de datos, simplemente puede seleccionar un formato de una lista
desplegable de ejemplos.
Numrico. Una variable cuyos valores son nmeros. Los valores se muestran en formato
numrico estndar. El Editor de datos acepta valores numricos en formato estndar o en
notacin cientfica.
Coma. Una variable numrica cuyos valores se muestran con comas que delimitan cada tres
posiciones y con el punto como delimitador decimal. El Editor de datos acepta valores
numricos para este tipo de variables con o sin comas, o bien en notacin cientfica. Los
valores no pueden contener comas a la derecha del indicador decimal.
210
Punto. Una variable numrica cuyos valores se muestran con puntos que delimitan cada tres
posiciones y con la coma como delimitador decimal. El Editor de datos acepta valores
numricos para este tipo de variables con o sin puntos, o bien en notacin cientfica. Los
valores no pueden contener puntos a la derecha del indicador decimal.
Notacin cientfica. Una variable numrica cuyos valores se muestran con una E intercalada y
un exponente con signo que representa una potencia de base diez. El Editor de datos acepta
para estas variables valores numricos con o sin el exponente. El exponente puede aparecer
precedido por una E o una D con un signo opcional, o bien slo por el signo (por ejemplo, 123,
1,23E2, 1,23D2, 1,23E+2 y 1,23+2).
Fecha. Una variable numrica cuyos valores se muestran en uno de los diferentes formatos de
fecha-calendario u hora-reloj. Seleccione un formato de la lista. Puede introducir las fechas
utilizando como delimitadores: barras, guiones, puntos, comas o espacios. El rango de siglo
para los valores de ao de dos dgitos est determinado por la configuracin de las opciones
(en el men Edicin, seleccione Opciones y, a continuacin, pulse en la pestaa Datos).
Dlar. Una variable numrica que se muestra con un signo dlar inicial ($), comas que
delimitan cada tres posiciones y un punto como delimitador decimal. Se pueden introducir
valores de datos con o sin el signo dlar inicial.
Moneda personalizada. Una variable numrica cuyos valores se muestran en uno de los
formatos de moneda personalizados que se hayan definido previamente en la pestaa Moneda
del cuadro de dilogo Edicin/Opciones. Los caracteres definidos en la moneda personalizada
no se pueden emplear en la introduccin de datos pero s se mostrarn en el Editor de datos.
211
Cadena. Una variable cuyos valores no son numricos y, por lo tanto, no se utilizan en los
clculos. Los valores pueden contener cualquier carcter siempre que no se exceda la longitud
definida. Las maysculas y las minsculas se consideran diferentes. Este tipo tambin se
conoce como variable alfanumrica.
Nivel de medida. Puede especificar el nivel de medida como Escala (datos numricos de una
escala de intervalo o de razn), Ordinal o Nominal. Los datos nominales y ordinales pueden ser
de cadena (alfanumricos) o numricos.
nominal. Una variable puede ser tratada como nominal cuando sus valores representan
categoras que no obedecen a una ordenacin intrnseca. Por ejemplo, el departamento de la
compaa en el que trabaja un empleado. Son ejemplos de variables nominales: la regin, el
cdigo postal o la confesin religiosa.
ordinal. Una variable puede ser tratada como ordinal cuando sus valores representan
categoras con alguna ordenacin intrnseca. Por ejemplo los niveles de satisfaccin con un
servicio, que vayan desde muy insatisfecho hasta muy satisfecho. Son ejemplos de variables
ordinales: las puntuaciones de actitud que representan el nivel de satisfaccin o confianza y las
puntuaciones de evaluacin de la preferencia.
escala. Una variable puede ser tratada como de escala cuando sus valores representan
categoras ordenadas con una mtrica con significado, por lo que son adecuadas las
comparaciones de distancia entre valores. Son ejemplos de variables de escala: la edad en aos
y los ingresos en dlares.
Nota: Para variables de cadena ordinales, se asume que el orden alfabtico de los valores de
cadena indica el orden correcto de las categoras. Por ejemplo, en una variable de cadena cuyos
valores sean bajo, medio, alto, se interpreta el orden de las categoras como alto, bajo, medio
(orden que no es el correcto). Por norma general, se puede indicar que es ms fiable utilizar
cdigos numricos para representar datos ordinales.
212
Columnas. Anchura de las columnas. Se puede especificar un nmero de caracteres para el
ancho de la columna. Los anchos de columna tambin se pueden cambiar en la Vista de datos
pulsando y arrastrando los bordes de las columnas.
Los formatos de columna afectan slo a la presentacin de valores en el Editor de datos. Al
cambiar el ancho de columna no se cambia el ancho definido de una variable. Si el ancho real y
definido de un valor es ms ancho que la columna, aparecern asteriscos (*) en la ventana
Vista de datos.
Etiqueta. Puede asignar etiquetas de variable descriptivas de hasta 256 caracteres de longitud
(128 caracteres en los idiomas de doble byte). Las etiquetas de variable pueden contener
espacios y caracteres reservados que no se admiten en los nombres de variable.
Valores. Puede asignar etiquetas de valor descriptivas a cada valor de una variable. Este
proceso es especialmente til si el archivo de datos utiliza cdigos numricos para representar
categoras que no son numricas (por ejemplo, cdigos 1 y 2 para hombre y mujer). Las
etiquetas de valor se guardan con el archivo de datos. No es necesario volver a definir las
etiquetas de valor cada vez que se abre un archivo de datos. Las etiquetas de valor pueden
ocupar hasta 120 bytes. Las etiquetas de valor no estn disponibles para las variables de cadena
larga (variables de cadena de ms de 8 caracteres).
Perdidos. Valores perdidos define los valores de los datos definidos como perdidos por el
usuario. Por ejemplo, es posible que quiera distinguir los datos perdidos porque un encuestado
se niegue a responder de los datos perdidos porque la pregunta no afecta a dicho encuestado.
Los valores de datos que se especifican como perdidos por el usuario aparecen marcados para
un tratamiento especial y se excluyen de la mayora de los clculos.
Las especificaciones de valores perdidos definidos por el usuario se guardan junto con el
archivo de datos. No es necesario volver a definir los valores definidos como perdidos por el
usuario cada vez que se abre un archivo de datos.
Se pueden introducir hasta tres valores perdidos (individuales) de tipo discreto, un rango de
valores perdidos o un rango ms un valor de tipo discreto.
213
Slo pueden especificarse rangos para las variables numricas.
No se pueden definir valores perdidos para variables de cadena larga (variables de cadena de
ms de ocho caracteres).
Se considera que son vlidos todos los valores de cadena, incluidos los valores vacos o nulos,
a no ser que se definan explcitamente como perdidos. Para definir como perdidos los valores
nulos o vacos de una variable de cadena, escriba un espacio en blanco en uno de los campos
debajo de la seleccin Valores perdidos discretos.
Una vez definidas las variables, para la introduccin de los datos (en la pestaa vista de datos)
habr que situar el cursor en la primera celda de la columna y comenzar a escribir los distintos
valores, pulsando ENTER o movindonos con el cursor.
Mover variables.
Si queremos mover una variable que est entre otras dos, en la vista de datos, podemos insertar
un nueva variable en el lugar donde la queramos copiar, luego cortar de donde estaba y por
ltimo pegar en la nueva variable insertada.
214
Borrar algn caso o variable.
Seleccionar previamente en la vista de datos las filas, las columnas o el rea a borrar y pulsar
SUPR o Edicin/Borrar o con el botn derecho del ratn elegir Eliminar.
Para guardar un archivo de datos creado tendremos que seleccionar en la barra de mens
Archivo/Guardar como. Nos aparecer un cuadro de dilogo en el cual debemos indicar el
nombre del archivo y el lugar donde queremos guardarlo. En el caso de que se trate de
cambios en un archivo que ya ha sido guardado con anterioridad, solo tendremos que
seleccionar Archivo/Guardar o con el correspondiente botn de la barra de herramientas y el
archivo se guardar con el mismo nombre y ubicacin que tena con anterioridad.
215
EJERCICIOS
Se pide:
a. Crear un archivo de datos con el nombre Representantes, en el que debes incluir los datos
de la tabla anterior, definiendo las variables de forma adecuada.
b. Inserta una nueva variable que ser el estado civil de los representantes con los siguientes
valores.
216
soltero
soltero
casado
soltero
divorciado
casado
casado
casado
soltero
soltero
viudo
casado
casado
casado
soltero
soltero
c. Inserta un nuevo caso entre los existentes con estos valores:
SEXO REGION DE MESES COMO INGRESOS ESTADO CIVIL
PROCEDENCIA REPRESENTANTE MENSUALES en
Hombre Catalua 48 1500 divorciado
d. Obtenga el nmero medio de meses como representante y los valores mximo, mnimo y
mediano de los ingresos.
Nota: Introducir los valores de los salarios con cdigos numricos (por ejemplo, 1 a 5) y en
Vista de variables en la columna Valores etiquetarlos como 0-700,
Cuando se introducen las frecuencias de las observaciones de una variable hay que indicrselo
al SPSS. Seleccionaremos en la barra de mens Datos/Ponderar casos marcando en la
ventana que nos aparece Ponderar casos mediante y seleccionando la Variable de ponderacin
(variable que contiene los valores de las frecuencias) de la lista de variables del fichero. Otra
opcin es seleccionar el correspondiente icono de la barra de herramientas que representa a una
balanza.
217
PRCTICA 8
Anlisis Cluster
218
4. El botn Mtodo nos lleva a una ventana cuya opcin Mtodo de conglomeracin permite
elegir dicho mtodo. El cuadro Medida permite especificar la medida de distancia que ser
empleada. Hay que seleccionar el tipo de dato (intervalo, frecuencias y binaria) y la
medida de distancia adecuada. El cuadro Transformar valores permite estandarizar los
valores de los datos, para los casos o las variables, antes de calcular las distancias entre
casos. El cuadro Transformar medidas permite transformar los valores generados por la
medida de distancia, las opciones disponibles son: Valores absolutos, Cambiar el signo y
Cambiar la escala al rango 0-1.
5. El botn Guardar permite guardar informacin sobre la solucin en nuevas variables.
Estas variables (Conglomerado de pertenencia) permiten guardar los conglomerados de
pertenencia para una solucin nica o un rango de soluciones. Las variables guardadas
pueden emplearse en anlisis posteriores para explorar otras diferencias entre los grupos.
6. En todas las figuras el botn Restablecer permite restablecer todas las opciones por
defecto del sistema y elimina del cuadro de dialogo todas las asignaciones hechas con las
variables.
7. Una vez hechas las selecciones especificadas se pulsa el botn Aceptar.
Ejemplo 1
(Ejercicio 5 Relacin del Tema 8. Fichero de datos Ej5RelT8.sav)
Ciudadanos Ingresos Edad
Pepe 175 44
Juan 182 55
Pedro 184 41
Pablo 186 32
Maria 185 35
Juana 198 41
Toi 194 32
Tere 183 32
Carmen 125 23
Elena 107 22
Luisa 97 24
Beln 88 27
Nicols 116 28
Csar 121 33
Alberto 100 29
Carlos 175 21
Divide los ciudadanos segn ingresos y edad utilizando un anlisis jerrquico.
219
Los pasos en el SPSS seran:
1. Elige en los mens Analizar Clasificar Conglomerados jerrquicos. En la ventana
Variables situamos Ingresos y Edad. En Etiquetar los casos mediante situamos la
variable Individuo (la variable que se site en esta casilla tiene que estar definida como
cadena no como numrica).
2. El botn Estadsticos nos lleva a una pantalla en la que sealamos Historial de
conglomeracin y Matriz de proximidades.
3. El botn Grficos sealamos la opcin Dendograma. En el cuadro Tmpanos elegimos
Todos los conglomerados. Sealamos la orientacin vertical.
4. En la pantalla a la que nos lleva el botn Mtodo, como Mtodo de conglomeracin
elegimos, por ejemplo, el Vecino ms prximo. En el cuadro Medida seleccionamos la
primera (Distancia Eucldea al cuadrado). En el cuadro Transformar valores
estandarizamos por variables y mediante Puntuaciones Z. En el cuadro Transformar
medidas no seleccionamos nada.
220
Matriz de distancias
Caso distancia eucldea al cuadrado
1:Pepe 2:Juan 3:Pedro 4:Pablo 5:Maria 6:Juana 7:Toi 8:Tere 9:Carmen 10:Elena 11:Luisa 12:Belen 13:Nicolas 14:Csar 15:Alberto 16:Carlos
1:Pepe ,000 1,472 ,156 1,790 1,026 ,426 1,935 1,756 6,765 8,558 8,437 8,008 5,151 3,200 6,073 6,308
2:Juan 1,472 ,000 2,340 6,318 4,775 2,491 6,395 6,309 14,169 16,376 15,814 14,674 11,318 8,014 12,113 13,814
3:Pedro ,156 2,340 ,000 ,968 ,430 ,118 1,026 ,966 5,961 7,878 8,008 7,892 4,802 3,155 5,970 4,819
4:Pablo 1,790 6,318 ,968 ,000 ,108 1,053 ,039 ,005 3,209 4,954 5,537 6,086 3,144 2,558 4,565 1,516
5:Maria 1,026 4,775 ,430 ,108 ,000 ,531 ,156 ,110 3,887 5,682 6,110 6,434 3,454 2,516 4,784 2,397
6:Juana ,426 2,491 ,118 1,053 ,531 ,000 ,976 1,101 7,075 9,296 9,594 9,630 6,068 4,337 7,505 5,089
7:Toi 1,935 6,395 1,026 ,039 ,156 ,976 ,000 ,073 3,835 5,754 6,434 7,070 3,858 3,224 5,433 1,660
8:Tere 1,756 6,309 ,966 ,005 ,110 1,101 ,073 ,000 2,993 4,674 5,221 5,737 2,896 2,329 4,259 1,481
9:Carmen 6,765 14,169 5,961 3,209 3,887 7,075 3,835 2,993 ,000 ,207 ,484 1,016 ,347 1,202 ,806 1,554
10:Elena 8,558 16,376 7,878 4,954 5,682 9,296 5,754 4,674 ,207 ,000 ,108 ,516 ,478 1,561 ,614 2,799
11:Luisa 8,437 15,814 8,008 5,537 6,110 9,594 6,434 5,221 ,484 ,108 ,000 ,156 ,408 1,313 ,304 3,774
12:Belen 8,008 14,674 7,892 6,086 6,434 9,630 7,070 5,737 1,016 ,516 ,156 ,000 ,484 1,086 ,134 4,991
13:Nicolas 5,151 11,318 4,802 3,144 3,454 6,068 3,858 2,896 ,347 ,478 ,408 ,484 ,000 ,313 ,166 2,682
14:Csar 3,200 8,014 3,155 2,558 2,516 4,337 3,224 2,329 1,202 1,561 1,313 1,086 ,313 ,000 ,457 3,475
15:Alberto 6,073 12,113 5,970 4,565 4,784 7,505 5,433 4,259 ,806 ,614 ,304 ,134 ,166 ,457 ,000 4,153
16:Carlos 6,308 13,814 4,819 1,516 2,397 5,089 1,660 1,481 1,554 2,799 3,774 4,991 2,682 3,475 4,153 ,000
Esta es una matriz de disimilaridades
Los valores de esta tabla son las distancia eucldea al cuadrado de las puntuaciones tipificadas.
221
Historial de conglomeracin
* H I E R A R C H I C A L C L U S T E R A N A L Y S I S *
Dendrogram using Single Linkage
C A S E 0 5 10 15 20 25
Label Num +---------+---------+---------+---------+---------+
Pablo 4
Tere 8
Toi 7
Maria 5
Pedro 3
Juana 6
Pepe 1
Juan 2
Carlos 16
Elena 10
Luisa 11
Belen 12
Alberto 15
Nicolas 13
Carmen 9
Csar 14
222
En el dendograma las lneas verticales conectadas designan casos combinados y las lneas
horizontales miden las distancias reales re-escaladas entre 0 y 25.
15:Alberto
9:Carmen
16:Carlos
14:Csar
12:Belen
10:Elena
11:Luisa
6:Juana
3:Pedro
4:Pablo
5:Maria
1:Pepe
2:Juan
8:Tere
7:Toi
Nmero de
conglomerados
1
X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
2
X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
3
X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
4
X X X X X X X X X X X X X X X X X X X X X X X X X X X X
5
X X X X X X X X X X X X X X X X X X X X X X X X X X X
6
X X X X X X X X X X X X X X X X X X X X X X X X X X
7
X X X X X X X X X X X X X X X X X X X X X X X X X
8
X X X X X X X X X X X X X X X X X X X X X X X X
9
X X X X X X X X X X X X X X X X X X X X X X X
10
X X X X X X X X X X X X X X X X X X X X X X
11
X X X X X X X X X X X X X X X X X X X X X
12
X X X X X X X X X X X X X X X X X X X X
13
X X X X X X X X X X X X X X X X X X X
14
X X X X X X X X X X X X X X X X X X
15
X X X X X X X X X X X X X X X X X
223
3. En Etiquetar los casos mediante se puede especificar una variable cuyos valores sean
utilizados para etiquetar los resultados por casos.
4. En Mtodo se puede elegir uno de los dos mtodos disponibles para clasificar:
a. Iterar y clasificar. Actualiza los centroides de forma iterativa.
b. Slo clasificar. El algoritmo corre solo una vez.
5. En Centros de los conglomerados se permite al usuario especificar sus propios centros
iniciales para los conglomerados (Leer iniciales) o guardar los centros finales para anlisis
subsiguientes (Escribir finales).
6. En el botn Opciones podemos:
a. Elegir los Estadsticos ms relevantes relativos a las variables que ofrecer el
anlisis:
i. Centros de conglomerados iniciales
ii. Tabla de ANOVA. Aunque los resultados sern oportunistas (el
procedimiento trata de formar grupos que, de hecho, difieran), el
tamao relativo de los estadsticos proporciona informacin acerca de la
contribucin de cada variable a la separacin de los grupos.
iii. Informacin del conglomerado para cada caso
b. En valores perdidos se elige la forma de su exclusin:
i. Excluir casos segn lista
ii. Excluir casos segn pareja
7. El botn Iterar (slo disponible si se ha seleccionado el mtodo Iterar y clasificar en el
cuadro de dialogo principal) nos permite elegir:
a. El nmero mximo de iteraciones limita el nmero de iteraciones en el
algoritmo, de modo que el proceso se detiene despus de ese nmero de
iteraciones, incluso si no se ha satisfecho el criterio de convergencia. Este
nmero debe estar entre 1 y 999.
b. El criterio de convergencia determina cundo cesa la iteracin y representa una
proporcin de la distancia mnima entre los centros iniciales de los
conglomerados, por lo que debe ser mayor que 0 y menor que 1. Por ejemplo,
si el criterio es igual a 0.02, la iteracin cesar si una iteracin completa no
mueve ninguno de los centros de los conglomerados en una distancia superior
al dos por ciento de la distancia menor entre cualquiera de los centros iniciales.
c. La opcin Usar medias actualizadas permite solicitar la actualizacin de los
centros de los conglomerados tras la asignacin de cada caso. Si no se
224
selecciona esta opcin, los nuevos centros de los conglomerados se calcularn
despus de la asignacin de todos los casos.
8. El botn Guardar permite guardar informacin sobre la solucin como nuevas variables
para que puedan ser utilizadas en anlisis subsiguientes. Estas variables son:
a. Conglomerado de pertenencia. Se crea una nueva variable que indica el
conglomerado final al que pertenece cada caso.
b. Distancia desde centro del conglomerado. Indica la distancia eucldea entre
cada caso y su centro de clasificacin.
9. El botn Pegar genera la sintaxis del comando a partir de las selecciones del cuadro de
dilogo y pega dicha sintaxis en la ventana de sintaxis designada. Para poder pulsar en
Pegar, debe seleccionar al menos una variable.
10. En todos los cuadros de dialogo, el botn Restablecer permite restablecer todas las
opciones por defecto del sistema y elimina del cuadro de dialogo todas las asignaciones
hechas con las variables.
11. Una vez hechas las opciones especificadas se pulsa el botn Aceptar.
A continuacin veremos el procedimiento con los mismos datos del ejemplo anterior.
Ejemplo 2
(Ejercicio 5 de la relacin del tema 8. Fichero de datos Ej5RelT8.sav)
Con los datos del ejemplo anterior divide los ciudadanos segn ingresos y edad utilizando un
anlisis no jerrquico.
225
Zingresos. En Etiquetar casos mediante situamos la variable Individuos y en el botn
Opciones marcamos Mostrar el grfico con las etiquetas de caso. El grfico resultante es
el siguiente:
Juana
1,00000
Toi
Pablo Maria Pedro Juan
Tere
Carlos Pepe
Puntua(ingresos)
0,00000
Carmen
Csar
Nicolas
-1,00000
Elena
Alberto
Luisa
Belen
-2,00000
226
Las salidas obtenidas con el SPSS son las siguientes:
Como solo hay dos conglomerados, la distancia menor entre los centros iniciales es 4047. Las
iteraciones pararn cuando no se mueva ninguno de los centros en una distancia superior al
2% de 4047, es decir, 008094.
227
Historial de iteraciones(a)
Cambio en los centros
de los conglomerados
Iteracin 1 2
1 ,426 1,555
2 ,047 ,173
3 ,005 ,019
a Se ha logrado la convergencia debido a que los centros de los conglomerados no presentan ningn cambio o
ste es pequeo. El cambio mximo de coordenadas absolutas para cualquier centro es de ,019. La iteracin
actual es 3. La distancia mnima entre los centros iniciales es de 4,047.
Las cantidades que se dan en la tabla anterior son las distancias euclideas entre los centros
elegidos en las sucesivas iteraciones. Observemos que en la segunda iteracin el centro del
primer conglomerado vara una distancia de 0,047 respecto del centro en la primera iteracin.
Esta cantidad es menor que 0,08094. Pero no ocurre lo mismo con el centro del segundo
conglomerado que respecto a la primera iteracin vara 0,173. Por tanto, las iteraciones deben
continuar. En la tercera, ambas distancias son menores que 0,08094.
Vamos a calcular las distancias euclideas de Carlos y los dos centros finales de los
conglomerados (en la siguiente tabla). As comprobaremos que efectivamente es ms pequea
la existente entre Carlos y el conglomerado 1, aunque en el grfico parezca lo contrario.
228
Distancia eucldea entre Carlos y el primer centro:
Conglomerado Error
Media Media
cuadrtica gl cuadrtica gl F Sig.
Puntua(ingresos) 11,729 1 ,234 14 50,195 ,000
Puntua(edad) 8,217 1 ,485 14 16,958 ,001
Las pruebas F slo se deben utilizar con una finalidad descriptiva puesto que los conglomerados han sido
elegidos para maximizar las diferencias entre los casos en diferentes conglomerados. Los niveles crticos no son
corregidos, por lo que no pueden interpretarse como pruebas de la hiptesis de que los centros de los
conglomerados son iguales.
Observando los estadsticos del ANOVA, vemos que los ingresos participan ms en la
separacin de los conglomerados. .
Nota. Realizar el anlisis cluster de nuevo pero con 4 conglomerados y ver como Carlos y
Juan forman cada uno un conglomerado (Mirar grfico de dispersin).
Nota En los casos donde existe un gran tamao muestral, para obtener la mxima eficacia,
tome una muestra de casos y utilice el mtodo Iterar y clasificar para determinar los centros de
los conglomerados. Seleccione Escribir finales en Archivo. Despus restaure el archivo de
datos completo y seleccione el mtodo Slo clasificar. Pulse en Centros y pulse en Leer
iniciales de Archivo para clasificar el archivo completo utilizando los centros estimados a
partir de la muestra.
229
PRCTICA 9
Componentes Principales
Seleccione las variables para el anlisis factorial. Las variables deben ser cuantitativas. Los
datos categricos (como la religin o el pas de origen) no son adecuados para el anlisis
factorial. Los datos para los cuales razonablemente se pueden calcular los coeficientes de
correlacin de Pearson, deberan ser los adecuados para el anlisis factorial. Para seleccionar
casos para el anlisis: Seleccione una variable de seleccin. Pulse en Valor para introducir un
nmero entero como valor de seleccin. En el anlisis, slo se usarn los casos con ese valor
para la variable de seleccin.
Matriz de correlaciones. Es til si las variables del anlisis se miden sobre escalas
distintas.
230
Extraer: Se pueden retener todos los factores cuyos autovalores excedan un valor especificado
o retener un nmero especfico de factores.
Mostrar: Permite solicitar la solucin factorial sin rotar y el grfico de sedimentacin de los
autovalores.
Guardar como variables: Crea una nueva variable para cada factor en la solucin final.
Nosotros utilizaremos el mtodo de regresin. En el caso de componentes principales
(tipificadas) la varianza es siempre igual a 1 y las puntuaciones (componentes principales)
estn incorrelacionadas.
Mostrar matriz de coeficientes de las puntuaciones factoriales: Muestra los coeficientes por
los cuales se multiplican las variables para obtener puntuaciones factoriales. Tambin muestra
las correlaciones entre las puntuaciones factoriales.
231
En el cuadro de dilogo Anlisis factorial, pulse en Opciones:
Valores perdidos: Permite especificar el tratamiento que reciben los valores perdidos. Las
selecciones disponibles son: excluir casos segn lista, excluir casos segn pareja y
reemplazar por la media.
Excluir segn lista excluye los casos que tienen valores perdidos en cualquiera de las
variables utilizadas en cualquiera de los anlisis.
Excluir segn pareja excluye del anlisis los casos que tengan valores perdidos en
cualquiera (o en ambas) de las variables de una pareja implicada en el clculo de un
estadstico especfico.
Ejemplo 1
Vamos a resolver el ejercicio 1 de la relacin del captulo 9 con ayuda del SPSS.
Con el archivo Mundo 95.sav realiza un anlisis de componentes principales con las
siguientes variables:
Esperanza de vida femenina
Mortalidad infantil (muertes por 1000 nacimientos vivos)
Personas Alfabetizadas (%)
Tasa de natalidad (por 1.000 habitantes)
Fertilidad: nmero promedio de hijos
Habitantes en ciudades (%)
Log(10) de PIB_CAP
Tasa de mortalidad (por 1.000 habitantes)
En primer lugar elegimos en los mens del SPSS: Analizar Reduccin de datos
Anlisis factorial y seleccionamos las variables: espvidaf, mortinf, alfabet, tasa_nat, fertilid,
urbana, log_pib y tasa_mor.
232
En el botn Descriptivos: en estadsticos seleccionamos descriptivos univariados y solucin
inicial, en matriz de correlaciones marcamos coeficientes, niveles de significacin y
determinante.
Se obtiene la siguiente salida del programa SPSS para las opciones marcadas:
233
Matriz de correlaciones(a)
Mortalidad
infantil
(muertes por Tasa de Fertilidad: Tasa de
1000 Personas natalidad (por nmero mortalidad
Esperanza de nacimientos Alfabetizadas 1.000 promedio de Habitantes en Log(10) de (por 1.000
vida femenina vivos) (%) habitantes) hijos ciudades (%) PIB_CAP habitantes)
Correlacin Esperanza de vida
femenina 1,000 -,962 ,865 -,865 -,847 ,766 ,833 -,703
Mortalidad infantil
(muertes por 1000 -,962 1,000 -,901 ,870 ,844 -,744 -,824 ,636
nacimientos vivos)
Personas Alfabetizadas
(%) ,865 -,901 1,000 -,870 -,866 ,654 ,731 -,485
Tasa de natalidad (por
1.000 habitantes) -,865 ,870 -,870 1,000 ,975 -,635 -,783 ,384
Fertilidad: nmero
promedio de hijos -,847 ,844 -,866 ,975 1,000 -,608 -,713 ,424
Habitantes en ciudades
(%) ,766 -,744 ,654 -,635 -,608 1,000 ,785 -,523
Log(10) de PIB_CAP ,833 -,824 ,731 -,783 -,713 ,785 1,000 -,401
Tasa de mortalidad (por
1.000 habitantes) -,703 ,636 -,485 ,384 ,424 -,523 -,401 1,000
Sig. (Unilateral) Esperanza de vida
femenina ,000 ,000 ,000 ,000 ,000 ,000 ,000
Mortalidad infantil
(muertes por 1000 ,000 ,000 ,000 ,000 ,000 ,000 ,000
nacimientos vivos)
Personas Alfabetizadas
(%) ,000 ,000 ,000 ,000 ,000 ,000 ,000
Tasa de natalidad (por
1.000 habitantes) ,000 ,000 ,000 ,000 ,000 ,000 ,000
Fertilidad: nmero
promedio de hijos ,000 ,000 ,000 ,000 ,000 ,000 ,000
Habitantes en ciudades
(%) ,000 ,000 ,000 ,000 ,000 ,000 ,000
Log(10) de PIB_CAP ,000 ,000 ,000 ,000 ,000 ,000 ,000
Tasa de mortalidad (por
1.000 habitantes) ,000 ,000 ,000 ,000 ,000 ,000 ,000
a Determinante = 2,07E-006
234
Estadsticos descriptivos
Desviacin
Media tpica N del anlisis
Esperanza de vida femenina 69,94 10,695 105
Mortalidad infantil (muertes por 1000 nacimientos vivos) 43,317 38,3699 105
Personas Alfabetizadas (%) 78,14 23,056 105
Tasa de natalidad (por 1.000 habitantes) 26,124 12,3582 105
Fertilidad: nmero promedio de hijos 3,551 1,8909 105
Habitantes en ciudades (%) 57,02 24,010 105
Log(10) de PIB_CAP 3,4086 ,62725 105
Tasa de mortalidad (por 1.000 habitantes) 9,62 4,277 105
Comunalidades
Inicial Extraccin
Esperanza de vida femenina 1,000 ,965
Mortalidad infantil (muertes por 1000 nacimientos vivos) 1,000 ,942
Personas Alfabetizadas (%) 1,000 ,862
Tasa de natalidad (por 1.000 habitantes) 1,000 ,952
Fertilidad: nmero promedio de hijos 1,000 ,899
Habitantes en ciudades (%) 1,000 ,688
Log(10) de PIB_CAP 1,000 ,769
Tasa de mortalidad (por 1.000 habitantes) 1,000 ,935
Mtodo de extraccin: Anlisis de Componentes principales.
235
Grfico de sedimentacin
5
Autovalor
1 2 3 4 5 6 7 8
Nmero de componente
Matriz de componentes(a)
Componente
1 2
Esperanza de vida femenina ,975 -,122
Mortalidad infantil (muertes por 1000 nacimientos vivos) -,970 ,046
Personas Alfabetizadas (%) ,917 ,147
Tasa de natalidad (por 1.000 habitantes) -,923 -,318
Fertilidad: nmero promedio de hijos -,906 -,281
Habitantes en ciudades (%) ,809 -,181
Log(10) de PIB_CAP ,871 ,100
Tasa de mortalidad (por 1.000 habitantes) -,625 ,737
Mtodo de extraccin: Anlisis de componentes principales.
a 2 componentes extrados
La tabla Matriz de componentes incluye los coeficientes de correlacin, ryi xk , entre las
236
Grfico de componentes
0,9
tasa_mor
0,6
Componente 2
0,3
alfabet
mortinf
log_pib
0,0
espvidaf
urbana
fertilid
-0,3
tasa_nat
-0,6
-0,9
Componente 1
La Matriz de coeficientes para el clculo de las puntuaciones en las componentes recoge los
coeficientes de las combinaciones lineales que definen a las componentes principales
ik
tipificadas, es decir, , que pueden obtenerse a partir de la Matriz de componentes, ry x , y
i i k
237
Como puede verse en la Matriz de covarianzas se trabaja con componentes principales
tipificadas que adems estn incorreladas.
238
FORMULARIOS
239
MUESTREO ALEATORIO SIMPLE EN POBLACIONES INFINITAS
(O CON REEMPLAZAMIENTO)
MEDIA PROPORCION
1 n 1 n
ESTIMADOR y = yi p = yi , yi = 0, 1
n i =1 n i =1
1 n
( ) 1 n
( ) n pq
2
yi y
2
S2 = S2 = yi y =
n 1 i =1 n 1 i =1 n 1
CUASIVARIANZA 2
n
yi
MUESTRAL
n q = 1 p
yi2 i =1
n
S 2 = i =1
n 1
VARIANZA DEL 2 S2 pq pq
ESTIMADOR V ( y) = V ( y) = V ( p) = V ( p) =
n n n n 1
INTERVALO DE S S pq pq
CONFIANZA y2 , y+2 p2 , p+2
n n n 1 n 1
2 pq
2 V ( y) = 2 =B 2 V ( p) = 2 =B
n n
TAMAO MUESTRAL
2 2 B2 pq pq B2
n= = , D= n= = , D=
B2 D 4 B2 D 4
4 4
240
MUESTREO ALEATORIO SIMPLE EN POBLACIONES FINITAS
SIN REEMPLAZAMIENTO
MEDIA PROPORCION
TOTAL TOTAL
1 n 1 n
y = yi p = yi , yi = 0, 1
n i =1 n i =1
ESTIMADOR
= N p
n
N
= N y =
n
y
i =1
i
S2 N n pq N n
V ( y) = V ( p) =
n N n 1 N
VARIANZA DEL
ESTIMADOR
pq
2
S
V ( ) = V ( N y ) = N 2 V ( y ) = N ( N n) V ( ) = V ( N p ) = N 2 V ( p ) = N ( N n)
n n 1
2 V ( y) 2 V ( p)
LIMITE DEL ERROR
DE ESTIMACIN = B
2 V ( ) = N 2 V ( y ) 2 V ( ) = N 2 V ( p)
(y 2 V ( y) , y + 2 V ( y) ) (p 2 V ( p) , p + 2 V ( p) )
INTERVALO DE
CONFIANZA ( 2 V ( ) , + 2 V ( ) ) = ( 2 )
V ( ) , + 2 V ( ) =
= ( N ( y 2 V ( y ) ) , N ( y + 2 V ( y ) )) = (N ( p 2 ) (
V ( p) , N p + 2 V ( p) ))
N 2 n=
Npq
n=
( N 1) D + 2 ( N 1) D + pq
TAMAO MUESTRAL
B2 B2
D= (media ) D= ( proporcion)
4 4
B2 B2
D= (total ) D= (total )
4N 2 4N 2
241
MUESTREO ALEATORIO ESTRATIFICADO
MEDIA PROPORCION
TOTAL TOTAL
L L
1 1
y st =
N
Ni y i
i =1
p st =
N
N
i =1
i pi
ESTIMADOR
L L
st = N y st = N i y i st = N p st = N i pi
i =1 i =1
L L
1 1
V ( y st ) =
N2
Ni2 V ( y i ) =
i =1
V ( p st ) =
N2
Ni =1
i
2
V ( pi ) =
1 L
Si2 N i ni L
p i q i N i ni
VARIANZA DEL
ESTIMADOR
=
N2
Ni2
i =1 ni N i
=
1
N2
N i
2
ni 1 N i
i =1
L
S2 N n p q N n
V ( st ) = N 2 V ( y st ) = N i2 i i i
L
ni N i V ( st ) = N 2 V ( p st ) = N i2 i i i i
i =1
i =1 ni 1 N i
L
N i2 i2 L
N i2 pi qi
FORMULACIN
i =1 i
i =1 i
GENERAL n= L
n= L
N 2 D + N i i2 N 2 D + N i pi qi
i =1 i =1
242
MUESTREO ALEATORIO ESTRATIFICADO
L L
Ni i L L
pi qi
N
i =1
i i ci
i =1 ci
Ni pi qi ci N i
ci
i =1 i =1
(error fijo B) n = L
n= L
N 2 D + N i i2 N 2 D + N i pi qi
i =1 i =1
ASIGNACIN L
N i i L
pi qi
PTIMA C C Ni
i =1 ci i =1 ci
(coste fijo C ) n = L
n= L
N
i =1
i i ci N
i =1
i pi qi ci
N j j pjq j
Nj
cj cj
j = j =
L
N i i L
ci N i
pi qi
i =1 i =1 ci
2 2
( N )
L
i i ( N L
i pi qi )
n= i =1
L
n= i =1
L
N D + N i
2
i
2
N 2 D + N i pi qi
ASIGNACIN DE i =1 i =1
NEYMAN
N j j N j pjqj
j = L j =
N
L
i =1
i i Ni =1
i pi qi
L L
Ni i2 N pq i i i
ASIGNACIN n= i =1
L
n= i =1
L
1 1
PROPORCIONAL ND +
N
Ni i2
i =1
ND +
N
N pq
i =1
i i i
Nj Nj
j = j =
N N
B2 B2
D= (media ) D= ( proporcion)
4 4
D
B2 B2
D= (total ) D= (total )
4N 2 4N 2
243
ESTIMACIN DE RAZN
RAZN MEDIA
TOTAL
y = rx
n
y i
y
ESTIMADOR r= i =1
n
=
x
x i
i =1 y = r x
1 n
S r2 = ( yi rxi )
2
VARIANZA RESIDUAL n 1 i =1
N n S r2
V ( y ) = x2 V (r ) =
N n
VARIANZA DEL 1 N n S r2
ESTIMADOR V (r ) =
x2 N n
N n S r2
V ( y ) = x2 V (r ) = N 2
N n
N r2 2
n= r = Sr2 de una muestra previa
ND + r2
DETERMINACIN DEL B 2 x2
D= ( para estimar R )
TAMAO MUESTRAL 4
B2 B2
D= ( para estimar y ) D= ( para estimar y )
4 4N 2
244
ESTIMACIN DE REGRESIN
MEDIA
TOTAL
1 n
( ) 1 n
( )
2 2
S x2 = xi x
n 1 i =1
sx2 = xi x
n i =1
(n 1) S x2 = nsx2
VARIANZA, COVARIANZA
Y COEF. DE
CORRELACIN
S xy =
1 n
xi x
n 1 i =1
( )( y y )
i sxy =
1 n
i
n i =1
x x(yi y =
1 n
n i =1
)(
xi yi x y )
MUESTRALES
S xy2 sxy2
rxy2 = =
S x2 S y2 sx2 s 2y
( x x )( y y )
n
i i
S xy sxy
yL = y + b( x x) b= = = i =1
( x x)
n
S x2 s x2 2
ESTIMADOR i
i =1
yL = N yL
( ( )) n 2 sxy
2
s y (1 rxy2 )
1 n 2 n 2
VARIANZA RESIDUAL S =
2
yi y + b( xi x)
n 2 i =1
= sy 2
n 2
=
n2
L
sx
ERROR TPICO DE
ESTIMACIN S L2 = S L
N n S L2
V ( yL ) =
N n
VARIANZA DEL
ESTIMADOR
V ( yL ) = N 2 V ( yL )
N L2 2
n= L = S L2 de una muestra previa
ND + L2
DETERMINACIN DEL
TAMAO MUESTRAL
B2 B2
D= ( para estimar y ) D= ( para estimar y )
4 4N 2
245
ESTIMACIN DE DIFERENCIA
MEDIA
TOTAL
yD = y + ( x x) = x + d d = yx
ESTIMADOR
yD = N yD
1 n
( ) 1 n
( )
2 2
VARIANZA RESIDUAL S D2 = yi ( xi + d )
n 1 i =1
= di d
n 1 i =1
di = yi xi
N n S D2
V ( yD ) =
N n
VARIANZA DEL ESTIMADOR
V ( yD ) = N 2 V ( yD )
N D2 2
n= D = S D2 de una muestra previa
ND + D2
DETERMINACIN DEL
TAMAO MUESTRAL
B2 B2
D= ( para estimar y ) D= ( para estimar y )
4 4N 2
246
MUESTREO POR CONGLOMERADOS
1 n
m= mi = tamao medio de los conglomerados de la muestra
n i =1
y i 1 n
=y= i =1
n
yt = yi
n i =1
ESTIMADOR m
i =1
i
= M y t = N y t
1 n
( ) 1 n
( )
2 2
Sc2 = yi ymi
n 1 i =1
St2 = yi y t
n 1 i =1
VARIANZA
1 N n S c2 N n St2
DEL V ( y) = 2 V ( yt ) =
ESTIMADOR M N n N n
2
2 S
S
V ( ) = M 2 V ( y ) = N ( N n) c V ( t ) = N 2 V ( y t ) = N ( N n) t
n n
N c2 2 N t2 2
n= c = Sc2 de una muestra previa n= t = St2 de una muestra previa
ND + c2 ND + t2
TAMAO 2
MUESTRAL B2 M
D= (media ) B2
4 D= (total )
B2 4N 2
D= (total )
4N 2
247
ESTIMACIN DEL TAMAO DE LA POBLACIN
t = elementos marcados
NOTACIN n = total de elementos en la muestra de recaptura
s = elementos marcados en la muestra de recaptura
t nt t nt
ESTIMADOR N= = N= =
p s p s
( )
E N =N+
N (N t)
nt
( )
E N =N
PROPIEDADES DEL
ESTIMADOR
( )
V N =
t 2 n( n s ) ( )t 2 n( n s )
V N = 2
s ( s + 1)
s3
248
ESTIMACIN DEL TAMAO DE LA POBLACIN
DENSIDAD TOTAL
A = rea total
a = rea de cada cuadro
NOTACIN n = nmero de cuadros en la muestra
m = nmero medio de elementos por cuadro en la muestra
m M = A
ESTIMADOR =
a
A2
() ( ) ()
VARIANZA DEL
ESTIMADOR V =
V M =AV =
2
an an
CUADROS CARGADOS
DENSIDAD TOTAL
A = rea total
a = rea de cada cuadro
NOTACIN n = nmero de cuadros en la muestra
y = nmero total de cuadros no cargados
1 y A y
ESTIMADOR = ln M = A = ln
a n a n
VARIANZA DEL
ESTIMADOR () 1 n y
V = 2
a ny ( ) ()
A2 n y
V M = A2 V = 2
a ny
249