CAPTULO 11

ESTIMADORES DE RAZN
_____________________
__________________________________________________________________________

11.1 RAZONES PARA CONSIDERAR EL USO DE ESTIMADORES

DE RAZON.

En los captulos anteriores tratamos el problema de cmo disear la muestra ms eficiente (desde
el punto de vista de minimizar el error) usando toda la informacin relevante que se pueda
obtener de la poblacin. Hemos visto cmo usar informacin para la estratificacin, ya sea con
asignacin proporcional o asignacin ptima, cmo tomar en cuenta los costos unitarios, y cmo
escoger entre diferentes clases de unidades de muestreo. Hemos visto cmo usar cualquier
conocimiento que tengamos sobre los costos y las varianzas de diferentes mtodos de muestreo a
fin de producir la cantidad mxima de informacin con los recursos que tenemos disponibles.
Todo este anlisis ha sido en trminos de estimaciones bastante simples como en las
cuales las estimaciones fueron elaboradas usando solamente los datos de la muestra, el nmero
total de unidades (N) de la poblacin y las probabilidades de seleccin. As, para el muestreo
aleatorio simple,

Para el muestreo estratificado

Existen frmulas similares para el muestreo por conglomerados, o para la estimacin de

proporciones

Pero hay mtodos ms complejos para estimar estas estadsticas que, bajo ciertas circunstancias,
pueden proporcionar grandes reducciones en los errores.

Adems, hay otros tipos de estadsticas de gran inters, tales como el cociente entre dos
 165

variables, cambios cronolgicos en una sola caracterstica, etc. Por ejemplo, podemos obtener
informacin sobre sueldos y sobre el nmero de horas trabajadas, pero tal vez nos interese ms
estimar los ingresos promedios por hora, en vez del total de sueldos o el total de horas trabajadas.
De las encuestas que cubren dos perodos diferentes de tiempo, tal vez nos interese ms saber si
los sueldos totales han aumentado o disminuido, que saber el nivel de los mismos. El anlisis de
los errores de las razones estimadas tambin ayuda con el problema de producir estimaciones
ms eficientes de las medias y los totales.

Investigaremos el mtodo ms simple y ms comnmente usado para mejorar la confiabilidad de

una media o un total estimado, mediante el uso de una tcnica especial de estimacin que
produce el llamado "estimador de razn." Hay otras tcnicas poderosas que son muy tiles en
situaciones particulares; por ejemplo, estimaciones por diferencia y estimaciones por regresin,
muestreo doble (en el que la muestra final se extrae de una muestra ms grande previamente
seleccionada que provee informacin para mejorar la seleccin final o el procedimiento de
estimacin), y mtodos especiales para la estimacin de series cronolgicas. Sin embargo, en
este captulo hablaremos solamente de los estimadores de razn.

11.2 ESTIMADORES DE RAZN DE TOTALES

El estimador de razn es uno de los estimadores complejos ms usados en la prctica. Tambin

es uno de los ms fciles de aplicar. Es apropiado siempre y cuando las unidades poblacionales
posean dos caractersticas que estn positivamente correlacionadas mientras ms alta la
correlacin, mayor el beneficio de esta tcnica. El tipo ms simple de estimador de razn de la
forma que viene dado por la ecuacin (11.1), es una estimacin de un total poblacional Y. Un
total poblacional tambin se conoce con el nombre de valor agregado.

(11.1)

En la frmula anterior, y son las estimaciones comunes de totales de dos caractersticas (Y

y X); se debe conocer el valor de X para poder estimar el valor de Y. El estimador de razn de
una media (como estimacin de se obtiene dividiendo por N; tiene el mismo

coeficiente de variacin que la estimacin. Para calcular no es necesario calcular

puesto que, para una muestra autoponderada,
 166

Pero, la frmula en (11.1) es til en la derivacin de la varianza de

Los estimadores de razn de agregados se aplican comnmente en las tres situaciones descritas
en las secciones 11.2.1 a 11.2.3 a continuacin.

11.2.1 Razn Entre la Misma Caracterstica o Entre Una Caracterstica y Otra Afn en
un Perodo de Tiempo Anterior

X es el mismo tipo de caracterstica que Y, pero X se refiere a un perodo de tiempo durante el

cual se realiz un censo completo. Por ejemplo, podra haberse levantado un censo completo de
fabricantes en un ao, y deseamos levantar una encuesta por muestreo el ao siguiente. Digamos
que lo que deseamos estimar es el valor total de los envos. Para cada establecimiento de la
muestra, obtenemos no solamente yi, el valor de los envos en el ao de la encuesta, sino tambin
xi, el valor durante el ao precedente (es decir, el ao del censo). Entonces seran
estimaciones (provenientes de la muestra) del total de envos para los dos aos, obtenidas por los
mtodos discutidos anteriormente. X es el valor total de los envos obtenido del censo. En esta
aplicacin, la encuesta en realidad se usa para medir la tasa de cambio entre los dos aos, usando
la muestra idntica de establecimientos. La tasa de cambio entonces se multiplica por el total
censal del ao anterior.

11.2.2 Razn Entre Dos Caractersticas Afines en el Mismo Perodo de Tiempo

Y y X son dos caractersticas diferentes para el mismo perodo de tiempo, y se sabe que estn
positivamente correlacionadas. El verdadero valor del agregado X es conocido. Por ejemplo,
para la isima explotacin en una muestra, xi puede ser el total de hectreas en las explotaciones, e
yi los pagos por concepto de mano de obra; el nmero total de hectreas en todas las
explotaciones X, es conocido a partir de una fuente distinta. Si, en general, las explotaciones ms
grandes pagan ms en sueldos totales por mano de obra que las ms pequeas, el estimador de
razn puede reducir drsticamente el error muestral. En esta aplicacin, la encuesta se usa para
medir una tasa (tal como el pago promedio por hectrea) que se multiplica por el nmero
 167

conocido de hectreas.

11.2.3 Razn Entre una Parte de un Total y el Total

La caracterstica Y es una parte (o subconjunto) de X, variando aproximadamente en proporcin a

X. Por ejemplo, xi puede ser el total de acres en la isima explotacin de la muestra, e yi el nmero
de acres sembrados con un cultivo particular en esa explotacin. Otra aplicacin es el caso en
que X es el nmero total de unidades de anlisis e Y es el nmero de estas que poseen un atributo
particular. Por ejemplo, yi podra ser el nmero de personas en la fuerza de trabajo en el isimo
conglomerado; xi es el nmero total de personas en este conglomerado; y X es el total conocido
del nmero de personas en la poblacin. En estos casos, la encuesta se usa para medir una razn
,la cual se multiplica por la poblacin total (X) para la caracterstica en el denominador de
la razn.

11.3 VARIANZA Y SESGO DE UN ESTIMADOR DE RAZN

Al examinar es claro que X no se deriva de una muestra. El error muestral en la

estimacin depende, por lo tanto, del error muestral de la razn donde X es

una constante cuyo valor se conoce para toda la poblacin. Por lo tanto, un anlisis del error

muestral de est estrechamente relacionado al de la razn

La forma matemtica de la distribucin de la razn de dos variables aleatorias de muestra a

muestra es mucho ms complicada que la de las estimaciones ms simples discutidas
anteriormente. Involucra la relacin de dos variables que tienen sus respectivos errores. Por lo
tanto, se requiere ms cuidado al decidir cundo usar dichas razones. Los hechos siguientes
acerca de la varianza de las razones indicarn cundo usar un estimador de razn para estimar
una media o una agregacin. Tambin nos dicen qu error esperar cuando se usa esta estimacin.

11.3.1 Varianza de Razones y de Estimaciones por Razn

La varianza de una razn estimada es aproximadamente

 168

(11.2)

donde R es la razn poblacional (una razn de agregaciones), y

que se calcula en la prctica de la siguiente manera:

(11.2a)

Similarmente, la varianza del estimador de razn de un total , es

(11.3) =

La forma alternativa de esta ecuacin es

(11.3a)

y es estimada por medio de,

(11.3b)

Las ecuaciones (11.2) y (11.3) son algo ms sencillas si se expresan en trminos del coeficiente
de variacin, CV. El cuadrado del coeficiente de variacin (esto es, la varianza relativa)
 169

de es el mismo que el de y se puede expresar como

(11.4)

En las frmulas precedentes, es el coeficiente de correlacin entre las variables Y y X.

Representa la correlacin de Y y X, no para las unidades elementales de anlisis sino para las
unidades usadas en el muestreo. Por ejemplo, si Y y X representan los ingresos de personas en
dos aos diferentes, pero la muestra es una muestra por conglomerados, el coeficiente de
correlacin ser la correlacin entre los valores Yi y Xi donde Yi es la suma de ingresos para
todas las personas en el isimo conglomerado en el ao de la estimacin y Xi es la suma
correspondiente en el ao base. Frecuentemente, se denomina a la covarianza muestral

entre y y se usa el smbolo para representarla. Puede ser calculado exactamente como la

varianza, pero con el producto cruzado reemplazando el cuadrado

dondequiera que ocurra. Por lo tanto, para el muestreo aleatorio simple tenemos

(11.5)

donde

(11.6)

y se puede hacer una estimacin de SYX a partir de la muestra usando

(11.7)

La estimacin correspondiente de , designada por , se obtiene colocando los valores

muestrales de y en lugar de los valores poblacionales, en la ecuacin (11.5), y

despejando , el cual se convierte entonces en . Los tambin se pueden calcular

 170

directamente de

(11.8)

Para una muestra estratificada, con las estimaciones de totales dadas por y

(11.9)

donde son covarianzas intra-estratos y se calculan de la misma manera, pero estn

restringidas a los valores dentro de cada estrato.

11.3.2 Ventajas de un Estimador de Razn

Si examinamos la ecuacin (11.4), la frmula para la varianza relativa de una estimacin de total,

(11.4)

vemos que el CV del estimador de razn se puede expresar como CV de la

estimacin ms simple ms el trmino menos el

trmino La ventaja o desventaja en el uso del estimador de razn, comparado

con la estimacin ms simple depende de si es menor o mayor

que cero. Otra manera de expresar esto es la siguiente:

(1) Si el estimador de razn es ms eficiente

 171

(2) Si el estimador de razn es menos eficiente

(3) Si las dos estimaciones tienen el mismo error .

11.3.2.1 Correlacin Alta.

Para ver la implicacin de estos hechos en algunas situaciones comunes, consideremos el

ejemplo de un censo de fabricantes que se condujo en un ao, seguido de una muestra al ao
siguiente. Digamos que yi y xi representan los valores de los envos para la misma firma en
muestra en dos aos consecutivos. En este caso y son casi iguales,

y es aproximadamente igual a 1.

Adems, habr una correlacin muy alta entre Y y X, probablemente alrededor de 0,90 o 0,95.
Consecuentemente, el uso de un estimador de razn resultar en un beneficio substancial en la
exactitud. La cantidad del beneficio puede conseguirse como sigue: si la
ecuacin (10.4) se convierte en

y si = 0,90, tenemos

Dicho de otra forma, el uso del estimador de razn logra una reduccin de 80 porciento en la
varianza. Si = 0,95, es igual a y la reduccin es de un 90

porciento. Viendo el resultado de otra manera, el estimador de razn es tan efectivo como el usar
una muestra 5 veces (o 10 veces) ms grande.

11.3.2.2 Correlacin Baja.

Considere ahora la situacin descrita in la seccin 11.2.3 en la cual Y es un subconjunto de X. En

 172

dichos casos, la correlacin es probablemente bastante baja, a no ser que sea bastante

grande--por ejemplo, mayor que . En la prctica, si es menor que 20 porciento, el uso del

estimador de razn puede aumentar el error muestral aunque, generalmente, no mucho.

Si es mayor que 40 o 50 porciento, el estimador de razn comnmente mejorar la

eficiencia; mientras ms cercana a 100 porciento, mayor la mejora. Entre 20 y 40 porciento, las
diferencias entre los dos tipos de estimaciones sern pequeas. Entonces, por ejemplo, en una
encuesta de fuerza de trabajo, el uso de estimadores de razn probablemente ofrece una mejora
importante en la estimacin del nmero de empleados (el cual comprende una proporcin
bastante alta de la poblacin adulta) pero probablemente resulta en un leve aumento en el error
estndar de la estimacin de los desempleados.

11.3.3 Sesgo del Estimador de Razn

El estimador de razn nos da una estimacin sesgada. Esto se puede demostrar fcilmente
construyendo una poblacin pequea con los valores Yi y Xi para cada elemento, tomando todas
las muestras posibles de dos o tres elementos, y calculando para cada muestra. Se notar
que el promedio de las razones no es el verdadero promedio. Sin embargo, el sesgo tiende a ser
despreciable para muestras moderadamente grandes. En la mayora de las aplicaciones prcticas,
el sesgo es tan pequeo comparado con la ventaja obtenida en la reduccin del error muestral,
que el estimador de razn es preferible a la estimacin insesgada.

11.3.4 Estimaciones Consistentes

Un estimador de razn, aunque sesgado, es una estimacin consistente. Esto significa que, si
usamos una muestra suficientemente grande, podemos estar seguros de que la estimacin estar
tan cercana al valor verdadero como lo deseamos. No slo disminuye el error al aumentar el
tamao de muestra, sino que tambin se reduce el sesgo.

11.3.5 Lmites de Confianza

Para muestras razonablemente grandes, los estimadores de razn siguen una distribucin normal
(para los tipos de poblaciones que se encuentran en la prctica). Por consiguiente, si calculamos
el error del estimador de razn, podemos construir el mismo tipo de lmites de confianza para
 173

y que para y esto es, podemos decir que tenemos una posibilidad de 68

porciento de que un intervalo en torno a la estimacin de ms y menos un error estndar cubrir

la verdadera cifra, una posibilidad de 95 porciento de que un intervalo de ms y menos dos
errores estndar cubrir la verdadera cifra, etc.

11.3.6 Tamao de Muestra Mnimo Requerido

Las secciones 11.3.3 a 11.3.5 se refieren al hecho de que se necesitan muestras moderadamente
grandes para que el sesgo sea despreciable, y para que las estimaciones muestrales sigan una
distribucin razonablemente normal. Cundo es suficientemente grande la muestra? La
siguiente regla ha sido sugerida: si el tamao de muestra sobrepasa 30 y si los coeficientes de
variacin de y son ambos menos del 10 porciento, entonces el sesgo es despreciable y
podemos suponer que se cumplen los requisitos de la teora de la distribucin normal. La
primera condicin no significa que un estimador de razn sea necesariamente mejor que una
estimacin simple insesgada siempre que n > 30; significa que este tamao de muestra es
requerido antes de que las frmulas para el error muestral puedan tener el significado habitual en
trminos de intervalos de confianza.

11.3.7 Frmula para Sesgo

Una aproximacin al sesgo de un estimador de razn de dos variables es

donde y R se definen segn la seccin 3.1. Para la estimacin de un total, el

sesgo es

Aun con valores bajos de esto ser pequeo comparado con el error estndar de siempre y
cuando la muestra sea razonablemente grande para que sea pequeo.

Estas frmulas de sesgo se presentan para fines de anlisis. Nunca se usan para ajustar las
estimaciones. En las situaciones donde se espera que el sesgo sear significativamente grande, se
 174

aumentara el tamao de muestra o se usara un mtodo de estimacin diferente.1

11.3.8 Situaciones de Extremo Cuidado en el Uso del Estimador de Razn

Si los estimadores de razn se aplican separadamente para un nmero grande de subgrupos de la

poblacin, con una muestra pequea en cada subgrupo, el sesgo en el subgrupo puede acumularse
y volverse demasiado grande para que pueda ser ignorado. Por ejemplo, supongamos que una
muestra relativamente pequea de personas est clasificada por grupos de edad-sexo separados--
300 personas divididas en grupos quinquenales de edad por sexo. Habra alrededor de 30 grupos
semejantes. Digamos que conocemos el verdadero total poblacional en cada uno de estos 30
grupos. Para cualquier estadstica que nos interese, calcularamos el estimador de razn
separadamente para las personas en cada uno de los 30 grupos, y entonces obtendramos una
estimacin final sumando los 30 resultados. El tamao promedio de muestra en cada grupo sera
10. Ya que habra una muestra pequea en cada uno de los grupos de edad para los cuales se
usara el estimador de razn, la acumulacin de los resultados de 30 estimadores de razn
diferentes podra resultar en un sesgo serio. En dicho caso, el uso del estimador de razn
separadamente para cada grupo no es recomendable.

11.3.9 Ilustracin

Supongamos que un censo completo del valor de envos se realiz en 1981. El cuadro siguiente
muestra el valor de cada envo en una muestra aleatoria simple del valor de 10 envos extrada de
los valores de 30 envos. El problema es estimar el valor total de envos en 1982. Se conoce el
verdadero total de 1981 total, X, y este valor asciende a $19,5 mil millones.

Valor de los
cargamentos en 1981 0 1.1 0.5 0.4 1 0.7 0.2 0.3 2.4 0
(xi)
Valor de los
cargamentos en 1982 0 0.6 0.8 0.6 1 0.8 0.9 0.8 2.7 0
(yi)

Tenemos,

N = 30, n = 10

1
Para otros mtodos de estimacin, vase la seccin 2 del captulo 11 de Mtodos y Teora de Encuestas por
Muestra (referido en la nota de pi del captulo 8).
 175

Calcule la estimacin del total y la varianza, el coeficiente de variacin de la estimacin, y el

intervalo de confianza para Y usando (a) muestreo aleatorio simple y (b) estimadores de razn.

(a) Muestreo aleatorio simple

(1)

(2)

(3)

(4)

(5) Un intervalo de confianza de 95% para Y es

(b) Estimador de razn

 176

(1)

Usando la ecuacin (11.3b),

(2)

(3)

(4)

(5) Un intervalo de confianza de 95% para Y es

($16,46, $30,90) mil millones

 177

Trabajo Prctico - 11

Problema A: Una muestra aleatoria simple de 10 porciento de las unidades de vivienda de una aldea ha sido
seleccionada produciendo las 12 unidades de vivienda listadas a continuacin. De cada unidad
muestral, se obtuvo informacin sobre el nmero de personas en el hogar y el total anual de ingresos;
los resultados aparecen a continuacin. Tambin se sabe de fuentes independientes que la poblacin
total de todos los hogares de la aldea es de 600 personas.

Unidad Total de Total

muestral personas de ingresos
1 6 $ 7.000
2 6 8000
3 5 3000
4 8 10000
5 4 2000
6 2 1000
7 4 2000
8 5 3000
9 1 1000
10 7 8000
11 4 1000
12 5 6000
Total 57 $52.000

Ejercicio 1. Estime los ingresos totales de todos los hogares de la aldea usando un factor de expansin directo.

Ejercicio 2. Estime los ingresos totales de todos los hogares de la aldea usando un estimador de razn.

Ejercicio 3. Use los resultados muestrales para estimar el coeficiente de variacin para cada una de las
estimaciones precedentes.

Problema B: El cuadro siguiente muestra el total de hectreas en tres explotaciones junto con los pagos por
concepto de mano de obra, extrado de 30 explotaciones. Se supone que el verdadero valor del total
de hectreas de todas las explotaciones, X, sea 800.
 178

Explotacin Hectreas Pagos

(i) (xi) (yi)
1 5 382
2 8 467
3 10 701

Ejercicio 4. Estime los pagos totales para todas las explotaciones Y.

Ejercicio 5. Estime la varianza de .

Ejercicio 6: Calcule el coeficiente de variacin de

Ejercicio 7: Consiga el intervalo de confianza de 95% para Y.

 179

Estimador de Razn

1. Un agente forestal est interesado en estimar el volumen total de arboles en una venta de madera. El agente
registra el volumen de cada arbol tomando una muestra aleatoria simple. Adems, mide el rea de la base de
cada rbol marcado para la venta. Luego, utiliza un estimador de razn para el volumen total.

El agente decide tomar una muestra aleatoria simple de n = 12 a partir de N = 250 rboles marcados para la
venta. Que x denote el rea de la base e y volumen en pies cbicos del rbol. El rea total de las bases de los
250 rboles, Tx, es 75 pis cuadrados. Utilice los datos ms abajo para estimar Ty, el volumen total en pis
cbicos para los rboles marcados para la venta y encuentre el error.

Arbol en Area de la base Volumen en pis cbicos

muestra (x) (y)
1 .3 6
2 .5 9
3 .4 7
4 .9 19
5 .7 15
6 .2 5
7 .6 12
8 .5 9
9 .8 20
10 .4 9
11 .8 18
12 .6 13

2. Utilice los datos del ejercicio 1 para calcular la estimacin de Ty usando el estimador
. Encuentre el error y compare los resultados con los del ejercicio anterior.

3. Se llev a cabo una encuesta de consumidores para determinar el cociente entre el dinero que se gast en
comida y el ingreso total de los hogares de una cierta comunidad pequea. Se seleccion una muestra
aleatoria simple de 14 hogares a partir de los 150 hogares de la comunidad. Los datos de la muestra se
presentan ms abajo. Estimar la razn poblacional R, y encontrar el error.

Hogar Ingreso Total (xi) Gastos en comida (yi)

1 5,010 990
2 12,240 2,524
3 9,600 1,935
4 15,600 3,123
5 14,400 2,760
6 6,500 1,337
7 8,700 1,756
8 8,200 2,132
9 14,600 3,504
10 12,700 2,286
11 11,500 2,875
12 10,600 2,226
13 7,700 1,463
14 8,500 1,905

=145,850 = 30,816
 180

4. Una corporacin est interesada en estimar los ingresos totales de las ventas de televisores a color al fin de
un perodo trimestral. Se tienen los ingresos disponibles para todos los distritos dentro de la corporacin
para el perodo trimestral correspondiente al ao anterior. Se saca una muestra aleatoria simple de 13
oficinas de distrito a partir de las 123 oficinas dentro de la corporacin. Usando el estimador de razn,
estimar Ty y encontrar el error. Utilice los datos de la tabla ms abajo y suponga que Tx = 128,200.

Oficin Datos trimestrales del ao anterior Datos trimestrales del ao actual

a (xi) (yi)
1 550 610
2 720 780
3 1,500 1,600
4 1,020 1,030
5 620 600
6 980 1,050
7 928 977
8 1,200 1,440
9 1,350 1,570
10 1,750 2,210
11 670 980
12 729 865
13 1,530 1,710

5. Utilice los datos del ejercicio anterior para estimar el promedio de ingresos para las oficinas dentro de la
corporacin. Encuentre el error de estimacin.

6. Un investigador tiene una colonia de N = 763 ratas que han sido sometidas a una cierta droga. El tiempo
promedio para llegar de la entrada a la salida del laberinto correctamente bajo la influencia de la droga
estndar es de x = 17.2 segundos. El investigador ahora quiere tomar una muestra de 11 ratas y someterlas a
una nueva droga. Estimar el tiempo promedio para cruzar el laberinto bajo la influencia de la nueva droga.
Encuentre el error de estimacin. (Ayudita: es razonable usar el estimador de razn para la media si se
supone que las ratas reaccionarn a la nueva droga de la misma manera que reaccionaron a la droga estndar).

Rat Droga Estndar Droga Nueva

a (xi) (yi)
1 14.3 15.2
2 15.7 16.1
3 17.8 18.1
4 17.5 17.6
5 13.2 14.5
6 18.8 19.4
7 17.6 17.5
8 14.3 14.1
9 14.9 15.2
10 17.9 18.1
11 19.2 19.5

7. Un grupo de 100 conejos se est utilizando para llevar a cabo un estudio de nutricin. Se toma el peso de
cada conejo antes del estudio. El promedio de estos pesos es 3.1 libras. Despus de dos meses, el
investigador quiere obtener el peso promedio aproximado de los conejos. Selecciona n = 10 conejos
aleatoriamente y los pesa. El peso original y el actual se presentan ms abajo:
 181

Conejo 1 2 3 4 5 6 7 8 9 10
Peso 3.2 3.0 2.9 2.8 2.8 3.1 3.0 3.2 2.9 2.8
Original
Peso Actual 4.1 4.0 4.1 3.9 3.7 4.1 4.2 4.1 3.9 3.8

Estimar el peso promedio actual y encontrar el error.

8. Un trabajador social quiere estimar la razn entre el nmero promedio de cuartos por apartamento y el
nmero promedio de personas por apartamento dentro de un barrio urbano. Selecciona una muestra aleatoria
simple de 25 apartamentos a partir de los 275 en el barrio urbano. Que xi denote el nmero de personas en el
apartamento i y que yi denote el nmero de cuartos en el apartamento i. De un recuento del nmero de
cuartos y del nmero de personas en cada apartamento, se obtuvieron los siguientes datos:

Estimar la razn entre el nmero promedio de cuartos y el nmero promedio de personas en el barrio urbano
y encontrar el error de estimacin.

9. Un gerente de recursos forestales est interesado en estimar el nmero de rboles de cedro muertos en una
rea de 300 acres de infeccin severa. Usando fotografa area, divide el rea en 200 parcelas de 1.5 acres.
Que x denote el recuento fotogrfico de los cedros muertos y que y denote el recuento en tierra actual para
una muestra aleatoria simple de 10 parcelas. El nmero total de cedros muertos obtenido por fotografa area
es Tx = 4,200. Use los datos de la muestra ms abajo para estimar Ty, el nmero total de cedros muetos en el
rea de 300 acres. Encuentre el error de estimacin.

Parcela en Recuento fotogrfico Recuento en la tierra

muestra (xi) (yi)
1 12 18
2 30 42
3 24 24
4 24 36
5 18 24
6 30 36
7 12 14
8 6 10
9 36 48
10 42 54
 182

10. Los miembros de una asociacin de maestros estn preocupados por el aumento de salarios que se les
otorg a los maestros de escuela secundaria de un cierto sistema escolar. Se saca una muestra aleatoria
simple de 15 maestros a partir de una lista alfabtica de todos los maestros de escuela secundaria en el
sistema. Se entrevistan a los 15 maestros para determinar sus salarios para este ao y el anterior. Use
estos datos para determinar R, la tasa de cambio, para los 750 maestros de escuela secundaria en el
sistema escolar. Encuentre el error de estimacin.

Maestro Salario ao Salario este

anterior ao
1 5,400 5,600
2 6,700 6,940
3 7,792 8,084
4 9,956 10,275
5 6,355 6,596
6 5,108 5,322
7 7,891 8,167
8 5,216 5,425
9 5,416 5,622
10 5,397 5,597
11 8,152 8,437
12 6,436 6,700
13 9,192 9,523
14 7,006 7,279
15 7,311 7,582