Estadística Aplicada Producto Académico N° 01

Producto Académico N° 01

1. Describa claramente cuáles son las clases de muestreo.

Existen diferentes criterios de clasificación de los diferentes tipos de muestreo, aunque

en general pueden dividirse en dos grandes grupos: métodos de muestreo
probabilísticos y métodos de muestreo no probabilísticos.
probab ilísticos.
1.- Muestreo aleatorio simple : El procedimiento empleado es el siguiente: 1) se
asigna un número a cada individuo de la población y 2) a través de algún medio
mecánico (bolas dentro de una bolsa, tablas de números aleatorios, números aleatorios
generados con una calculadora u ordenador, etc.) se eligen tantos sujetos como sea
necesario para completar el tamaño de muestra requerido. Este procedimiento,
atractivo por su simpleza, tiene poca o nula utilidad práctica cuando la población que
estamos manejando es muy grande.

2.- Muestreo aleatorio sistemático:   Este procedimiento exige, como el anterior,

numerar todos los elementos de la población, pero en lugar de extraer n números
aleatorios sólo se extrae uno. Se parte de ese número aleatorio i, que es un número
elegido al azar, y los elementos que integran la muestra son los que ocupa los lugares
i, i+k, i+2k, i+3k,...,i+(n-1)k, es decir se toman los individuos de k en k, siendo k el
resultado de dividir el tamaño de la población entre el tamaño de la muestra: k= N/n. El
número i que empleamos como punto de partida será un número al azar entre 1 y k. El
riesgo este tipo de muestreo está en los casos en que se dan periodicidades en la
población ya que al elegir a los miembros de la muestra con una periodicidad constante
(k) podemos introducir una homogeneidad que no se da en la población. Imaginemos
que estamos seleccionando una muestra sobre listas de 10 individuos en los que los 5
primeros son varones y los 5 últimos mujeres, si empleamos un muestreo aleatorio
sistemático con k=10 siempre seleccionaríamos o sólo hombres o sólo mujeres, no
podría haber una representación de los dos sexos.
3.- Muestreo aleatorio estratificado:  Trata de obviar las dificultades que presentan los
anteriores ya que simplifican los procesos y suelen reducir el error maestral para un
tamaño dado de la muestra. Consiste en considerar categorías típicas diferentes entre
sí (estratos) que poseen gran homogeneidad respecto a alguna característica (se
puede estratificar, por ejemplo, según la profesión, el municipio de residencia, el sexo,
el estado civil, etc.). Lo que se pretende con este tipo de muestreo es asegurarse de

1|P á g i n a
 Estadística Aplicada Producto Académico N° 01

que todos los estratos de interés estarán representados adecuadamente en la muestra.

Cada estrato funciona independientemente, pudiendo aplicarse dentro de ellos el
muestreo aleatorio simple o el estratificado para elegir los elementos concretos que
formarán parte de la muestra. En ocasiones las dificultades que plantean son
demasiado grandes, pues exige un conocimiento detallado de la población. (Tamaño
geográfico, sexos, edades,...). La distribución de la muestra en función de los diferentes
estratos se denomina afijación, y puede ser de diferentes tipos: Afijación Simple: A
cada estrato le corresponde igual número de elementos muéstrales. Afijación
Proporcional: La distribución se hace de acuerdo con el peso (tamaño) de la población
en cada estrato. Afijación Óptima: Se tiene en cuenta la previsible dispersión de los
resultados, de modo que se considera la proporción y la desviación típica. Tiene poca
aplicación ya que no se suele conocer la desviación.
4.- Muestreo aleatorio por conglomerados : Los métodos presentados hasta ahora
están pensados para seleccionar directamente los elementos de la población, es decir,
que las unidades muéstrales son los elementos de la población. En el muestreo por
conglomerados la unidad maestral es un grupo de elementos de la población que
forman una unidad, a la que llamamos conglomerado. Las unidades hospitalarias, los
departamentos universitarios, una caja de determinado producto, etc., son
conglomerados naturales. En otras ocasiones se pueden utilizar conglomerados no
naturales como, por ejemplo, las urnas electorales. Cuando los conglomerados son
áreas geográficas suele hablarse de "muestreo por áreas". El muestreo por
conglomerados consiste en seleccionar aleatoriamente un cierto número de
conglomerados (el necesario para alcanzar el tamaño muestral establecido) y en
investigar después todos los elementos pertenecientes a los conglomerados elegidos.

2. Calcule analíticamente el valore crítico z para un nivel de confianza del 93%.

NC=93 %
Z 0.01 0.02

-1.8 0.0351 0.0344 

 
=0.035
α=0.07

z
-Z +Z

2|P á g i n a
 Estadística Aplicada Producto Académico N° 01

*INTERPOLANDO.
      
 
1.81 0.351

a Z 0.035 Z= 1.81142

b
1.82 0.344
A

B
Z= 
En la tabla se observa los costos no contemplados de todos los contratos
realizados en el último año por cierta empresa.

Cuadro N°11: Costos no contemplados en los 48 últimos contratos

Costo no Costo no Costo no Costo no Costo no Costo no

Nº contemplado
Nº
contemplado
Nº
contemplado
Nº
contemplado
Nº
contemplado
Nº
contemplado

1 531,64 9 248,45 17 48,67 25 495,52 33 5477,51 41 199,80

2 2484,56 10 276,22 18 2279,34 26 47,17 34 3367,60 42 1334,39

3 670,48 11 118,61 19 141,81 27 808,60 35 1391,07 43 319,47

4 1584,87 12 222,50 20 478,71 28 132,72 36 5743,42 44 1280,44

5 242,06 13 98,48 21 133,67 29 187,59 37 374,76 45 7189,11

6 536,81 14 68,17 22 115,92 30 120,42 38 555,77 46 4388,82

7 1549,37 15 167,33 23 133,02 31 1484,08 39 618,09 47 217,94

8 83,31 16 740,13 24 97,24 32 133,89 40 1175,39 48 2699,28

3|P á g i n a
 Estadística Aplicada Producto Académico N° 01

a. Aplique detalladamente un muestreo sistemático que le permita seleccionar

aleatoriamente ocho observaciones. Escriba el número de la observación y el
valor correspondiente al costo de cada elemento de la muestra.

Hallando k

K= N/n= 48/8= 6

En la tabla aleatoria se eligió la columna c5 solo una columna porque k es de un

dígito.

Buscamos el primer valor que este entre 1 y 6 incluido y es = 6

Luego elegimos sumando k veces a la posición

N° Nº Costo no
muestra muestra contemplado
1 6 536,81

2 12 222,50

3 18 2279,34

4 24 97,24
5 30 120,42

6 36 5743,42

7 42 1334,39
8 48 2699,28

4|P á g i n a
 Estadística Aplicada Producto Académico N° 01

b. Estime e interprete con un nivel de confianza del 90% el costo real promedio
del contrato.
NC=90 %

NC=90%

N=48

̅
 =1099.8796%

S=1623.694

 
=0.05 α=0.1

  ̅
̅ ̅
-E<µ< +E  E=    √ 
1099.8796-385.52<µ<1099.8796+385.52 E=1.645
√ 
E=3.85.52

7.143596<µ<1485.3996

5|P á g i n a
 Estadística Aplicada Producto Académico N° 01

c. Estime e interprete con un nivel de confianza del 98% la desviación estándar

poblacional a partir de la muestra obtenida.
NC=98 %

NC=98%

N=48

S=1623.694



=0.01 α=0.02


 
=72.412 * INTERPELANDO

 
=?

40 47 50


− 
   


   
   

 

 
63.69     76.15   =72.412

40 47 50

− 
   

 
   
   

 

 
22.16     29.71   =27.445

     
   
 
      


6|P á g i n a
 Estadística Aplicada Producto Académico N° 01

d. Si se desea analizar la proporción de montos mayores que 1000 dólares, ¿cuál

debería ser el tamaño de muestra adecuado con nivel de confianza del 94% con
un error de 4 puntos porcentuales?

Costo no Costo no Costo no Costo no Costo no Costo no

Nº Nº Nº Nº Nº Nº
contemplado contemplado contemplado contemplado contemplado contemplado

1 9 17 25 33 5477,51 41

2 2484,56 10 18 2279,34 26 34 3367,60 42 1334,39

3 11 19 27 35 1391,07 43

4 1584,87 12 20 28 36 5743,42 44 1280,44

5 13 21 29 37 45 7189,11

6 14 22 30 38 46 4388,82

7 1549,37 15 23 31 1484,08 39 47

8 16 24 32 40 1175,39 48 2699,28

Hallando z

NC=94 %
Z 0.08 0.06

-1.8 0.0301 0.0294 

 
=0.03
α=0.06

*INTERPOLANDO. -Z     
  +Z


1.81 0.301

a Z 0.3 Z= 1.88142

b
1.89 0.0294
A

B
Z= 
7|P á g i n a
 Estadística Aplicada Producto Académico N° 01

Hallando n
 

 
  
DATOS 

NC=94% 
   903 
 =1928.24


 575
Z= 1.88142
E=4
57

4. Una compañía de taxis ha decidido comprar llantas radiales para su flota de

automóviles. La compra se efectuará de una de las marcas A y B. Para decidir
entre una de ellas, se tomó una muestra aleatoria de 31 llantas para cada marca,
con lo que se encontraron los resultados siguientes:

Marca Número de Recorrido Desviación Número de

llantas promedio estándar
llantas con al
evaluadas (Kilómetros)
menos un
defecto

A 31 46 300 5 000 3

B 31 48 100 6100 7

8|P á g i n a
 Estadística Aplicada Producto Académico N° 01

Estime mediante un intervalo de confianza del 96%la proporción de llantas defectuosas

de la marca B
2. Calcule analíticamente el valore crítico z para un nivel de confianza del 93%.

 A).DATOS
NC=96 %
N=31
X=3

  00977
=

̂=0.90323

 
=0.02
α=0.04

-Z +Z
ERROR
      
 
Z= 05
E=    
E= 05  
E=0.1091
INTERVALO DE CONFIANZA

 ̂
-E<P< +E

0.09677-0.1091<P<0.9677+0.1091

-0.1233<P<P0.20587

9|P á g i n a
 Estadística Aplicada Producto Académico N° 01

b). Analice la relación de varianzas de ambas marcas al 95% y decida cual marca
comprar.
NC=95 %

EN A
NC=95%

N=31

 
=0.025 α=0.05

S=500


 
=46.98

 
=16.79

         


 

 
 


 

 

        

  
 
  
 

  
      

10 | P á g i n a
 Estadística Aplicada Producto Académico N° 01

EN B
NC=95 %

NC=95%

n=31

 
=0.025
α=0.05

S=6100


 
=46.98
         
     

 
=16.79
 

 
 


        

  
 
  
 

  
      

Yo decido comprar la marca A por tener menos rango de variación

11 | P á g i n a
 Estadística Aplicada Producto Académico N° 01

5. Un fabricante de impresoras desea estimar la vida promedio de sus cabezales

de impresión. La estimación ha de estar dentro de 2 horas en torno a la media y
tener un nivel de confianza del 90%. Si una muestra piloto del último lote de 800
cabezales revela una desviación típica de 25 horas, ¿cuál debe ser el tamaño de
la muestra para validar dicho lote?

DATOS NC=90 %
α=

NC=90%
N=800
 =25

 
=0.05 α=0.1

Z= 1.645
E=2

 

 
 



 5  5
 
 3

La debería ser de 3

12 | P á g i n a