Muestreo

INTRODUCCIÓN
Nuestros conocimientos, actitudes y acciones están basadas en gran parte sobre

muestras esto es verdad real en la vida cotidiana como en la investigación
científica. Así, la opinión que tiene una persona de una institución que realiza miles
de transacciones diarias, a menudo se basa en uno o dos contactos ocurridos en el
transcurso de muchos años.
Se hará referencia sobre el muestreo estadístico, técnicas, niveles y tipos

fundamentales de un muestreo; se describen conceptos básicos que explican lo
que esto se refiere al igual se aprecia cómo y qué tipo de técnicas se pueden
utilizar para poner en práctica la realización de una auditoria con la finalidad de
obtener una información determinada para lograr un objetivo específico.
El muestreo estadístico es un procedimiento por el que se ingresan los

valores verdaderos de una población a través de la experiencia obtenida con una
muestra.
El muestreo como herramienta de la investigación científica arroja resultados que

se pueden utilizar para concluir un determinado estudio X de población, al igual las
técnicas selectivas que se requieren para dicho estudio de acuerdo a lo que se va a
evaluar.
El muestreo permite una reducción considerable de los costos materiales del

estudio, una mayor rapidez en la obtención de la información y el logro de
resultados con máxima calidad.
CONCEPTOS GENERALES
Estadística inferencial
La estadística inferencial se ocupa de extender o extrapolar a toda una población,

informaciones obtenidas de una muestra, así como de la toma de decisiones.
Población
Es el conjunto total de individuos susceptibles de poseer la información buscada.

No se refiere exclusivamente a personas, la población puede estar formada por
todos los árboles de un bosque.
Muestra
Es la parte de la población en la que se miden las características estudiadas. El

número de individuos de la muestra se llama tamaño de la muestra.
Encuesta
Es el proceso de obtener la información buscada entre los elementos de la

muestra.
TERMINOLOGIA BASICA PARA EL MUESTREO
Parámetro:
Son las medidas o datos que se obtienen sobre la distribución de probabilidades de

la población, tales como la media, la varianza, la proporción, etc. Un parámetro es
una medida usada para describir alguna característica de una población, tal como
una media aritmética, una mediana o una desviación estándar de una población.
Cuando los dos nuevos términos de arriba son usados, por ejemplo, el proceso de
estimación en inferencia estadística puede ser descrito como le proceso de estimar
un parámetro a partir del estadístico correspondiente, tal como usar una media
muestral (un estadístico para estimar la media de la población (un parámetro)
Error Estándar:
La desviación estándar de una distribución, en el muestreo de un estadístico, es

frecuentemente llamada el error estándar del estadístico. Por ejemplo, la
desviación estándar de las medias de todas la muestras posibles del mismo
tamaño, extraídas de una población, es llamada el error estándar de la media. De
la misma manera, la desviación estándar de las proporciones de todas las
muestras posibles del mismo tamaño, extraídas de una población, es llamada el
error estándar de la proporción. La diferencia entre los términos "desviación
estándar" y "error de estándar" es que la primera se refiere a los valores
originales, mientras que la última está relacionada con valores calculados. Un
estadístico es un valor calculado, obtenido con los elementos incluidos en una
muestra.
Grado o Nivel de Confianza
El Grado o nivel de confianza es la probabilidad de que la estimación efectuada se

ajuste a la realidad.
El nivel o grado de confianza es siempre fijado por el investigador en base a su

experiencia y conocimiento acerca de la población a investigar. Generalmente se
trabaja con el 95% de confianza correspondiente a un valor de Z=1.96, el mismo
que usaremos en esta investigación.
Error de Muestreo
El error de muestreo admisible es también definido por el investigador y está

representado por e o E, debemos tomar en cuenta que a mayor error menor será
el tamaño de la muestra y, así mismo al contrario, a menor error mayor será el
tamaño de la muestra. Para esta investigación fijaremos un error del 5%.
IMPORTANCIA DEL MUESTREO
A lo largo del curso se hacen uso de dos tipos de razonamiento: el deductivo y

el inductivo. El primero está relacionado directamente con la teoría de
probabilidad, que a partir de las características de la población se obtienen las
posibles características de una muestra.
Recursos limitados: Es decir, no existen los recursos humanos, materiales o

económicos para realizar el estudio sobre el total de la población. Es como cuando
se compra un aparato, un automóvil usado (por ejemplo), que se prueba unos
minutos (el encendido, una carrerita, etc.) para ver si funciona correctamente y
luego se adquiere, pero no se espera a probarlo toda la vida (encendiéndolo y
apagándolo o, simplemente, dejándolo encendida) antes de realizar la adquisición.
Escasez: Es el caso en que se dispone de una sola muestra. Por ejemplo, para
el estudio paleontológico de los dinosaurios (el Tiranosaurio Rex por ejemplo) sería
muy bueno contar con, al menos, muchos restos fósiles y así realizar tales
investigaciones; sin embargo, se cuenta sólo con una docena de esqueletos
fosilizados (casi todos incompletos) de esas criaturas en todo el mundo.
Pruebas destructivas: Es el caso en el que realizar el estudio sobre toda la

población llevaría a la destrucción misma de la población. Por ejemplo, si se
quisiese saber el conteo exacto de hemoglobina de una persona habría que
extraerle toda la sangre.
El muestreo puede ser más exacto: Esto es en el caso en el que el estudio

sobre la población total puede causar errores por su tamaño o, en el caso de los
censos, que sea necesario utilizar personal no lo suficientemente capacitado;
mientras que, por otro lado, el estudio sobre una muestra podría ser realizada con
menos personal pero más capacitado.
MARCO MUESTRAL
Es la base sobre el cual se debe diseñar los procesos de selección de unidades de
muestreo, Un marco muestral es una lista de todas las unidades de muestreo
disponibles para su selección en una etapa del proceso de muestreo.
Tipos de marco muestral
 Marco muestral de lista

Cuando las unidades de muestreo se constituyen en un solo marco.
Ejemplo: Un listado enumerado de las empresas más rentables del país.
 Marco muestral de áreas

Cuando las unidades de marco son áreas de terreno generalmente
llamados segmentos y dentro de ellas suelen haber varias unidades de
información para esto se utiliza mapas y listados
Ejemplo: Marco digital de áreas de vivienda urbana.
Ejemplo:
El marco muestral es la representación simbólica de la población objetivo,
para ésta investigación el marco muestral lo constituye el listado de todas
las universidades y escuelas politécnicas que se encuentren dentro de la
ciudad de Guayaquil. En la Tabla IV se muestra el listado clasificado por
tipo de Financiamiento.
TABLA IV
Guayas-Guayaquil
Marco Muestral
Li
st
a
d
e
U
ni
v
er
si
d
a
d
e
s
y
E Escuelas y Universidades
s
c
u
el
a
s
P
ol
it
é
c
ni
c
a
sX
N. Financiamiento
1 Escuela Superior Politécnica del Litoral Pública
2 Universidad Agraria Del Ecuador Pública
3 Universidad Casa Grande Particular Autofinanciada
4 Universidad Católica De Santiago De Guayaquil Particular Cofinanciada
5 Universidad de Guayaquil Pública
6 Universidad del Pacífico Escuela de Negocios Particular Autofinanciada
7 Universidad Jefferson Particular Autofinanciada
8 Universidad Laica Vicente Rocafuerte de Guayaquil Particular Cofinanciada
9 Universidad Metropolitana * Particular Autofinanciada
1 Universidad Particular de Especialidades Espíritu Santo
0 Particual Autofinanciada
1 Universidad Tecnológica Empresarial de Guayaquil
1 Particual Autofinanciada
1 Universidad Politécnica Salesiana *
2 Particular Cofinanciada
1 Universidad Federico Santa Maria de Chile
3 Particular Autofinanciada
14 Universidad Técnica Particular de Loja * Particular Cofinanciada
15 Universidad Cristiana Latinoamericana * Particular Autofinanciada
* Extensión de la Universidad en la ciudad de Guayaquil
Fuente: Secretaría Nacional de Educación Superior, Ciencia, Tecnología e Innovación

(SENESCYT),
Muestra Piloto
La muestra piloto se la realizo a 70 graduados de tercer nivel de las diferentes

universidades y escuelas politécnicas particulares financiadas, cofinanciadas o públicas de
la ciudad de Guayaquil, la variable de interés que se consideró para este estudio fue:
Posee ud. información necesaria sobre las carreras de postgrado de la ESPOL tales como:
(Puede elegir más de una opción); las operaciones eran:
1. Maestría en Control de Operaciones y Gestión Logística

2. Maestría de Gestión de la Productividad y la Calidad
3. Maestría en Investigación de Mercado
4. Ninguna de las anteriores
¿
Las tres primeras opciones fueron tomadas como p que significa la cantidad de
profesionales que poseen conocimiento sobre una, dos o tres de las maestrías
¿
enumeradas anteriormente, mientras la opción restante fue tomada como q que
significa la proporción de estudiantes que no poseen información necesaria acerca de las
carreras de postgrado descritas en las opciones anteriores; de los 70 profesionales
seleccionados al azar 57 contestaron ninguna de las anteriores, mientras los 13
profesionales restantes respondieron cualquiera de las tres primeras alternativas, ahora
¿ ¿
con estos resultados ya se puede calcular p y q .
¿ ¿
p=13/70=0.19 p=0.19
¿
p=0 . 19 ¿
q =0.81
¿Cómo se calcula una muestra?
Se calcula aplicando las siguientes formulas:
Determinación del Tamaño de la Muestra
El tamaño de la muestra a través de proporciones se determinó con los siguientes datos y
parámetros:
1. Error del diseño = 0.04
2. Nivel de Confianza (1- α ) 100% con α =0.05, se obtiene entonces un
95% de confianza.
3. Z α /2 =1.96, dicho valor es obtenido de la Tabla de distribución Normal.
4. Tamaño de la población, N=154,281

¿
5. p=0 . 19
¿
q =0.81
¿ ¿ ¿
6. σ =p∗q =0.19∗0.81=0.1539
7. El tamaño de la muestra para el muestreo aleatorio simple se calcula con la
siguiente ecuación:
n0
n=
n0
1+
N
El valor de n0 proviene de:

2
Z α/2 ¿ ¿
n0 = 2 p q
e
Al reemplazar los valores en ambas fórmulas tenemos:
1 .96 2
n0 = (0 . 19∗0 . 81)=369. 514
0 .04 2
369. 514
n= =368 . 63≈369
369 .514
1+
154281
Lo cual nos indica que el tamaño de la muestra para este estudio es de 369 profesionales
de tercer nivel.
Ejemplo Explicativo (Cálculo del tamaño de la muestra)
Veamos los pasos necesarios para determinar el tamaño de una muestra empleando el
muestreo sistemático. Para ello es necesario partir de dos supuestos: en primer lugar el
nivel de confianza al que queremos trabajar; en segundo lugar, cual es el error máximo
que estamos dispuestos a admitir en nuestra estimación. Así pues los pasos a seguir son:
1.- Obtener el tamaño muestral imaginando que :

Dónde:
: z correspondiente al nivel de confianza elegido
: varianza poblacional
e: error máximo
2.- Comprobar si se cumple

si esta condición se cumple el proceso termina aquí, y ese es el tamaño adecuado que
debemos muestrear.
Si no se cumple, pasamos a una tercera fase:

3.- Obtener el tamaño de la muestra según la siguiente fórmula:
El ministerio de Educación Superior planea un estudio con el interés de conocer el

promedio de estudiantes que posee la facultad de Ciencias Administrativas que está
cursando la materia de estadística en la carrera de Ingeniería Comercial La muestra será
extraída de una población de 10000 estudiantes que figuran en los registros del Registro
Académico de la facultad y de las cuales se conoce a través de un estudio piloto que su
varianza es de 9.648. Trabajando con un nivel de confianza de 0.95 y estando dispuestos a
admitir un error máximo de 0,1, ¿cuál debe ser el tamaño muestral que empleemos?
Buscamos en las tablas de la curva normal el valor de que corresponde con el nivel
de confianza elegido: = ±1.96 y seguimos los pasos propuestos arriba.
1.-
2.- Comprobamos que no se cumple , pues en este caso
10000 < 3706 (3706 - 1); 10000 < 13730730
3.-
Tamaño de muestra para estimar la proporción de la población
Para calcular el tamaño de muestra para la estimación de proporciones poblacionales

hemos de tener en cuenta los mismos factores que en el caso de la media. La fórmula que
nos permitirá determinar el tamaño muestral es la siguiente:

Dónde:
: z correspondiente al nivel de confianza elegido

P: proporción de una categoría de la variable
e: error máximo
N: tamaño de la población
Siguiendo con el estudio planteado en el punto anterior, supongamos que tratamos de

estimar la proporción de mujeres que trabajan diariamente 10 horas o más. De un estudio
piloto se dedujo que P=0.30, fijamos el nivel de confianza en 0.95 y el error máximo 0.02.

MUESTREO
Es una herramienta de investigación científica, cuya función básica es determinar
que parte de una población debe examinarse, con la finalidad de hacer inferencias
sobre dicha población.
La muestra debe lograr una presentación adecuada de la población, en la que se

reproduzca de la mejor manera los rasgos esenciales de dicha población que son
importantes para la investigación. Para que una muestra sea representativa, y por
lo tanto útil, debe de reflejar las similitudes y diferencias encontradas en la
población, es decir ejemplificar las características de esta.
Los errores más comunes que se pueden cometer son:
1.- Hacer conclusiones muy generales a partir de la observación de solo una parte
de la población, se denomina error de muestreo.
2.- Hacer conclusiones hacia una población mucho más grandes de la que
originalmente se tomó la muestra.
En la estadística se usa la palabra población para referirse no solo a personas sino

a todos los elementos que han sido escogidos para su estudio y el término
muestra se usa para describir una porción escogida de la población.
VENTAJAS DEL MUESTREO:
a) Costos reducidos.
b) Mayor rapidez para obtener resultados.
c) Mayor exactitud o mejor calidad de la información:
 Debido a los siguientes factores
 Volumen de trabajo reducido.
 Puede existir mayor supervisión en el trabajo.
 Se puede dar más entrenamiento al personal.
 Menor probabilidad de cometer errores durante el procesamiento de la

información.
d) Factibilidad de hacer el estudio cuando la toma de datos implica técnicas destructivas,

por ejemplo:
TIPOS DE MUESTREO:
MUESTREO NO PROBABILISTICO:
Los elementos de la muestra son seleccionados por procedimientos al azar ó con

probabilidades conocidas de selección. Por lo tanto es imposible determinar el grado de
representatividad de la muestra.
Dentro de los tipos de muestreo no Probabilístico, podemos mencionar los siguientes:
 Muestreo por Juicio, Selección Experta o Selección Intencional:
 Muestreo casual o fortuito:
 Muestreo de cuota:
MUESTREO PROBABILISTICO O ALEATORIO:
PROPIEDADES DEL MUESTREO PROBABILISTICO:
a) Existe la posibilidad de definir inequívocamente un conjunto de muestras M 1, M2, .... ,

Mt mediante la aplicación del procedimiento a una población. Esto significa que podemos
indicar cuales unidades de muestreo pertenecen a M 1, M2 y así sucesivamente.
b) A cada posible muestra Mi se le asigna un probabilidad conocida de selección Pi .
c) Seleccionamos una de las Mi por un proceso mediante el cual, cada Mi tiene una
probabilidad Pi de ser seleccionada.
d) El método de estimación se realiza en base a la muestra, siendo unico para cualquiera

de las posibles muestras Mi.
TIPOS DE MUESTREO PROBABILISTICO:
a) Muestreo simple aleatorio
b) Muestreo sistemático
b) Muestreo Estratificado.
MUESTREO ALEATORIO SIMPLE
El muestreo aleatorio simple selecciona muestras mediante métodos que permiten

que cada posible muestra tenga una igual probabilidad de ser seleccionada y que
cada elemento de la población total tenga la una oportunidad igual de ser incluido
en la muestra.
Ejemplo: Supongamos que tenemos una población de cuatro estudiantes en un seminario

y queremos muestras de dos estudiantes cada vez para entrevistarlos.
Se ilustran todas las combinaciones posibles de muestras de dos estudiantes en una
población de cuatro, la probabilidad de cada muestra de ser seleccionada y la de que cada
estudiante esté en una muestra.
Estudiantes: A, B, C y D
Muestras posibles de dos personas: AB, AC, AD, BC, BD, CD
La probabilidad de extraer esta muestra de dos personas debe ser:

1
P ( AB ) =
6
1
P ( AC )=
6
(Sólo hay seis muestras
1
P ( AD )= posibles de dos personas)
6
1
P ( BC )=
6
1
P ( BD )=
6
1
P ( CD ) =
6
El ejemplo ilustrado anteriormente utiliza una población finita de cuatro estudiantes.

Población finita. Por finito nos referimos a que la población tiene un tamaño establecido o
limitado, es decir, existe un número entre (N) que indica cuantos elementos hay en la
población.
¿Cómo hacer un muestreo aleatorio?
La forma más fácil de seleccionar una muestra de manera aleatoria es mediante el uso de
números aleatorios. Estos números pueden generarse ya sea con una computadora
programada para revolver números o mediante una tabla de números aleatorios, que,
propiamente, debería llamarse tabla de dígitos aleatorios.
La tabla 1 presenta una proporción de una tabla semejante, que contiene 1250 dígitos
aleatorios divididos en conjuntos de 5. Estos números han sido generados mediante un
proceso completamente aleatorio. La probabilidad de que aparezca cualquier dígito de 0 a
9 es la misma que la de cualquier otra secuencia de la misma longitud.
Uso de la tabla de dígitos aleatorios
Para aprender a usar esta tabla, suponga que hay 100 empleados en una compañía y
desea entrevistar a una muestra de 10 de ellos escogidos al azar. Podría obtener una
muestra aleatoria al asignar a cada empleado un número desde 00 a 99, consultando la
tabla 1 y escogiendo un método sistemático de seleccionar dos dígitos. En este caso,
podría hacer lo siguiente:
1. Recorra de arriba abajo las columnas, comenzando con la columna de la
izquierda, y lea sólo los primeros dos dígitos en cada fila. Observe que el
primer número al usar este método sería 63, el segundo 88 y el tercero 55,
etcétera.
2. Si llega hasta el final de la última columna de la derecha y todavía no tiene
completos los 10 números de dos dígitos menores de 99 deseados, puede
regresar al principio (a la parte de arriba de la columna de la izquierda) y
comenzar a leer el tercero y cuarto dígitos de cada grupo o conjunto. Estos
comenzarían con 27, 54 y 95.
Otra forma de seleccionar a los empleados del ejemplo sería escribir el nombre de cada
uno en un pedazo de papel y depositar estos pedazos en una caja. Después de revolverlos
bien, podría extraer 10 pedazos al azar. Este método funciona bien con un grupo pequeño
de personas, pero presenta problemas si el número de la población llega a cantidades del
orden de los miles. También está el problema adicional de no estar seguro de que los
pedazos de papel estén bien revueltos.
Como obtener números al azar en calculadora.
 Los podemos realizar por medio de calculador científica en donde os

dirigimos a la tecla Shift + RAM#.
 En caso de desear para el muestreo al azar números enteros multiplicamos
el valor obtenido por 100.
Muestra aleatoria simple (población finita)

Una muestra aleatoria simple de tamaño n, de una población finita de tamaño N, es una
muestra seleccionada de tal manera que cada muestra posible de tamaño n tenga la
misma posibilidad de ser seleccionada.
El número de muestras aleatorias simples distintas de tamaño n que pueden seleccionarse
de una población finita de tamaño N es:
N!
En esta fórmula N! y n! son factoriales.
n ! ( N −n ) !
TABLA DE NÚMEROS ALEATORIOS
Tabla 1 NÚMEROS ALEATORIOS

63271 59986 71744 51102 15141 80714 58683 93108 13554 79945
88547 09896 95436 79115 08303 01041 20030 63754 08459 28364
55957 57243 83865 09911 19761 66535 40102 26646 60147 15702
46276 87453 44790 67122 45573 84358 21625 16999 13385 22782
55363 07449 34835 15290 76616 67191 12777 21861 68689 03263
69393 92785 49902 58447 42048 30378 87618 26933 40640 16281
13186 29431 88190 04588 38733 81290 89541 70290 40113 08243
17726 28652 56836 78351 47327 18518 92222 55201 27340 10493
36520 64465 05550 30157 82242 29520 69753 72602 23756 54935
81628 36100 39254 56835 37636 02421 98063 89641 64953 99337
84649 48968 75215 75498 49539 74240 03466 49292 36401 45525
63291 11618 12613 75055 43915 26488 41116 64531 56827 30825
70502 53225 03655 05915 37140 57051 48393 91322 25653 06543
06426 24771 59935 49801 11082 66762 94477 02494 88215 27191
20711 55609 29430 70165 45406 78484 31639 52009 18873 96927
41990 70538 77191 25860 55204 73417 83920 69468 74972 38712
72452 36618 76298 26678 89334 33938 95567 29380 75906 91807
37042 40318 57099 10528 09925 89773 41335 96244 29002 46453
53766 52875 15987 46962 67342 77592 57651 95508 80033 69828
90585 58955 53122 16025 84299 53310 67380 84249 25348 04332
32001 96293 37203 64516 51530 37069 40261 61374 05815 06714
62606 64324 46354 72157 67248 20135 49804 09226 64419 29457
10078 28073 85389 50324 14500 15562 64165 06125 71353 77669
91561 46145 24177 15294 10061 98124 75732 00815 83452 97355
13091 98112 53959 79607 52244 63303 10413 63839 74762 50289
Ejemplo 1:
La asociación de transporte aeroportuario de Estados Unidos proporciono la siguiente lista

de las 10 aerolíneas más grandes del mundo.
1. Aeroflot (Rusia) 6. JAL (Japón)
2. Air France (Francia) 7. Lufthansa (Alemania)
3. American Airlines (EUA) 8. Northwest Airlines (EUA)
4. British Airways (Reino Unido) 9. Unites Airlines (EUA)
5. Delta Airlines (EUA) 10. USAir (EUA)
a) Suponga que se debe seleccionar una muestra de 5 de ellas, parra un

estudio de detalle de factores, como por ejemplo, la cantidad de aviones en
servicio, el total anual de pasajeros-millas volados, etc. comenzando con el
primer dígito aleatorio de la tabla 1 que es 6, y avanzando hacia debajo de
la columna, use los números aleatorios de un dígito para seleccionar una
muestra aleatoria simple de 5 aerolíneas que entrarán en el estudio.
Las 5 aerolíneas que se tomaran son: 6, 8, 5, 4, 1
Ejemplo 2:
A continuación se presentan las 10 acciones más activas en la Bolsa de New York del 6 de
marzo del 2006 (The Wall Street Journal, 7 de marzo, 2006)
1. AT&T
2. Pfizer
3. Lucent
4. Texas Instruments
5. Nortel
6. Gen. Elect.
7. Qwest
8. iShrMSJpn
9. Bell South
10. LSI Logic
Las autoridades decidieron investigar las prácticas de negociación usando una muestra de
tres de estas acciones.
a) Empezando en el primer dígito aleatorio de la columna seis de la tabla 1, lea
los números descendiendo por esa columna para seleccionar una muestra
aleatoria simple de tres acciones para las autoridades
Repuesta: Las tres acciones seleccionadas para la investigación serian la 8, 6 y 3.

b) Determine cuántas muestras aleatorias simples diferentes de tamaño 3
pueden seleccionarse de una lista de 10 acciones.
N! 10 !
= 120
n ! ( N −n ) ! 3 ! ( 10−3 ) !
Respuesta: En total se pueden hacer 120 muestras de tamaño 3 de la lista de las

10 acciones.
Población infinita. Es aquella en la que es teóricamente imposible observar todos los
elementos. Aunque muchas poblaciones parecen ser excesivamente grandes, no existe
una población realmente infinita de objetos físicos. Se utilizará el término población
infinita cuando se habla de una población que no podría enumerarse en un periodo
razonable de tiempo. Se utilizará el concepto teórico de población infinita como una
aproximación de una población finita enorme.
No se puede usar un procedimiento de selección con números aleatorios para una

población infinita, porque es imposible hacer una lista de esa población. En este caso se
debe determinar especialmente un procedimiento de selección de muestra, para
determinar los elementos en forma independiente y evitar así un sesgo en la selección
que dé mayores probabilidades de selección a ciertos tipos de elementos.
Estimación puntual
Para estimar de un parámetro poblacional, la característica correspondiente se calcula con
los datos de la muestra, a lo que se le conoce como estadístico muestral.
A continuación se muestra una tabla con el parámetro poblacional y su correspondiente
estimador puntual.
Parámetro poblacional
μ= Media poblacional . μ=
∑ xi
N
∑ (x i−μ)2
σ =Desviación estándar poblacional . σ=
p=
√
x
N
p=Proporción poblacional .
N
Estimador puntual
x́=Media muestral . x́=

∑ xi
n
∑ ( x i− x́)2
s= Desviaciónestándar muestral . s=
ṕ=
√
x
n−1
ṕ=Porporción muestral .
n
Ejemplo:
Al director de personal de Electronics Associates, Inc. (EAI), se le ha encargado las tareas
de elaborar un perfil de los 100 administradores de la empresa. Las características a
determinar son el sueldo medio anual de los administradores y la proporción de
administradores que han terminado el programa de capacitación de la empresa.
Con los 100 administradores de la empresa como la población para este estudio, es
posible hallar el sueldo anual y la situación respecto al programa de capacitación de cada
persona al consultar los archivos del personal.
M A R CO M U ES TR A L
Le x fo rd P rin t A s o ciate S .A .
G u ay a q u il- E cu ad o r
A ñ o 2014
F u e n te d e d a to s o b te n id o s : D e p a rta m e n to s A d m in is tra ti v o y F in a n cie ro .
C a pa c ita c ió n
N o m bre s C .I Se xo C a rg o S a la rio
P ro fe s io na l
1 A C U R I O M A LD O N A D O P A U LI N A M I C H E LLE 1 8 0 4 5 0 7 9 7 -6 Fe m e n in o T e c n ic o $ 5 2 .2 6 4 ,0 0 No
2 A G U I R R E N A R A N JO A N A LI Z B E TH 1 8 0 4 4 2 1 1 8 -6 Fe m e n in o D ire c ti vo $ 5 2 .9 7 3 ,6 0 No
3 A LLA U C A A LLA U C A A N G EL LU I S 0 6 0 4 0 6 5 3 3 -4 M a s c u lin o A d m in is tra ti vo $ 5 7 .6 5 5 ,8 0 Si
4 A LLA U C A O R TEG A E R I C K B O N I L 0 6 0 4 0 9 4 8 1 -3 M a s c u lin o D ire c ti vo $ 4 4 .4 5 7 ,1 0 No
5 A LTA M I R A N O I D R O V O M A U R I C I O F A B I A N 0 6 0 4 8 9 8 3 9 -5 M a s c u lin o E je c u ti vo $ 4 9 .9 5 8 ,2 0 Si
6 A LV A R A D O A LV A R A D O A N D R E S C E S A R 0 6 0 4 7 0 3 9 7 -5 M a s c u lin o As es or $ 5 4 .5 9 2 ,0 0 Si
7 A LV A R A D O R I V E R A G A B R I EL A LE JA N D R O 0 6 0 4 6 2 7 8 1 -0 M a s c u lin o T e c n ic o $ 5 5 .2 9 5 ,9 0 No
8 A LV A R EZ G O M EZ LU N A E S TR ELLA 0 6 0 4 3 7 9 7 5 -0 Fe m e n in o D ire c ti vo $ 4 8 .8 0 6 ,2 0 No
9 B A LC A Z A R C A LLE M A R I A JO S E 1 6 0 0 6 2 6 6 6 -5 Fe m e n in o E je c u ti vo $ 4 5 .3 5 6 ,8 0 No
10 B A R B A N I C O LA LD E S A N TI A G O M A R C E LO 0 6 0 4 6 1 2 0 9 -3 M a s c u lin o T e c n ic o $ 5 1 .2 5 5 ,0 0 No
11 B A S A N TE S C A S C A N TE C R I S T I A N ER N E S TO 0 6 0 3 8 1 3 1 6 -3 M a s c u lin o A d m in is tra ti vo $ 5 1 .0 0 9 ,4 0 Si
12 B O N I LLA B A YA S LO R EN A H ELE N 1 8 0 4 6 2 8 2 6 -9 Fe m e n in o O p e ra ti vo $ 5 0 .2 3 7 ,8 0 No
13 B O N I LLA LÓ P E Z D A M I Á N M I JA Í L 1 8 0 4 6 8 8 7 4 -3 M a s c u lin o D ire c ti vo $ 5 5 .3 9 2 ,8 0 Si
14 B O R JA U R R EA LES LEY R A Q U EL 0 2 0 2 2 8 3 5 1 -1 Fe m e n in o T e c n ic o $ 4 8 .5 2 2 ,1 0 No
15 B U EN A Ñ O P I C O M A R I A D E LO U R D ES 1 8 0 4 5 0 0 6 2 -5 Fe m e n in o E je c u ti vo $ 4 9 .5 6 9 ,5 0 No
16 C A B EZ A S H I N O JO S A D A N I EL D I E G O 0 6 0 4 7 8 5 8 2 -4 M a s c u lin o A d m in is tra ti vo $ 5 4 .1 6 4 ,8 0 No
17 C A JA M A R C A A LTA M I R A N O B YR O N B LA D I M I R0 6 0 4 4 2 6 9 0 -8 M a s c u lin o E je c u ti vo $ 5 2 .3 8 6 ,2 0 Si
18 C A LLE A N D R A D E LU I S D I EG O 0 6 0 4 4 4 6 6 1 -7 M a s c u lin o E je c u ti vo $ 5 9 .9 7 8 ,6 0 No
19 C A M P A S H U R TA D O F A B R I C I O R O N A LD 0 8 0 3 7 8 6 5 8 -1 M a s c u lin o O p e ra ti vo $ 4 8 .5 2 3 ,4 0 Si
20 C A M P O V ER D E S A N TO S D I A N A K A TH ER I N E 0 6 0 4 7 4 7 8 4 -0 Fe m e n in o O p e ra ti vo $ 5 1 .7 5 3 ,0 0 No
21 C A N D O V E I N TI M I LLA A N D R E A G I O M A R A 1 7 2 2 3 9 9 0 6 -8 Fe m e n in o O p e ra ti vo $ 5 0 .1 3 5 ,5 0 No
22 C A R R I LLO C A YA M B E M O N I C A LU C I A 0 6 0 4 7 3 6 5 9 -5 Fe m e n in o D ire c ti vo $ 5 2 .5 4 6 ,6 0 No
23 C A R V A JA L V ELA S C O C R I S TI N A A LE X A N D R A 0 5 0 2 9 5 5 2 8 -9 Fe m e n in o D ire c ti vo $ 5 0 .7 9 2 ,0 0 No
24 C A S TR O N U Ñ E Z M A R I A C O N C EP C I O N 1 8 0 3 9 9 0 0 7 -4 Fe m e n in o A d m in is tra ti vo $ 5 1 .3 8 4 ,1 0 Si
25 C A Y A M B E G U A M A N M A R I O JO S E 0 6 0 4 1 3 0 5 0 -0 M a s c u lin o As es or $ 4 5 .1 8 7 ,8 0 Si
26 C EP ED A C EP E D A F R A N C I S C A I S A B EL 0 6 0 4 3 9 7 0 6 -7 Fe m e n in o D ire c ti vo $ 4 6 .4 8 2 ,1 0 Si
27 C H A V EZ C A S T I LLO JH O N F A R I D 0 2 0 2 4 1 1 9 7 -1 M a s c u lin o D ire c ti vo $ 4 6 .1 5 0 ,0 0 No
28 C H I LI Q U I N G A V I LLA C I S JU A N H ER I B ER TO 0 5 0 3 5 5 4 7 7 -6 M a s c u lin o O p e ra ti vo $ 5 3 .7 0 6 ,3 0 Si
29 C H I LLO G A LLO P A R E D ES ES P ER A N Z A B E A TR I Z1 1 0 5 0 4 4 3 1 -5 Fe m e n in o D ire c ti vo $ 5 2 .9 7 5 ,1 0 Si
30 C H IM BO C AIZAG UANO M AR IO R AFAEL 0 6 0 4 7 9 3 4 4 -8 M a s c u lin o E je c u ti vo $ 5 3 .3 7 2 ,5 0 No
31 C H U G C H I LA N V EI N TI M I LLA B R YA N A R T U R O 1 7 2 2 3 9 9 1 1 -8 M a s c u lin o O p e ra ti vo $ 5 1 .7 3 8 ,9 0 No
32 C O LLA G U A Z O Ñ A M I Ñ A C R I S T I A N C E S A R 0 6 0 4 7 5 2 5 8 -4 M a s c u lin o E je c u ti vo $ 4 9 .7 9 3 ,1 0 Si
33 C U N A LA TA P O N LU I S A YES EN I A ELI ZA B ETH 1 8 0 3 7 5 2 9 4 -6 Fe m e n in o O p e ra ti vo $ 4 9 .7 8 2 ,2 0 No
34 D A M I A N C A B A D I A N A B EN A N C I O O S C A R 0 6 0 4 2 3 0 9 7 -9 M a s c u lin o A d m in is tra ti vo $ 5 1 .7 6 7 ,7 0 No
35 D A Q U I LE M A S U C U N O T A LEO N I D A S M A I C O L 0 9 2 1 1 8 1 4 4 -2 M a s c u lin o D ire c ti vo $ 4 8 .0 5 2 ,2 0 No
36 D Á V I LA P I N O TA N I A ELI Z A B E TH 0 6 0 4 0 2 5 3 5 -3 Fe m e n in o T e c n ic o $ 4 3 .7 5 4 ,7 0 No
37 D Á V I LA P I N O TO M A S D I EG O 0 6 0 4 1 1 4 3 9 -7 M a s c u lin o D ire c ti vo $ 5 6 .1 1 7 ,2 0 Si
38 D E LA C R U Z P U LLO P A X I K A R LA LO R E N A 0 5 0 3 2 7 7 9 2 -3 Fe m e n in o As es or $ 5 1 .9 6 8 ,1 0 Si
39 D Í A Z G R A N I Z O C R I S T I N A B ELE N 0 6 0 4 1 1 0 2 3 -9 Fe m e n in o O p e ra ti vo $ 4 9 .1 4 9 ,8 0 No
40 ER A Z O C H A V EZ G A B R I ELA JES S EN I A 1 6 0 0 4 6 5 8 9 -0 Fe m e n in o D ire c ti vo $ 5 5 .7 6 9 ,5 0 No
41 ER A Z O S Á N C H E Z JO LLI E D EN I S S E 0 2 0 1 5 6 8 0 9 -4 Fe m e n in o O p e ra ti vo $ 5 2 .0 9 7 ,1 0 Si
42 F R EI R E S I LV A S ER G I O V I N I C I O 1 8 0 4 7 9 2 1 5 -6 M a s c u lin o E je c u ti vo $ 5 6 .9 1 8 ,0 0 Si
43 G A N A N A N D I N O M A R Y E LI Z A B ET H 1 8 0 4 5 5 3 3 0 -1 Fe m e n in o O p e ra ti vo $ 5 1 .6 5 7 ,8 0 No
44 G A R C ÉS A LV A R A D O E LI Z A B ETH V A N N ES A 0 6 0 5 8 0 8 9 3 -0 Fe m e n in o O p e ra ti vo $ 5 4 .0 4 9 ,3 0 No
45 G U A D A LU P E ES P I N O Z A JU LI A N ES TEF A N O 0 6 0 3 7 5 1 6 0 -3 M a s c u lin o D ire c ti vo $ 4 5 .4 3 3 ,4 0 Si
46 G U A LA C EO LO P EZ I S R A EL C A R LO S 0 6 0 5 1 0 6 4 7 -5 M a s c u lin o E je c u ti vo $ 4 9 .0 8 2 ,8 0 No
47 G U A M A N T A Q U I N I N A B A N D A ER I C K TO N I O 0 6 0 4 8 4 8 6 9 -7 M a s c u lin o As esor $ 5 2 .0 3 9 ,5 0 Si
4 8 G U A S H P A G U A S H P A W I LS O N R EN E 0 6 0 3 5 2 5 2 8 -8 M a s c u lin o T e c n ic o $ 5 3 .5 4 7 ,1 0 No
49 G U TI E R R EZ R I V ER A R O M I N A TA M A R A 0 5 0 4 1 8 9 7 1 -3 Fe m e n in o T e c n ic o $ 5 8 .8 2 9 ,1 0 No
5 0 H E R R ER A A G U I R R E C A R LO S A N TO N I O 0 6 0 4 8 0 8 9 8 -0 M a s c u lin o E je c u ti vo $ 5 2 .4 9 6 ,6 0 No
5 1 H I P O M O R O C H O D EN I S S E M A R I ELA 0 6 0 4 5 1 8 6 7 -0 Fe m e n in o E je c u ti vo $ 5 0 .1 3 1 ,2 0 No
52 I N C A S H U G U LI R O B ER TO C A R LO S 0 6 0 4 7 3 5 6 9 -6 M a s c u lin o E je c u ti vo $ 4 8 .4 0 8 ,2 0 No
5 3 I P I A LE S LU C E R O S A N T A Y JA N I N E 1 8 0 4 4 9 4 2 4 -1 Fe m e n in o O p e ra ti v o $ 5 5 .2 7 6 ,5 0 Si
5 4 I Z U R I ET A R O M ER O S H I R LEY ELI Z A B ET H 0 6 0 4 8 6 1 4 8 -4 Fe m e n in o As esor $ 4 9 .5 5 8 ,0 0 Si
5 5 JER E Z M A S A Q U I Z A JO S E LO R EN Z O 1 8 0 4 8 1 9 6 6 -0 M a s c u lin o As esor $ 4 9 .5 1 2 ,5 0 Si
5 6 LEM A LO N D O F ER N A N D A M A R I B EL 0 6 0 4 6 3 8 4 1 -1 Fe m e n in o E je c u ti vo $ 5 4 .8 5 4 ,7 0 No
57 LI M A I C O A LV A R EZ M A R I O A N D R ES 0 6 0 4 3 1 3 3 1 -2 M a s c u lin o A d m in is tra ti vo $ 5 2 .7 2 5 ,4 0 Si
5 8 LO JA G U A M A N JA N E TH B ELG I C A 0 3 0 2 7 5 7 2 2 -4 Fe m e n in o D ire c ti vo $ 4 8 .3 3 1 ,1 0 Si
5 9 LO M A S C A LD ER O N P A TR I C I A G I O M A R 0 6 0 4 1 5 3 3 8 -7 Fe m e n in o A d m in is tra ti vo $ 4 8 .6 8 9 ,1 0 No
60 LO P EZ G A V I D I A JO S E LI N E M A R I A N A 0 6 0 4 0 9 8 4 3 -4 Fe m e n in o T e c n ic o $ 5 2 .0 9 5 ,6 0 No
6 1 M A C A S R I V ER A W A LTE R JU LI O 0 6 0 4 8 7 5 1 7 -9 M a s c u lin o D ire c ti vo $ 5 2 .2 4 5 ,2 0 No
62 M A N O T O A C H I C A I Z A M YR I A M A N D R EA 1 8 0 4 1 9 3 6 4 -5 Fe m e n in o O p e ra ti v o $ 5 5 .7 3 8 ,1 0 No
6 3 M A R TI N EZ Z U M B A JH O N A TA N V I C EN TE 0 6 0 3 9 4 3 7 3 -9 M a s c u lin o D ire c ti vo $ 4 9 .2 8 5 ,5 0 Si
6 4 M ED I N A M O R EN O LO R E N Z O I S R A EL 0 6 0 4 7 3 5 3 5 -7 M a s c u lin o O p e ra ti v o $ 5 2 .8 0 1 ,6 0 No
65 M ED I N A Ñ U S TE LEO N A R D O F A B I O 8 1 7 0 6 4 2 3 6 -0 M a s c u lin o E je c u ti vo $ 5 4 .4 0 0 ,4 0 Si
6 6 M EN D O Z A C A S TI LLO JO R G E LU I S 2 3 0 0 2 7 1 0 8 -3 M a s c u lin o T e c n ic o $ 5 0 .4 8 7 ,8 0 No
6 7 M I N A O B A N D O W EN D Y JES S EN I A 1 7 1 7 9 0 2 4 8 -8 Fe m e n in o E je c u ti vo $ 4 4 .6 5 2 ,5 0 Si
6 8 M O N TA G U A N O P A R ED ES M A YR A A LEJA N D R A1 8 0 5 1 9 5 2 3 -5 Fe m e n in o As esor $ 5 1 .0 5 1 ,6 0 Si
6 9 M O N TEN E G R O C H A C O N C A R LO S AN D R ES 0 6 0 4 9 4 6 9 2 -1 M a s c u lin o T e c n ic o $ 5 4 .1 5 5 ,4 0 No
7 0 M O R A LE S TI X I M A R C ELO ELI A S 0 2 0 2 2 9 4 9 8 -9 M a s c u lin o T e c n ic o $ 5 1 .0 3 6 ,0 0 No
7 1 M O R A R A R T EA G A B ELE N I R I N A 1 8 0 4 6 0 3 4 4 -5 Fe m e n in o E je c u ti vo $ 4 6 .8 3 3 ,5 0 No
7 2 M O R E N O A V I LA A N D R E A C E LES TE 0 5 0 3 2 2 0 0 6 -3 Fe m e n in o T e c n ic o $ 4 8 .7 1 2 ,0 0 Si
73 M O R E N O P A LA C I O S M A R I ELA M I C A ELA 1 6 0 0 6 3 1 3 3 -5 Fe m e n in o T e c n ic o $ 4 9 .7 8 7 ,5 0 No
7 4 N A R A N JO G A V I LA N E Z W A LTER P A TR I C I O 0 1 0 7 1 6 6 5 9 -7 M a s c u lin o O p e ra ti v o $ 5 3 .0 6 2 ,6 0 Si
75 N E C P A S C H O LC A A N A S I LV I A 1 7 2 5 9 6 7 6 7 -1 Fe m e n in o T e c n ic o $ 5 0 .2 4 6 ,8 0 Si
7 6 N U Ñ EZ V I LLA R ES ED I TH F R A N C I S C O 1 8 0 3 8 0 6 2 5 -4 M a s c u lin o E je c u ti vo $ 5 2 .0 4 2 ,6 0 No
77 O ÑA M USO M IRC O HO RACIO 0 5 0 3 4 9 6 8 0 -4 M a s c u lin o D ire c ti vo $ 5 9 .0 2 6 ,4 0 Si
78 O R D O Ñ EZ V A LA R EZ O A N G ELI C A M ER C E D ES 0 7 0 5 9 1 9 2 8 -0 Fe m e n in o As esor $ 5 5 .3 3 9 ,4 0 Si
7 9 O R TE G A B E TA N C O U R T O S C A R O S W A LD O 0 8 5 0 0 4 4 1 1 -6 M a s c u lin o E je c u ti vo $ 4 4 .9 5 6 ,5 0 No
8 0 P A D I LLA TEN E C O TA JE N N Y M A R C ELA 0 6 0 4 7 4 1 7 8 -5 Fe m e n in o D ire c ti vo $ 5 1 .8 1 4 ,2 0 Si
8 1 P A R R A C Á R D EN A S LI TI G I O B ER N A B E 0 6 0 3 9 2 5 5 8 -7 M a s c u lin o E je c u ti vo $ 5 1 .4 7 7 ,1 0 Si
8 2 P ER EZ G A LEA S K A TH ER I N P A O LA 2 3 0 0 6 5 3 6 5 -2 Fe m e n in o As esor $ 5 8 .3 4 6 ,6 0 Si
83 P ER EZ P A R ED ES I S S A I N D I R A 1 7 2 1 0 2 2 8 0 -2 Fe m e n in o E je c u ti vo $ 5 2 .4 7 5 ,5 0 Si
8 4 P I LC O LÓ P EZ JO S E LYN G A B R I ELA 0 6 0 4 6 3 3 8 8 -3 Fe m e n in o D ire c ti vo $ 4 6 .6 7 0 ,2 0 No
8 5 P U C H A A M A N C H A G I LS O N JU LI A N 0 6 0 3 8 3 3 8 9 -8 M a s c u lin o As esor $ 4 6 .9 4 0 ,1 0 Si
86 P U C H A I N C A JO H A N A P R I S C I LA 0 6 0 5 0 1 8 9 8 -5 Fe m e n in o D ire c ti vo $ 5 1 .6 7 3 ,1 0 Si
8 7 P U LI S TA R M A N O S A LV A S JEA N P I E R R E 0 4 0 1 7 3 0 5 6 -9 M a s c u lin o D ire c ti vo $ 5 7 .2 7 9 ,2 0 Si
88 R EA TE G U I H U R TA D O LU I S A LF R ED O 0 2 0 2 3 2 4 7 5 -2 M a s c u lin o As esor $ 5 0 .8 2 3 ,0 0 Si
8 9 R I O S C A C ER ES D A V I D I S M A EL 0 6 0 3 4 4 9 5 5 -4 M a s c u lin o O p e ra ti v o $ 5 2 .0 3 0 ,9 0 Si
9 0 R O D A S R O B A LI N O M A R I O A LB E R T O 1 8 0 4 4 8 0 8 5 -1 M a s c u lin o O p e ra ti v o $ 5 0 .1 1 3 ,4 0 No
91 S A LA S R O B A LI N O D EN N YS JO EL 0 6 0 4 1 8 2 9 1 -5 M a s c u lin o E je c u ti vo $ 5 2 .6 1 4 ,7 0 No
9 2 S H A G Ñ A Y E S C U D ER O H E N R Y D A V I D 0 6 0 4 2 3 9 0 6 -1 M a s c u lin o E je c u ti vo $ 5 3 .6 6 5 ,5 0 No
93 S O R I A F R E I R E N ÉS T O R A N D R ÉS 1 8 0 4 4 5 7 1 2 -3 M a s c u lin o E je c u ti vo $ 4 9 .8 7 9 ,6 0 Si
9 4 TO R O C EP ED A B E LEN I S A B ELLA 0 6 0 3 5 4 8 7 5 -1 Fe m e n in o E je c u ti vo $ 5 1 .7 6 4 ,9 0 Si
9 5 V A LLEJO R O JA S H O R A C I A C YN D Y 0 6 0 4 2 4 3 0 3 -0 Fe m e n in o A d m in is tra ti vo $ 5 2 .0 3 4 ,9 0 Si
96 V A R G A S JI M EN EZ M A R I A EU G E N I A 0 2 0 2 0 9 2 1 4 -4 Fe m e n in o D ire c ti vo $ 5 9 .2 8 4 ,6 0 Si
9 7 V A R G A S TI ER R A S YES LI O A N D R EI 0 6 0 4 7 0 1 1 5 -1 M a s c u lin o T e c n ic o $ 5 4 .2 7 6 ,0 0 No
9 8 V ELE Z R I E R A V I C T O R I S R A E L 2 3 0 0 4 1 2 4 4 -8 M a s c u lin o A d m in is tra ti vo $ 5 0 .7 8 8 ,8 0 Si
9 9 V I Z U ET E C H I N A C H I V I V I A N A V A N ES A 1 5 0 0 7 9 1 4 8 -6 Fe m e n in o E je c u ti vo $ 4 9 .8 6 7 ,5 0 Si
1 0 0 YU N G A N G A R C ES M A R C I A S H I C ELA 0 6 0 4 3 8 0 5 2 -7 Fe m e n in o A d m in is tra ti vo $ 4 4 .8 3 4 ,9 0 No
1. Muestra piloto
La muestra piloto se realizará a 10 de los administradores de la EAI entonces,
np=10, la variable a estudiarse es la siguiente:
Variable: Sueldo medio anual de los administradores y la proporción de

Para obtener los 10 administradores elegidos aleatoriamente hacemos uso de la

calculadora de la siguiente manera:
SHIFT y Ran#= (número aleatorio)*100(tamaño de la población)
SALARIOS ANUALES Y SITUACIÓN RESPECTO AL PROGRAMA DE

CAPACITACIÓN DE LOS ADMINISTRADORES PERTENECIENTES A UNA
MUESTRA PILOTO DE 10 ADMINISTRADORES DE EAI
Salario anual ($) Programa de capacitación
x 1=59026.40 Sí
x 2=57279.20 Sí
x 3=49958.20 Sí
x 4 =45187.80 Sí
x 5=52475.50 Sí
x 6=45356.80 No
x 7=54276.00 No
x 8=56117.20 Sí
x 9=55738.10 No
x 10=50792.00 No
Una vez que se tienen los 10 administradores de la muestra piloto se calcula la media,
desviación estándar y la proporción.
1. x́=
∑ xi
n
526207.20
x́=
10
x́=52620.72
∑ ( x i− x́)2
2. s=
√ n−1
205884706.40
s=
√ 9
s=4782.89
3. Para estimar p, la proporción de administradores que han terminado el programa de

capacitación, se usa la proporción muestral correspondiente. Sea xel número de
administradores dela muestra que han terminado el programa de capacitación. De
acuerdo con la tabla, x=6. Por tanto, como el tamaño de la muestra es n=¿, la
proporción muestral es:
x
ṕ=
n
6
ṕ=
10
ṕ=0.6
2. Determinación del tamaño de la muestra
Se determinó con los siguientes datos y parámetros:
1. Error del diseño = 0.05
2. Nivel de Confianza (1- α ) 100% con α =0.05, se obtiene entonces un
95% de confianza.
3. Z α /2 =1.96, dicho valor es obtenido de la Tabla de distribución normal.
4. Tamaño de la población, N=100
5. El tamaño de la muestra para el muestreo aleatorio simple se calcula con la
siguiente ecuación:
n0
n=
n0
1+
N
El valor de n0 proviene de:

z2 N s2
n0 =
( N −1 ) e2 + z 2 s2
Al reemplazar los valores en ambas fórmulas tenemos:
( 1.96 )2 (100)( 4782.89)2

n0 =
( 100−1 ) (0.05)2+(1.96)2 (4782.89)2
n0 =100
Entonces:
n0
n=
n0
1+
N
100
n=
100
1+
100
n=50
El tamaño oficial de nuestra muestra será de 50 administradores.

 De los 100 administradores se obtiene una muestra aleatoria de 50 los
cuales se presenta en la siguiente tabla:
SALARIOS ANUALES Y SITUACIÓN RESPECTO AL PROGRAMA DE
CAPACITACIÓN DE LOS ADMINISTRADORES PERTENECIENTES A UNA
MUESTRA ALEATORIA SIMPLE DE 50 ADMINISTRADORES DE EAI
Programa de Programa de
Salario anual ($) Salario anual ($)
capacitación capacitación
x 1=45187.80 SI x 26=48712.00 SI
x 2=52801.60 NO x 27=52725.40 SI
x 3=49867.50 SI x 28=49958.20 SI
x 4 =51036.00 NO x 29=58829.10 NO
x 5=48806.20 NO x 30=51753.00 NO
x 6=50113.40 NO x 31=50487.80 NO
x 7=51814.20 SI x 32=52546.60 NO
x 8=49782.20 NO x 33=50237.80 NO
x 9=54155.40 NO x 34=59026.40 SI
x 10=46670.20 NO x 35=55738.10 NO
x 11=51384.10 SI x 36=52475.50 SI
x 12=49512.50 SI x 37=58346.60 SI
x 13=52245.20 NO x 38=51968.10 SI
x 14=49879.60 SI x 39=50246.80 SI
x 15=43754.70 NO x 40=52386.20 SI
x 16=53372.50 NO x 41=51477.10 SI
x 17=52614.70 NO x 42=53706.30 SI
x 18=46940.10 SI x 43=49149.80 NO
x 19=48331.10 SI x 44=54276.00 NO
x 20=55769.50 NO x 45=50135.50 NO
x 21=54854.70 NO x 46=57279.20 SI
x 22=50823.00 SI x 47=52264.00 NO
x 23=49793.10 SI x 48=54164.80 NO
x 24=56918.00 SI x 49=49285.50 SI
x 25=49787.50 NO x 50=52496.60 NO
Calcular los estadísticos muestrales correspondientes en base a la tabla presentada
anteriormente.
1. Se obtiene la media muestral:

x́=
∑ xi
n
2585887.20
x́=
50
x́=$ 51717.74
2. La desviación muestral es:
∑ ( x i− x́)2
s=
√ n−1
513610391.9632
s=
√ 49
s=$ 3237.57
3. Para estimar p, la proporción de administradores que han terminado el

programa de capacitación, se usa la proporción muestral correspondiente.
Sea x el número de administradores dela muestra que han terminado el
programa de capacitación. De acuerdo con la tabla, x=24 . Por tanto, como
el tamaño de la muestra es n=50, la proporción muestral es:
x
ṕ=
n
24
ṕ=
50
ṕ=0.48
Al hacer los cálculos anteriores, se lleva a cabo el proceso estadístico conocido como
estimación puntual. A la media muestral x́ se le conoce como el estimador puntual de la
media poblacionalμ, a la desviación estándar muestral s como el estimador puntual de la
desviación estándar poblacional σ y a la proporción muestral ṕ como el estimador puntual
de la proporción poblacional p. Al valor numérico de x́, s, o ṕ se les conoce como
estimaciones puntuales.
A continuación se resumen los resultados muestrales y se comparan las estimaciones

puntuales con los valores de los parámetros poblacionales.
INFORMACIÓN DE LAS ESTIMACIONES PUNTUALES OBTENIDAS DE UNA
MUESTRA ALEATORIA SIMPLE DE 50 ADMINISTRADORES DE EAI
Valor del Estimación

Parámetro poblacional Estimador puntual
parámetro puntual
Media poblacional de los Media muestral de los

μ=¿ $ 51.450,27 x́=¿ $ 51.717,74
salarios anuales salarios anuales
Desviación estándar Desviación estándar
σ =¿ poblacional de los salarios $ 3.472,62 s=¿ muestral de los salarios $ 3.237,57
anuales anuales
Proporción muestral
Proporción poblacional
que ha terminado el
p=¿ que ha terminado el 0,48 ṕ=¿ 0,48
programa de
programa de capacitación
capacitación
Como se observa en la tabla, las estimaciones puntuales difieren un poco de los

correspondientes parámetros poblacionales. Estas diferencias son de esperarse ya que
para elaborar las estimaciones muestrales se usa una muestra, y no un censo de toda la
población.
4. Intervalo de confianza para la media poblacional μ
Z ∝ ∗S
2
x́ ±
√n
1.96∗3237.57
51717.74 ±
√ 50
51717.74 ± 897.41
( $ 50.820,33−$ 52.615,15)
min max
Interpretación: Los administradores de la EAI ganan al año un mínimo de

$50.820,33 y un máximo de $52.615,15.
MUESTREO ALEATORIO SISTEMATICO
Es una técnica de muestreo aleatorio que se utiliza por su sencillez y calidad regular en
donde primero escoge aleatoriamente la primera pieza o sujeto de la población. A
continuación, se elegirá al azar cualquier miembro o elemento compuesto por la
población.
Los resultados son representativos de la población a menos que se repitan ciertas
características de la población por cada enésimo miembro o elemento componente de la
población. El proceso de obtención de la muestra sistemática es muy similar a una
progresión aritmética.
1. Número de inicio:
Se selecciona un número entero que debe ser menor al número total de individuos en
la población. Este número entero corresponderá al primer miembro o elemento.
2. Intervalo:
Se elige otro número entero que servirá como la diferencia constante entre dos
números consecutivos en la progresión.
El número entero se selecciona típicamente de modo que el investigador obtenga el
tamaño de la muestra correcto.
Fórmulas de Estimadores en muestreo sistemático
Parámetro poblacional
μ= Media poblacional . μ=
∑ xi
N
∑ (x i−μ)2
σ =Desviación estándar poblacional . σ=
p=
√
x
N
p=Proporción poblacional .
N
Estimador puntual
x́=Media muestral . x́=

∑ xi
n
∑ ( x i− x́)2
s= Desviaciónestándar muestral . s=
ṕ=
√x
n−1
ṕ=Porporción muestral .
n
Ejercicio Explicativo
Al director de personal de Electronics Associates, Inc. (EAI), se le ha encargado las tareas
de elaborar un perfil de los 100 administradores de la empresa. Las características a
determinar son el sueldo medio anual de los administradores y la proporción de
Con los 100 administradores de la empresa como la población para este estudio, es
posible hallar el sueldo anual y la situación respecto al programa de capacitación de cada
persona al consultar los archivos del personal.
Paso 1
Presentación del Marco muestral obtenido del registro de la compañía.

50 MARTINEZ ZUMBA JHONATAN VICENTE 060394373-9 Masculino $ 49,285.50 Si
51 CAMPAS HURTADO FABRICIO RONALD 080378658-1 Masculino $ 48,523.40 Si
52 CUNALATA PONLUISA YESENIA ELIZABETH 180375294-6 Femenino $ 49,782.20 No
53 LEMA LONDO FERNANDA MARIBEL 060463841-1 Femenino $ 54,854.70 No
Nombres C.I Sexo Salario Cursos Capacitación
54 ALLAUCA ORTEGA ERICK BONIL 060409481-3 Masculino $ 44,457.10 No
1 ERAZO CHAVEZ GABRIELA JESSENIA 160046589-0 Femenino $ 55,769.50 No
55 PEREZ PAREDES ISSA INDIRA 172102280-2 Femenino $ 52,475.50 Si
2 REATEGUI HURTADO LUIS ALFREDO 020232475-2 Masculino $ 50,823.00 Si
56 CANDO VEINTIMILLA ANDREA GIOMARA 172239906-8 Femenino $ 50,135.50 No
3 INCA SHUGULI ROBERTO CARLOS 060473569-6 Masculino $ 48,408.20 No
57 HERRERA AGUIRRE CARLOS ANTONIO 060480898-0 Masculino $ 52,496.60 No
4 MORENO PALACIOS MARIELA MICAELA 160063133-5 Femenino $ 49,787.50 No
58 BONILLA BAYAS LORENA HELEN 180462826-9 Femenino $ 50,237.80 No
5 MEDINA MORENO LORENZO ISRAEL 060473535-7 Masculino $ 52,801.60 No
59 GUADALUPE ESPINOZA JULIAN ESTEFANO 060375160-3 Masculino $ 45,433.40 Si
6 DAMIAN CABADIANA BENANCIO OSCAR 060423097-9 Masculino $ 51,767.70 No
60 LIMAICO ALVAREZ MARIO ANDRES 060431331-2 Masculino $ 52,725.40 Si
7 PEREZ GALEAS KATHERIN PAOLA 230065365-2 Femenino $ 58,346.60 Si
61 BALCAZAR CALLE MARIA JOSE 160062666-5
060463388-3 Femenino
Femenino $$ 45,356.80
46,670.20 No
No
8 PILCO LÒPEZ JOSELYN GABRIELA
62 BUENAÑO PICO MARIA DE LOURDES
NECPAS CHOLCA ANA SILVIA
180450062-5
Femenino $$ 49,569.50
50,246.80 NoSi
9
63 CABEZAS HINOJOSA DANIEL DIEGO 060478582-4
060461209-3 Masculino
Masculino $$ 54,164.80
51,255.00 No
No
10 BARBA NICOLALDE SANTIAGO MARCELO
64 PUCHA INCA JOHANA PRISCILA 060501898-5
Femenino $$ 51,673.10
52,546.60 Si
No
11 CARRILLO CAYAMBE MONICA LUCIA
65
12
ALLAUCA ALLAUCA ANGEL
JEREZ MASAQUIZA LUIS
JOSE LORENZO 060406533-4
49,512.50 Si
Si
66
13
CALLE ANDRADESANTOS
CAMPOVERDE DIANA KATHERINE 060444661-7
LUIS DIEGO 060474784-0 Masculino
Femenino $$ 59,978.60
51,753.00 No
No
67
14
LOMAS
GUASHPA CALDERON
GUASHPA PATRICIA
WILSONGIOMAR
RENE 060415338-7
53,547.10 No
No
68
15
BASANTES CASCANTE CRISTIAN ERNESTO 060381316-3
48,052.20 Si
No
69
16
MEDINA ÑUSTE LEONARDO
MINA OBANDO WENDY JESSENIA FABIO 817064236-0
Femenino $$ 54,400.40
44,652.50 Si
Si
70
17 CARVAJAL
TORO CEPEDAVELASCO
BELEN CRISTINA
ISABELLA ALEXANDRA 050295528-9
Femenino $$ 50,792.00
51,764.90 NoSi
71
18 CASTRO
CAYAMBE NUÑEZ
GUAMANMARIA CONCEPCION
MARIO JOSE 180399007-4
45,187.80 Si
Si
72
19 SHAGÑAY ESCUDEROVIVIANA
VIZUETE CHINACHI HENRY DAVID
VANESA 060423906-1
Femenino $$ 53,665.50
49,867.50 NoSi
73
20 DÍAZ GRANIZO VILLACIS
CHILIQUINGA CRISTINAJUANBELEN HERIBERTO 060411023-9
53,706.30 NoSi
74
21 ALTAMIRANO IDROVO MAURICIO FABIAN
GUAMANTAQUI NINABANDA ERICK TONIO 060484869-7 060489839-5 Masculino
52,039.50 Si
Si
75
22 OÑA MUSO
AGUIRRE MIRCO HORACIO
NARANJO ANA LIZBETH 050349680-4
Femenino $$ 59,026.40
52,973.60 Si
No
76
23 ERAZO
CHIMBO SÁNCHEZ JOLLIE DENISSE
CAIZAGUANO MARIO RAFAEL 020156809-4
53,372.50 Si
No
24 FREIRE
77 SILVAALVARADO
ALVARADO SERGIO VINICIOANDRES CESAR 180479215-6
54,592.00 Si
Si
78
25 NUÑEZ
ManotoaVILLARES
Chicai EDITH
za FRANCISCO
Myriam Andrea 180380625-4
Femenino $$ 52,042.60
55,738.10 No
No
79
26 LOJA GUAMAN JANETH BELGICA 030275722-4
Femenino $$ 48,331.10
52,975.10 Si
Si
27 IPIALES LUCERO SANTAY JANINE
80 060442690-8
Femenino $$ 52,386.20
55,276.50 Si
Si
28 PARRA CÁRDENAS LITIGIO BERNABE
81 180519523-5
51,477.10 Si
Si
29
82 LOPEZ
VALLEJO GAVIDIA
ROJAS JOSELINE
HORACIA MARIANA
CYNDY 060409843-4
Femenino $$ 52,095.60
52,034.90 No
Si
ORTEGA BETANCOURT
30 CHAVEZ CASTILLO JHON FARID
83 OSCAR OSWALDO 085004411-6
46,150.00 No
No
31 RIOS
84 DE LACACERES
CRUZ PULLOPAXI
DAVID ISMAEL KARLA LORENA 050327792-3
52,030.90 Si
Si
32 GARCÉS
85 MACAS ALVARADO
RIVERA WALTER JULIO VANNESA
ELIZABETH 060487517-9
Femenino $$ 52,245.20
54,049.30 No
No
33
86 SALAS
YUNGAN ROBALINO
GARCES DENNYS
MARCIA JOEL
SHICELA 060418291-5
Femenino $$ 52,614.70
44,834.90 No
No
34
87 ORDOÑEZ VALAREZO ANGELICA
GUALACEO LOPEZ ISRAEL CARLOS MERCEDES 070591928-0
49,082.80 NoSi
35 GUTIERREZ RIVERA ROMINA TAMARA
88 RODAS ROBALINO MARIO ALBERTO 180448085-1
Femenino $$ 50,113.40
58,829.10 No
No
89 BONILLA LÓPEZ DAMIÁN
36 PADILLA TENECOTA JENNY MARCELA MIJAÍL 180468874-3
Femenino $$ 55,392.80
51,814.20 Si
Si
37
90
IZURIETA TIXI
MORALES ROMERO
MARCELO SHIRLEY ELIZABETH
ELIAS 060486148-4
51,036.00 NoSi
38
91
NARANJO GAVILANEZ
MORENO AVILA ANDREA CELESTEWALTER PATRICIO 010716659-7
Femenino $$ 53,062.60
48,712.00 Si
Si
39
92
PUCHA AMANCHA GILSON JULIAN
ACURIO MALDONADO PAULINA MICHELLE 180450797-6 060383389-8 Masculino
Femenino $$ 46,940.10
52,264.00 NoSi
40 CHUGCHILAN VEINTIMILLA BRYAN ARTURO 172239911-8
93
HIPO MOROCHO DENISSE MARIELA 060451867-0 Femenino
51,738.90 No
No
41 VARGAS JIMENEZ MARIA EUGENIA
PULISTAR MANOSALVAS JEAN PIERRE 040173056-9
Femenino $$ 57,279.20
59,284.60 Si
Si
94
ALVARADO RIVERA GABRIEL ALEJANDRO
42 COLLAGUAZO 060462781-0
49,793.10 No
Si
95 ÑAMIÑA CRISTIAN CESAR
43 MONTENEGRO
CEPEDA CEPEDA FRANCISCA ISABEL 060439706-7
CHACON CARLOS ANDRES 060494692-1
Femenino
54,155.40 NoSi
96
VARGAS TIERRAS YESLIO ANDREI
44 GANAN ANDINO MARY ELIZABETH
060470115-1
Femenino $$ 54,276.00
51,657.80 No
No
97
$$
45 BORJA
SORIA FREIRE NÉSTOR ANDRÉS 49,879.60 Si
98 URREA LESLEY RAQUEL 020228351-1 Femenino 48,522.10 No
46 DÁVILA PINO TANIA ELIZABETH 060402535-3 Femenino $ 43,754.70 No
99 VELEZ RIERA VICTOR ISRAEL 230041244-8 Masculino $ 50,788.80 Si
47 DÁVILA PINO TOMAS DIEGO 060411439-7 Masculino $ 56,117.20 Si
100 ALVAREZ GOMEZ LUNA ESTRELLA 060437975-0 Femenino $ 48,806.20 No
48 MENDOZA CASTILLO JORGE LUIS 230027108-3 Masculino $ 50,487.80 No
49 MORAR ARTEAGA BELEN IRINA 180460344-5 Femenino $ 46,833.50 No
Paso 2
Elección de la muestra Piloto
MUESTREO PILOTO
1 ERAZO CHAVEZ GABRIELA JESSENIA

2 REATEGUI HURTADO LUIS ALFREDO
3 INCA SHUGULI ROBERTO CARLOS
4 MORENO PALACIOS MARIELA MICAELA
5 MEDINA MORENO LORENZO ISRAEL
6 DAMIAN CABADIANA BENANCIO OSCAR
7 PEREZ GALEAS KATHERIN PAOLA
8 PILCO LÒPEZ JOSELYN GABRIELA
9 NECPAS CHOLCA ANA SILVIA
10 BARBA NICOLALDE SANTIAGO MARCELO
11 CARRILLO CAYAMBE MONICA LUCIA
12 JEREZ MASAQUIZA JOSE LORENZO
13 CAMPOVERDE SANTOS DIANA KATHERINE
14 GUASHPA GUASHPA WILSON RENE
15 DAQUILEMA SUCUNOTA LEONIDAS MAICOL
N 100
n 15
k 7
Ran# 3
Paso 3
Elección de muestra Piloto por salto de intervalo del marco muestral de la Población.
MUESTRA PILOTO Cursos Capacitación

1 3 INCA SHUGULI ROBERTO CARLOS No
2 10 BARBA NICOLALDE SANTIAGO MARCELO No
3 17 TORO CEPEDA BELEN ISABELLA Si
4 24 ALVARADO ALVARADO ANDRES CESAR Si
5 31 DE LA CRUZ PULLOPAXI KARLA LORENA Si
6 38 NARANJO GAVILANEZ WALTER PATRICIO Si
7 45 SORIA FREIRE NÉSTOR ANDRÉS Si
8 52 CUNALATA PONLUISA YESENIA ELIZABETH No
9 59 GUADALUPE ESPINOZA JULIAN ESTEFANO Si
10 66 CALLE ANDRADE LUIS DIEGO No
11 73 DÍAZ GRANIZO CRISTINA BELEN No
12 80 IPIALES LUCERO SANTAY JANINE Si
13 87 GUALACEO LOPEZ ISRAEL CARLOS No
14 94 VARGAS JIMENEZ MARIA EUGENIA Si
15 100 ALVAREZ GOMEZ LUNA ESTRELLA No
Paso 4
Se halla la muestra mediante la fórmula de media proporcional
Formula de Estimación de un error N = 100

np = 15
ṕ (1− ṕ)
e=
√ n
P=8
q=7
z = 1.96 (confiabilidad 95%)
e = 0.1
Aplicación de Formula Muestreo
z 2 N∗ Ṕ(1− Ṕ) ^
n= P 0.53
( N −1 ) e2 + z 2∗ Ṕ(1−Ṕ)
n=¿ ¿ ¿
n 49.13
n 49
Paso 5
Se selecciona la muestra de estudio aplicando el intervalo k
N 100
n 49
k 2
Ran# 2
Selección de la Muestra
n Nombres Curso de Capacitación
1 2 REATEGUI HURTADO LUIS ALFREDO Si
2 4 MORENO PALACIOS MARIELA MICAELA No
3 6 DAMIAN CABADIANA BENANCIO OSCAR No
4 8 PILCO LÒPEZ JOSELYN GABRIELA No
5 10 BARBA NICOLALDE SANTIAGO MARCELO No
6 12 JEREZ MASAQUIZA JOSE LORENZO Si
7 14 GUASHPA GUASHPA WILSON RENE No
8 16 MINA OBANDO WENDY JESSENIA Si
9 18 CAYAMBE GUAMAN MARIO JOSE Si
10 20 CHILIQUINGA VILLACIS JUAN HERIBERTO Si
11 22 AGUIRRE NARANJO ANA LIZBETH No
12 24 ALVARADO ALVARADO ANDRES CESAR Si
13 26 CHILLOGALLO PAREDES ESPERANZA BEATRIZ Si
14 28 MONTAGUANO PAREDES MAYRA ALEJANDRA Si
15 30 ORTEGA BETANCOURT OSCAR OSWALDO No
16 32 MACAS RIVERA WALTER JULIO No
17 34 ORDOÑEZ VALAREZO ANGELICA MERCEDES Si
18 36 BONILLA LÓPEZ DAMIÁN MIJAÍL Si
19 38 NARANJO GAVILANEZ WALTER PATRICIO Si
20 40 HIPO MOROCHO DENISSE MARIELA No
21 42 ALVARADO RIVERA GABRIEL ALEJANDRO No
22 44 VARGAS TIERRAS YESLIO ANDREI No
23 46 DÁVILA PINO TANIA ELIZABETH No
24 48 MENDOZA CASTILLO JORGE LUIS No
25 50 MARTINEZ ZUMBA JHONATAN VICENTE Si
26 52 CUNALATA PONLUISA YESENIA ELIZABETH No
27 54 ALLAUCA ORTEGA ERICK BONIL No
28 56 CANDO VEINTIMILLA ANDREA GIOMARA No
29 58 BONILLA BAYAS LORENA HELEN No
30 60 LIMAICO ALVAREZ MARIO ANDRES Si
31 62 BUENAÑO PICO MARIA DE LOURDES No
32 64 PUCHA INCA JOHANA PRISCILA Si
33 66 CALLE ANDRADE LUIS DIEGO No
34 68 BASANTES CASCANTE CRISTIAN ERNESTO Si
35 70 CARVAJAL VELASCO CRISTINA ALEXANDRA No
36 72 SHAGÑAY ESCUDERO HENRY DAVID No
37 74 ALTAMIRANO IDROVO MAURICIO FABIAN Si
38 76 ERAZO SÁNCHEZ JOLLIE DENISSE Si
39 78 NUÑEZ VILLARES EDITH FRANCISCO No
40 80 IPIALES LUCERO SANTAY JANINE Si
41 82 VALLEJO ROJAS HORACIA CYNDY Si
42 84 RIOS CACERES DAVID ISMAEL Si
43 86 YUNGAN GARCES MARCIA SHICELA No
44 88 GUTIERREZ RIVERA ROMINA TAMARA No
45 90 MORALES TIXI MARCELO ELIAS No
46 92 ACURIO MALDONADO PAULINA MICHELLE No
47 94 VARGAS JIMENEZ MARIA EUGENIA Si
48 96 MONTENEGRO CHACON CARLOS ANDRES No
49 98 GANAN ANDINO MARY ELIZABETH No
Paso 6
Se halla los estimadores mediante formula y el Intervalo de Confianza.
Estimadores
Parametro Poblacional Estimación Puntual
෠ൌ ʹͳ
ܲ ͳͲͲ‫Ͳ כ‬ǤͶ͵ തൌ
ܲ
Ͷͻ
෠ൌ
ܲ Ͷ͵ തൌ
ܲ ͲǤͶ͵
Paso 7
Hallamos el intervalo de confianza y su interpretación
Electronics Associates, Inc. Informa que el 48% de sus administradores asistieron a un programa de capacitacion.
Si una muestra de 49 administradores revela que 21 personas si asistio a la capacitacion un intervalo del 95%
apoya esta información?
0.43
௉തሺଵି௉തሻ
തേZ *
ܲ 1.96
௡ 49
଴Ǥସଷሺଵି଴Ǥସଷሻ
0.43േͳǤͻ ͸*
ସଽ
IC (0.41 ; 0.45)
Min Max
MUESTREO ALEATORIO ESTRATIFICADO
En el muestreo estratificado, los individuos se dividen en grupos o estratos. Cada

elemento pertenece a un único estrato.
Trata de obviar las dificultades que presentan los anteriores ya que simplifican los
procesos y suelen reducir el error muestral 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 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,...)
Es importante tener en cuenta que los estratos no deben superponerse. Que los subgrupos se
superpongan dará a algunos individuos mayores probabilidades de ser seleccionados como
sujetos. Esto niega completamente el concepto de muestreo estratificado como un tipo de
muestreo probabilístico.
Igualmente importante es el hecho de que el investigador debe utilizar un muestreo probabilístico simple
dentro de los diferentes estratos.
Los estratos más comunes utilizados en el muestreo aleatorio estratificado son la edad, el género,
el nivel socioeconómico, la religión, la nacionalidad y el nivel de estudios alcanzado.
Muestreo aleatorio estratificado: usos
 Se utiliza el muestreo aleatorio estratificado cuando el investigador desea resaltar

un subgrupo específico dentro de la población. Esta técnica es útil en tales
investigaciones porque garantiza la presencia del subgrupo clave dentro de la muestra.
 Los investigadores también emplean un muestreo aleatorio estratificado cuando
quieren observar relaciones entre dos o más subgrupos. Con latécnica de muestreo
aleatorio simple, el investigador no está seguro de si los subgrupos que quiere
observar son representados equitativa y proporcionalmente dentro de la muestra.
 Con el muestreo estratificado, el investigador puede probar de forma
representativa hasta a los subgrupos más pequeños y más inaccesibles de la población.
Esto permite que los investigadores prueben a los extremos de la población.
 Con esta técnica, tienes una precisión estadística más elevada en comparación con
el muestreo aleatorio simple. Esto se debe a que la variabilidad dentro de los subgrupos
es menor en comparación con las variaciones cuando se trata de toda la población.
Debido a que esta técnica tiene una alta precisión estadística, exige un tamaño de la muestra
menor que puede ahorrar mucho tiempo, dinero y esfuerzo de los investigadores.
Muestreo estratificado: tipos
Muestreo aleatorio estratificado proporcionado
En esta técnica, el tamaño de la muestra de cada estrato es proporcional al tamaño de la

población del estrato si se compara con la población total. Esto significa que el cada estrato tiene
la misma fracción de muestreo.
Supongamos que tienes 3 estratos con 100, 200 y 300 tamaños de la población, respectivamente.
El investigador eligió una fracción de muestreo de ½. Luego, el investigador debe probar al azar 50,
100 y 150 sujetos de cada estrato, respectivamente.
Estrato A B C
Tamaño de la población 100 200 300
Fracción de muestreo ½ ½ ½
Tamaño final de la muestra 50 100 150
En esta técnica, lo importante es recordar el uso de la misma fracción de muestreo en cada

estrato, independientemente de las diferencias en el tamaño de la población de los estratos. Es
muy parecido a reunir una población más pequeña que sea específica de las proporciones relativas
de los subgrupos dentro de la población.
Muestreo aleatorio estratificado desproporcionado
La única diferencia entre el muestreo aleatorio estratificado proporcionado y el desproporcionado

son sus fracciones de muestreo. En el muestreo desproporcionado, los diferentes estratos tienen
diferentes fracciones de muestreo.
La precisión de este diseño es altamente dependiente de la asignación de fracción de muestreo del

investigador. Si el investigador comete errores en la asignación de fracciones de muestreo, un
estrato puede ser representado en exceso o insuficientemente y dará resultados sesgados.
Muestreo Estratificado Aleatorio: Estimadores y Varianzas
Para el caso particular para el que en cada estrato se realiza un muestreo aleatorio simple,
, se dice que el diseño muestral es un muestreo estratificado aleatorio y

las probabilidades de inclusión son:
y los estimadores adoptan la forma:
Para el total: .
Para la media: .
Para la proporción: .
Cuyas varianzas estimadas son las siguientes:
Para el total: .
Para la media: .
Para la proporción:
Ejemplo:
Muestreo Estratificado
Una población de 6000 personas se ha dividido en 3 estratos, uno con 1000 personas, otro
con 3500 y otro con 1500.
En esa población se ha realizado un muestreo estratificado con afijación proporcional, en

el que se han elegido al azar 15 personas del tercer estrato. Determine el tamaño de la
muestra total obtenida con este muestreo y su composición.
Datos
Población: 6000
Estratos
Grupo1: 1000
Grupo2: 3500
Grupo3: 1500
Al azar: n=15
Solución
1000 n 1 n1 60∗1000
Grupo1: = -> -> n1= = 10
6000 N 60 6000
3500 n 2 n2 60∗3500
Grupo2: = -> -> = 35
6000 N 60 6000
1500 15 15∗6000
Grupo3: n3= 15 = -> = 60
6000 N 1500
R// n1= 10; n2= 35; n3= 15, entonces la muestra es de n= 60//
CONCLUSION
En proyecto realizado podemos concluir que mediante su estudio profundizarnos en el

muestreo, sus tipos, sus conceptos generales y como hallar los tipos de muestra con el
propósito de tener resultados que fácilmente son expresados mediante su resolución y su
análisis. El conocimiento de este tema es muy útil para nuestra malla cursada porque
mediante la aplicación futura de las estadísticas en la administración podremos resolver y
hallar solución de estimaciones, las probabilidades y las hipótesis en cualquier caso que se
nos presente actual o futuramente.
BIBLIOGRAFIA
- Libro: técnicas de muestreo, autor William G.Cochran

- Anderson, Sweeney, Williams. “Muestreo aleatorio simple (7.2), Otros
métodos de muestreo (7.8), Muestreo aleatorio simple (8.4), Muestreo
aleatorio simple estratificado (8.5), Muestreo por conglomerado (8.6),
muestreo sistemático (8.7).” Estadística para administración y economía.
Internacional Thomson Editores. 10a edición.
- Levin, Richard I. y Rubin, David S. Estadística para administración y

economía. “Capítulo 6 muestreo y distribución de muestreo, 6.2 Muestreo
aleatorio.” Pearson educación. Séptima edición. México, 2004. pág. 238-
240
- Anderson, Sweeney, Williams. “Muestreo aleatorio simple (7.2), Otros métodos de

muestreo (7.8), Muestreo aleatorio simple (8.4), Muestreo aleatorio simple
estratificado (8.5), Muestreo por conglomerado (8.6), muestreo sistemático (8.7).”
Estadística para administración y economía. Internacional Thomson Editores. 10a
edición.
- Levin, Richard I. y Rubin, David S. Estadística para administración y economía.
“Capítulo 6 muestreo y distribución de muestreo, 6.2 Muestreo aleatorio.” Pearson
educación. Séptima edición. México, 2004. pág. 238-240
-
- http://www.estadistica.mat.uson.mx/Material/elmuestreo.pdf
- http://todoestadistica.blogspot.com/2009/05/estimadores-muestreo-
estratificado.html

Muestreo

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Muestreo

Cargado por

Copyright:

Formatos disponibles

INTRODUCCIÓN

Nuestros conocimientos, actitudes y acciones están basadas en gran parte sobre

Se hará referencia sobre el muestreo estadístico, técnicas, niveles y tipos

El muestreo estadístico es un procedimiento por el que se ingresan los

El muestreo como herramienta de la investigación científica arroja resultados que

El muestreo permite una reducción considerable de los costos materiales del

La estadística inferencial se ocupa de extender o extrapolar a toda una población,

Es el conjunto total de individuos susceptibles de poseer la información buscada.

Es la parte de la población en la que se miden las características estudiadas. El

Es el proceso de obtener la información buscada entre los elementos de la

Son las medidas o datos que se obtienen sobre la distribución de probabilidades de

La desviación estándar de una distribución, en el muestreo de un estadístico, es

Grado o Nivel de Confianza

El Grado o nivel de confianza es la probabilidad de que la estimación efectuada se

El nivel o grado de confianza es siempre fijado por el investigador en base a su

El error de muestreo admisible es también definido por el investigador y está

A lo largo del curso se hacen uso de dos tipos de razonamiento: el deductivo y

Recursos limitados: Es decir, no existen los recursos humanos, materiales o

Pruebas destructivas: Es el caso en el que realizar el estudio sobre toda la

El muestreo puede ser más exacto: Esto es en el caso en el que el estudio

Tipos de marco muestral

 Marco muestral de lista

 Marco muestral de áreas

* Extensión de la Universidad en la ciudad de Guayaquil

Fuente: Secretaría Nacional de Educación Superior, Ciencia, Tecnología e Innovación

La muestra piloto se la realizo a 70 graduados de tercer nivel de las diferentes

1. Maestría en Control de Operaciones y Gestión Logística

Se calcula aplicando las siguientes formulas:

Determinación del Tamaño de la Muestra

El tamaño de la muestra a través de proporciones se determinó con los siguientes datos y

1. Error del diseño = 0.04

2. Nivel de Confianza (1- α ) 100% con α =0.05, se obtiene entonces un

3. Z α /2 =1.96, dicho valor es obtenido de la Tabla de distribución Normal.

4. Tamaño de la población, N=154,281

El valor de n0 proviene de:

1.- Obtener el tamaño muestral imaginando que :

: z correspondiente al nivel de confianza elegido

2.- Comprobar si se cumple

Si no se cumple, pasamos a una tercera fase:

El ministerio de Educación Superior planea un estudio con el interés de conocer el

2.- Comprobamos que no se cumple , pues en este caso

10000 < 3706 (3706 - 1); 10000 < 13730730

Tamaño de muestra para estimar la proporción de la población

Para calcular el tamaño de muestra para la estimación de proporciones poblacionales

: z correspondiente al nivel de confianza elegido

Siguiendo con el estudio planteado en el punto anterior, supongamos que tratamos de

La muestra debe lograr una presentación adecuada de la población, en la que se

Los errores más comunes que se pueden cometer son:

En la estadística se usa la palabra población para referirse no solo a personas sino

VENTAJAS DEL MUESTREO:

b) Mayor rapidez para obtener resultados.

c) Mayor exactitud o mejor calidad de la información:

 Debido a los siguientes factores

 Volumen de trabajo reducido.

 Puede existir mayor supervisión en el trabajo.

 Se puede dar más entrenamiento al personal.

 Menor probabilidad de cometer errores durante el procesamiento de la

d) Factibilidad de hacer el estudio cuando la toma de datos implica técnicas destructivas,

Los elementos de la muestra son seleccionados por procedimientos al azar ó con

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

 Muestreo por Juicio, Selección Experta o Selección Intencional:

 Muestreo casual o fortuito:

MUESTREO PROBABILISTICO O ALEATORIO: