UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA”

FACULTAD DE ADMINISTRACIÓN
ASIGNATURA TEORIA DE MUESTREO

I PARCIAL DE TEORIA DE MUESTREO

Alfaro llamoja yandira paola

1- En base a los sioguientes datos evalué razones:

(7 Puntos)

VARIABLES DE INTERES: (X = Hombre ; Y = Mujer)

Cuadro resumen
E-I E - II E - III
MEDIDAS x Y x y x y

Media 1.21 1.86 1.72 2.61 2.09 2.82

Varianza 0.50 0.27 0.46 1.08 0.50 1.15
Estándar 0.71 0.52 0.68 1.04 0.71 1.07
n 14 18 11

Razón por estrato: ý

Ŕh =
x́

1.86 2.61 2.82

Ŕ1= =1.54 Ŕ = =1.52 Ŕ3= =1.35
1.21 2 1.72 2.09

Razón separada estratificada:

Ŕ[ Sst ] =∑ ( w h . Ŕh )

Ŕ[ Sst ] =0.32∗1.54+0.43∗1.52+0.25∗1.35=1.48

F Coeficiente de variación para X e Y en cada uno de los estratos

Sx Sy
ESTRATO I Cv x = h
Cv y = h

h
x́h h
ý h

ESTRATO II 0.71 0.52

Cv x = 0.68=0.59 1.04 Cv y = =0.28
Cv x =1.21 =0.40 Cv y = 1.86
1 1
=0.40
2
1.72 2
2.61

ESTRATO II

0.68 1.04
Cv x = =0.40 Cv y = =0.40
2
1.72 2
2.61

Dr. Vicente Ecos Quintanilla 1

 UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA”
FACULTAD DE ADMINISTRACIÓN
ASIGNATURA TEORIA DE MUESTREO

ESTRATO III

0.71 1.07
Cv x = =0.34 Cv y = =0.38
3
2.09 3
2.82

Proporcionalidad para cada estrato:

Cv x
P h= h

2 Cv y
0.59 0.40 0.34 h

P 1= =1.05 P 2= =0.50 P3 = =0.45

2(0.28) 2(0.40) 2( 0.38)
La fracción de muestreo por estrato: nh
f n=
Nh
14 18 11
f 1= f 2= f =
145 194 3 111
Medias cuadradas de cada estrato:
2
( x́ h )
2 2 2 2 2 2
( x́ 1 ) =(1.21) =1.46 ( x́ 2 ) =(1.72) =2.96 ( x́ 3 ) =(2.09) =4.37
F Estimador de varianza para el error de la razón estratificada:

^ R =∑ 1−f h2 S 2y −2 ( Ŕ h) ( P h ) ( S x )( S y ) + ( Ŕh )2 ( S2x )

14
V [ ] Sst
[ ][
n h ( x́ h ) h h h h ]
V
^R =
[ ]
[ ]
Sst
145
1−

14 (1.46)
18
[ 0.27−2 (1.54 ) (1.05 )( 0.71 ) ( 0.52 ) + ( 1.54 )2 (0.50) ]

+ [ ]
1−
194
18(2.96)
11
[ 1.08−2 ( 1.52 )( 0.50 )( 0.68 )( 1.04 )+ (1.52 )2 (0.46) ]

+ [ ]
1−
111
11(4.37)
[ 1.15−2 (1.35 )( 0.45 ) ( 0.71 ) ( 1.07 ) + ( 1.35 )2 (0.50) ]=0.0511
Límites para el estimador de la razón separada estratificada:

Límites para la media:

^ ^ =1. 48± 2 .0211 √ 0 . 0511

R Sst = Ŕ[ Sst ] ± t n−3 √ V [R ]
Sst

Dr. Vicente Ecos Quintanilla 2

 UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA”
FACULTAD DE ADMINISTRACIÓN
ASIGNATURA TEORIA DE MUESTREO

1.02 1.48 1.94

.
Límite para el total

^ ^ =1 . 48 ( 450 ) ±2 . 0211(450) √ 0 . 0511

RCst = Ŕ[ Cst ] N ± t n−3 N √ V [C ]
st

460.41 666 871.59

Razón combinada estratificada:

ý st =∑ ( wh . ý h ) =0.32∗1.86+ 0.43∗2.61+ 0.25∗2.82=2.42

x́ st =∑ ( w h . x́ h )=0.32∗1.21+0.43∗1.72+ 0.25∗2.09=1.65

ý st 2.42
ŔCst = = =1.47
x́ st 1.65

F Estimador de varianza para el error de la razón combinada estratificada:

^ R =∑ 1−f h S 2y −2 ( ŔCst ) ( P h ) ( S x )( S y ) + ( Ŕ2Cst ) ( S 2x )

V [ ] [ ][
nh ( x́ h )
Cst 2 h h h h ]
14
V
^R
[ Sst

18
[ 1−
145
] 2
] = 14 (1. 46) [ 0 .27−2 ( 1. 47 ) (1 . 05 ) ( 0 .71 ) ( 0 .52 ) + ( 1 . 47 ) (0 . 50) ]

[ ]
+
1−
194
18(2 . 96)
[ 1 . 08−2 ( 1 . 47 ) ( 0 .50 ) ( 0 . 68 ) (1 . 04 ) + ( 1 . 47 )2 (0 . 46) ]
11
F
[ + ]
1− para el estimador de la razón separada estratificada:
Límites
111
11(4 . 37)
Dr. Vicente Ecos Quintanilla
2
[ 1 .15−2 ( 1. 47 )( 0 . 45 )( 0 . 71 )( 1 . 07 ) + ( 1 . 47 ) (0 . 50) ]=0 . 0499
3
 UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA”
FACULTAD DE ADMINISTRACIÓN
ASIGNATURA TEORIA DE MUESTREO
Límites para la media:

^
RCst = Ŕ[ Cst ] ±t n−3 √V^ [ R ] =1 . 47 ±2 . 0211 √ 0 .0499
Cst

1.02 1.47 1.92

@ Límites para el total

^ ^ =1 . 47 ( 450 ) ± 2. 0211(450) √ 0 . 0499

RCst = Ŕ[ Cst ] N ± t n−3 N √ V
st[C ]

458.33 661.5 864.67

Dr. Vicente Ecos Quintanilla 4

 UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA”
FACULTAD DE ADMINISTRACIÓN
ASIGNATURA TEORIA DE MUESTREO

2) A través de regresión lineal evalué las variables: (9 Puntos)

VARIABLES DE INTERES: (X = ingresos ; Y = gastos)

Cuadro resumen para el análisis de regresión lineal

ESTRATO I ESTRATO II ESTRATO III
MEDIDAS x y x y x y
∑ 15910 13955 39000 32390 44320 26290
∑^2 18416900 14124225 87188400 59042100 180440800 63759300
∑ (X * Y) 16089700 70981000 106147100
Media 1136.43 996.79 2166.67 1799.44 4029.09 2390.00
Varianza 25867.38 16458.52 158125.88 44610.73 187157.15 92620.00
Estándar 160.83 128.29 397.65 211.21 432.62 304.34
n 14 18 11

Regresión lineal separada:

F Ecuación de b: b h=
∑ X h y h−n h x́ h ý h
∑ x h2−n h ( x́ h )2
16089700−14(1136.43)( 996.79)
b 1= =0.69
18416900−14(1136.43 )2

70981000−18(2166.67)(1799.44)
b 2= =0.30
87188400−18(2166.67)2

106147100−11(4029.09)( 2390.00)
b 3= =0.12
180440800−11( 4029.09)2

F Estimativos de “Y”: Ý [ RL ] = ý h+ bh ( uh− x́ h )

h

Considere: µ1=1137 . 00 µ2=2168 .00 y µ3=4030. 00

¿ 996 . 79+0.69 ( 1137.00−1136.43 )=997.18

Ý [ RL ] =179. 44 +0.30 ( 2168.00−2166.67 )=1799.84

2

Ý [ RL ] =2390. 00+ 0.12 ( 4030.00−4029.09 )=2390.11

3

Dr. Vicente Ecos Quintanilla 5

 UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA”
FACULTAD DE ADMINISTRACIÓN
ASIGNATURA TEORIA DE MUESTREO

F Media ponderada de la regresión lineal separada:

Ý [ RLs ]=∑ ( w h Ý [ RL ] )=0. 32∗997 .18+ 0 . 43∗1799 . 84+ 0 .25∗2390 .11=1690 .56
h

F Estimador de varianza para el error de la regresión lineal

En primer lugar debe hallar la covarianza: Cov h=

∑ xy h − x́
nh
( h )( ý h )

16089700
Cov 1= −( 1136 . 43 ) ( 996 .79 )=16482. 23
14

70981000
Cov 2= −( 2166 . 67 ) ( 1799 . 44 ) =44596 . 22
18

106147100
Cov 3= − ( 4029 .09 )( 2390 . 00 )=20211 . 26
11

Hallamos el estimador de varianza para el error de la regresión.

2
^ [ RLs ]=∑ w ( 1−f )
V [ n ] [( S 2y ) −2 ( b )( Cov ) + ( b2 ) ( S 2x ) ]
14

[ (
0.322 1−

14
145
]
) [ ( 16458.52 )−2 ( 0.69) ( 16482.23) +(0.69 ) ( 25867.38) ] +¿
2

18

[@
(
0.43 2 1−

18
194 )
] [ ( 44610.73 ) −2 ( 0.30 )( 44596.22 )+( 0.302 ) (158125.88 ) ]+ ¿

@ Límites para el estimador de la media de la regresión separada

estratificada:

Límites para la media:

Dr. Vicente Ecos Quintanilla 6

 UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA”
FACULTAD DE ADMINISTRACIÓN
ASIGNATURA TEORIA DE MUESTREO

Ý [ RLs ] ±t n−3 √V^ [ RLs ] =1690 .56 ± 2. 0211 √ 801 . 90

@ Límites para total

1633.33 1690.56 1747.79

Límites para totales:

^ =1690 . 56 ( 450 ) ±2 . 0211( 450) √ 801 .90

Ý [ RLs ] N ± t n−3 N √ V [ RLs ]

734997.07 786506.93

Regresión lineal combinada:

Regresión lineal combinada

F Estratificación de “x” e “y”

X́ [ ST ] =∑ w ( x́ h ) =( 0 .32 ) ( 1136 . 43 )+ ( 0 . 43 )( 2166 . 67 ) + ( 0 . 25 ) ( 4029 . 09 )=2302 . 60

Ý [ ST ]=∑ w ( ý h ) =( 0 .32 ) ( 996 . 79 ) + ( 0 . 43 ) ( 1799. 44 ) + ( 0 . 25 ) (2390 . 00 ) =1690. 23

F Combinado de “b”

bc=∑ W ( bh ) =(0 . 32)( 0 .69)+( 0. 43)(0 .30)+(0. 25)(0 . 12)=0 .38

Para laestimacion considere :µ=2313 . 00

Ý [ RLc ] =Ý [ ST ] +b c ( u− X́ [ ST ] )=1690 . 23+0 . 38 (2313−2302 .60 )=1694 . 18

Dr. Vicente Ecos Quintanilla 7

 UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA”
FACULTAD DE ADMINISTRACIÓN
ASIGNATURA TEORIA DE MUESTREO

Estimador de varianza para el error de la regresión lineal combinada

2
^ [ RLc ] =∑ w ( 1−f )
V [ n ][( S 2y )−2 ( b c ) ( Cov )+ ( b 2c )( S 2x ) ]

14

[ (
0.322 1−

14
145
]
) [ ( 16458.52 )−2 ( 0.38) ( 16482.23) +(0.38 ) ( 25867.38) ] +¿
2

18

[ (
0.43 2 1−

18
194 )
] [ ( 44610.73 ) −2 ( 0.38 )( 44596.22 )+( 0.382 ) (158125.88 ) ]+ ¿

@ Límites para el estimador para la media de la regresión combinada

estratificada:

Límites para la media:

^ [ RLc] =1694 . 18 ±2 . 0211 √ 897 .14

Ý [ RLc ] ± t n−3 √ V

1633.64 1694.18 1754.72

Dr. Vicente Ecos Quintanilla 8

 UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA”
FACULTAD DE ADMINISTRACIÓN
ASIGNATURA TEORIA DE MUESTREO
Límites para el total

^ [ RLs ] =1694 . 18 ( 450 ) ± 2. 0211(450) √ 897 . 14

Ý [ RLs ] N ± t n−3 N √ V

735139.54 789622.46

3) A través de la siguiente información halle el coeficiente de correlación

( 4 Puntos ).

VARIABLES DE INTERES: (X = INGRESOS ; Y = GASTOS)

Nº E-I E-II E-III

∑X 15910 39000 44320

∑Y 13955 32390 26290
2
∑X 18416900 87188400 180440800
2
∑Y 14124225 59042100 63759300
Ʃ =X ( Y ) 16089700 70981000 106147100
n 14 18 11

Coeficiente de correlación:
F Halle el coeficiente de correlación para cada estrato.

14 ( 16089700 )−( 15910 ) ( 13955 )

r 1= 2 2
=0.86
√ 14 ( 18416900 )−( 15910 ) ∗√14 (14124225 )−( 13955 )

18 (70981000 )−( 39000 ) (32390 )

r 2= 2 2
=0.56
√ 18 ( 87188400 )−( 39000
r=
) ∗ √18 ( 59042100
n ( ∑ xy )−
)−( ∑ x )( ∑
( 32390 ) y)
2 2
√ n (∑ x )−(∑ x ) ∗√ n (∑ y )−(∑ y )
2 2

11 ( 106147100 ) −( 44320 ) ( 26290 )

r 3= 2 2
=0.17
√ 11 ( 180440800 )−( 44320 ) ∗√ 11 ( 63759300 )−( 26290 )
Dr. Vicente Ecos Quintanilla 9
 UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA”
FACULTAD DE ADMINISTRACIÓN
ASIGNATURA TEORIA DE MUESTREO

F Halle la media estratificada de la correlación

ŕ st =∑ ( wi∗r i )=(0 .32∗0 . 86)+(0 . 43∗0 .56)+(0 . 25∗0 . 17)=0 . 56

Para determinar si se tiene alguna correlación significativa entre ingresos y gastos, se

formula la hipótesis de que el coeficiente de correlación de la población P, es igual a
cero. Así las hipótesis nula y alternativa serían:

H0: P = 0 No hay correlación entre el ingreso y el gasto

H1: P ≠ 0 Si hay relación entre el ingreso y el gasto

La estadística de prueba para determinar la existencia de una correlación significativa

está dada por la siguiente fórmula:

r−0 0.56−0
t= =¿ =4.328040519
2
( 1−r 2 ) 1−0.56
√ ( n−2 ) √ ( 43−2)

En la que la estadística de prueba t, sigue una distribución t que tiene n-2 grados de
libertad. Y si seleccionamos un nivel de significación del 0.05 tendremos:
0.56
coeficiente de determ i nació n= =0.13
4.328040519

Como t = 4.33> t41 = 2.0195; Rechazamos la hipótesis nula Ho, entonces llegamos a la
conclusión de que existe una correlación entre X y Y de una asociación entre los
ingresos y los gastos del habitante Iqueño.

Dr. Vicente Ecos Quintanilla 10