Muestreo Estadistico

Semana 1
Muestreo Industrial
Lectura
Muestreo estadístico.
Alba Fernández, M. V., & Ruiz Fuentes, N. (2005).

Muestreo estadístico. Septem Ediciones.
Material compilado con fines académicos, se prohíbe su
reproducción total o parcial sin la autorización de cada autor.

N (N − n ) 2
( )
Vˆ Xˆ reg =
n
s x 1 − ρˆ 2 ( )
siendo s xy
ρ̂ =
sx s y
la estimación muestral del coeficiente de correlación lineal poblacional entre las
variables X e Y. Por tanto
183577.5575
ρˆ = = 0.972565,
231543.065 ⋅ 153875.7442
pudiendo estimar el error de muestreo como
123 ⋅ (123 − 13)
σˆ Xˆ =
reg
13
(
⋅ 231543.065 ⋅ 1 − 0.972565 2 = 3611.280767 euros. )
Ejercicio 6.2

Solución.
Deseamos obtener una estimación del ingreso total para el año 2000 conside-
rando como información auxiliar la declaración de los ingresos para las industrias en
el año 1999. Para estimar los ingresos totales para el 2000 mediante un estimador
Copyright © 2005. Septem Ediciones. All rights reserved.
de regresión utilizamos la expresión

Xˆ reg = Nx + bˆ(Y − Ny ) = bˆY + N (x − y ).
La información muestral se resume en,

N=45 n=10
x = 58.79 y = 52.53
s x2 = 4119.169888 s y2 = 3273.811222
s xy = 3670.757
Alba, F. M. V., & Ruiz, F. N. (2005). Muestreo estadístico. Retrieved from http://ebookcentral.proquest.com
Created from ieusp on 2018-10-09 08:27:46.

con ella obtenemos el valor de la constante b̂ que nos proporcionará el estimador

de regresión deseado.
10
∑x y i i − 10 x y
3670.757
bˆ = i =1
10
= = 1.1212488.
3273.811222
∑y
i =!
2
i − 10 y 2
Así, teniendo en cuenta que los ingresos totales para el año 1999 fueron 2174.2
millones de euros, se estima un ingreso nacional total en el año 2000 de
Xˆ regr = 1.1212488 ⋅ 2174.2 + 45 ⋅ (58.79 − 52.53) = 2719.519141 millones de
euros.
Para obtener una estimación del error de muestreo utilizamos la expresión

N (N − n ) 2
Vˆ Xˆ reg =
n
( )
s x 1 − ρˆ 2 . ( )
Estimamos en primer lugar, con la información muestral, el coeficiente de corre-
lación lineal entre las variables: ingresos para 1999 (Y) e ingresos para 2000 (X).
3670.757
ρˆ = = 0.9997475
4119.169888 ⋅ 3273.811222
produciéndose un error de muestreo estimado de
45 ⋅ (45 − 10 )
σˆ Xˆ = (
⋅ 4119.169888 ⋅ 1 − 0.9997475 2 = 327.58711 millones )
reg
10
de euros.
Ejercicio 6.3


Solución.
Dado que los datos son los mismos del Ejercicio 5.1 del capítulo anterior, no
repetiremos los cálculos allí realizados. Para estimar el salario medio utilizando un
estimador de regresión separado, hacemos uso de la expresión
∑ N {x }
2
+ bî (Yi − y i ) .
1
Xˆ rgS = i i
N i =1
s xyi
donde bî = , i = 1,2.
s 2yi
Calculamos los coeficientes b̂i ,
s xy1 0.502
bˆ1 = 2
= = 6.1243
s y1 0.081968
s xy 2 − 0.3565
bˆ2 = 2
= = −10.727
s y2 0.03233
que dan lugar a una estimación del salario medio de

1
Xˆ rgS = ⋅ [45 ⋅ (18.8222 + 6.1243 ⋅ (2.5 − 3.0778)) + 30 ⋅ (24.24 − 10.727 ⋅ (2.7 − 3.03))]
75
1521.2
= = 20.283 miles euros/mes.
75
con una estimación del error asociado que obtendremos a partir de la estimación de
la varianza.
( ) 1
Vˆ Xˆ rgS = 2
N
∑
2
i =1
N i (N i − ni ) 2
ni
s xi (1 − ρˆ i2 ) =
1  45 ⋅ (45 − 9 )   0.502   30 ⋅ (30 − 5)

2
  0.3565   
2
=  ⋅ 7.4972 ⋅ 1 −   + ⋅ 8.9078 ⋅ 1 −   =
75 2  9   0.2863 ⋅ 2.7381   5   2.9846 ⋅ 0.1823   
   
1
= (796.1 + 762.54) = 0.27709
75 2
por tanto la estimación del error de muestreo es de

( )
Vˆ Xˆ rgS = 0.27709 = 0.52639 miles euros/mes.

Estimamos ahora el salario medio a través de un estimador de regresión combi-

nado
(
Xˆ rgC = Xˆ st + bˆc Y − Yˆst )
donde Xˆ st denota, como es usual, la estimación estratificada del salario medio y el
coeficiente b̂c se calcula, a partir de los datos muestrales, mediante la siguiente
expresión
2
N i (N i − ni ) 45 ⋅ (45 − 9 ) 30 ⋅ (30 − 5)
∑ ni
s xyi ⋅ 0.502 − ⋅ 0.3565
ˆ i =1
bc = 2 = 9 5 = 1.8686.
N i (N i − ni ) 2 45 ⋅ (45 − 9 ) 30 ⋅ (30 − 5)
∑ ⋅ 0.2863 + ⋅ 0.1823
2 2
s yi
i =1 ni 9 5
Además, el salario medio y la calificación media estimadas mediante un estimador

estratificado son las siguientes
2
1 1
Xˆ st = ∑N x i i = (45 ⋅18.8222 + 30 ⋅ 24.24) = 20.9893 miles euros/mes
N i =1 75
2
1 1
Yˆst = ∑N y i i = (45 ⋅ 3.0778 + 30 ⋅ 3.03) = 3.0587 puntos
N i =1 75
Teniendo en cuenta que Y = 1 / 75(45 ⋅ 2.5 + 30 ⋅ 2.7 ) = 2.58 , se produce una

estimación del salario medio a través del estimador de regresión combinado de
Xˆ = 20.9893 + 1.8686 ⋅ (2.58 − 3.0587 ) = 20.095 miles euros/mes con una
rgC
estimación de la varianza asociada
( ) N
1
Vˆ Xˆ rgC = 2 ∑
L
N i (N i − ni )  ni
∑ ij
i =1 ni (ni − 2 )  j =1
(x − x i )2
− bc ∑
2
ni
(y ij − y i )2

j =1 
 45 ⋅ (45 − 9)
=
1
 9⋅7
(
7.4972 ⋅ 8 − 1.8686 2 ⋅ 0.081968 ⋅ 8 + )
75 2
30 ⋅ (30 − 5)
+
5⋅3
( 
8.9078 ⋅ 4 − 1.8686 2 ⋅ 0.033233 ⋅ 4  = 0.57632, )


que da lugar a una estimación del error asociado de
( )
Vˆ Xˆ rgC = 0.57632 = 0.75916 miles euros/mes
Si no consideramos la estratificación o división en grupos de prácticas y conside-

ramos la información auxiliar que proporciona la variable calificación, podemos utili-
zar el estimador de regresión para estimar el salario medio, dado por la expresión
Xˆ regr = x + bˆ(Y − y )
s xy
ˆ
donde b = s y2 . Procedemos a calcular esta estimación a partir de la información
muestral y poblacional de que disponemos
s xy 0.136
bˆ = 2 = = 2.2222,
sy 0.0612
entonces el salario medio estimado es de
Xˆ regr = 20.7571 + 2.2222 ⋅ (2.58 − 3.0607) = 19.6889 miles euros/mes.
El error de estimación se determina a partir de la estimación de la varianza del

estimador
( )
Vˆ Xˆ regr =
N −n 2
Nn
s x (1 − ρˆ 2 )
donde
s xy 0.136
ρˆ = = = 0.1438
sx s y 14.6119 ⋅ 0.0612
Por lo Vˆ Xˆ regr =
tanto
75 − 14
( )
⋅ 14.6119 ⋅ (1 − 0.1438 2 ) = 0.8313 y
( )
Vˆ Xˆregr = 0.9118 miles euros/mes
75 ⋅ 14
es la estimación del error asociado.
Como podemos observar, el error de muestreo es mayor cuando no tenemos en
cuenta la división en estratos, luego no es acertado unir los grupos de prácticas.
Si no consideramos la información auxiliar relativa a la calificación media obteni-
da en la carrera pero sí la división en grupos de prácticas, estimaríamos el salario

medio mediante un estimador estratificado para la media de la variable “salario”,

2
1 1
Xˆ st = ∑N x i i = (45 ⋅ 18.8222 + 30 ⋅ 24.24) = 20.9893 miles euros/mes
N i =1 75
cuyo error de muestreo asociado lo obtendremos a partir de la siguiente expresión
N i (N i − ni ) 2
( )
2
1
Vˆ Xˆ st = 2
N
∑i =1 ni
s xi =
1  45 ⋅ (45 − 9) 30 ⋅ (30 − 5) 
=  ⋅ 2.73812 + ⋅ 2.9846 2 
75 2  9 5 
1
= 2 ⋅ 2685.7 = 0.47746
75
( )
y es de Vˆ Xˆ st = 0.69098 miles euros/mes.
Mediante cada uno de los procedimientos de estimación que hemos utilizado se

ha obtenido una estimación del salario medio de los alumnos en prácticas. Asimis-
mo se ha estimado el error de estimación asociado, sin embargo, no podemos
realizar una clasificación de los estimadores según su precisión basándonos en la
estimación de tales errores dada la sesgadez que presentan algunos de los estimadores
empleados.
Ejercicio 6.4

x s y s x2 ρ̂ xy
2
y


Y1 = 4.15 Y2 = 26.1

Solución.
La superficie total dedicada al nuevo cultivo se estima mediante un estimador de
regresión separado ponderando el estimador de regresión de la media en cada
estrato de la siguiente forma
{ }
2
Xˆ rgS = NXˆ rgS = ∑ N i xi + bî (Yi − y i ) .
i =1
Para ello debemos calcular previamente los coeficientes bî , i : 1,2 , dados por
s xyi
bî =
s yi2
para lo que necesitamos las cuasi-covarianzas muestrales en cada estrato s xyi que
s
determinamos a partir de los coeficientes de correlación muestrales ρ̂ xyi = xyi ,
s xi s yi
i=1,2.
3.4466
s xy1 = ρˆ xy1 s x1 s y1 = 0.59 ⋅ 3.25 ⋅ 10.5 = 3.4466 ⇒ bˆ1 = = 0.3282
10.5
8.3403
s xy 2 = ρˆ xy 2 s x 2 s y 2 = 0.67 ⋅ 9.87 ⋅ 15.7 = 8.3403 ⇒ bˆ2 = = 0.5312..
15.7
Teniendo en cuenta que Y1 = 4.15 e Y2 = 26.1 , estimamos que la superficie

total dedicada al nuevo cultivo es de
Xˆ rgS = 1150 ⋅ (2.85 + 0.3282 ⋅ (4.15 − 4.25)) + 700 ⋅ (20.08 + 0.5312 ⋅ (26.1 − 25.84))
= 3239.8 + 14153 = 17392.4354 ≅ 17392 Ha.

Estimamos ahora el error de estimación del estimador anterior
( ) ∑ N (Nn − n )s (1 − ρˆ ) =
2
Vˆ Xˆ rgS = i i i 2
xi i
2
i =1 i
1150(1150 − 75) 700(700 − 50)

=
75
⋅ 3.25 ⋅ 1 − 0.59 2 +
50
( )
⋅ 9.87 ⋅ 1 − 0.67 2 ( )
= 290.5529
Para decidir si es adecuado o no considerar información auxiliar, estimamos

mediante un estimador estratificado la superficie total dedicada al nuevo cultivo y la
varianza del estimador. En el primer caso, se estima una superficie total de
2
Xˆ st = ∑ N i xi = 1150 ⋅ 2.85 + 700 ⋅ 20.08 = 17333.5 Ha.
i =1
y la varianza del estimador se estima mediante
N (N − ni ) 2
( )
2
Vˆ Xˆ st = ∑ i i s xi
i =1 ni
1150 ⋅ (1150 − 75) 700 ⋅ (700 − 50) 
= ⋅ 3.25 + ⋅ 9.87
 75 50 
= 143387.8333.
Es decir, el error asociado a la estimación estratificada de la superficie total que

se dedicará al nuevo cultivo es de Vˆ (Xˆ st ) = 378.6659 Ha. y según estos resulta-

dos el error de estimación asociado al estimador que emplea información auxiliar es
menor.
Ejercicio 6.5


Solución.
Denotando por X a la variable ‘‘calificaciones en el examen específico’’ y por Y
a la variable ‘‘calificaciones en el examen general’’, los datos de la tabla proporcio-
nan los valores:
6
y1 = 50.5 x1 = 65.5 ∑x y
i =1
i i = 19621
s y21 = 286.3 s x21 = 145.1

y 2 = 49.714 x 2 = 73.857 ∑x y
i =1
i i = 26325
s 2y2 = 241.9 s x22 = 205.14

Sabiendo que Y1 = 45 y Y2 = 50 y teniendo en cuenta que el número de alum-
nas (N 2 ) es el doble que el de alumnos (N 1 ) , es decir, N 2 = 2N 1 y
N 1 + N 2 = 387 , entonces N 1 = 129 y N 2 = 258 . El estimador de regresión se-
parado tiene la expresión,
∑ N {x + bî (Yi − y i )}
L
1
Xˆ rgS = i i
N i =1

donde s xyi
bî = , i = 1,2
s 2yi
cuyos valores son
− 45.1
bˆ1 = = −0.15753
286.3
103.82
bˆ2 = = 0.42919
241.9
Como estimación de la calificación media en el examen específico resultaría
1
Xˆ rgS = (129 ⋅ (65.5 − 0.15753 ⋅ (45 − 50.5)) +
387
27648.04261
+ 258 ⋅ (73.857 + 0.42919 ⋅ (50 − 49.714))) = = 71.442 puntos.
387
La estimación insesgada de la varianza del estimador viene dada por la expresión
( ) 1
Vˆ Xˆ rgS = 2
N
∑
L
i =1
N i (N i − ni ) 2 ˆ 2 2
ni
(
s xi + bi s yi − 2bî s xyi )
1 129 ⋅ (129 − 6 )
= 2 
(
⋅ 145.1 + 0.157532 ⋅ 286.3 + 2 ⋅ 0.15753 ⋅ 45.1 + )
387  6
258 ⋅ (258 − 7 )
+ ( 
⋅ 205.14 + 0.42919 2 ⋅ 241.9 − 2 ⋅ 0.42919 ⋅ 103.82  )
7 
1
= (440081.6674 + 1485566.556) = 12.857455,
387 2
por tanto, una estimación del error de estimación asociado es Vˆ ( Xˆ RS ) = 3.585729

puntos.
En el caso de no tener en cuenta el sexo, los datos disponibles quedarían de la
siguiente forma
x = 70 y = 50.077
sx2 = 181.83 s y2 = 240.41

13
∑x y
i =1
i i = 45946
y la calificación media del examen de cultura general
1
Y = (45 ⋅ 129 + 50 ⋅ 258) = 48.333.
387
Teniendo en cuenta que podemos utilizar información auxiliar, consideraremos el

estimador de regresión, cuya expresión es la siguiente
Xˆ rg = x + bˆ(Y − y )
con b̂ obtenida a partir de la muestra,
s xy 31.328
bˆ = 2 = = 0.13031
sy 240.41
1
s xy = (45946 − 13 ⋅ 70 ⋅ 50.077) = 31.3275.
12
Por lo tanto, la estimación de la calificación media de todos los alumnos en la

prueba de conocimientos específicos es
Xˆ = x + bˆ(Y − y ) = 70 + 0.13031 ⋅ (48.333 − 50.077 ) = 31.328 puntos,
rg
con una estimación de la varianza asociada,
( )
Vˆ Xˆ rg ≅
N −n 2
Nn
s x 1 − ρˆ 2 = (
387 − 13
387 ⋅ 13
)
⋅ 181.83 ⋅ 1 − 0.149836 2 = 13.213608, ( )
lo que da lugar a una estimación del error de estimación de
σˆ Xˆ rg = 13.213608 = 3.635053 puntos.
En el caso de que sí tengamos en cuenta el sexo, pero no la variable auxiliar,
estimaríamos la media mediante un estimador estratificado,
2
1 1
Xˆ st = ∑N x i i = (129 ⋅ 65.5 + 258 ⋅ 73.857) = 71.071 puntos
N i =1 387

dando lugar a la siguiente estimación de la varianza
( ) N
1
Vˆ Xˆ st = 2 ∑
2
i =1
N i (N i − ni ) 2
ni
s xi
1  129 ⋅ 123 258 ⋅ 251 

=  ⋅ 145.1 + ⋅ 205.14  = 15.233
387 2  6 7 
que proporciona una estimación del error de muestreo de

σˆ ˆ = 15.233 = 3.9029 puntos.
X st
Por último, si no se tiene en cuenta la información auxiliar ni el sexo, estimaría-

mos la calificación media del examen específico mediante la media aritmética muestral
(muestreo aleatorio simple), Xˆ = x = 70 puntos.
Con una varianza estimada,
()
Vˆ Xˆ =
N − n 2 387 − 13
Nn
sx =
387 ⋅ 13
⋅ 181.83 = 13.517 puntos.
lo que da lugar a una estimación del error de estimación de σˆ ˆ = 3.6765 puntos.

X
Se han utilizado diferentes estimadores para estimar la calificación media del

examen de conocimientos específicos bajo diferentes suposiciones, las estimacio-
nes de los errores de muestreo asociados a cada uno de los estimadores se pueden
ordenar de la siguiente forma
σˆ rgS < σˆ rg < σˆ mas < σˆ st .
Dada la sesgadse de algunos de los estimadores utilizados, comentamos sólo los

resultados de los estimadores insesgados, y en este caso, utilizando exclusivamente
la variable de estudio no es adecuada la distinción por sexo en los alumnos.
CAPÍTULO 7
MUESTREO POR CONGLOMERADOS MONOETÁPICO
1. Introducción
En los diseños muestrales presentados hasta ahora hemos supuesto que las uni-
dades de muestreo eran las mismas que constituían el objeto de nuestro estudio. A
continuación, nos ocuparemos del caso más general en el que las unidades de
muestreo comprenden dos o más unidades últimas. Por tanto, consideraremos que
la población de tamaño2 M se puede considerar dividida en N grupos o bloques de
unidades llamados conglomerados, de forma que no se solapan y recubren toda la
población.
Esto es, si llamamos C1 , C2 ,..., C N a los N conglomerados que forman la pobla-
ción , se cumple que
N
= C i y Ci ∩ C j = , ∀ i ≠ j.
i =1
El número de unidades elementales de un conglomerado se denomina tamaño

del conglomerado y se denotará por M i , i = 1,..., N . Los conglomerados pueden

ser de igual o de distinto tamaño y han de ser lo más heterogéneos posible dentro de
ellos y lo más homogéneos posible entre ellos para que sean representativos de
toda la población.
En el muestreo por conglomerados, en lugar de seleccionar unidades de la po-
blación, se seleccionan conglomerados mediante un determinado criterio, y una vez
seleccionados los conglomerados, la muestra estará formada por todas las unida-


des que componen los conglomerados elegidos. Como se puede ver, este procedi-
miento es complementario a el muestreo aleatorio estratificado cuyo objetivo re-
cordamos era homogeneizar la población.
Las principales ventajas que podemos encontrar en este diseño son:
• No necesita un marco muy específico, a diferencia del muestreo aleatorio sim-
ple en el que se necesita disponer de un listado de las unidades. Ahora sólo se
necesita disponer del listado de las unidades en los conglomerados selecciona-
dos.
• Se pueden utilizar como conglomerados las divisiones territoriales ya estable-
cidas por necesidades administrativas para las cuales existe información dispo-
nible.
• Se ahorra coste y tiempo al efectuar visitas a las unidades seleccionadas ya que
la concentración de unidades disminuye el coste de desplazamientos.
Por otro lado, algunas de sus desventajas son:

• Menor precisión de las estimaciones debido a que, aunque lo ideal es la hete-
rogeneidad dentro de los conglomerados, existe un grado de homogeneidad en
los mismos.
• La eficiencia de este tipo de muestreo disminuye al aumentar el tamaño de los
conglomerados.
2. Selección de conglomerados mediante muestreo aleatorio

simple
A partir de la población de tamaño M dividida en N conglomerados,
C1 , C2 ,..., C N , seleccionamos una muestra aleatoria simple de n conglomerados, y
por tanto la probabilidad de que un conglomerado concreto C i , i = 1,..., N sea
seleccionado es,
n
πi =
N
Semana 1
Muestreo Industrial
Lectura
Estadística práctica:
aplicación y análisis para
la toma de decisiones
en las empresas.
López Moreno, W. (2014). Estadística práctica: aplicación

y análisis para la toma de decisiones en las empresas.
Universidad de Puerto Rico. Pp 119-130
Material compilado con fines académicos, se prohíbe su
reproducción total o parcial sin la autorización de cada autor.
Capítulo 7 Selección y tamaño de la muestra 119
Capítulo 7
Selección y tamaño de la muestra
Tópicos del Capítulo 7
Selección de la muestra
Copyright © 2014. Universidad de Puerto Rico. All rights reserved.
El tamaño de la muestra por proporciones

El tamaño de la muestra por estimado del intervalo
de la población
Derechos reservados 2014

López, M. W. (2014). Estadística práctica: aplicación y análisis para la toma de decisiones en las empresas. Retrieved from http://ebookcentral.proquest.com
120 Capítulo 7 Selección y tamaño de la muestra
Selección de la Muestra
La muestra (n) es una porción representativa que se obtiene de los elementos (conjunto
de cosas o individuos) que componen la población. Debe ser seleccionada de forma tal que
pueda analizarse con resultados confiables y cercanos a los que se obtendrían con el total de
elementos. Para trabajar con la muestra es importante saber cómo se van a escoger los elementos
y cuál será su tamaño.
Muestreo por conveniencia .
La muestra se puede escoger de manera aleatoria o no aleatoria. Si es de manera no

aleatoria no todos los elementos tienen la misma oportunidad de ser seleccionados. En este caso
el muestreo puede ser por conveniencia o subjetivo. El muestreo por conveniencia es aquel que
consideran mayormente aspectos como el fácil acceso a las unidades y la reducción de costo al
recolectarlas. Por ejemplo si tenemos un cargamento de frutas en un camión, es conveniente
seleccionar las unidades que están en las cajas externas de fácil acceso. Si son unidades ya
empacadas que se van a transportar, se deseará tomar muestras sin abrir muchas cajas para no
aumentar los costos por el re-empaque de las cajas. El muestreo por conveniencia no asegura la
misma oportunidad de selección a todas las unidades disponibles en la población. Por tal razón
no es conveniente para llegar a unas conclusiones confiables o comparando valores estadísticos
con los resultados de la muestra.
Muestreo subjetivo
El muestreo subjetivo es aquel donde un perito o experto en la materia selecciona los
elementos. Esta persona tiene el conocimiento o la experiencia de escoger las unidades más
representativas de la población para establecer una muestra. A pesar de que las unidades las
escoge alguien con conocimiento en los elementos, no podemos establecer un nivel de

confiabilidad claro sobre la muestra seleccionada. El razonamiento es que la muestra puede ser
tan buena como el nivel de conocimiento o experiencia que pueda tener la persona. Y esto puede
ser un asunto debatible entre los expertos. Además existe la posibilidad de una preferencia
consciente o inconsciente del individuo. Por tal razón la selección de la muestra también puede
ser debatible con relación al nivel de confiabilidad o al momento de llegar a conclusiones por
medio de cómputos estadísticos.
En el muestreo realizado de manera aleatoria, todos los elementos tienen la misma
oportunidad de ser seleccionados. En este caso se pueden escoger las unidades con uno de los
cuatro tipos de muestreo aleatorio que se discuten en este capítulo, el muestreo aleatorio simple,
el aleatorio estratificado, el de conglomerados y el sistemático. En todos los aleatorios ocurre un
muestreo probabilístico si se conoce de antemano la probabilidad de seleccionar los elementos

que componen la población.
Muestreo aleatorio simple

El muestreo aleatorio simple se basa en seleccionar los elementos de una población
garantizando que cada uno de ellos tenga la misma oportunidad de salir. Cuando la población
tiene un tamaño conocido o finito, se le puede asignar un número o rango de números a cada
elemento de la población. Este puede ser por su posición si es que se colocan en orden o por
cualquier otro criterio que permita identificarlo. Una vez que se identifican se obtiene la cantidad
de números aleatorios necesarios de acuerdo al tamaño de la muestra.
Para obtener la cantidad de números aleatorios necesarios se puede utilizar una tabla
como la # 12 del apéndice B o pueden ser generados en la dirección www.random.org. Por
ejemplo si tenemos un grupo de 100 personas en un salón podemos asignarle un número del 01
al 100. El que este en la posición 100 se le asigna el número 00. Se pueden generar los números
de uno a uno o se puede elegir de antemano los primeros dos dígitos que aparecen en una de las
columnas. Por ejemplo si utilizamos los primeros dos dígitos de la siguiente tabla se escogerían
las personas en las posiciones # 65, 82, 54, 47 y así sucesivamente.
En este sentido el que selecciona la muestra puede ser creativo pero debe establecer las reglas de
juego antes de comenzar a escoger los elementos. La asignación de un rango para cada elemento
es otra forma de escoger la muestra. Por ejemplo se le puede asignar el rango siguiente a los
individuos que componen el grupo del cual se va a obtener la muestra:
Elemento Rango
Persona 1 10000 a 20000
Persona 2 20001 a 30000
Persona 3 30001 a 40000
Persona 4 40001 a 50000
Persona 5 50001 a 60000
Persona 6 60001 a 70000
Persona 7 70001 a 80000
Persona 8 80001 a 90000

Los primeras tres personas seleccionadas serían la persona 6 seleccionada con el número
65504 de la tabla, la 8 seleccionada con el número 82928 y la 5 con el número 54314. Como el
muestreo es sin remplazo (que la persona no se puede elegir nuevamente) si sale un número que
lo escoge nuevamente, se descarta y se prosigue con los próximos números aleatorios.
Si la población es infinita, se debe establecer algún suceso o evento aleatorio que ocurra
dentro de la población para seleccionar las unidades. Por ejemplo, si deseamos encuestar a los
clientes de un Mall cuya población es infinita debemos identificar un evento que sea aleatorio.
Por ejemplo se puede encuestar al cliente que pase detrás de una persona con un vestido rojo. O a
la tercera persona que venga detrás de una familia con más de dos niños. También se puede
contar el cliente que corresponda a una cantidad de números aleatorios pre establecidos.
Muestreo aleatorio estratificado

Los estratos son subgrupos que se pueden formar dentro de una población de acuerdo a
las características que se especifican. Estas pueden ser por tiempo, como la edad, fecha de
expiración, por colores, por formas, por el origen de procedencia como áreas de trabajo, lugar de
nacimiento entre otros. El propósito es que cada elemento pertenezca a un estrato. Luego que se
agrupan se realiza la selección de las unidades dentro de cada estrato como se especifica en el
muestreo aleatorio simple.
Una ventaja de este tipo de muestreo es que si los estratos se establecen con grupos
homogéneos (con características parecidas), la cantidad de elementos en la muestra puede ser
menor que si se toman directamente de la población. Con una cantidad menor se llegarán a los
mismos resultados que un muestreo aleatorio simple tomado directamente de la población sin
estratos.
Muestreo por conglomerados

Los conglomerados son pequeños grupos formados de la población. Lo importante es que
al formar los grupos sus elementos sean bien representativos de los elementos totales en la
población. En este caso se diferencia a los estratos en que no se separan por ninguna
característica en especial. Solo se intenta dividir la población en pequeños subgrupos que sean
similares en todas sus características. Por ejemplo si queremos obtener una muestra de los
estudiantes de administración de empresas que estudian contabilidad, podemos dividir la muestra
en las secciones donde están matriculados los estudiantes de esa concentración. Entonces de cada
sección se realiza un muestreo aleatorio simple.
Muestreo sistemático
Este es un tipo de muestreo aleatorio más simple que los mencionados anteriormente. Se
basa en escoger el primer elemento de forma aleatoria utilizando las tablas o generador de
números aleatorios. Luego se seleccionan los próximos elementos de acuerdo a un patrón pre
establecido de conteo. Por ejemplo si queremos seleccionar 40 clientes que entran a una tienda
de forma sistemática se selecciona el primero de manera aleatoria. Los demás se pueden

seleccionar cada vez que se cuente el número siete de los que entren a la tienda hasta completar
los 40. También se puede establecer un patrón luego de escoger el primero de forma aleatoria.
Por ejemplo el patrón puede ser 3, 2, 5. Esto significa que el próximo será el tercero que entre a
la tienda. Luego se cuentan dos y se selecciona otro, luego se cuenta cinco y se selecciona otro.
El patrón se repite comenzando de nuevo con el tres hasta completar el tamaño de la muestra.
El tamaño de la muestra por proporciones

El tamaño de la muestra se determina en gran medida por tres factores: a) el por ciento
estimado que representa la variable considerada; b) el nivel deseado de confiabilidad; y c) el
margen de error aceptable. Además, hay que saber si la población es infinita o finita. La
población es infinita si la cantidad total aumenta constantemente, es muy grande o no tiene un
límite. Es finita cuando es una cantidad fija que conocemos y permanece sin cambio alguno
durante el tiempo en el que se realiza la investigación. Para calcular la muestra en poblaciones
infinitas, se puede utilizar la siguiente fórmula de proporciones o utilizar un enlace que se
presenta más adelante:
Z² p(1-p)
n=
m²
Descripción:
n = tamaño requerido de la muestra

Z = nivel de confiabilidad de 95 por ciento (valor estándar de 1.96)
m = margen de error aceptado (valor estándar de 0.05)
p = proporción que representa la variable de interés. Si no se tienen los datos disponibles
para calcular el porcentaje, se puede asumir el valor de 0.5.
A continuación se presentan dos ejemplos para calcular el porcentaje de la variable de

interés:
Ejemplo 1: Si del Producto X se hacen 12,500 unidades mensuales en la fábrica 1, de

un total de 35,714 que se hacen en todas las fábricas de la corporación...
p = 12,500/35,714 =0.35
Ejemplo 2: Los encuestados son los Gerentes de Recursos Humanos que trabajan en
las pequeñas y medianas empresas. Si hay 48 gerentes de un total de 320
gerentes en el sector de interés...
p = 48/320 = 0.15

Ejemplo 3: La muestra se compone de los 125 bancos localizados en el municipio de

San Juan. El sector donde se hará el estudio es en Hato Rey, que cuenta
con un total de 28 bancos. Ejemplo de la proporción
p =28/125 = 0.224
Para determinar el tamaño de la muestra de los ejemplos anteriores, se

utiliza la siguiente fórmula:
n = Z² p(1 - p)
m²
Ejemplo 1: Producto X
n = 1.96² * 0.35(1 - 0.35) = 350

.05²
Ejemplo 2: Muestra de los Gerentes de Recursos Humanos
n = 1.96² * 0.15(1 - 0.15) = 196

.05²
Ejemplo 3: Los bancos localizados en San Juan
n = 1.96² * 0.224(1 - 0.224) = 267

.05²
Para calcular la muestra en poblaciones finitas se necesita el tamaño N de
la población o universo muestral. La fórmula para determinar la muestra es
la siguiente:
n= N Z² p(1 – p) .
2
m (N-1) + Z² p(1 - p)
Para aplicar la fórmula a los tres ejemplos anteriores se tendría que conocer
el tamaño de la población en cada caso.
Ejemplo 1: Producto X
Suponiendo que la muestra se tomará de una producción de 625 de un solo
día en la fábrica 1. El total N disponible durante el día será la población de
las 625 unidades.
n= 625*1.96² * 0.35(1 - 0.35) = 546.23 = 224

.05²(625 – 1) + 1.96² 0.35 (1-0.35) 2.43
ópez, M. W. (2014). Estadística práctica: aplicación y análisis para la toma de decisiones en las empresas. Retrieved from http://ebookcentral.proquest.com
Ejemplo 2: Muestra de los Gerentes de Recursos Humanos

Suponiendo que la muestra se tomará de 10 empresas en donde hay un total
de 38 gerentes. En este caso el tamaño de la población N de donde se
tomará la muestra es de 38.
n= 38*1.96² * 0.15(1 - 0.15) = 8.62 = 32

.05²(38 – 1) + 1.96² *0.15 (1 - 0.15) 0.38
Ejemplo 3: Los bancos localizados San Juan
Del total de bancos en Hato Rey se permitirá tomar información de diez

bancos. Por lo tanto, diez es el tamaño de la población N.
n= 10*1.96² * 0.224(1 - 0.224) = 6.67 = 10

.05²*(10-1) + 1.96² 0.224(1 - 0.224) 0.69
GUÍA PARA LA MUESTRA POR PROPORCIONES

1. ¿Cuál es el grupo de interés?
Por ejemplo, los gerentes, los empleados en el área de compras, los que trabajan
con mantenimiento, el Producto X.
2. ¿Qué porcentaje representa este grupo del total en el sector de interés?
3. ¿Qué nivel de confiabilidad deseas? Consulta con tu director en la
investigación. Este es el valor de “Z”.
4. ¿Cuál es el margen de error aceptable?
5. Si no conoces el tamaño de la población a la que puedes tener acceso para
conseguir la muestra o la población es muy grande o infinita, utiliza la siguiente
fórmula:
n = Z² p(1 - p)
m²
6. Si conoces el total de datos máximo que puedes obtener durante el periodo en

que harás la búsqueda, utiliza la fórmula con el tamaño N de la población. Esta
es con población finita.
n= N Z² p(1 – p) .
2
m (N-1)+ Z² p(1 - p)

El tamaño de la muestra por estimado del intervalo de la

población
El tamaño de la muestra se puede conseguir estimando un intervalo en el que se puede
encontrar el promedio de la población con cierto nivel de confiabilidad. Para este método se debe
conocer la desviación estándar poblacional o por lo menos una aproximación mediante datos
históricos o pruebas pilotos realizadas en el pasado. Cuando el tamaño de la población no se
conoce, se utiliza la siguiente ecuación:
n = Z² σ²
ε2
Si se conoce el tamaño de la población, la fórmula es la siguiente:
n= σ² .
2
ε / Z² + σ²/N
n = tamaño de la muestra
Z = El valor crítico con nivel de significancia α/2 para dos colas el alcanzado el intervalo
de confianza requerido. Por ejemplo, para un α de 0.05 (α/2 = .05/2 = 0.025) la Z es de
+/- 1.96. Para un intervalo de confianza de 90% la Z es de +/- 1.65.
σ = Es la desviación estándar estimada de la población.
ε = Es la diferencia máxima entre los promedios de la población y de la muestra.

También se conoce como el error de estimación.
N = Es el tamaño de la población.
En la siguiente tabla se resume la relación de valores de Z y de α/2
Nivel de Nivel de Z crítico para

confiabilidad significancia dos colas
α/2 para dos positivo y
colas negativo
99% 0.005 +/- 2.58
95% 0.025 +/- 1.96
90% 0.050 +/- 1.65
Ejemplo 1: Interesamos hacer un estudio sobre la obesidad de los niños que tengan entre 8 a 10
años en un barrio del área sur de Puerto Rico y no sabemos el total de niños que hay. Sabemos
que la desviación estándar de los pesos es de 13.5 libras. Se desea que el error máximo entre el
promedio de la muestra que saquemos y el promedio de la población sea de solo 2 libras. El nivel
o intervalo de confianza deseado es de 95%. ¿Cuál debe ser el tamaño de la muestra?
n = tamaño de la muestra
Z = 1.96
σ = 13.5 libras
ε = 2.0 libras
n = Z² * σ² = n = 1.96² * 13.5² = 700.13 = 175 niños
ε² (2.0) ² 4.0
Ejemplo 2 : Suponiendo que sabemos que el tamaño de la población de niños es

de 3,200.
n= σ² .
2
ε / Z² + σ²/N
(13.5) ² = 182.25 = 182.25 = 166 niños

(2)2/(1.96)² + (13.5)²/3200 1.04 + .06 1.1
GUÍA PARA EL TAMAÑO DE LA MUESTRA POR ESTIMADO DEL

INTERVALO DE LA POBLACIÓN
1. Determina la población de datos que te interesa. Esto es la variable de interés.

2. Calcula la desviación estándar de la población o por lo menos haz un estimado.
De no tenerla, debes utilizar otro método para conseguir la muestra.
3. Cuál es la métrica o lo que estás midiendo de la variable de interés. Por ejemplo, si
es cantidad o frecuencia (personas, defectos, tiempo), si es un valor (precio, costo,
intereses) o si es una escala (peso, presión, humedad).
4. ¿Qué nivel de confiabilidad deseas? Consulta con tu director en la investigación.
Este es el valor de “Z”.
5. ¿Cuál es el margen de error aceptable?
6. Si no conoces el tamaño de la población a la que puedes tener acceso para conseguir
la muestra, o la población es muy grande o infinita, utiliza la siguiente fórmula:

n = Z² σ²
ε2
7. Si conoces el tamaño de la población o el total de datos máximo que puedes obtener
durante el periodo en que harás la búsqueda, utiliza la fórmula con el tamaño N de
la población. Esta es con población finita.
n= σ² .
2
ε / Z² + σ²/N

Otra manera de obtener el tamaño de la muestra es utilizando calculadoras disponibles en

línea. Si se deseas hacerlo por este medio, puedes acceder la siguiente dirección electrónica:
http://www.calculator.net/sample-size-calculator.html
Al utilizar estas direcciones se debe entrar el nivel de confiabilidad, el cual se

recomienda que sea de 0.95. Además, se necesita incluir el intervalo de confianza o margen de
error. Este es un rango de aceptación para los resultados obtenidos. Su valor depende de varios
factores, tales como: el tiempo que se tiene para hacer la investigación, el nivel educativo en el
que se ubica el investigador y la importancia que tiene para el investigador el que los resultados
tengan mayor precisión. Por ejemplo, para trabajos de investigación a corto plazo (de cinco
meses o menos) o en cursos de bachillerato o menor grado, en los que no es necesario ser muy
precisos en las conclusiones, se recomienda un intervalo entre 15 a 20%. Para trabajos por un
tiempo más prolongado o de posgrados, se puede utilizar un intervalo de confiabilidad menor de
15%, preferiblemente de 5. Esto afectará el tamaño de la muestra. Por lo tanto, se debe consultar
con el director de la investigación. En la tabla 10 del Apéndice B puede seleccionar el tamaño de
la muestra con un nivel de confiabilidad de 95% y un intervalo de confianza de 5%.
.
Ejercicios prácticos para el Capítulo 7

1. ¿Qué es una población y qué es una muestra?
2. ¿Qué es el muestreo aleatorio simple?
3. ¿Qué es el muestreo aleatorio estratificado?
4. ¿Qué es el muestreo probabilístico?
5. ¿Qué es el muestreo no aleatorio?
6. ¿Cómo se calcula el tamaño de la muestra?
7. ¿Qué es el intervalo de confianza?
8. Determina el tamaño de la muestra si el nivel de confiabilidad es 95%, la variable de
interés representa un 30% de la población y el margen de error aceptado es de 5%.
9. Determine el tamaño de la muestra para estudiar la opinión de profesores universitarios
en empresas en la capital. Estime que hay un total de 2,100 profesores y presume que
delimitas tu investigación al área este de la ciudad. Con un total 458 profesores asuma un
nivel de 95% de confiabilidad y un margen de error de 5 por ciento.
10. Si el tamaño de la muestra en una investigación es 50 de un porcentaje representativo de
45%, a un intervalo de confianza de 90% y un margen de error de 5%, ¿cuál debe ser el
tamaño de la población?
11. De un producto X se hacen 15,000 unidades mensuales en la fábrica 1, de un total de
45,800 que se hacen en todas las fábricas de la corporación. Asuma que el nivel de
confiabilidad es de 95 por ciento y el margen de error aceptado es de 0.05. Determine el
tamaño de la muestra.
12. Determine el tamaño de la muestra del ejercicio anterior suponiendo que la muestra se
tomará de una producción de 900 de un solo día en la fábrica 1.
13. Determine el tamaño de la muestra para encuestar a los clientes de una tienda en un
centro comercial si hay 500 cliente de los 11,000 que hay en todas las tiendas de la
corporación. Asuma que el nivel de confiabilidad es de 95 por ciento y el margen de
error aceptado es de 0.05.
14. Determine el tamaño de la muestra del ejercicio anterior suponiendo que la muestra de
los clientes se tomará de uno de los departamentos de la tienda en donde hay un total de
200 clientes.
15. Determine el tamaño de la muestra si hay 1,475 oficinas del gobierno localizadas en la
capital. El sector donde se hará el estudio es en el sur de la capital que cuenta con un
total de 14 oficinas. Asuma que el nivel de confiabilidad es de 90 por ciento y el margen
de error aceptado es de 0.10.
16. Determine el tamaño de la muestra para realizar un estudio de calidad en servicio de
reparaciones a clientes que lleven más de 5 años en la empresa aunque no se sabe con
certeza la cantidad de clientes que son. Se conoce que la desviación estándar de las

17. reparaciones es de 14. Se desea que el error máximo entre el promedio de la muestra que
saquemos y el promedio de la población sea de solo 3 reparaciones y el intervalo de
confianza deseado es de 95%.
18. Suponiendo que sabemos que la cantidad de clientes en el problema anterior es de 500
determine el tamaño la muestra.
19. Describa las semejanzas y diferencias entre el muestreo por conglomerados y el muestreo
aleatorio estratificado.
20. Describa el muestreo sistemático y presente un ejemplo.
21. ¿Qué es la probabilidad subjetiva?
22. Como parte de la investigación para determinar el nivel de satisfacción en una
producción de aviones P1 se desea determinar el tamaño que debe tener la muestra a un
95% de nivel de confiabilidad y 0.05 de margen de error. La corporación tiene un total de
2267 empleados y se distribuyen de la siguiente manera:
Departamento Fábrica Fábrica Fábrica Fábrica Fábrica Total
1 2 3 4 5
Producción 318 341 321 287 411 1678
Materiales 43 31 46 42 65 227
Calidad 27 28 26 35 38 154
Administración 12 12 15 11 23 73
Mercadeo 12 14 9 6 14 55
Ingeniería 12 16 18 12 22 80
Total 2267
Determine la cantidad de encuestas que se deben hacer en las fábricas:
a. Fábrica 1 para el área de producción.
b. Fábrica 2 en calidad,
c. Fábrica 3 en materiales
d. Fábrica 4 en Ingeniería
e. Fábrica 5 en Administración

Muestreo Estadistico

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 Estadistico

Cargado por

Copyright:

Formatos disponibles

Semana 1

Alba Fernández, M. V., & Ruiz Fuentes, N. (2005).

de regresión utilizamos la expresión

La información muestral se resume en,

con ella obtenemos el valor de la constante b̂ que nos proporcionará el estimador

Para obtener una estimación del error de muestreo utilizamos la expresión

       

Calculamos los coeficientes b̂i ,

que dan lugar a una estimación del salario medio de

1  45 ⋅ (45 − 9 )   0.502   30 ⋅ (30 − 5)

por tanto la estimación del error de muestreo es de

Estimamos ahora el salario medio a través de un estimador de regresión combi-

Además, el salario medio y la calificación media estimadas mediante un estimador

Teniendo en cuenta que Y = 1 / 75(45 ⋅ 2.5 + 30 ⋅ 2.7 ) = 2.58 , se produce una

estimación de la varianza asociada

que da lugar a una estimación del error asociado de

Si no consideramos la estratificación o división en grupos de prácticas y conside-

entonces el salario medio estimado es de

Xˆ regr = 20.7571 + 2.2222 ⋅ (2.58 − 3.0607) = 19.6889 miles euros/mes.

El error de estimación se determina a partir de la estimación de la varianza del

medio mediante un estimador estratificado para la media de la variable “salario”,

cuyo error de muestreo asociado lo obtendremos a partir de la siguiente expresión

Mediante cada uno de los procedimientos de estimación que hemos utilizado se

Teniendo en cuenta que Y1 = 4.15 e Y2 = 26.1 , estimamos que la superficie

Estimamos ahora el error de estimación del estimador anterior

1150(1150 − 75) 700(700 − 50)

Para decidir si es adecuado o no considerar información auxiliar, estimamos

y la varianza del estimador se estima mediante

Es decir, el error asociado a la estimación estratificada de la superficie total que

se dedicará al nuevo cultivo es de Vˆ (Xˆ st ) = 378.6659 Ha. y según estos resulta-

   

s y21 = 286.3 s x21 = 145.1

s 2y2 = 241.9 s x22 = 205.14

Como estimación de la calificación media en el examen específico resultaría

La estimación insesgada de la varianza del estimador viene dada por la expresión

por tanto, una estimación del error de estimación asociado es Vˆ ( Xˆ RS ) = 3.585729

sx2 = 181.83 s y2 = 240.41

y la calificación media del examen de cultura general

Teniendo en cuenta que podemos utilizar información auxiliar, consideraremos el

con b̂ obtenida a partir de la muestra,

Por lo tanto, la estimación de la calificación media de todos los alumnos en la

con una estimación de la varianza asociada,

dando lugar a la siguiente estimación de la varianza

1  129 ⋅ 123 258 ⋅ 251 

que proporciona una estimación del error de muestreo de

Por último, si no se tiene en cuenta la información auxiliar ni el sexo, estimaría-

lo que da lugar a una estimación del error de estimación de σˆ ˆ = 3.6765 puntos.

Se han utilizado diferentes estimadores para estimar la calificación media del

σˆ rgS < σˆ rg < σˆ mas < σˆ st .

Dada la sesgadse de algunos de los estimadores utilizados, comentamos sólo los

El número de unidades elementales de un conglomerado se denomina tamaño

del conglomerado y se denotará por M i , i = 1,..., N . Los conglomerados pueden

Por otro lado, algunas de sus desventajas son:

2. Selección de conglomerados mediante muestreo aleatorio

López Moreno, W. (2014). Estadística práctica: aplicación

Tópicos del Capítulo 7

 El tamaño de la muestra por proporciones

Derechos reservados 2014

Muestreo por conveniencia .

La muestra se puede escoger de manera aleatoria o no aleatoria. Si es de manera no

escoge alguien con conocimiento en los elementos, no podemos establecer un nivel de

Derechos reservados 2014

muestreo probabilístico si se conoce de antemano la probabilidad de seleccionar los elementos

El tamaño de la muestra por proporciones

n= 6251.96² 0.35(1 - 0.35) = 546.23 = 224

n= 381.96² 0.15(1 - 0.15) = 8.62 = 32

n= 101.96² 0.224(1 - 0.224) = 6.67 = 10