Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Muestreo Industrial
Lectura
Muestreo estadístico.
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.
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.
∑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.
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 )
Copyright © 2005. Septem Ediciones. All rights reserved.
reg
10
de euros.
Ejercicio 6.3
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.
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
+ bˆi (Yi − y i ) .
1
Xˆ rgS = i i
N i =1
s xyi
donde bˆi = , i = 1,2.
s 2yi
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
con una estimación del error asociado que obtendremos a partir de la estimación de
Copyright © 2005. Septem Ediciones. All rights reserved.
la varianza.
( ) 1
Vˆ Xˆ rgS = 2
N
∑
2
i =1
N i (N i − ni ) 2
ni
s xi (1 − ρˆ i2 ) =
= ⋅ 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
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.
rgC
( ) 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, )
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.
( )
Vˆ Xˆ rgC = 0.57632 = 0.75916 miles euros/mes
( )
Vˆ Xˆ regr =
N −n 2
Nn
s x (1 − ρˆ 2 )
Copyright © 2005. Septem Ediciones. All rights reserved.
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
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.
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.
Ejercicio 6.4
Copyright © 2005. Septem Ediciones. All rights reserved.
x s y s x2 ρ̂ xy
2
y
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.
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 + bˆi (Yi − y i ) .
i =1
Para ello debemos calcular previamente los coeficientes bˆi , i : 1,2 , dados por
s xyi
bˆi =
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
Copyright © 2005. Septem Ediciones. All rights reserved.
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
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.
( ) ∑ N (Nn − n )s (1 − ρˆ ) =
2
Vˆ Xˆ rgS = i i i 2
xi i
2
i =1 i
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.
Ejercicio 6.5
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.
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
y 2 = 49.714 x 2 = 73.857 ∑x y
i =1
i i = 26325
∑ N {x + bˆi (Yi − y i )}
L
1
Xˆ rgS = i i
N i =1
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.
donde s xyi
bˆi = , i = 1,2
s 2yi
cuyos valores son
− 45.1
bˆ1 = = −0.15753
286.3
103.82
bˆ2 = = 0.42919
241.9
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
( ) 1
Vˆ Xˆ rgS = 2
N
∑
L
i =1
N i (N i − ni ) 2 ˆ 2 2
ni
(
s xi + bi s yi − 2bˆi 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
Copyright © 2005. Septem Ediciones. All rights reserved.
1
= (440081.6674 + 1485566.556) = 12.857455,
387 2
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.
13
∑x y
i =1
i i = 45946
1
Y = (45 ⋅ 129 + 50 ⋅ 258) = 48.333.
387
s xy 31.328
bˆ = 2 = = 0.13031
sy 240.41
1
s xy = (45946 − 13 ⋅ 70 ⋅ 50.077) = 31.3275.
12
( )
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
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.
( ) N
1
Vˆ Xˆ st = 2 ∑
2
i =1
N i (N i − ni ) 2
ni
s xi
()
Vˆ Xˆ =
N − n 2 387 − 13
Nn
sx =
387 ⋅ 13
⋅ 181.83 = 13.517 puntos.
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.
Copyright © 2005. Septem Ediciones. All rights reserved.
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.
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
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.
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.
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.
Semana 1
Muestreo Industrial
Lectura
Estadística práctica:
aplicación y análisis para
la toma de decisiones
en las empresas.
Capítulo 7
Selección y tamaño de la muestra
Selección de la muestra
Copyright © 2014. Universidad de Puerto Rico. All rights reserved.
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 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
Copyright © 2014. Universidad de Puerto Rico. All rights reserved.
López, M. W. (2014). Estadística práctica: aplicación y análisis para la toma de decisiones en las empresas. Retrieved from http://ebookcentral.proquest.com
Created from ieusp on 2018-10-09 08:46:10.
Capítulo 7 Selección y tamaño de la muestra 121
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
Copyright © 2014. Universidad de Puerto Rico. All rights reserved.
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.
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
López, M. W. (2014). Estadística práctica: aplicación y análisis para la toma de decisiones en las empresas. Retrieved from http://ebookcentral.proquest.com
Created from ieusp on 2018-10-09 08:46:10.
Capítulo 7 Selección y tamaño de la muestra 123
Z² p(1-p)
n=
m²
Descripción:
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
p =28/125 = 0.224
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.
ópez, M. W. (2014). Estadística práctica: aplicación y análisis para la toma de decisiones en las empresas. Retrieved from http://ebookcentral.proquest.com
Created from ieusp on 2018-10-09 08:46:10.
Capítulo 7 Selección y tamaño de la muestra 125
n = Z² p(1 - p)
m²
n= N Z² p(1 – p) .
2
m (N-1)+ Z² p(1 - p)
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.
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?
ópez, M. W. (2014). Estadística práctica: aplicación y análisis para la toma de decisiones en las empresas. Retrieved from http://ebookcentral.proquest.com
Created from ieusp on 2018-10-09 08:46:10.
Capítulo 7 Selección y tamaño de la muestra 127
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
n= σ² .
2
ε / Z² + σ²/N
http://www.calculator.net/sample-size-calculator.html
ópez, M. W. (2014). Estadística práctica: aplicación y análisis para la toma de decisiones en las empresas. Retrieved from http://ebookcentral.proquest.com
Created from ieusp on 2018-10-09 08:46:10.
Capítulo 7 Selección y tamaño de la muestra 129
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.
Copyright © 2014. Universidad de Puerto Rico. All rights reserved.
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
ópez, M. W. (2014). Estadística práctica: aplicación y análisis para la toma de decisiones en las empresas. Retrieved from http://ebookcentral.proquest.com
Created from ieusp on 2018-10-09 08:46:10.