CALCULO DEL TAMAÑO MUESTRAL PARA POBLACIONES

INFINITAS Y FINITAS
ESTIMAR LA MEDIA POBLACIONAL:
a) Para una población infinita (cuando se desconoce el total de unidades de observación
que la integran o la población es mayor a 10,000):

Z 2∗s2
n= 2
e
b) Para una población finita (cuando se conoce el total de unidades de observación que la
integran):

N∗Z 2α∗s2
n= 2 2 2
e ∗( N −1 ) +Z α ∗s

Donde:
n = tamaño de la muestra
N = tamaño de la población
Z = valor de Z crítico, calculado en las tablas del área de la curva normal. Llamado también
nivel de confianza.
S2 = varianza de la población en estudio (que es el cuadrado de la desviación estándar y
puede obtenerse de estudios similares o pruebas piloto)
d = nivel de precisión absoluta. Referido a la amplitud del intervalo de confianza deseado
en la determinación del valor promedio de la variable en estudio.
Ejemplo 1a:
Se desea estimar la calificación promedio de los estudiantes de la UPDS, para ello se define
los siguientes criterios:
• Nivel de confianza = 95%
• Desviación estándar = 16.44
• Error máximo tolerable = 5

1,96∗16,44 2
n= ( 5 ) =41.53 ≅ 42
Ejemplo 1b:
En base a los datos del ejemplo 1.a, con N = 5000

5.000∗1,962∗16,44
n= 2 =41.19 ≅ 42
5 ∗( 5.000−1 ) +1,96 2∗16,442

ESTIMAR LA PROPORCION POBLACIONAL:

En las investigaciones donde la variable principal es de tipo cualitativo, que se reporta
mediante la proporción del fenómeno en estudio en la población de referencia, la muestra
se calcula a través de las fórmulas:
a) Para población infinita (cuando se desconoce el total de unidades de observación que la
integran o la población es mayor a 10,000):

Z 2∗p∗q
n=
e2

b) Para población finita (cuando se conoce el total de unidades de observación que la

integran):

N∗Z 2α∗p∗q
n= 2
e ∗ ( N −1 ) +Z 2α ∗p∗q

Ejemplo 2.a. Se desea estimar la proporción de los estudiantes de la UPDS, con un nivel de
aprendizaje de excelencia, para ello se define los siguientes criterios:
• Nivel de confianza = 95%
• Proporción de estudiantes = (0.10 a 0.15), como referencia
• Error máximo tolerable = 5% Para poblaciones finitas.

1,692∗0,15∗0,85
n= =195.9 ≅ 196
0.052

Ejemplo 2.b En base a los datos del ejemplo 1.a, con N = 5000

5.000∗1,692∗0,15∗0,85
n= =189
0.052∗( 5.000−1 )+1,692∗0,15∗0,85
 INTERVALO DE CONFIANZA PARA LA MEDIA
σ σ
x́−Z α < μ< x́ + Z α
2 √n 2 √n

Ejemplo 1. El contenido de las cajas de leche de un litro tiene una distribución aproximada
normal con varianza de 0.1 litros2. Se toma una m.a de cajas, se mide el contenido y se
obtiene:
0.975, 0.950, 0.931, 1.103, 0.920, 0.935, 0.907, 0.809
Construir un IC del 95% para μ
Solución.
n=9
x́=0.952 L

σ 2=0.1 L2
NC =0.95 ⟹ α =0. 0 5
Z α =Z 0.0 2 5=1.96
2

0.1 0.1
0.925−1.96 √ < μ <0.925+1.96 √
√9 √9
0.745 L< μ<0.159 L
Desconocida:
s s
x́−t α < μ < x́+ t α
,n−1 √ n ,n −1 √ n
2 2

Ejemplo 2. Se desea construir un IC del 90% para la estatura media de los habitantes de
una población. De estudios anterior se sabe que la estatura tiene una distribución normal. El
investigador recolectó la siguiente m.a de estaturas (cm)
175, 177, 180, 165, 170, 170, 181, 169, 169, 190, 170, 171
Solución.
Tenemos que:
n=12
x́=173.583 cm
s=7.342cm
NC =0.9 0⟹ α =0. 10
tα =Z0. 05, 11=1. 7 9 6
, n−1
2

7.342 7.342
173.583−1.796 < μ< 173.583+ 1.796
√ 12 √ 12
169.776 cm< μ<177.390 cm

INTERVALO DE CONFIANZA PARA LA PROPORCIÓN

^p (1− ^p ) ^p (1− ^p )
^p−Z
√ n √
< P< ^p + Z
n
Ejemplo 1. Se decide estudiar intención de voto por el candidato A a presidencia de un
país. Se toma un m.a de 700 votantes y 450 de ellos responden tener la intención de votar
por el candidato A. Construir un IC del 97% para la proporción de votantes con intención
de voto por el candidato A.
Solución.
Tenemos que:
n=700
450
P=
^ =0.643
700
n^
P=450.1
n¿
NC =0.97 ⟹ α =0. 0 3
Z α =Z 0.015 =2.17
2

0.643(1−0.643) 0.643(1−0.643)
0.643−2.17
√ 700
< P<0.643+2.17
√ 700
0.604< P<0.682

INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS

Ejemplo 1. Construya un intervalo de confianza del 94% para la diferencia real entre las
duraciones de dos marcas de focos, si una muestra de 40 focos tomada al azar de la primera
marca dio una duración media de 418 horas, y una muestra de 50 focos de otra marca
dieron una duración media de 402 horas. Las desviaciones estándares de las dos
poblaciones son 26 horas y 22 horas, respectivamente.
Solución.
Tenemos que:
x́ 1=418

σ 1 =26

n1 =40

x́ 2=402

σ 2=22

n2 =50

Z=1.88
El intervalo de confianza es, entonces:

σ 21 σ 22 σ 21 σ 22
x́ 1− x´2−Z
√ + ≤ μ −μ ≤ x´ − x́ + Z
n1 n2 1 2 1 2 √+
n1 n2

262 222 262 222

418−402−1.88
√ +
40 50 √
≤ μ1−μ2 ≤ 418−402+1.88 +
40 50
6.3 ≤ μ 1−μ2 ≤ 25.7

Ejemplo 2. La siguiente tabla presenta los resultados de dos muestras aleatorias para
comparar el contenido de nicotina de dos marcas de cigarrillos.
 Suponiendo que los conjuntos de datos provienen de muestras tomadas al azar de
poblaciones normales con varianzas desconocidas e iguales, construya un intervalo de
confianza del 95% para la diferencia real de nicotina de las dos marcas.

Solución.
Como las varianzas son iguales, calculamos S2p que está dado por:

2 (n¿¿ 2−1)S 22
2
S =(n¿¿ 1−1) S +
p 1 ¿¿
n1 +n 2−2

(9)0.5 2+(7) 0.72

S2p= ⟹ S 2p=0.596
16

El intervalo de confianza del 95% está dado por (t (0.025, g.l.16) = 2.21):

1 1 1 1
x́ 1− x´2−t p s
√ + ≤ μ −μ ≤ x́ − x´ +t ps
n1 n2 1 2 1 2 √+
n1 n2

1 1 1 1
3.1−2.7−2.21 ( 0.596 )
√ √
+ ≤ μ 1−μ2 ≤ 3.1−2.7+2.21(0.596)
10 8
+
10 8
−0.2 ≤ μ 1−μ2 ≤ 1.0

INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE PROPORCIONES

^ ^ ^ ^
^2 ∓Z α P1 (1− P1) + P 2(1− P2)
P 1− P
^
2 √
n1 n2

Ejemplo 1. Se desea determinar si un cambio en el proceso de fabricación de cierto tipo de

piezas ha sido efectivo o no. Para esto se toman dos m.a., una antes y otras después del
cambio. Los resultados se presentan en la tabla. Construir un intervalo de confianza del
90% para decidir si el cambio tuvo efecto positivo o no.
Antes Después
N° piezas defectuosas 75 80
N° piezas analizadas 1500 2000

Solución.
75
P 1=
Antes: ^ =0.05=5 %
1500
 80
P 2=
Después: ^ =0.04=4 %
2000
Como el NC =0.9⟹ α =0.10 y así:
Z α =Z 0.5=1.64
2

0.05 (1−0.05) 0.04 (1−0.04)

( 0.05−0.04 ) ∓ 1.64
√ 1500
+
2000
−0.0017< P 1−P2< 0.0217

Ejemplo 2. En un estudio de daltonismo en hombres y mujeres se seleccionaron

aleatoriamente y se examinaron 500 hombres y 2100 mujeres. Entre los
hombres, 45 tenían daltonismo. Entre las mujeres, 60 tenían daltonismo. Construya
el intervalo de confianza del 98% para la diferencia entre las proporciones de daltonismo
de hombres y mujeres. ¿Parece haber una diferencia sustancial?
^ ^ ^ ^
^2 ∓Z α P1∗q 1 + P 2∗q 2
P 1− P
^
2 √ n1 n2

Solución.
45
n1 =500 x 1=45 p 1= =0.09=9 % q1=0.91=91 %
500
60
n2 =2100 x 2=60 p2= =0. 286=2.86 % q 2=0.9714=97.14 %
2100
Z=98 %=2.33

0.09∗0.91 0.286∗0.9714
( 0.09−0.286 ) ∓ 2.33

−0.0305< P1−P 2< 0.0924

√ 500
+
¿
2100 ¿

CONTRASTE DE HIPOTESIS PARA LA MEDIA

Contraste unilateral
Ejemplo 1. Un sociólogo ha pronosticado, que, en una determinada ciudad, el nivel de
abstención en las próximas elecciones será del 40% como mínimo. Se elige al azar una
muestra aleatoria de 200 individuos, con derecho a voto, 75 de los cuales estarían
dispuestos a votar. Determinar con un nivel de significación del 1%, si se puede admitir el
pronóstico
1. Enunciamos las hipótesis nula y alternativa:

H0: μ ≥ 0.40     La abstención será como mínimo del 40%.

H1: μ < 0.40     La abstención será como máximo del 40%;

2. Zona de aceptación

Para α = 0.01, le corresponde un valor crítico: zα = 2.33.

Determinamos el intervalo de confianza para la media:
0.4∗0.6
(0.4−2.33∗
√ 200 )
, ∞ =( 0.3192 , ∞ )

3. Verificación
125
p ´= =0.62 5
200

4. Decisión

Aceptamos la hipótesis nula H0. Podemos afirmar, con un nivel de significación del
1%, que la abstención será como mínimo del 40%.

Contraste bilateral
Ejemplo 2. Un fabricante de lámparas eléctricas está ensayando un nuevo método de
producción que se considerará aceptable si las lámparas obtenidas por este método dan
lugar a una población normal de duración media 2400 horas, con una desviación típica
igual a 300. Se toma una muestra de 100 lámparas producidas por este método y esta
muestra tiene una duración media de 2320 horas. ¿Se puede aceptar la hipótesis de validez
del nuevo proceso de fabricación con un riesgo igual o menor al 5%?
1. Enunciamos las hipótesis nula y alternativa:
H0: μ = 2400
H1: μ ≠2400

2. Zona de aceptación
Para α = 0.05, le corresponde un valor crítico: zα/2 = 1.96.
Determinamos el intervalo de confianza para la media:
1.96∗300 1.96∗300
(
2400−
√ 100
,2400+
√100 )=( 2341.2, 2458.8 )

3. Verificación
Valor obtenido de la media de la muestra: 2320.

4. Decisión
Rechazamos la hipótesis nula H0, con un nivel de significación del 5%.
 CONTRASTE DE HIPOTESIS PARA LA DIFERENCIA DE MEDIAS
Ejemplo 1. Para tomar una importante decisión a nivel profesional se desea determinar si
existen diferencias significativas fundamentadas entre dos empresas referentes al salario de
sus empleados. Se realiza una investigación revisando el salario de 60 trabajadores de la
empresa A y 70 de la empresa B. Se obtiene un salario medio de 30000 euros anuales con
una desviación típica de 1000 euros en el primer grupo y un salario medio de 25000 euros
anuales con una desviación típica de 1500 en el segundo grupo. ¿Podríamos decidir a favor
de alguna de las dos empresas con un nivel de significación del 1 %?

1. Se formula la hipótesis nula H0 y la hipótesis alternativa H1.

Hipótesis nula :              H0  :    μx - μy = 0
Hipótesis alternativa :      H1  :    μx - μy ≠ 0
En este caso tenemos un contraste bilateral, ya que nuestra hipótesis nula se
encuentra formulada en forma de igualdad.

2. Identificamos la distribución de probabilidad y el tamaño de la muestra.

Tenemos una distribución de la diferencia de las medias, con μ1 - μ2 = 5000, un tamaño
de muestra en A de n = 60 y en B de n = 70.  La distribución de las medias se
distribuye:

3. Construimos las regiones de aceptación y rechazo.

4.  Calcular el estadístico de contraste y verificar la hipótesis.

El estadístico de contraste que emplearemos será la diferencia de las medias de las

muestras, μ1 - μ2 = 30000 - 25000 = 5000.

5000 ∉ ( -569,99 ; 569,99 ) ⇒ Nuestro estadístico de contraste no pertenece a nuestra

región de aceptación.

5. Interpretación de la decisión.

Dado que nuestro estadístico de contraste no pertenece a la región de

aceptación, rechazamos la hipótesis nula.
Consideramos por tanto que existen diferencias significativas y hay diferencias entre las
dos empresas.

Ejemplo 2. Para la ubicación de una nueva biblioteca en una pequeña ciudad, se decide
comparar el número medio de libros prestados por socio en dos bibliotecas de dos barrios
diferentes, uno situado en el centro de la ciudad y otro en el extrarradio. Se seleccionan al
azar 1000 socios de cada uno de ellas y se obtienen los siguientes datos: número medio de
libros anuales en barrio céntrico,  10  con varianza 4,2  ; número medio de libros anuales en
barrio extrarradio,  12,3 con varianza  5,1. ¿Hay suficiente evidencia para poder deducir
con un nivel de significación de  0,05  que la biblioteca debe ser construida en el centro de
la ciudad?

1. Se formula la hipótesis nula H0 y la hipótesis alternativa H1.

Hipótesis nula :              H0  :    μx - μy < 0
Hipótesis alternativa :      H1  :    μx - μy ≥ 0
En este caso tenemos un contraste unilateral, ya que nuestra hipótesis nula se
encuentra formulada en forma de igualdad.

2.  Identificamos la distribución de probabilidad y el tamaño de la muestra.

Tenemos una distribución de la diferencia de las medias, con μ1 - μ2 = - 2,3, un tamaño de
muestra   n = 1000 en cada biblioteca.  La distribución de las medias se distribuye:

3.  Construimos las regiones de aceptación y rechazo.

4.  Calcular el estadístico de contraste y verificar la hipótesis.

El estadístico de contraste que emplearemos será la diferencia de las medias de las

muestras, μ1 - μ2 = 10 - 12,3 = -2,3.

-2,3 ∈ ( - ∞ ; 0,3448 ) ⇒ Nuestro estadístico de contraste sí pertenece a nuestra

región de aceptación.

5.  Interpretación de la decisión.

Dado que nuestro estadístico de contraste sí pertenece a la región de

aceptación, aceptamos la hipótesis nula.
Consideramos por tanto que existen indicios para deducir que la biblioteca debe
estar en el centro de la ciudad.