ESTADÍSTICA

MUESTREO
MATEMÁTICA PRUEBAS DE
HIPÓTESIS
REGRESIÓN Y
CORRELACIÓN

AUX. LUIS FERNANDO PEDRAZA CLAROS

1.-Esplique la diferencia de aplicaciones entre el muestreo estratificado y el muestreo por conglomerados
2.-Explique las diferencia entre la distribución normal de gauss y la dist. T-student
3.-De que variables o factores de muestreo depende la afijación de la muestra cuando se aplica el muestreo
estratificado
4.-Explique en distribución normal el error de muestreo y demuestre la relación que tiene con la desviación típica
Y explique los efectos que produce en la confiabilidad del muestreo aleatorio simple.
1.-Generalidades
Finitas Sin repetición o Se conoce el tamaño de la muestra
N=Población
Infinitas Con repetición o No se conoce el tamaño de la muestra

n Finita

• Personas
Elementos de la población • Objetos/cosas Características • Cuantitativas
• Datos • Cualitativas

Cuantitativos: Sí se pueden medir = Variables

Cualitativos: No se pueden medir = Atributos 𝜀
Medidas de probabilidad
• Fracción
• Proporción
• Porcentaje

Parámetros.- Son medidas que expresan el comportamiento de una población

Moda, media, mediana, desviación, posición, dispersión, asimetría, curva de lorends
Parámetros
• 𝝁 → 𝑴𝒆𝒅𝒊𝒂
• 𝝈 → 𝑫𝒆𝒔𝒗𝒊𝒂𝒄𝒊ó𝒏 𝒕𝒊𝒑𝒊𝒄𝒂 𝒐 𝒆𝒔𝒕𝒂𝒏𝒅𝒂𝒓
VARIABLES
• 𝝈𝟐 → 𝑽𝒂𝒓𝒊𝒂𝒏𝒛𝒂
• P → Proporción→ atributos
¿Cómo se obtiene los parámetros?
R.- A través de un censo.
¿Cómo se obtiene los estimadores?
Se obtiene a través de un muestreo

N=Población Estimadores
𝒏𝟏 ഥ𝟏
𝑿

• 𝒙
ഥ → 𝑴𝒆𝒅𝒊𝒂
• S→ 𝑫𝒆𝒔𝒗𝒊𝒂𝒄𝒊ó𝒏 𝒕𝒊𝒑𝒊𝒄𝒂 𝒐 𝒆𝒔𝒕𝒂𝒏𝒅𝒂𝒓
𝒏𝟐 • 𝑺𝟐 → 𝑽𝒂𝒓𝒊𝒂𝒏𝒛𝒂
• p → Proporción→ atributos
ഥ𝟐
𝑿
Parámetros Estimadores
• 𝝁 → 𝑴𝒆𝒅𝒊𝒂 • 𝒙
ഥ → 𝑴𝒆𝒅𝒊𝒂
• 𝝈 → 𝑫𝒆𝒔𝒗𝒊𝒂𝒄𝒊ó𝒏 𝒕𝒊𝒑𝒊𝒄𝒂 𝒐 𝒆𝒔𝒕𝒂𝒏𝒅𝒂𝒓 • S→ 𝑫𝒆𝒔𝒗𝒊𝒂𝒄𝒊ó𝒏 𝒕𝒊𝒑𝒊𝒄𝒂 𝒐 𝒆𝒔𝒕𝒂𝒏𝒅𝒂𝒓
• 𝝈𝟐 → 𝑽𝒂𝒓𝒊𝒂𝒏𝒛𝒂 • 𝑺𝟐 → 𝑽𝒂𝒓𝒊𝒂𝒏𝒛𝒂
• P → Proporción→ atributos • p → Proporción→ atributos

Estimación puntual estratificada

ഥ 𝝐 ≅ 𝝁𝝐
𝑿
𝟐 𝟐
𝑺𝝐 ≅ 𝝈𝝐
𝓅𝝐ҧ ≅ 𝑷𝝐
Distribución normal "Z"
Es una distribución de probabilidades que se utiliza para variables continuas, para
*muestras mayores a 30 (n>30) Se la utiliza para estimar intervalos de confianza para la
media poblacional utiliza una intervalo de confianza de más menos 3 sigmasEl estadístico
Z expresa el nivel de confianza para estimación de parámetros.

Distribución"T" Student
Se utiliza cuando las muestras son menores a 30. Las variables pueden distribuirse a
través de una distribución T student"Cuando las muestras son muy pequeñas" (n<30) ,
cuando las muestras son pequeñas la dispersión de los datos tiende a ser mayor,
significa que la estimación de los parámetros son menos consistentes o menos confiables
para subsanar la excesiva dispersión se recurre a los grados de libertad (Gl), por esta
razón los grados de libertad en la tabla van consecutivo hasta el número 30 porque
muestras más grandes los datos son muy dispersos y poco confiables, el grado de libertad
es igual la muestra menos uno, GL=n-1Por cada estimación que se realiza se pierde un
grado de libertad.Se la utiliza para estimar intervalos de confianza para la media.
poblacional
Distribución chi-cuadrado 𝝌𝟐

Está distribución como bien lo dijiste expresa el comportamiento de la varianza de una población, es una
distribución deformada a la derecha que tiene una aproximación a la distribución normal, generalmente
se la utiliza cuando las muestras son pequeñas (n<30) está distribución también depende del grado de
libertad, por lo tanto es un parámetro que está asociado al número de variables que pueden variar
libremente en una distribución de probabilidades (Si los grados de libertad son mayores a 30 tiende a
parecerse a una distribución normal)Mientras el tamaño de la muestra es más pequeña la dispersión de
los datos es mayor significa que la distribución tendrá más deformación hacia la derechaEstá distribución
chi cuadrado ed asimétrica porque una de sus colas está deformada hacia la derechaSe la utiliza para
intervalos de confianza para la varianza.

Distribución Fisher o "F“

Está distribución se la utiliza cuando se desea comparar las varianzas de dos variables aleatorias a partir
de 2 muestras la distribución Fisher expresa una relación de varianza y se la utiliza para muestras
pequeñas ( Sirve para relacionar varianza )Se lo utiliza en relación de intervalos de confianza de la
"desviación estándar o típica" y relación de la varianza.
MUESTREO SISTEMATICO
Tiene los mismos fundamentos que el muestreo aleatorio simple, significa que cada elemento de la
población tiene la misma posibilidad de ser elegido para la muestra, la diferencia radica simplemente en la
forma como se elige la muestra de la población, a esta muestra se llama sistemática.

Los elementos de la población deben ordenarse por algún criterio, luego se selecciona al azar un punto de
inicio y después se elige un elemento cada k-esimo elemento.
 AYUDANTIA Nº1 03/07/2020
Estadística Matemática-Muestreo y estimación

Objetivos:
➢ Explicar porque una muestra es la única forma de comportamiento de una población.
➢ Explicar los tipos de muestreo.
➢ Diferenciar el muestre probabilístico del muestreo no probabilístico.
➢ Comprender el teorema del limite central.
➢ Determinar el tamaño de la muestra ideal de una población.
➢ Diferenciar una estimación puntual de una estimación por intervalos.
➢ Determinar intervalos de confianza para las distintos parámetros de la población.
 Muestreo y estimación
1. Los ingresos totales por ventas, en miles de dólares, durante el primer semestre de
una gestión comercial, de una muestra de 10 establecimientos comerciales de un
mercado son:
16,18, 11, 17, 13, 10, 22, 15, 12 y 14.
a. Construya un IC del 95% para estimar las ventas promedio por establecimiento.
b. Construya un IC del 90% para estimar la desviación estándar de las ventas.
c. Si en el mercado hay registrados 60 establecimientos comerciales, construya un IC del
99% para estimar las ventas promedio por establecimiento.
d. Construya un IC del 96% para estimar el porcentaje de establecimientos con ventas
menores de Sus. 13.500.
e. ¿De qué tamaño deberá ser la muestra elegida de establecimientos comerciales en el
mercado sí el error de muestreo no debe exceder de $us. 1.000? Utilice un NC de 90%
a) Construya un IC del 95% para estimar las ventas promedio por establecimiento
Solución:
Como los datos que nos proporcionan son de una muestra entonces utilizaremos estimadores para realizar los cálculos.
Contamos el número de elementos para determinar el tamaño de la muestra:
n=10→ 𝟏𝟔, 𝟏𝟖, 𝟏𝟏, 𝟏𝟕, 𝟏𝟑, 𝟏𝟎, 𝟐𝟐, 𝟏𝟓, 𝟏𝟐 , 𝟏𝟒
Calculamos la media de la muestra:
σ𝒏𝒊=𝟏 𝒙𝒊 𝟏𝟔 + 𝟏𝟖 + 𝟏𝟏 + 𝟏𝟕 + 𝟏𝟑 + 𝟏𝟎 + 𝟐𝟐 + 𝟏𝟓 + 𝟏𝟐 + 𝟏𝟒
ഥ=
𝑿 = = 𝟏𝟒. 𝟖 𝒎𝒊𝒍𝒆𝒔 𝒅𝒆 $/𝒗𝒆𝒏𝒕𝒂
𝒏 𝟏𝟎
Calculamos la varianza de la muestra:
σ 𝒏 𝟐 𝟐 +(𝟏𝟖 − 𝟏𝟒. 𝟖)𝟐 +… … … (𝟏𝟒 − 𝟏𝟒. 𝟖)𝟐
𝒊=𝟏(𝒙𝒊 − ഥ
𝒙 ) (𝟏𝟔 − 𝟏𝟒. 𝟖)
𝑺𝟐 = = = 𝟏𝟑. 𝟎𝟕𝒎𝒊𝒍𝒆𝒔($/𝒗𝒆𝒏𝒕𝒂)𝟐
𝒏−𝟏 𝟏𝟎 − 𝟏
Calculamos la desviación típica de la muestra:

σ𝒏𝒊=𝟏(𝒙𝒊 − 𝒙
ഥ)𝟐
𝑺= → 𝒔 = 𝑺𝟐 ∴ 𝑺 = 𝟏𝟑. 𝟎𝟕 = 𝟑. 𝟔𝟏 𝒎𝒊𝒍𝒆𝒔 𝒅𝒆 $/𝒗𝒆𝒏𝒕𝒂
𝒏−𝟏
Por estimación puntual la desviación típica de la muestra “S” es aproximadamente igual a la desviación
típica de la población ” 𝝈”:
𝑺 = 𝟑. 𝟔𝟏 ≅ 𝝈
 Como la muestra es menor a 30 entonces utilizamos la distribución “T” Student
NC+𝛼 = 1
𝛼 = 1 − 𝑁𝐶
𝛼 = 1 − 0,95
𝛼 = 0,05
𝛼
𝛼 = 0,025
2
2 = 0,025 𝛼
NC= 0,95
= 0,025
2

𝑇𝐴𝐵𝐿𝐴:
12,22 17,38 gl =9
T 𝜶 T= ± 2.262
-2.262 0 2.262 = 𝟎, 𝟎𝟐𝟓
𝟐

Para poblaciones 𝑋ത − 𝜇 𝑆
𝑇= → 𝜇 = 𝑋ത + 𝑇.
infinitas 𝑆 𝑛
𝑛 3.61
𝜇 = 14.8 ± 2.262 ∗
10
𝜇 = 14.8 ± 2.58
Con un nivel de confianza del 95% se estima que
a) 𝑃 12.22 ≤ 𝜇 ≤ 17.38 = 95%
Las ventas promedios están comprendidas entre
(12,22 y 17,38) miles de $/venta
 b) Construya un IC del 90% para estimar la desviación estándar de las ventas.
n=10 N.C.+α=1 𝑷(𝑿) Distribución chi-cuadrado 𝝌𝟐
𝑺𝟐 =13,07 0.90+α=1 o Ji cuadrada
α=1-0.90
α=0.1
∝ 0.1
= ∝
2 2 ∝
2 2
∝
= 0.05 0.05 N.C.=0.90
2 0.05
𝑿
𝑇𝐴𝐵𝐿𝐴:
𝑆1 σ 𝑆2 gl =n-1=10-1=9
𝝌𝟐 ∝1 =0.90+0.05=0,95 𝝌𝟐 𝒊𝒏𝒇 = 𝟑, 𝟑𝟐𝟓
𝟐
𝝌𝟐 𝒊𝒏𝒇 = 3.325 0 𝝌 𝒔𝒖𝒑 = 16.919
∝2 =0,05 𝝌𝟐 𝒔𝒖𝒑 = 𝟏𝟔, 𝟗𝟏𝟗

𝑛 − 1 · 𝑆2 𝑛 − 1 · 𝑆2 𝑛 − 1 · 𝑆2
𝝌2 = 𝜎2 = σ=
𝜎2 𝝌2 𝝌2

10 − 1 · 13,07 10 − 1 · 13,07
𝑛 − 1 · 𝑆2 𝑛 − 1 · 𝑆2 𝑃 ≤𝜎≤ = 0,9
𝑃 ≤σ≤ = 𝑁𝐶 16,92 3,33
𝝌2𝑠𝑢𝑝 𝝌2𝑖𝑛𝑓
Con un nivel de confianza del 90 % se estima la desviación estándar de
b) 𝑃[2,63 ≤ 𝜎 ≤ 5,94] = 0,9 las ventas están comprendidas entre (2,63 y 5,94) miles de $/venta
C) Si en el mercado hay registrados 60 establecimientos comerciales, construya un IC del 99% para estimar las ventas
promedio por establecimiento.
Distribución “T” Student NC+𝛼 = 1
N=60 Est. 𝛼 = 1 − 𝑁𝐶
𝛼 = 1 − 0,99
n=10 Est 𝛼 = 0,01
S=3,61 $/V 𝛼
= 0,005
ഥ=14,8 $/V
𝒙 𝛼 2
2 = 0,005 𝛼
NC= 0,99
= 0,005
2

𝑇𝐴𝐵𝐿𝐴:
11,38 18,22 gl =n-1=10-1=9
T 𝜶 T= ± 3,250
-3.25 0 3.25 = 𝟎, 𝟎𝟎𝟓
𝟐
Para poblaciones 𝑋ത − 𝜇 𝑆 𝑁−𝑛
𝑇= → 𝜇 = 𝑋ത ± 𝑇. ·
finitas 𝑆 𝑁−𝑛 𝑛 𝑁−1
· 𝑁−1
𝑛 3.61 60−10
𝜇 = 14.8 ± 3.250 ∗ ·
10 60−1
𝜇 = 14.8 ± 3.42 Con un nivel de confianza del 99% se estima que
Las ventas promedios están comprendidas entre
c) 𝑃 11.38 ≤ 𝜇 ≤ 18.22 = 99% (11,38 y 18,22) miles de $/venta
d) Construya un IC del 96% para estimar el porcentaje de establecimientos con ventas menores de Sus. 13.500.
𝑿𝒊 <Sus. 13.5
1 2 3 4
N=60 Est. n=10→ 𝟏𝟔, 𝟏𝟖, 𝟏𝟏, 𝟏𝟕, 𝟏𝟑, 𝟏𝟎, 𝟐𝟐, 𝟏𝟓, 𝟏𝟐 , 𝟏𝟒
𝑿𝒊 : 𝑿𝟏 𝑿𝟐 𝑿𝟑 𝑿𝟒 𝑿𝟓 𝑿𝟔 𝑿𝟕 𝑿𝟖 𝑿𝟗 𝑿𝟏𝟎
n=10 Est.
Proporción muestral de éxito:
𝑥𝑖 4
𝓅= Números de éxitos 𝓅= = 0.4 = 40%
𝑛 Tamaño de la muestra 10
Proporción muestral de fracaso:
𝑥𝑖 6
q= Números de fracaso 𝑞= = 0.6 = 60%
𝓅 = 0.4 𝑛 Tamaño de la muestra 10
𝑞 = 1 − 𝓅 = 1 − 0.4 = 0.6 = 60%
𝑞 = 0.6 Proporción muestral

40%
60%

Xi<13,5 Xi>13,5
d) Construya un IC del 96% para estimar el porcentaje de establecimientos con ventas menores de Sus. 13.500.

Distribución Normal “Z”

N=60 Est.

n=10 Est.

𝛼
𝛼
2
2
𝟎, 𝟎𝟐 NC= 𝟎, 𝟗𝟔 𝟎, 𝟎𝟐
𝐿𝑖 𝑳𝒔
𝓅 = 0.4 𝑇𝐴𝐵𝐿𝐴:
Z 𝑵𝑪 𝟎, 𝟗𝟔
𝑞 = 0.6 -2.05 0 𝟐
=
𝟐
= 𝟎, 𝟒𝟖 Z= ± 2.05
2.05
Para poblaciones 𝓅−𝑃 𝓅·𝑞 𝑁−𝑛
Z= → 𝑃 = 𝓅 ± Z. ·
finitas 𝓅·𝑞 𝑁−𝑛 𝑛 𝑁−1
·
𝑛 𝑁−1
0.4·0.6 60−10
p= 0.4 ± 2.05 ∗
10
· 60−1
p = 0.4 ±0.29 Con un nivel de confianza del 96% se estima que el
porcentaje de ventas menores a $ 13 500 estén
d) 𝑃 0.11 ≤ p ≤ 0.69 = 96%
comprendidas entre el 11 % y el 69 %
e. ¿De qué tamaño deberá ser la muestra elegida de establecimientos comerciales en el
mercado sí el error de muestreo no debe exceder de $us. 1.000? Utilice un NC de 90%
Tamaño de la muestra para población finita: Donde:
N=60 Est.
𝒁𝟐 · 𝝈𝟐 · 𝑵 n= Tamaño de la muestra
n=10 Establecimientos. 𝒏 = 𝟐
𝟐 𝒁 · 𝝈𝟐 + 𝜺𝟐 · (𝑵 − 𝟏) Z = Parámetro estadístico
𝒔 =13,07 ($/V)^2
Distribución Normal “Z” 𝝈𝟐 = Varianza de la población
N= Tamaño de la población
𝛼 𝛼 𝜺= Error de estimación máximo
2 2
𝟎, 𝟎𝟓 NC= 𝟎, 𝟗𝟎 𝟎, 𝟎𝟓
𝑇𝐴𝐵𝐿𝐴:
Z 𝑵𝑪 𝟎, 𝟗𝟎
-1.64 0 1.64
= = 𝟎, 𝟒𝟓 Z= ± 1.64
𝟐 𝟐
𝒔𝟐 ≅ 𝝈𝟐 = 𝟏𝟑, 𝟎𝟕($/V)^2 𝟏. 𝟔𝟒𝟐 · 𝟏𝟑. 𝟎𝟕 · 𝟔𝟎
𝒏=
𝟏. 𝟔𝟒𝟐 · 𝟏𝟑. 𝟎𝟕 + 𝟏𝟐 · (𝟔𝟎 − 𝟏)
𝒏 = 𝟐𝟐, 𝟒 ≅ 𝟐𝟑
𝒏 = 𝟐𝟑 𝒎𝒖𝒆𝒔𝒕𝒓𝒂𝒔
2. En una muestra de 200 estudiantes universitarios con calificaciones
superiores a 70 puntos se les pregunto dónde generalmente realizan sus
tareas e investigaciones. Se obtuvo que 130 estudiantes con preferencia
utilizan la biblioteca.
a. Con un NC de 98% estime el porcentaje de estudiantes que estudian en
la biblioteca.
b. Sí la Universidad cuenta con un total de 5500 universitarios
matriculados, construya un IC de 94% para estimar el porcentaje de
estudiantes que estudian en la biblioteca.
a. Con un NC de 98% estime el porcentaje de estudiantes que estudian en la biblioteca.
𝑋𝑖 130
N= ¿? 𝓅Ƽ = = = 0.65 = 65%
𝑛 200
n=200 Estudiantes. 𝑋𝑖 70
𝑞ු = = = 0.35 = 35%
𝑛 200
Distribución Normal “Z”

𝛼 𝛼
2 2
𝟎, 𝟎𝟏 NC= 𝟎, 𝟗𝟖 𝟎, 𝟎𝟏
𝑇𝐴𝐵𝐿𝐴:
Z 𝑵𝑪 𝟎, 𝟗𝟖
-2.32 0 2.32
= = 𝟎, 𝟒𝟗 Z= ± 2.33
𝟐 𝟐
Para poblaciones 𝓅−𝑃 𝓅·𝑞
Z= → 𝑃 = 𝓅 Ƽ ± Z.
infinitas 𝓅·𝑞 𝑛
𝑛 0.65·0.35 Con un nivel de confianza del 98%
p= 0.65 ± 2.33 ∗
200 se estima que el porcentaje de
p = 0.65 ±0.08 estudiantes que estudian en la
biblioteca están comprendidos
a) 𝑃 0.57 ≤ p ≤ 0.73 = 98% entre el 57 % y el 73 %
b. Sí la Universidad cuenta con un total de 5500 universitarios matriculados, construya un IC de 94% para estimar el
porcentaje de estudiantes que estudian en la biblioteca.
𝑋𝑖 130
N= 5500 Estudiantes 𝓅Ƽ = = = 0.65 = 65%
𝑛 200
n=200 Estudiantes. 𝑋𝑖 70
𝑞ු = = = 0.35 = 35%
𝑛 200
Distribución Normal “Z”

𝛼 𝛼
2 2
𝟎, 𝟎𝟑 NC= 𝟎, 𝟗𝟒 𝟎, 𝟎𝟑
𝑇𝐴𝐵𝐿𝐴:
Z 𝑵𝑪 𝟎, 𝟗𝟒
-1.88 0 1.88
= = 𝟎, 𝟒𝟕 Z= ± 1.88
𝟐 𝟐

Para poblaciones 𝓅Ƽ − 𝑃 𝓅Ƽ · 𝑞𝑁−𝑛

Z= → 𝑃 = 𝓅 Ƽ ± Z. ·
finitas 𝓅Ƽ · 𝑞 𝑁−𝑛
· 𝑛 𝑁−1
𝑛 𝑁−1 Con un nivel de confianza del 94%
0.65 · 0.35 5500 − 200 se estima que el porcentaje de
P = 0.65 ± 1.88 ∗ · estudiantes que estudian en la
200 5500 − 1
biblioteca están comprendidos
P = 0.65 ±0.06 entre el 59 % y el 71 %
b) 𝑃 0.59 ≤ p ≤ 0.71 = 94%
3. Una Compañía ha emitido en el mes un total de 3000 facturas que debe declararse
a Impuestos Nacionales. Se desea estimar el valor promedio de cada venta facturada
y para no realizar una revisión y registro del total de las facturas, se ha decidido
tomar una muestra aleatoria. Registros del pasado mes establecieron que la
desviación estándar fue de $ 2.500 por venta.
a. Con un NC de 99% ¿de qué tamaño deberá ser la muestra sí se admite un error de
± 250 $?
b. Con un NC de 99% ¿de qué tamaño deberá ser la muestra sí se admite un error de
± 500 $?
c. Analice y explique los resultados obtenidos en los incisos a) y b)
d. Sí el coeficiente de variación del mes anterior fue de 10% estime la venta
promedio del mes, y, construya un IC de 90% para ese promedio asumiendo que la
muestra es la calculada en a)
a. Con un NC de 99% ¿de qué tamaño deberá ser la muestra sí se admite un error de ± 250 $?
N= 3 000 Facturas
𝝈=2500 Facturas Distribución Normal “Z”

n=¿? 𝛼 𝛼
2 2
Ε=± 250 $ 𝟎, 𝟎𝟎𝟓 NC= 𝟎, 𝟗𝟗 𝟎, 𝟎𝟎𝟓

𝑇𝐴𝐵𝐿𝐴:
Z 𝑵𝑪 𝟎, 𝟗𝟗
-2.57 0 2.57
= = 𝟎, 𝟒𝟗𝟓 Z= ± 2.57
𝟐 𝟐

Para poblaciones
finitas

muestras
a. Con un NC de 99% ¿de qué
tamaño deberá ser la muestra sí
se admite un error de ± 250 $?

facturas
b. Con un NC de 99% ¿de qué tamaño deberá ser la muestra sí se admite un error de ± 500 $?
N= 3 000 Facturas
𝝈=2500 Facturas Distribución Normal “Z”

n=¿? 𝛼 𝛼
2 2
Ε=± 500 $ 𝟎, 𝟎𝟎𝟓 NC= 𝟎, 𝟗𝟗 𝟎, 𝟎𝟎𝟓

𝑇𝐴𝐵𝐿𝐴:
Z 𝑵𝑪 𝟎, 𝟗𝟗
-2.57 0 2.57
= = 𝟎, 𝟒𝟗𝟓 Z= ± 2.57
𝟐 𝟐

Para poblaciones
infinitas
C) Analice y explique los resultados obtenidos en los incisos a) y b)
A) Con un nivel de confianza del 99% y un error de ± 250 se deberá tomar una muestra de 542 facturas
B) Con un nivel de confianza del 99% y un error de ± 500 se deberá tomar una muestra de 157 facturas

D) Sí el coeficiente de variación del mes anterior fue de 10% estime la venta promedio del mes, y, construya un IC
de 90% para ese promedio asumiendo que la muestra es la calculada en a)

n = 542 muestras
D)
4. En una población de 10 000 familias se planea realizar una encuesta para determinar
los gastos médicos anuales en que incurre una familia. La dirección del hospital quiere
tener un 98% de confianza de que la estimación del promedio de gastos médicos por
familia este comprendida entre ± 100 $. Un estudio piloto previo en la población de
familias determinó que la desviación estándar es de $ 400 por familia. ¿Cuántas
familias deberán elegirse para realizar la estimación?

Para estimar la población con un NC de 98% y un

error de 200$ se deberá tomar una muestra de 22
familias
4. A) Sí la estimación del promedio de gastos médicos por familia debe estar comprendida entre ±200$
¿Cuántas familias deberá elegirse para realizar la estimación? Interprete.

N= 10 000 Familias

ε= ±100 $/Familia
S= 400 $/Familia
n= ¿?
4. B)Sí la estimación del promedio de gastos médicos por familia debe estar comprendida entre
±50$ ¿Cuántas familias deberá elegirse para realizar la estimación? Interprete

Para estimar la población con un NC de 98% y un error de 50$ se deberá tomar una muestra de 336
familias
5. El 30% de las personas de una muestra piloto de fumadores de cigarrillos interrogados dijeron que, el
municipio debería publicitar por la TV los efectos que produce el fumar cigarrillos. El municipio para poder
realizar los spots publicitarios, decide realizar una encuesta entre los 12000 fumadores que tiene registrados,
para estimar el porcentaje de fumadores de cigarrillos que están interesados en saber los efectos que produce el
fumar, pero debido al alto costo publicitario, la estimación deberá ser muy precisa y no deberá exceder un error
de ± 1% y tener un NC de 97%
6. Se está diseñando un estudio de mercado con el fin de obtener información acerca de los hábitos televisivos de la
población. Además de diseñar el cuestionario es necesario determinar el tamaño de la muestra. Se decidió que los
aspectos más importantes del estudio son: el porcentaje de familias que poseen televisores y el promedio de tiempo
por semana que están ocupados viendo televisión. Se desea estimar el porcentaje de propietarios de TV con un NC
de 95% y una precisión del 3%, y, estimar el tiempo promedio que las personas están ocupados viendo televisión por
semana con una precisión de 1 hora. Un estudio piloto realizado establece que el porcentaje de propietarios de TV
es de 90% y que el tiempo promedio que permanecen viendo televisión por semana es de 20 horas con una
desviación estándar de 3 horas.

a. ¿De qué tamaño deberá ser la muestra si se considera el porcentaje de poseedores de TV y se ignora el tiempo
ocupado en ver televisión?
b. ¿De qué tamaño deberá ser la muestra si se considera el tiempo ocupado en ver televisión y se ignora el
porcentaje de propietarios de TV? Del tamaño de muestra elegido en a) y b) ¿con cuál muestra se quedaría?
Justifique.
c. Suponga que elige el tamaño de la muestra en c) y obtiene las estimaciones siguientes: 19,1 horas el tiempo
promedio viendo televisión por semana con una desviación estándar de 3,4 horas, y, que el 93% es el porcentaje
de propietarios de TV, determine un IC del 90% para estimar en la población: el tiempo promedio semanal que
las familias ven televisión, el porcentaje de familias que poseen TV, y, la desviación estándar del tiempo
promedio que las familias se dedican a ver televisión por semana.
a. ¿De qué tamaño deberá ser la muestra si se considera el porcentaje de poseedores de TV y se
ignora el tiempo ocupado en ver televisión?

n = 385 propietarios
c) La muestra a escoger seria el inciso a) porque con 385 personas
cubriría las 35 personas de la encuesta b)
7. Se realizó un estudio para evaluar los efectos del hacinamiento en el aprendizaje de niños en una escuela rural. A
un grupo de 50 niños se les enseño una destreza matemática en condiciones de hacinamiento obteniendo un
rendimiento promedio de 70 puntos y una varianza de 100 𝒑𝒖𝒏𝒕𝒐𝒔𝟐. A otro grupo de 40 niños se les enseño la
misma destreza pero sin hacinamiento obteniendo un rendimiento promedio de 80 puntos y una varianza de 90
𝒑𝒖𝒏𝒕𝒐𝒔𝟐 .
a. Con un NC de 93% construya un IC para estimar la diferencia del rendimiento promedio de aprendizaje de los
niños en la escuela rural.
b. Con un NC de 90% construya un IC para estimar la relación de las desviaciones estándar de ambos grupos de
aprendizaje.
b. Con un NC de 90% construya un IC para estimar la relación de las desviaciones estándar de ambos grupos de
aprendizaje.
8. Un antropólogo cree que los individuos que tienen sangre tipo A es la
misma en dos poblaciones vecinas. Una muestra de 150 individuos de la
población I establece que 87 tienen sangre tipo A, y, otra muestra de
200 individuos de la población II establece que 100 tienen sangre tipo A.
a. Construya un IC de 94% para estimar la diferencia del porcentaje de
individuos que tienen sangre tipo A en ambas poblaciones.
b. Construya un IC de 92% para estimar la diferencia del porcentaje de
individuos que no tienen sangre tipo A en ambas poblaciones.
a. Construya un IC de 94% para estimar la
b. Construya un IC de 92% para estimar la
diferencia del porcentaje de individuos que
diferencia del porcentaje de individuos que no
tienen sangre tipo A en ambas poblaciones.
tienen sangre tipo A en ambas poblaciones.
9. En un laboratorio los investigadores hicieron llegar por diferentes conductos
una sustancia tóxica hasta el sistema nervioso central de ratones experimentales,
para estimar el tiempo que transcurre desde la administración de la toxina hasta
el inicio de los síntomas en los ratones. Se eligió 10 ratones para administrar la
toxina por el conducto A, obteniendo un tiempo promedio de reacción de 40
minutos y varianza de 10 min?. Se eligió otros 10 ratones para administrar la
toxina por el conducto B, obteniendo un tiempo promedio de reacción de 30
minutos y varianza de 20 min?.
a. Con un NC de 95% construya un IC para estimar la diferencia promedio del
tiempo de reacción a la toxina por los ratones de ambos grupos de control.
b. Con un NC de 98% construya un IC para estimar la relación de las desviaciones
estándar de ambos grupos de control.
 A) Con un NC de 95% construya un IC para estimar la diferencia promedio del tiempo de reacción a la toxina por los
ratones de ambos grupos de control
2 18
𝝁𝟏 =¿? 𝝁𝟐 =¿?
n<30 ∴ DISTRIBUCIÓN “T” Tabla → T=2.101

1 2

Ratones Ratones
Minutos Minutos

𝐌𝐢𝐧𝐮𝐭𝐨𝐬 𝟐 𝐌𝐢𝐧𝐮𝐭𝐨𝐬 𝟐

𝝁𝟏 − 𝝁𝟐 =¿?
Interpretación: Con un nivel de confianza 3.64
del 95% se estima que la diferencia del
tiempo promedio de reacción a la toxina P 6.36 ≤ µ1 − µ2 ≤ 13.64 = 95%
por los ratones de ambos grupos de control
esta comprendida entre 6,04 y 1,96 minutos
b. Con un NC de 99% construya un IC para estimar la relación de las desviaciones estándar de ambos grupos de control.
𝑷(𝑿)
Distribución f o Fisher
σ𝟏 =¿? σ𝟐 =¿?

𝜎𝑀𝑎𝑦𝑜𝑟 ∝ ∝
𝜎𝑚𝑒𝑛𝑜𝑟 2 2 N.C.=99%
0.005 N.C.=0.99 0.005 𝑇𝐴𝐵𝐿𝐴:
𝑿
Ratones Ratones
2 2
𝜃𝐼 𝜎1 = 𝜎2 𝜃𝑆 𝒈𝒍𝑵 =𝒏𝑵 -1=10-1=9
𝑭𝒔𝒖𝒑 = 𝟓. 𝟑𝟓
Minutos Minutos 𝒈𝒍𝑫 =𝒏𝑫 -1=10-1=9
𝐹
𝐌𝐢𝐧𝐮𝐭𝐨𝐬 𝟐 𝐌𝐢𝐧𝐮𝐭𝐨𝐬 𝟐 𝑭𝒊𝒏𝒇 0 𝑭𝒔𝒖𝒑
𝒈𝒍𝑫 =𝒏𝑵 -1=10-1=9 𝟏
𝑓 → 𝑭𝒊𝒏𝒇 =
𝒈𝒍𝑵 =𝒏𝑫 -1=10-1=9 𝒇
b. Con un NC de 99% construya un IC para estimar la relación de las desviaciones estándar de ambos grupos de control.
𝑷(𝑿)
Distribución f o Fisher
σ𝟏 =¿? σ𝟐 =¿?

𝜎𝑀𝑎𝑦𝑜𝑟 ∝ ∝
𝜎𝑚𝑒𝑛𝑜𝑟 2 2 N.C.=99%
0.005 N.C.=0.99 0.005 𝑇𝐴𝐵𝐿𝐴:
𝑿
Ratones Ratones
2 2
𝜃𝐼 𝜎1 = 𝜎2 𝜃𝑆 𝒈𝒍𝑵 =𝒏𝑵 -1=10-1=9
𝑭𝒔𝒖𝒑 = 𝟓. 𝟑𝟓
Minutos Minutos 𝒈𝒍𝑫 =𝒏𝑫 -1=10-1=9
𝐹
𝐌𝐢𝐧𝐮𝐭𝐨𝐬 𝟐 𝐌𝐢𝐧𝐮𝐭𝐨𝐬 𝟐 𝟏 0 𝑭𝒔𝒖𝒑 = 𝟓. 𝟑𝟓
𝑭𝒊𝒏𝒇 =
𝟓. 𝟑𝟓 𝒈𝒍𝑫 =𝒏𝑵 -1=10-1=9 𝟏
𝑆12 𝜎12 𝑆12 𝑓 → 𝑭𝒊𝒏𝒇 =
𝒈𝒍𝑵 =𝒏𝑫 -1=10-1=9 𝒇
P · F𝐼𝑛𝑓. ≤ ≤ · F𝑆𝑢𝑝. = 𝑁. 𝐶.
𝑆22 𝜎22 𝑆22

Interpretación: Con un nivel de confianza del

P =0.99 99% se estima que la relación de las
desviaciones estándar del tiempo promedio
de reacción a la toxina por los ratones de
0.99 ambos grupos de control esta comprendida
P =0.99
entre (0.3 y 1,63) minutos
10. Se pretende evaluar el efecto del ruido sobre la habilidad de un obrero para llevar a
cabo cierta tarea. Un ingeniero diseña un experimento en el que se someterá a un grupo
de obreros a realizar una determinada tarea bajo dos niveles diferentes de ruido. Se
elige aleatoriamente 16 obreros para realizar una tarea bajo un nivel severo de ruido
(grupo 1), y, se elige otros 16 obreros para realizar la misma tarea bajo un nivel
moderado de ruido (grupo 2). En la tabla se muestran los resultados del tiempo en
minutos que tardo cada obrero en completar su tarea en cada grupo:
Grupo 1 14 12 15 15 11 16 17 12 14 13 18 13 18 15 16 11
Grupo 2 20 20 18 18 19 17 18 15 22 18 19 15 21 20 18 16

a. Con un NC de 99% construya un IC para estimar la diferencia del tiempo promedio

para realizar una tarea por ambos grupos de obreros.
b. Con un NC de 90% construya un IC para estimar la relación de varianzas para
ambos grupos de obreros.
a. Con un NC de 99% construya un IC para estimar la diferencia del tiempo promedio para realizar
una tarea por ambos grupos de obreros.
Grupo 1 14 12 15 15 11 16 17 12 14 13 18 13 18 15 16 11

Grupo 2 20 20 18 18 19 17 18 15 22 18 19 15 21 20 18 16

N.C.=99%
gl=𝒏𝟏 + 𝒏𝟐 − 𝟐
𝒈𝒍 = 𝟏𝟔 + 𝟏𝟔 − 𝟐 = 𝟑𝟎
Tabla → T=2.101

Interpretación: Con un nivel de confianza del 99% se

estima que la diferencia del tiempo promedio para
Nota: El signo negativo simplemente nos indica realizar una tarea por ambos grupos de obreros esta
que 𝜇2 > 𝜇1 comprendida entre 6,04 y 1,96 minutos
B)
11. Se tiene registros de la edad de los progenitores de cada nacimiento y el género de los neonatos en
una maternidad. Se pretende realizar una investigación aplicando muestreo aleatorio simple: Género
Neonato 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Género h h f f h h f h f f f h f h f f h h h h
Edad padre 19 23 29 30 24 33 37 33 22 23 32 37 20 33 25 33 17 22 38 24
Edad madre 21 32 32 19 23 32 25 26 35 26 40 35º 22 31 19 37 28 17 21 30
Neonato 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
Género f f h f h f f f h h f f h f h f f h h f
Edad padre 23 39 38 24 35 21 32 31 34 33 18 39 16 28 36 30 24 33 22 33
Edad madre 27 23 21 30 17 18 30 30 23 24 17 24 19 22 21 19 23 32 17 31
Neonato 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
Género h f f h f h f f f h h f h f f h f f h h
Edad padre 37 31 26 27 32 17 25 23 24 33 17 22 33 26 36 23 39 38 22 23
Edad madre 36 26 26 29 23 16 17 18 27 37 28 17 31 27 22 27 23 21 35 26

a. Seleccione una muestra aleatoria de tamaño 20. Utilice números aleatorios de tabla.
b. Estimar la edad promedio de los padres y las madres y sus desviaciones típicas. Interpretar.
c. Con un NC de 98% estimar un IC para la edad promedio de los padres y de las madres.
d. Con un NC de 99% estimar un IC para la desviación típica de la edad de los padres y de las madres. Interpretar.
e. Estimar la proporción de neonatos hombres y la proporción de neonatos mujeres. Interpretar.
f. Con un NC de 96% estimar un IC para la diferencia de la proporción de neonatos hombres y mujeres. Interpretar.
g. Con un NC de 95% estimar un IC para la diferencia de medias de edades entre padres y madres. Interpretar.
Interpretación: Con un nivel de confianza de 99% se estima que las desviaciones típicas de las
edades del padre y las madres están comprendidos entre 5 a 12 años y 4,49 y 10,66 años
respetivamente
e)

Grado de libertad=gl=20+20-2=38

T=se obtiene de tabla

Se estima que el 40% de los neonatos son hombres y 60% son mujeres. N.C.=Nivel de confianza=96%
F)

g)
12. Se dispone los registros de edad, peso y género de los estudiantes de un curso de cocina en un instituto
de gastronomía en el siguiente cuadro.
Estudiante 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Edad (años) 20 21 22 20 22 21 20 23 24 20 16 16 21 20 23
Peso( Kg) 68 72 58 66 74 82 60 62 71 73 81 65 70 55 67
Género h h m h m h h h m m h m h h m

Estudiante 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Edad (años) 20 22 21 20 23 20 21 22 16 21 20 23 20 196 20
Peso( Kg) 71 73 81 68 74 82 60 62 55 67 66 65 70 72 58
Género m m h m h m m h h m h h h h m

Estudiante 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45
Edad (años) 21 20 22 21 22 20 20 21 24 20 19 19 21 20 23
Peso( Kg) 71 66 60 65 74 82 58 62 68 55 67 81 70 72 73
Género h m m h h h m m h m h h h m m

Estudiante 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
Edad (años) 23 24 20 20 22 21 20 23 24 23 19 19 22 21 20
Peso( Kg) 62 71 73 81 55 67 82 60 74 58 66 65 70 68 72
Género m m m h h h m h m m h h h m h
a. Utilizando el Muestreo Sistemático elija una muestra de 10 estudiantes.
b. Estime la edad promedio y su desviación estándar del curso de estudiantes de cocina.
c. Estime el peso promedio y su desviación estándar del curso de estudiantes de cocina.
d. Estime el porcentaje de estudiantes varones que cursan el curso de cocina.
e. Con un NC de 95% construya un IC para estimar la edad promedio de los estudiantes
de cocina.
f. Con un NC de 90% construya un IC para estimar el peso promedio de los estudiantes
de cocina.
g. Con un NC de 98% construya un IC para estimar el porcentaje de estudiantes varones.
h. Utilizando el Muestreo Aleatorio Simple elija una muestra de 10 estudiantes y estime
la edad promedio y el peso promedio de los estudiantes de cocina. Comente respecto
a los resultados alcanzados en los incisos b) y c).
i. Sí se acepta un error de estimación de ± 10% para el porcentaje de estudiantes
hombres, con un NC de 96% ¿de qué tamaño debería ser la muestra de estudiantes?
a. Utilizando el Muestreo Sistemático elija una muestra de 10 estudiantes.

Punto de inicio aleatorio

Estudiante 2 8 14 20 26 32 38 44 50 56
Edad 21 23 20 23 20 20 21 20 22 19
Peso 72 62 55 77 66 66 62 72 55 66
Genero h h h h h m m m h h
b) Estime la edad promedio y su desviación estándar del curso de estudiantes de cocina.

Por estimación puntual:

𝑋ത ≅ 𝜇 ≅ 21 𝐴ñ𝑜𝑠

𝐴ñ𝑜𝑠 2

Por estimación puntual:

S≅ 𝜎 ≅ 1.37𝐴ñ𝑜𝑠

Interpretación: Se estima que la edad promedio del curso de estudiantes de cocina es de aproximadamente
21 años con una desviación estándar de ±1.37 𝐴ñ𝑜𝑠
C) Estime el peso promedio y su desviación estándar del curso de estudiantes de cocina.
Calculamos el promedio de la muestra:

65,3 Kg

ത ≅ 𝜇 ≅ 65.3 𝐾𝑔
Por estimación puntual: 𝑋
2
72 − 65 + 66 − 65 2 + + 66 − 65 2
= 65,3𝐾𝑔2
10 − 1
Calculamos la desviación típica de la muestra:

σ𝒏𝒊=𝟏(𝒙𝒊 − 𝒙
ഥ)𝟐
𝑺= →𝒔= 𝑺𝟐 ∴ 𝑺 = 𝟔𝟓. 𝟑 = 𝟕. 𝟏𝟔 𝑲𝒈
𝒏−𝟏
Por estimación puntual: S≅ 𝜎 ≅ 7.16 𝐾𝑔

Interpretación: Se estima que el peso promedio del curso de estudiantes de cocina es de aproximadamente
65 Kg con una desviación estándar de ±6.67 𝐾𝑔
d) Estime el porcentaje de estudiantes varones que cursan el curso de cocina.
Proporción muestral de éxito:
Estudiante 2 8 14 20 26 32 38 44 50 56
𝑥𝑖
𝓅= Números de éxitos
𝑛 Tamaño de la muestra Edad 21 23 20 23 20 20 21 20 22 19
Peso 72 62 55 77 66 66 62 72 55 66
Genero h h h h h m m m h h
Por estimación puntual: Proporción muestral de Hombres y mujeres que
cursan el curso de cocina
𝓅Ƹ ≅ 𝑃 ≅ 70%
Mujeres
30% Hombres
70%

1 2

Interpretación: Se estima que el porcentaje de estudiantes varones que cursan el curso de cocina es del
70%
e) Con un NC de 95% construya un IC para estimar la edad promedio de los estudiantes
NC+𝛼 = 1
de cocina. Distribución “T” Student 𝛼 = 1 − 𝑁𝐶
𝛼 = 1 − 0,95
𝛼 = 0,05
𝛼
𝛼 = 0,025
2
2 = 0,025 𝛼
NC= 0,95
= 0,025
2

𝑇𝐴𝐵𝐿𝐴:
20 21.8 gl =n-1=10-1=9
T 𝜶 T= ± 2.262
-2.262 0 2.62 = 𝟎, 𝟎𝟐𝟓
𝟐
Para poblaciones 𝑋ത − 𝜇
𝑇=
finitas 𝑆 𝑁−𝑛
· 𝑁−1
𝑛 Interpretación: Con un nivel de
confianza del 95% se estima que
la edad promedio de los
estudiantes de cocina este
comprendido entre (20 y 22)
años de edad
 F) Con un NC de 90% construya un IC para estimar el peso promedio de los estudiantes de cocina.
NC+𝛼 = 1
Distribución “T” Student 𝛼 = 1 − 𝑁𝐶
𝛼 = 1 − 0,90
𝛼 = 0,10
𝛼
𝛼 = 0,05
2
2 = 0,05 𝛼
NC= 0,90
= 0,05
2

𝑇𝐴𝐵𝐿𝐴:
20 21.8 gl =n-1=10-1=9
T 𝜶 T= ± 1.833
-2.262 0 2.62 = 𝟎, 𝟎𝟐𝟓
𝟐

Para poblaciones 𝑋ത − 𝜇
𝑇=
finitas 𝑆 𝑁−𝑛 Interpretación: Con un nivel de
· 𝑁−1
𝑛 confianza del 90% se estima que
el peso promedio de los
estudiantes de cocina este
comprendido entre (61.44 y
68.56) Kg
 G) Con un NC de 98% construya un IC para estimar el porcentaje de estudiantes varones.
𝑋𝑖 7
N= 60 Estudiantes 𝓅Ƽ = = = 0.70 = 70%
𝑛 10
n=20 Estudiantes. 𝑋𝑖 3
𝑞ු = = = 0.30 = 30%
𝑛 10
Distribución Normal “Z”

𝛼 𝛼
2 2
𝟎, 𝟎𝟏 NC= 𝟎, 𝟗𝟖 𝟎, 𝟎𝟏
𝑇𝐴𝐵𝐿𝐴:
Z 𝑵𝑪 𝟎, 𝟗𝟖
-2.32 0 2.32
= = 𝟎, 𝟒𝟗 Z= ± 2.33
𝟐 𝟐

Para poblaciones 𝓅−𝑃 𝓅·𝑞 𝑁−𝑛

Z= → 𝑃 = 𝓅Ƽ ± Z. ·
finitas 𝓅·𝑞 𝑁−𝑛 𝑛 𝑁−1
· 0.7·0.3 60−10 Con un nivel de confianza del
𝑛 𝑁 − 1 P= 0.7 ± 2.33 ∗ ·
10 60−1 98% se estima que el
porcentaje de estudiantes
p = 0.7 ±0.31
varones estén comprendidos
a) 𝑃 0.39 ≤ P ≤ 1 = 98% entre el 39 % y el 100 %
H) Utilizando el Muestreo Aleatorio Simple elija una muestra de 10 estudiantes y estime la edad
promedio y el peso promedio de los estudiantes de cocina. Comente respecto a los resultados
alcanzados en los incisos b) y c).
Estudiante 06 07 53 17 20 39 58 38 33 60
Edad 21 20 23 22 23 24 22 21 22 20
Peso (kg) 82 60 60 73 74 68 70 62 60 72
Genero h h h m h h h m m h
Calculando la edad promedio de los estudiantes de cocina:
σ𝒏𝒊=𝟏 𝒙𝒊 𝟐𝟏 + 𝟐𝟎 + 𝟐𝟑 + 𝟐𝟐 + 𝟐𝟑 + 𝟐𝟒 + 𝟐𝟐 + 𝟐𝟏 + 𝟐𝟐 + 𝟐𝟎
ഥ=
𝑿 = = 𝟐𝟏. 𝟖 𝑨ñ𝒐𝒔 𝒅𝒆 𝒆𝒅𝒂𝒅
𝒏 𝟏𝟎
Calculamos la varianza de la muestra:
𝟐
σ𝒏𝒊=𝟏(𝒙𝒊 − 𝒙
ഥ)𝟐 (𝟐𝟏 − 𝟐𝟏. 𝟖)𝟐 +(𝟐𝟎 − 𝟐𝟏. 𝟖)𝟐 +… … … (𝟐𝟎 − 𝟐𝟏. 𝟖)𝟐
𝑺 = = = 𝟏. 𝟕𝟑 𝑨ñ𝒐𝒔 𝒅𝒆 𝒆𝒅𝒂𝒅
𝒏−𝟏 𝟏𝟎 − 𝟏
Calculamos la desviación típica de la muestra:

σ𝒏𝒊=𝟏(𝒙𝒊 − 𝒙
ഥ)𝟐
𝑺= →𝒔= 𝑺𝟐 ∴ 𝑺 = 𝟏. 𝟕𝟑 = 𝟏. 𝟑𝟐 𝑨ñ𝒐𝒔 𝒅𝒆 𝒆𝒅𝒂𝒅
𝒏−𝟏
Por estimación puntual la desviación típica de la muestra “S” es aproximadamente igual a la desviación típica de la
población ” 𝝈”:
𝑺 = 𝟏. 𝟑𝟐 ≅ 𝝈
H) peso promedio de los estudiantes de cocina.

Estudiante 06 07 53 17 20 39 58 38 33 60
Edad 21 20 23 22 23 24 22 21 22 20
Peso (kg) 82 60 60 73 74 68 70 62 60 72
Genero h h h m h h h m m h
Calculando el peso promedio de los estudiantes de cocina:
σ𝒏𝒊=𝟏 𝒙𝒊 𝟖𝟐 + 𝟔𝟎 + 𝟔𝟎 + 𝟕𝟑 + 𝟕𝟒 + 𝟔𝟖 + 𝟕𝟎 + 𝟔𝟐 + 𝟔𝟎 + 𝟕𝟐
ഥ=
𝑿 = = 𝟔𝟖. 𝟏 𝑲𝒈
𝒏 𝟏𝟎
Calculamos la varianza de la muestra:
𝟐
σ𝒏𝒊=𝟏(𝒙𝒊 − 𝒙
ഥ)𝟐 (𝟖𝟐 − 𝟔𝟖. 𝟏)𝟐 +(𝟔𝟎 − 𝟔𝟖. 𝟏)𝟐 +… … … (𝟕𝟐 − 𝟔𝟖. 𝟏)𝟐
𝑺 = = = 𝟓𝟔. 𝟏 𝑲𝒈
𝒏−𝟏 𝟏𝟎 − 𝟏
Calculamos la desviación típica de la muestra:

σ𝒏𝒊=𝟏(𝒙𝒊 − 𝒙
ഥ)𝟐
𝑺= →𝒔= 𝑺𝟐 ∴ 𝑺 = 𝟓𝟔. 𝟏 = 𝟕. 𝟒𝟖 𝑲𝒈
𝒏−𝟏
Por estimación puntual la desviación típica de la muestra “S” es aproximadamente igual a la desviación típica de la
población ” 𝝈”:
𝑺 = 𝟕. 𝟒𝟖 ≅ 𝝈
H) Comente respecto a los resultados alcanzados en los incisos b) y c).
Para comparar los resultados obtenidos en el muestreo aleatorio simple con respecto al muestreo
sistemático podemos hacer uso del coeficiente de variación para comparar la dispersión de datos o su
variabilidad y comparar cual estimación fue más confiable.
Coeficiente de variación:
𝑆
𝐶. 𝑉. = · 100%
𝑋ത

0% 25% 50% 100%

Para la interpretación también podemos hacer uso de la siguiente tabla:

𝟎% ≤CV≤ 𝟏𝟎% Existe poca variabilidad

10%≤ 𝐶𝑉 ≤ 33% Existe una variabilidad aceptable
33%≤ 𝐶𝑉 ≤50% Existe una variabilidad excesiva pero
tolerable
CV> 50% Existe una variabilidad excesiva no
tolerable
H) Comente respecto a los resultados alcanzados en los incisos b) y c).

Muestreo Sistemático: Edad promedio de σ𝒏𝒊=𝟏 𝒙𝒊

ഥ=
𝑿 = 𝟐𝟎. 𝟗 𝑨ñ𝒐𝒔
los estudiantes: 𝒏
σ𝒏𝒊=𝟏(𝒙𝒊 − 𝒙
ഥ)𝟐
𝑺= = 𝟏. 𝟑𝟕 𝑨ñ𝒐𝒔
𝒏−𝟏
Coeficiente de variación:
1.37
𝐶. 𝑉. = · 100% = 6.55%
20.9

0% 25% 50% 100%

6.5%
Interpretación: El conjunto de datos obtenido a través de un muestreo sistemático de la edad
promedio de los estudiantes tiene un poca variabilidad 6.5% es decir es aceptable y se encuentra
en el rango más confiable.
H) Comente respecto a los resultados alcanzados en los incisos b) y c).

Muestreo Sistemático: Peso promedio de σ𝒏𝒊=𝟏 𝒙𝒊

ഥ=
𝑿 = 𝟔𝟓. 𝟑 𝑲𝒈
los estudiantes: 𝒏
σ𝒏𝒊=𝟏(𝒙𝒊 − 𝒙
ഥ)𝟐
𝑺= = 𝟕. 𝟏𝟔 𝑲𝒈
𝒏−𝟏
Coeficiente de variación:
7.16
𝐶. 𝑉. = · 100% = 10.96%
65.3

0% 25% 50% 100%

10.96%
Interpretación: El conjunto de datos obtenido a través de un muestreo sistemático de la edad
promedio de los estudiantes tiene una variabilidad de 10.96 es decir es aceptable y se encuentra
en el rango más confiable.
H) Comente respecto a los resultados alcanzados en los incisos b) y c).

σ 𝒙 𝒏
Muestreo Aleatorio Simple: Edad promedio de 𝑿
ഥ = 𝒊=𝟏 𝒊 = 𝟐𝟏. 𝟖 𝑨ñ𝒐𝒔
los estudiantes: 𝒏
σ𝒏𝒊=𝟏(𝒙𝒊 − 𝒙
ഥ)𝟐
𝑺= = 𝟏. 𝟑𝟐 𝑨ñ𝒐𝒔
𝒏−𝟏
Coeficiente de variación:
1.32
𝐶. 𝑉. = · 100% = 6.05%
21.8

0% 25% 50% 100%

6.0%
Interpretación: El conjunto de datos obtenido a través de un muestreo sistemático de la edad
promedio de los estudiantes tiene un poca variabilidad 6.0% es decir es aceptable y se encuentra
en el rango más confiable.
H) Comente respecto a los resultados alcanzados en los incisos b) y c).

Muestreo Aleatorio Simple: Peso promedio de ഥ σ𝒏𝒊=𝟏 𝒙𝒊

𝑿= = 𝟔𝟖. 𝟏 𝑲𝒈
los estudiantes: 𝒏
σ𝒏𝒊=𝟏(𝒙𝒊 − 𝒙
ഥ)𝟐
𝑺= = 𝟕. 𝟒𝟖 𝑲𝒈
𝒏−𝟏
Coeficiente de variación:
7.48
𝐶. 𝑉. = · 100% = 10.98%
68.1

0% 25% 50% 100%

10.98%
Interpretación: El conjunto de datos obtenido a través de un muestreo sistemático de la edad
promedio de los estudiantes tiene una variabilidad de 10.98 es decir es aceptable y se encuentra
en el rango más confiable.
H) Comparación con los incisos b) y c).
Muestreo Sistemático: Muestreo Aleatorio Simple:
b) 1.37 1.32
𝐶. 𝑉. = · 100% = 6.55% 𝐶. 𝑉. = · 100% = 6.05%
20.9 21.8

El promedio y desviación del M.A.S. es mas confiable para las edades según el coeficiente de variabilidad

C) Muestreo Sistemático: Muestreo Aleatorio Simple:

7.16 7.48
𝐶. 𝑉. = · 100% = 10.96% 𝐶. 𝑉. = · 100% = 10.98%
65.3 68.1
El promedio y desviación del peso es más confiable en el muestreo sistemático según el coeficiente de variabilidad
I) Sí se acepta un error de estimación de ± 10% para el porcentaje de estudiantes
hombres, con un NC de 96% ¿de qué tamaño debería ser la muestra de estudiantes?
Tamaño de la muestra para población finita:
Donde:
N=60 Estudiantes.
𝒁𝟐 · 𝓅Ǎ · 𝒒 · 𝑵 n= Tamaño de la muestra
n=10 Estudiantes. 𝒏= 𝟐
𝒁 𝓅Ǎ · 𝒒 · +𝜺𝟐 · (𝑵 − 𝟏) Z = Parámetro estadístico
Distribución Normal “Z” 𝓅Ǎ = Proporción de éxito muestral
q= Proporción de fracaso muestral
𝛼 𝛼
N= Tamaño de la población
2 2 𝜺= Error de estimación máximo
𝟎, 𝟎𝟐 NC= 𝟎, 𝟗𝟔 𝟎, 𝟎𝟐
𝑇𝐴𝐵𝐿𝐴:
Z 𝑵𝑪 𝟎, 𝟗𝟔
𝑞 = 1 − 0.7 = 0.3 -2.05 0 2.05
= = 𝟎, 𝟒𝟖 Z= ± 2.05
𝟐 𝟐
𝟐. 𝟎𝟓𝟐 · 𝟎. 𝟕 · 𝟎. 𝟑 · 𝟔𝟎
𝒏=
𝟐. 𝟎𝟓𝟐 · 𝟎. 𝟕 · 𝟎. 𝟑 + 𝟎. 𝟏𝟐 · (𝟔𝟎 − 𝟏)
𝒏 = 𝟑𝟓, 𝟗𝟓 ≅ 𝟑𝟔
𝒏 = 𝟑𝟔 𝒎𝒖𝒆𝒔𝒕𝒓𝒂𝒔
13. Una industria cuenta con 300 máquinas para fabricar envases de plástico. El rendimiento de las máquinas es
diferente porque la mitad (150) son operadas manualmente, otras 90 son semiautomáticas y las restantes 60 son
automáticas. Para estimar con mayor precisión el número promedio de envases producidos por las máquinas en una
semana, en lugar el aplicar el Muestreo Aleatorio Simple se ha tomado la decisión de aplicar un Muestreo
Estratificado, considerando para tal fin que, cada estrato representa la forma de utilización de las máquinas. Para
realizar la estimación de los parámetros de la población, se decidió utilizar una muestra piloto de 20 máquinas
afijadas proporcionalmente para cada estrato. En la tabla se muestra el número de envases producidos por cada
máquina:
Tipo de máquina Nº maq. m. piloto Número de envases producidos por semana
Manual 150 10 2600 2000 1700 2400 1800 1100 2100 2300 1600 1800
Automática 90 6 4000 5200 6000 6600 4800 8300
Semiautomática 60 4 10900 16000 12000 13000
a. Estimar el número promedio de envases producidos por máquina y semana para la industria.
b. Estimar la desviación estándar del número promedio de envases producidos en la industria.
c. Con un NC de 95% construir un IC para estimar el número promedio de envases producidos en la industria.
d. Utilizando los datos del muestreo piloto, para una afijación proporcional ¿de qué tamaño deberá ser la muestra? sí
se desea tener una precisión de estimación de ± 5% del número promedio de envases producidos por máquina y
semana en la industria, con un NC de 95%.
e. Utilizando los datos del muestreo piloto, para una afijación óptima ¿de qué tamaño deberá ser la muestra? sí se
desea tener una precisión de estimación de + 5% del número promedio de envases producidos por máquina y
semana en la industria, con un NC de 95%.
 Solución:
N=50 Trab. 𝜇𝜀 =¿?
Parámetros
𝜎𝜖 2 =¿ ?
No son conocido
𝑁1 = 22 𝑇𝑟𝑎𝑏. Producción I 𝑛1 = 10 𝑇𝑟𝑎𝑏.
E P
𝑁2 = 16 𝑇𝑟𝑎𝑏. 𝐶𝑜𝑚𝑒𝑟𝑐𝑖𝑎𝑙 𝐸𝑠𝑡𝑖𝑚𝑎𝑛𝑑𝑜𝑟𝑒𝑠
II 𝑛2 = 7 Trab. S U
𝑛 = 20 𝑚á𝑞. 𝑆𝜖 2 ≅ 𝜎𝜖 2 T N
𝑁3 = 12 𝑚á𝑞. Finanzas III 𝑛3 = 5 Trab. 𝑋ത∈ ≅ 𝜇∈ I T
M U
A A
σ 𝑋തℎ · 𝑁ℎ C L
𝑋 𝑋ത𝜖 = ෍ 𝑋തℎ · 𝑊ℎ = I
𝑋ത𝑛 =Σ 𝑛𝑖 𝑁
O
𝑋𝑖 −𝑋ത 2 2
2 1 𝑆ℎ N
𝑆𝑛 =Σ 𝑆∈2 = ∗ ෍ 𝑁ℎ ∗ 𝑁ℎ − 𝑛ℎ ∗
𝑛−1
𝑁 𝑛ℎ
𝑒𝑛𝑣
2600−1940+⋯….1800=1940𝑚𝑎𝑞
𝑋ത1 = 10−1
2
2 2 𝑒𝑛𝑣
2600 − 1940 + ⋯ … . 1800 − 19040 = 19155.6 𝑚𝑎𝑞
𝑆𝜖 2 =
10 − 1
 𝑒𝑛𝑣𝑎𝑠𝑒𝑠
𝑆1 = ±437.7
𝑚𝑎𝑞. 𝑚𝑎𝑛𝑢𝑎𝑙

Las maquinas manuales en promedio producen 1940+-438 en vases

4000 + 5200 + ⋯ … 8300 𝑒𝑛𝑣𝑎𝑠𝑒𝑠

𝑋ത2 = = 5816.7
𝑚𝑎𝑞. 𝑠𝑒𝑚𝑖

2 2
2 4000 − 5816.7 + ⋯ … 8300 − 5816.7
𝑆2 =
10 − 1

2 𝑒𝑛𝑣𝑎𝑠𝑒𝑠 2
𝑆2 =2.305.66.7
𝑚𝑎𝑞

𝑒𝑛𝑣𝑎𝑠𝑒𝑠
𝑆2 = 1518.44 𝑚𝑎𝑞.𝑠𝑒𝑚𝑖
Las maquinas semiautomáticas en promedio producen 5815.7 envases±1518.44 𝑒𝑛𝑣𝑎𝑠𝑒𝑠

17.900+24000…..+20000
𝑋ത3 = =20225
4
2 20225−2658.8 2 +⋯…..+ 20000−2658.8 2
𝑆3 = 4−1
𝑆3 2 =7069166.7
𝑒𝑛𝑣𝑎𝑠𝑒𝑠
𝑆3= ±2658.79 𝑚𝑎𝑞 𝑎𝑢𝑡𝑜𝑚𝑎𝑡𝑖𝑐𝑎𝑠

a)
𝑁𝑛
𝑋ത𝜖 = Σ𝑋ത𝑛 𝑊𝑛 = Σ𝑋ത𝑛 𝑁
𝑊𝑛

150 90 60
𝑋ത𝜖 = 1940 ∗ 300 + 5816.7 ∗ 300 + 20225 ∗ 300
0.50 0.30 0.20 pesos
𝑒𝑛𝑣𝑎𝑠𝑒𝑠 Espesifico
𝑋ത𝜖 =6760 ≅ 𝑀𝜖
𝑚𝑎𝑞.

1 𝑆𝑛 2
𝑆𝜖 2 = 2 Σ𝑁𝑛 𝑁𝑛 − 𝑛𝑛 ∗
𝑁 𝑛𝑛
 1 191555.6 2305666.7 7069166.7
𝑆𝜖 2 = 2
∗ 150 + 90 90 − 60 90 90 − 60 … . . + 60 60 − 4
300 20 6 4

2 𝑒𝑛𝑣𝑎𝑠𝑒𝑠 2
𝑆𝜖 =102727.9 𝑚𝑎𝑞
𝟎, 𝟎𝟑 𝟎, 𝟎𝟑
𝑒𝑛𝑣𝑎𝑠𝑒𝑠
𝑆∈ = 102727.9 =±320.5 ≅ 𝜎2
𝑚𝑎𝑞.

La producción promedio por maquina es de 6760 envases, con una variación de±320, 𝑆.
b)
1-𝛼 = 𝑁𝑐𝑜𝑛𝐹 = 94%
P 𝑋ത𝜖 − 𝑍 𝑆∈ ≤ 𝑊∈ ≤ 𝑋ത + 𝑍 𝑆∈ = 0.94
1 - 𝛼
0. 94

LI LS
Tabla
Z 0.94
Z 2 =0.470
-1.88 0 +1.88
 𝑋ത𝜖 =±𝑍 𝑆∈ 6760± 1.88 ∗ 320.5
error de 6760±602.5
muestreo

P 6157.5 ≤ 𝑊∈ ≤ 7362.5 = 0.94

Con un nivel de confianza del 94% se estima que numero promedio de envases producidos por maquinas este
comprendido entre 6158 y 7363
Datos;
-Proporcional
N=? Afijacion -optima
Nconf=95%
𝑒𝑛𝑣𝑎𝑠𝑒𝑠 𝑝𝑙𝑎𝑠𝑡𝑖𝑐𝑜𝑠 𝑒𝑛𝑣
∈= 5%(𝑋ത𝜖 )=0.05(6760) =±338
𝑚𝑎𝑞𝑢𝑖𝑛𝑎 𝑚𝑎𝑞.

estrato 𝑵𝒏 𝒏𝒏 𝑾𝒏 𝑆𝑛 2 𝑺𝒏 𝑵𝒏 𝑆𝑛 2 𝑾𝒏 𝑺𝒏 𝑾𝒏 𝑺𝒏 𝟐
I 150 10 0.50 191555.6 437.7 28733340
II 90 6 0.30 2305.666.7 1518.4 207510003
III 60 4 0.20 7.069.166.7 2658.8 424150002

Σ 300 20 1 71121289 4614.9 660393345 1206.2 2201311.1

 N n total
100%
𝑁𝑛 150
𝑊𝑛 = → 𝑊1 = = 0.5
𝑁 300
Afijacion proporción
Σ𝑵𝒏 𝑆𝑛 2 660393345
N= ∈ 2
= 338 2
=74maq.
𝑁 300∗
𝑡 1.96
𝑛𝑜 74.02
Corregir → 𝑛 = 𝑛𝑜 = 74.02
1+ 1+ ∈+ ∈−
𝑁 300 Tabla
Afijacion promocional 0.95
N=60maq.→ 𝐴𝑓𝑖𝑗𝑎𝑟! 𝑊𝑛 Z =0.475
2
-1.96 0 +1.96
𝑁𝑛
𝑛𝑛 = 𝑛 𝑊𝑛 = 𝑛
𝑁
0.5
150
𝑛𝐼 = 60 ∗ = 30𝑚𝑎𝑞. 𝑚𝑎𝑛𝑢𝑎𝑙𝑒𝑠
300
0.3
90
𝑛𝐼𝐼 =60 * = 18𝑚𝑎𝑞. 𝑠𝑒𝑚𝑖 𝐴𝑢𝑡𝑜𝑚
300
0.2
60 12𝑚𝑎𝑞. .𝐴𝑢𝑡𝑜𝑚𝑎𝑡𝑖𝑐𝑎𝑠
𝑛𝐼𝐼𝐼 = 60 * 300 = → 𝑛=Σ𝑛 𝑛
 Afijacion optima
𝑁∗𝑍 2 Σ 𝑊𝑛 ∗ 𝑆 𝑛 2
N=𝑁 2 2 2
∈ +𝑍 Σ 𝑊𝑛 ∗ 𝑆𝑛
300∗ 2.96 2 ∗ 1206.2 2
N= 300∗ 338 2+ 1.96 2 2201312.1
N=40maquinas→ 𝐴𝑓𝑖𝑗𝑎𝑟
𝑊𝑛 𝑆𝑛
𝑛𝑛 = Σ𝑊𝑛 𝑆𝑛
0.5 ∗ 437.7
𝑛1 = 40 ∗ = 8𝑚𝑎𝑞𝑢𝑖𝑛𝑎𝑠 𝑚𝑎𝑛𝑢𝑎𝑙𝑒𝑠
1206.2
0.3∗1518.4
𝑛2 = 40 ∗ = 15𝑚𝑎𝑞. 𝑠𝑒𝑚𝑖 𝑎𝑢𝑡𝑜𝑚𝑎𝑡𝑖𝑐𝑎𝑠
1206.2
0.20 ∗ 2658.8 18𝑚𝑎𝑞.
𝑛3 =40 ∗ = 𝑎𝑢𝑡𝑜𝑚𝑎𝑡𝑖𝑐𝑎𝑠
1206.2 Σ𝑛𝑖 40 → n= Σ𝑛𝑛
13) Solución:
14. Una fábrica de llantas desea realizar un inventario del número de llantas repartidas en los almacenes de sus
sucursales en la ciudad. La ciudad ha sido estratificada en zonas geográficas para la ubicación de los almacenes. Para
realizar la estimación de parámetros se decidió utilizar una muestra piloto de 20 sucursales afijadas
proporcionalmente para cada estrato geográfico. La información se encuentra en el siguiente cuadro:

Zona Nº sucursales m. piloto Número de llantas por sucursales

Norte 40 8 265 205 174 251 180 167 213 225
Este 30 6 195 222 208 216 185 210
Oeste 20 4 155 217 205 191
Sur 10 3 233 187 204

a. Estimar el número promedio de llantas por sucursal y construir un IC con un NC de 92%.

b. Estimar la varianza del número promedio de llantas por sucursal.
c. Utilizando los datos del muestreo piloto, para una afijación proporcional con un NC de
96% ¿De qué tamaño deberá ser la muestra? sí se desea tener una precisión de
estimación de ± 3% del número promedio de llantas por sucursal.
d. Utilizando los datos del muestreo piloto, para una afijación óptima con un NC de 92%
¿de qué tamaño deberá ser la muestra? sí se desea tener una precisión de estimación de
± 4% del número promedio de llantas por sucursal.
 𝜇𝜖 =¿ ?
𝑁 = 100 𝑆𝑢𝑐. 𝑃𝑎𝑟𝑎𝑚𝑒𝑡𝑟𝑜𝑠 → 𝐸𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑟𝑒𝑠 𝑋ത𝜖
𝜎𝜖2 =¿ ? 𝐸𝑠𝑡𝑖𝑚𝑎𝑐𝑖ó𝑛 𝑝𝑢𝑛𝑡𝑢𝑎𝑙
𝑛 = 21 𝑆𝑢𝑐. 𝑆𝜖2

Suc. Norte I 𝑁1 = 40 𝑆𝑢𝑐.

𝑛1 = 8 𝑆𝑢𝑐. σ 𝑋തℎ · 𝑁ℎ
𝑋ത𝜖 = ෍ 𝑋തℎ · 𝑊ℎ =
Suc. Este II 𝑛2 = 6 𝑆𝑢𝑐. 𝑁2 = 30 𝑆𝑢𝑐. 𝑁

𝑛3 = 4 𝑆𝑢𝑐. 2
Suc. Oeste III 𝑁3 = 20 𝑆𝑢𝑐. 1 𝑆ℎ
𝑆∈2 = ∗ ෍ 𝑁ℎ ∗ 𝑁ℎ − 𝑛ℎ ∗
𝑁 𝑛ℎ
𝑛4 = 3 𝑆𝑢𝑐.
Suc. Sur IV 𝑁4 = 10 𝑆𝑢𝑐.

𝑋ത1 =¿ ?
σ 𝑋𝑖
𝑛1 = 40 𝑆𝑢𝑐. 𝑋തℎ =
𝑠12 =¿ ? 𝑛
𝑋ത2 =¿ ? 2
σ𝑛𝑖=1(𝑋𝑖 − 𝑋)
ത 2
𝑛2 = 30 𝑆𝑢𝑐. 𝑆ℎ =
𝑠22 =¿ ? 𝑛−1
𝑋ത3 =¿ ?
𝑛3 = 20 𝑆𝑢𝑐.
𝑠32 =¿ ?

𝑋ത4 =¿ ?
𝑛4 = 10 𝑆𝑢𝑐.
𝑠42 =¿ ?
 265 + 205 + 174 + ⋯ + 225 𝐿𝑙𝑎𝑛𝑡𝑎𝑠
𝑋ത1 = = 210 40
8 𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙 𝑊1 = = 0.4
265 − 210
+ 2
205 − 210 2
+ ⋯ 225 − 210 2
𝐿𝑙𝑎𝑛𝑡𝑎𝑠
2 100
𝑆ℎ2 = = 1287.14
8−1 𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙
𝐿𝑙𝑎𝑛𝑡𝑎𝑠
𝑆 = 𝑆ℎ2 = 1287.14 = 35.88
𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙

295 + 202 + ⋯ + 210 𝐿𝑙𝑎𝑛𝑡𝑎𝑠

𝑋ത2 = = 206
6 𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙
2 + 202 − 206 2 + ⋯ 210 − 206 2 2
295 − 206 𝐿𝑙𝑎𝑛𝑡𝑎𝑠
𝑆22 = = 187.6
6−1 𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙 30
𝐿𝑙𝑎𝑛𝑡𝑎𝑠 𝑊2 = = 0.3
100
𝑆2 = 𝑆ℎ2 = 187.6 = 13.69
𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙
155 + 217 + ⋯ + 191 𝐿𝑙𝑎𝑛𝑡𝑎𝑠
𝑋ത3 = = 192
4 𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙
2
2
155 − 192 2 + 217 − 192 2 + ⋯ 191 − 192 2 𝐿𝑙𝑎𝑛𝑡𝑎𝑠
𝑆3 = = 721.33 20
4−1 𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙 𝑊3 = = 0.2
𝐿𝑙𝑎𝑛𝑡𝑎𝑠 100
𝑆3 = 𝑆ℎ2 = 721.33 = 26.86
𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙
 233 + 187 + 204 𝐿𝑙𝑎𝑛𝑡𝑎𝑠
𝑋ത4 = = 208
3 𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙
2 2 2 2
2
233 − 208 + 187 − 208 + 204 − 208 𝐿𝑙𝑎𝑛𝑡𝑎𝑠 10 𝑁ℎ
𝑆4 = = 541 𝑊4 = = 0.1 𝑊ℎ =
3−1 𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙 100 𝑁
2
𝐿𝑙𝑎𝑛𝑡𝑎𝑠
𝑆4 = 𝑆ℎ = 541 = 23.26
𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙

𝑋ത𝜖 = ෍ 𝑋തℎ · 𝑊ℎ

𝑋ത𝜖 = 210 ∗ 0.4 + 206 ∗ 0.3 + 192 ∗ 0.2 + 208 ∗ 0.1

𝐿𝑙𝑎𝑛𝑡𝑎𝑠
𝑋ത𝜖 = 205 ≅ 𝜇𝜖
𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙 Por estimación puntual
1 𝑆ℎ2
𝑆∈2 = 2 ∗ ෍ 𝑁ℎ ∗ 𝑁ℎ − 𝑛ℎ ∗
𝑁 𝑛ℎ

1287.14 187.6 721.33 2

1 40 ∗ 40 − 8 · + 30 ∗ 30 − 6 · + 20 ∗ 20 − 4 · 541 𝐿𝑙𝑎𝑛𝑡𝑎𝑠
𝑆∈2 = ∗ 8 6 4 + 10 ∗ 10 − 3 · = 29.87
1002 3 𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙
2
𝐿𝑙𝑎𝑛𝑡𝑎𝑠 𝐿𝑙𝑎𝑛𝑡𝑎𝑠
b) 𝑆∈2 = 29.87 Por estimación puntual 𝑆∈2 ≅ 𝜎𝜖2 𝑆∈ = 29.87 = 5.46 ≅ 𝜎𝜖
𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙 𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙
A) Construya un IC. Para la media estratificada NC=92%
1-𝛼 = 0.92
P 𝑋∈ − 𝑧 ∗ 𝑆∈ ≤ 𝜇𝜖 ≤ 𝑋∈ + 𝑧 ∗ 𝑆∈ = 0,92

DISTRIBUCIÓN NORMAL

1 - 𝛼 =0.92

LI LS
Tabla
Z 0.92
Z 2 = 0,46
-1,75 0 +1,75

P 205 − 1,75 ∗ 5.46 ≤ 𝜇𝜖 ≤ 205 + 1,75 ∗ 5.46 = 0,92

P 195.44 ≤ 𝜇𝜖 ≤ 214.55 = 0,92

INTERPRETACIÓN: Con un nivel de confianza del 92% se estima que el número de llantas promedio por sucursal
Esté comprendido entre 195,44 y 214,55
C) Datos: 𝑁ℎ
𝑊ℎ =
n=¿?→ Afijación proporcional 𝑁
0,96
NC=96% → = 0,48 → 𝑍 = 2.05
2
𝑙𝐿𝐴𝑁𝑇𝐴𝑆
∈=±3%𝑋ത∈ = 0,03 ∗ 205 = 6.15 𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙

Estrato 𝑵𝒉 𝒏𝒉 𝒘𝒉 𝑺𝟐∈ 𝑵𝒉 ·𝑺𝟐∈ 𝑺𝒉 𝒘𝒉 ·𝑺𝒉 𝒘𝒉 ·𝑺𝟐∈

I 40 8 0.4 1287.14 51485.6 35.88 14.35 514.86
II 30 6 0.3 187.6 5628 13.7 4.11 56.28
III 20 4 0.2 721.33 14426.6 26.9 5.38 144.27
IV 10 3 0.1 541 5410 23.3 2.33 54.1
100 21 1 2737.07 76950.12 99.8 26.17 769.51
෍
Estrato 𝑵𝒉 𝒏𝒉 𝒘𝒉 𝑺𝟐∈ 𝑵𝒉 ·𝑺𝟐∈ 𝑺𝒉 𝒘𝒉 ·𝑺𝒉 𝒘𝒉 ·𝑺𝟐∈
I 40 8 0.4 1287.14 51485.6 35.88 14.35 514.86
II 30 6 0.3 187.6 5628 13.7 4.11 56.28
III 20 4 0.2 721.33 14426.6 26.9 5.38 144.27
IV 10 3 0.1 541 5410 23.3 2.33 54.1
100 21 1 2737.07 76950.12 99.8 26.17 769.51
෍

TAMAÑO DE MUESTRA PARA AFIJACIÓN PROPORCIONAL:

σ 𝑁ℎ · 𝑆ℎ2 76950.12
𝑛0 = = = 85.5 𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙𝑒𝑠
𝜀 2 6.15 2
𝑁· 𝑍 100 ·
2.05
Corrigiendo:
𝑛0 85.5
𝑛= 𝑛0 = = 46 𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙𝑒𝑠
1+ 𝑁 1+ 85,5
100
 𝑛 = 46 𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙𝑒𝑠 → 𝐴𝑓𝑖𝑗𝑎𝑟
𝑁ℎ
𝑛ℎ = 𝑛 · 𝑤ℎ = 𝑛 ·
𝑁
40
𝑛1 = 46 · = 18 𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙𝑒𝑠
100
30
𝑛2 = 46 · = 14 𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙𝑒𝑠
100
20
𝑛3 = 46 · = 9 𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙𝑒𝑠
100
10
𝑛4 = 46 · = 5 𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙𝑒𝑠
100
𝑛 = 46 𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙𝑒𝑠 → 𝐴𝑓𝑖𝑗𝑎𝑟
15. YPFB tiene 10000 empleados repartidos en 500 oficinas en todo el territorio nacional. Pese a que se dispone de
un listado de empleados por cada oficina, por la dispersión geográfica de las oficinas se pretende realizar un
estudio aplicando un Muestreo por Conglomerados. Se elige aleatoriamente 20 oficinas (cada una es un
conglomerado) y en cada una de ellas se identifica y registra el número total de empleados, además del número
total de hijos menores de cinco años que tienen los empleados en la oficina. Los datos se muestran en la siguiente
tabla:
Oficina 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Nº de empleados 15 18 12 15 13 21 15 16 16 18 20 24 22 15 20 16 18 20 19 24
Nº de niños
30 48 12 15 17 51 30 32 44 36 31 30 42 30 40 28 38 41 25 35
menores

a. Estimar el número promedio de hijos menores de cinco años por empleado y el error estándar.
b. Estimar el número promedio de hijos menores de cinco años por oficina y el error estándar.
c. Estimar el número total de niños menores de cinco años cuyos padres son los empleados de las 500 oficinas en el
territorio nacional.
d. Estimar el número de niños menores de cinco años cuyos padres son los 10000 empleados.
e. Con un NC de 95% construya un IC para estimar el número promedio de hijos menores de cinco años por
empleados.
f. Con un NC de 90% construya un IC para estimar el número promedio de hijos menores de cinco años por oficina.
Ejemplo N° 25
Se ha recabado información de los trabajadores de una empresa industrial por áreas de desempeño. Se ha registrado
la edad en años, la estatura en centímetros y el estado civil (c=casado, s=soltero) que se muestra en la información
por estratos siguiente:
Producción
Trabajador a b c d e f g h i j k l m n ñ o p q r s t u
Edad (años) 25 48 35 22 45 33 28 40 43 34 38 25 24 33 36 25 29 37 23 37 39 26
Estatura 163 171 168 159 180 166 172 131 167 181 167 174 177 167 179 162 173 168 170 174 168 165
(cm)
Estado civil
C C S C S C S C S C S C S S S S C S C S S C
Comercial
Trabajador a b c d e f g h i j k l m n ñ o
Edad (años) 23 31 34 41 38 26 27 34 22 40 24 28 32 30 27 29

Estatura (cm) 162 163 175 169 158 184 172 177 169 164 170 159 179 165 162 173

Estado civil
S S S C C S C S C C S C C S C S
Finanzas
Trabajador a b c d e f g h i j k l
Edad (años) 32 35 28 23 24 34 38 26 24 40 25 27
Estatura (cm) 169 171 175 165 164 172 166 177 176 165 163 168
Estado civil C S C S C C S C S S S S
Determinar:
a. Utilizar la tabla de números aleatorios y elegir muestras de: 10 trabajadores en el área
de producción (AP), 7 trabajadores en el área comercial (AC) y 5 trabajadores en el área
de finanzas (AF). Presentar la información en un cuadro.
b. Estimar puntualmente en cada área muestreada, la edad y la estatura promedio de
los trabajadores y sus desviaciones típicas, y además, la proporción de trabajadores
casados.
c. Con un nivel de confianza de 95% estimar la edad promedio de trabajadores de la
empresa.
d. Con un nivel de confianza de 99% estimar la estatura promedio de los trabajadores de
la empresa.
e. Con una confianza de 90% y un error máximo tolerable de 5% de la estatura promedio
de los trabajadores, determinar a través del método de Afijación Proporcional el
tamaño de la muestra y afijar la misma entre las distintas áreas de la empresa.
f. Con una confianza de 90% y un error máximo tolerable de 5% de la estatura promedio
de los trabajadores, determinar a través del método de Afijación Optima el tamaño de
la muestra y afijar la misma entre las distintas áreas de la empresa.
A) Utilizar la tabla de números aleatorios y elegir muestras de: 10 trabajadores en el área de
producción (AP), 7 trabajadores en el área comercial (AC) y 5 trabajadores en el área de finanzas (AF).
Presentar la información en un cuadro.
Producción
Trabajador f a d b ñ i e k j m
Edad (años) 33 25 22 48 36 43 45 38 34 24
Estatura (cm) 166 163 159 171 179 167 180 167 181 177
Estado civil C C C C S S S S C S

Comercial

Trabajador k l f e n n m
Edad (años) 24 28 33 38 30 30 32
Estatura (cm) 170 159 166 158 165 165 179
Estado civil S C C C S S C
Finanzas
Trabajador h d i k c
Edad (años) 26 23 24 25 28
Estatura (cm) 177 165 176 163 175
Estado civil C S S S C
 𝜇𝜖 =¿ ?
𝑁 = 50 𝑇𝑟𝑎𝑏. 𝑃𝑎𝑟𝑎𝑚𝑒𝑡𝑟𝑜𝑠 → 𝐸𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑟𝑒𝑠 𝑋ത𝜖
𝜎𝜖2 =¿ ? 𝐸𝑠𝑡𝑖𝑚𝑎𝑐𝑖ó𝑛 𝑝𝑢𝑛𝑡𝑢𝑎𝑙
𝑆𝜖2
𝑛 = 22 𝑇𝑟𝑎𝑏.

Producción I 𝑛1 = 10 𝑇𝑟𝑎𝑏. 𝑁1 = 22 𝑇𝑟𝑎𝑏. σ 𝑋തℎ · 𝑁ℎ

𝑋ത𝜖 = ෍ 𝑋തℎ · 𝑊ℎ =
𝑁
𝑛2 = 7 Trab. 𝑁2 = 16 𝑇𝑟𝑎𝑏.
𝐶𝑜𝑚𝑒𝑟𝑐𝑖𝑎𝑙 II 2
1 𝑆ℎ
𝑆∈2 = ∗ ෍ 𝑁ℎ ∗ 𝑁ℎ − 𝑛ℎ ∗
Finanzas III 𝑛3 = 5 Trab. 𝑁3 = 12 𝑇𝑟𝑎𝑏. 𝑁 𝑛ℎ

𝑋ത1 =¿ ?
𝑛1 = 40 𝑆𝑢𝑐.
𝑠12 =¿ ?
σ 𝑋𝑖
𝑋തℎ =
𝑛2 = 30 𝑆𝑢𝑐.
𝑋ത2 =¿ ? 𝑛
𝑛 ത 2
𝑠22 =¿ ? σ𝑖=1(𝑋𝑖 − 𝑋)
𝑆ℎ2 =
𝑛−1
𝑋ത3 =¿ ?
𝑛3 = 20 𝑆𝑢𝑐.
𝑠32 =¿ ?
B) Edad en cada área
33 + 25 + 22 + ⋯ + 24 𝐴ñ𝑜𝑠 𝑁ℎ
ത
𝑋1 = = 34,8 𝑊ℎ =
10 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟 𝑁
2 2 22
33 − 34,8 + 25 − 34,8 2 + ⋯ 22 − 34,8 2
𝐴ñ𝑜𝑠 𝑊1 = = 0.44
𝑆12 = = 81,96 50
10 − 1 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟 𝑋𝑖 5
𝐴ñ𝑜𝑠 P= = 10 = 0,5 = 50%
𝑆= 𝑆ℎ2 = 81,96 = 9,05 𝑛
𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟

24 +28 +33 … + 32 𝐴ñ𝑜𝑠

𝑋ത2 = = 30,71
7 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟
2
24 − 30,71 2 + 28 − 30,71 2 + ⋯ 32 − 30,71 2 𝐴ñ𝑜𝑠 16
2 𝑊2 = = 0.32
𝑆2 = = 18,9
7−1 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟 50
𝑋 4
𝐴ñ𝑜𝑠 P= 𝑛𝑖 = 7 = 0,57 = 57%
𝑆2 = 𝑆ℎ2 = 18,9 = 4,34
𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟
26+23 + ⋯ + 28 𝐴ñ𝑜𝑠
𝑋ത3 = = 25,2
4 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟
2 + 23 − 25,2 2 + ⋯ 28 − 25,2 2 2
26 − 25,2 𝐴ñ𝑜𝑠 12
𝑆32 = = 3,7 𝑊3 = = 0.24
5−1 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟 50
𝐴ñ𝑜𝑠 𝑋𝑖 2
𝑆3 = 𝑆ℎ2 = 3,7 = 1,92 P= = 5 = 0,4 = 40%
𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟 𝑛
𝑋ത𝜖 = ෍ 𝑋തℎ · 𝑊ℎ

𝑋ത𝜖 = 34,8 ∗ 0.44 + 30,71 ∗ 0.32 + 25,2 ∗ 0.24

𝐴ñ𝑜𝑠
𝑋ത𝜖 = 31,19 ≅ 𝜇𝜖 Por estimación puntual
𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟

1 𝑆ℎ2
𝑆∈2 = 2 ∗ ෍ 𝑁ℎ ∗ 𝑁ℎ − 𝑛ℎ ∗
𝑁 𝑛ℎ

81,96 18,9 3,7 2

1 22 ∗ 22 − 10 · + 16 ∗ 16 − 7 · + 12 ∗ 12 − 5 · 𝐴ñ𝑜𝑠
𝑆∈2 = 2 ∗ 10 7 5 = 0,2759
50 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟

2
𝐴ñ𝑜𝑠 𝐴ñ𝑜𝑠
𝑆∈2 = 1,05 Por estimación puntual 𝑆∈2 ≅ 𝜎𝜖2 𝑆∈ = 1,05 = 1,02 ≅ 𝜎𝜖
𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟
C) Construya un IC. Para la edad promedio de los trab. De la empresa estratificada NC=95%
1-𝛼 = 0.95
P 𝑋∈ − 𝑧 ∗ 𝑆∈ ≤ 𝜇𝜖 ≤ 𝑋∈ + 𝑧 ∗ 𝑆∈ = 0,95

DISTRIBUCIÓN NORMAL

1 - 𝛼 =0.95

LI LS
Tabla
Z 0.95
-1,96 +1,96 Z = 0,475 Z=1,96
0 2

P 31,19 − 1,96 ∗ 1,02 ≤ 𝜇𝜖 ≤ 31,19 + 1,96 ∗ 1,02 = 0,95

P 29,19 ≤ 𝜇𝜖 ≤ 33,19 = 0,95

INTERPRETACIÓN: Con un nivel de confianza del 95% se estima que la edad promedio de los trabajadores de la
Empresa este comprendida entre 19 y 33 Años de edad
Estatura en cada área 𝑁ℎ
𝑊ℎ =
166 + 163 + 159 + ⋯ + 177 𝐶𝑚 𝑁
ത
𝑋1 = = 171
10 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟
2 2
166 − 34,8 + 163 − 34,8 2 + ⋯ 177 − 34,8 2
𝐶𝑚 22
𝑆12 = = 60,67 𝑊1 = = 0.44
10 − 1 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟 50
𝐶𝑚
𝑆1 = 𝑆ℎ2 = 60,67 = 7,79
𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟

170 + 159 + 166 … + 179 𝐶𝑚

𝑋ത2 = = 166
7 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟
2 + 28 − 30,71 2 + ⋯ 32 − 30,71 2 2
24 − 30,71 𝐶𝑚
𝑆22 = = 50
7−1 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟 16
𝐶𝑚 𝑊2 = = 0.32
50
𝑆2 = 𝑆ℎ2 = 50 = 7,07
𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟
177 + 165 + 176 + ⋯ + 175 𝐶𝑚
𝑋ത3 = = 171,2
5 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟
2
2
177 − 171,2 2 + 165 − 171,2 2 + ⋯ 175 − 171,2 2 𝐶𝑚 12
𝑆3 = = 44,2 𝑊3 = = 0.24
5−1 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟 50
𝐶𝑚
𝑆3 = 𝑆ℎ2 = 44,2 = 6,65
𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟
𝑋ത𝜖 = ෍ 𝑋തℎ · 𝑊ℎ

𝑋ത𝜖 = 171 ∗ 0.44 + 166 ∗ 0.32 + 171,2 ∗ 0.24

𝐶𝑚
𝑋ത𝜖 = 169,45 ≅ 𝜇𝜖 Por estimación puntual
𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟

1 𝑆ℎ2
𝑆∈2 = 2 ∗ ෍ 𝑁ℎ ∗ 𝑁ℎ − 𝑛ℎ ∗
𝑁 𝑛ℎ

60,67 50 44,2 2
1 22 ∗ 22 − 10 · + 16 ∗ 16 − 7 · + 12 ∗ 12 − 5 · 𝐴ñ𝑜𝑠
𝑆∈2 = 2 ∗ 10 7 5 = 0,2759
50 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟

2
𝐴ñ𝑜𝑠 𝐴ñ𝑜𝑠
𝑆∈2 = 1,35 Por estimación puntual 𝑆∈2 ≅ 𝜎𝜖2 𝑆∈ = 1,35 = 1,16 ≅ 𝜎𝜖
𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟
d) Construya un IC. Para la estatura promedio de los trab. De la empresa estratificada NC=99%
1-𝛼 = 0.99
P 𝑋∈ − 𝑧 ∗ 𝑆∈ ≤ 𝜇𝜖 ≤ 𝑋∈ + 𝑧 ∗ 𝑆∈ = 0,99

DISTRIBUCIÓN NORMAL

1 - 𝛼 =0.99

LI LS
Tabla
Z 0.99
Z = 0,495 Z=2,57
-2,57 0 +2,57 2

P 169,45 − 2,57 ∗ 1,16 ≤ 𝜇𝜖 ≤ 169,45 + 2,57 ∗ 1,16 = 0,99

P 166,47 ≤ 𝜇𝜖 ≤ 172,43 = 0,99

INTERPRETACIÓN: Con un nivel de confianza del 99% se estima que la estatura promedio de los trabajadores de la
Empresa este comprendida entre 166,47 y 172,43 Centímetros
e. Con una confianza de 90% y un error máximo tolerable de 5% de la estatura promedio de los trabajadores,
determinar a través del método de Afijación Proporcional el tamaño de la muestra y afijar la misma entre las distintas
áreas de la empresa.

Datos:
n=¿?→ Afijación proporcional 𝑁ℎ
0,90 𝑊ℎ =
NC=90% → = 0,45 → 𝑍 = 1.65 𝑁
2
𝐶𝑚
∈=±5%𝑋ത∈ = 0,05 ∗ 169,45 = 8,47 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟

Estrat 𝑵𝒉 𝒏𝒉 𝒘𝒉 𝑺𝟐𝒉 𝑵𝒉 ·𝑺𝟐𝒉 TAMAÑO DE MUESTRA PARA AFIJACIÓN PROPORCIONAL:

o σ 𝑁ℎ · 𝑆ℎ2 2665,14
𝑛0 = = = 2,02 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟𝑒𝑠
I 22 10 0,44 60,67 1334,74 𝜀 2 8,47 2
𝑁· 𝑍 50 · 1,6
II 16 7 0,32 50 800
Corrigiendo:
III 12 5 0,24 44,2 530,4
𝑛0 2,02
𝑛= 𝑛0 = = 2 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟𝑒𝑠
෍ 1+ 𝑁 1+ 2,02
50 22 1 154,9 2665,14
50
AFIJACIÓN PROPORCIONAL:

𝑛 = 2 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟𝑒𝑠 → 𝐴𝑓𝑖𝑗𝑎𝑟
𝑁ℎ
𝑛ℎ = 𝑛 · 𝑤ℎ = 𝑛 ·
𝑁
22
𝑛1 = 2 · = 0,88 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟𝑒𝑠 𝑝𝑎𝑟𝑎 𝑒𝑙 á𝑟𝑒𝑎 𝑑𝑒 𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛
50
16
𝑛2 = 2 · = 0,64 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟𝑒𝑠 𝑝𝑎𝑟𝑎 𝑒𝑙 á𝑟𝑒𝑎 𝐶𝑜𝑚𝑒𝑟𝑐𝑖𝑎𝑙
50
12
𝑛3 = 26 · = 0,48 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟𝑒𝑠 𝑝𝑎𝑟𝑎 𝑒𝑙 á𝑟𝑒𝑎 𝑑𝑒 𝐹𝑖𝑛𝑎𝑛𝑧𝑎𝑠
50
𝑛 = 2 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟𝑒𝑠
f. Con una confianza de 90% y un error máximo tolerable de 5% de la estatura promedio de los trabajadores,
determinar a través del método de Afijación Optima el tamaño de la muestra y afijar la misma entre las distintas
áreas de la empresa.

Datos:
n=¿?→ Afijación Optima 𝑁ℎ
0,90 𝑊ℎ =
NC=90% → = 0,45 → 𝑍 = 1.65 𝑁
2
𝐶𝑚
∈=±5%𝑋ത∈ = 0,05 ∗ 169,45 = 8,47 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟
𝑁 · 𝑍 2 σ 𝑊ℎ · 𝑆ℎ 2
TAMAÑO DE MUESTRA PARA AFIJACIÓN OPTIMA: 𝑛 =
𝑁 · 𝜀 + 𝑍 2 · σ 𝑊ℎ · 𝑆ℎ2
𝟐
Estrato 𝑵𝒉 𝒏𝒉 𝒘𝒉 𝑺𝒉 𝑺𝟐𝒉 𝒘𝒉 ·𝑺𝒉 𝒘𝒉 ·𝑺𝟐𝒉 𝒘𝒉 ·𝑺𝒉
I 22 10 0,44 7,79 60,67 3,43 26,69 11,75
II 16 7 0,32 7,07 50 2,26 16 5,12
III 12 5 0,24 6,65 44,2 1,6 10,61 2,54

෍ 50 22 1 21,51 154,87 7,29 53,31 19,41

 50 · 1,62 · 19,41
𝑛= = 3 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟𝑒𝑠
50 · 8,47 + 1,62 · 53,3

𝑊1 · 𝑆1 3,43
𝑛1 = ·𝑛 = = 0,47 ≅ 1
σ 𝑊ℎ · 𝑆ℎ 7,29

𝑊2 ·𝑆2 2,26
𝑛2 = σ 𝑊ℎ ·𝑆ℎ
· 𝑛 = 7,29 =0,31 ≅ 1

𝑊3 · 𝑆3 1,6
𝑛3 = ·𝑛 = = 0,22 ≅ 1
σ 𝑊ℎ · 𝑆ℎ 7,29
 𝑛 = 46 𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙𝑒𝑠 → 𝐴𝑓𝑖𝑗𝑎𝑟
𝑁ℎ
𝑛ℎ = 𝑛 · 𝑤ℎ = 𝑛 ·
𝑁
40
𝑛1 = 46 · = 18 𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙𝑒𝑠
100
30
𝑛2 = 46 · = 14 𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙𝑒𝑠
100
20
𝑛3 = 46 · = 9 𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙𝑒𝑠
100
10
𝑛4 = 46 · = 5 𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙𝑒𝑠
100
𝑛 = 46 𝑆𝑢𝑐𝑢𝑟𝑠𝑎𝑙𝑒𝑠 → 𝐴𝑓𝑖𝑗𝑎𝑟
15. YPFB tiene 10000 empleados repartidos en 500 oficinas en todo el territorio nacional. Pese a que se dispone de
un listado de empleados por cada oficina, por la dispersión geográfica de las oficinas se pretende realizar un
estudio aplicando un Muestreo por Conglomerados. Se elige aleatoriamente 20 oficinas (cada una es un
conglomerado) y en cada una de ellas se identifica y registra el número total de empleados, además del número
total de hijos menores de cinco años que tienen los empleados en la oficina. Los datos se muestran en la siguiente
tabla:
Oficina 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Nº de empleados 15 18 12 15 13 21 15 16 16 18 20 24 22 15 20 16 18 20 19 24
Nº de niños
30 48 12 15 17 51 30 32 44 36 31 30 42 30 40 28 38 41 25 35
menores de 5 años

a. Estimar el número promedio de hijos menores de cinco años por empleado y su desviación estándar.
b. Estimar el número promedio de hijos menores de cinco años por oficina y el error estándar.
c. Estimar el número total de niños menores de cinco años cuyos padres son los empleados de las 500 oficinas en el
territorio nacional.
d. Estimar el número de niños menores de cinco años cuyos padres son los 10000 empleados.
e. Con un NC de 95% construya un IC para estimar el número promedio de hijos menores de cinco años por
empleados.
f. Con un NC de 90% construya un IC para estimar el número promedio de hijos menores de cinco años por oficina.
N=10 000 Trabajadores
Ci Nº traba. Σxi
𝑁𝑐 =500 Oficinas
σ(σ 𝑋𝑖 ) 𝑋 = Número de elementos observados 1 15 30
n=20 Oficinas ത
A) 𝑋𝐶 = σ 𝑚𝑖 𝑚𝑖𝑖 = Tamaño de cada conglomerado 2
3
18
12
48
12
4 15 15
655 𝑁𝑖ñ𝑜𝑠 𝑚𝑒𝑛𝑜𝑟 𝑎 5𝐴ñ𝑜𝑠
𝑋ത𝐶 = = 1,86 ≅ 2 5 13 17
357 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟 6 21 51
𝑋ത𝐶 ≅ 𝜇𝑐 7 15 30
8 16 32
𝑁 − 𝑛 𝑆ሙ𝑖2 9 16 44
𝑆𝐶2 = · 2
𝑛·𝑁 𝑚 ഥ 10 18 36
11 20 31
Factor de 12 24 30
Corrección 13 22 42
Por finitud 14 15 30
15 20 40
ഥ Tamaño promedio de cada conglomerado
𝒎= 16 16 28
σ 𝑚𝑖 𝑚 = Tamaño de cada conglomerado 17 18 38
𝑚
ഥ= 𝑖 18 20 41
𝑛 n= Número de conglomerados 19 19 25
357 𝑇𝑟𝑎𝑏. 𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟𝑒𝑠 20 24 35
𝑚
ഥ= = 17,9 ≅ 18 Total 357 655
20 𝑂𝑓𝑖𝑐𝑖𝑛𝑎𝑠 𝑂𝑓𝑖𝑐𝑖𝑛𝑎 Σmi Σ(Σxi)
 Niños<5
𝑛=20 Oficinas Nº traba.
Años
𝑁𝑖ñ𝑜𝑠 𝑚𝑒𝑛𝑜𝑟 𝑎 5𝐴ñ𝑜𝑠 Ci mi Σxi x̅·mi Σxi-x̅·mi (Σxi-x̅·mi)^2
𝑋ത𝐶 ≅ 2 1 15 30 30 0 0
𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟 2 18 48 36 12 144
σ σ 𝑋𝑖 − 𝑋ത𝐶 · 𝑚𝑖 2 3 12 12 24 -12 144
𝑆መ𝑖 =
2
4 15 15 30 -15 225
𝑛−1 5 13 17 26 -9 81
1587 6 21 51 42 9 81
መ 2
𝑆𝑖 = = 83,52 ≅ 84 [𝑁𝑖ñ𝑜𝑠 𝑚𝑒𝑛𝑜𝑟 𝑎 5 𝑎ñ𝑜𝑠]2 7 15 30 30 0 0
20 − 1 8 16 32 32 0 0
9 16 44 32 12 144
𝑁 − 𝑛 𝑆ሙ𝑖2
𝑆𝐶2 = · 2 10 18 36 36 0 0
𝑛·𝑁 𝑚 ഥ 11 20 31 40 -9 81
12 24 30 48 -18 324
500 − 20 83,52 13 22 42 44 -2 4
𝑆𝐶2 = · 14 15 30 30 0 0
20 · 500 17,92 15 20 40 40 0 0
2 16 16 28 32 -4 16
𝑁𝑖ñ𝑜𝑠 𝑚𝑒𝑛𝑜𝑟 𝑎 5𝐴ñ𝑜𝑠
𝑆𝐶2 = 0,0125 17 18 38 36 2 4
𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟 18 20 41 40 1 1
19 19 25 38 -13 169
𝑁𝑖ñ𝑜𝑠 𝑚𝑒𝑛𝑜𝑟 𝑎 5𝐴ñ𝑜𝑠 20 24 35 48 -13 169
𝑆𝐶 = 𝑆𝐶2 → 𝑆𝐶 = 0,0125 = ± 0,112 Total 357 655 714 1587
𝑇𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟 σ σ 𝑋𝑖 − 𝑋ത𝐶 · 𝑚𝑖 2
Σmi Σ(Σxi)
El número promedio de hijos menores de cinco años por empleado es de 2 con un error estándar de más o
menos una variación de 0,115 Niños menores a cinco años
D) Con un NC de 95% construya un IC para estimar el número promedio de hijos menores de cinco años por
empleados.
1-𝛼 = 0.95
P 𝑋ത𝐶 − 𝑧 ∗ 𝑆𝐶 ≤ 𝜇𝐶 ≤ 𝑋ത𝐶 + 𝑧 ∗ 𝑆𝐶 = 1 − 𝛼

DISTRIBUCIÓN NORMAL

1 - 𝛼 =0.95
[Nº de niños menores de 5 años]

LI LS
Tabla
Z 0.95
-1,96 +1,96 Z = 0,475 Z=1,96
0 2

P 2 − 1,96 ∗ 0,112 ≤ 𝜇𝐶 ≤ 2 + 1,96 ∗ 0,112 = 0,95

P 1,78 ≤ 𝜇𝐶 ≤ 2,22 = 0,95

INTERPRETACIÓN: Con un nivel de confianza del 95 % se estima que el número promedio de hijos menores de cinco
años por empleados este comprendida entre 1,78 y 2,22
B)