RESUMEN - MUESTRA Ultimo y Corregido

TEORIA DE LA
MUESTRA
Lic. Pedro Navarro P.

PRINCIPIOS DEL MUESTREO
FUENTE
INFORMACION
SECUNDARIA
INFORMACION FUENTE
PUNTUAL PRIMARIA

SE DEBE TOMAR DECISIÓN
¿
¿CENSO?
? ¿MUESTRA?

POBLACION

Diferencia entre población y muestra
 UNIVERSO  MUESTRA
Población N
Muestra n
Media poblacional µ
Media muestral x
Desviación σ
Desviación S

¿QUE ES MAS PRECISO?
¿CENSO? ¿MUESTRA?

EL CENSO
¿TIENE PRECISION ?
COSTO
\64

!......LA MUESTRA……. !
 Ahorra dinero.
 Ahorra tiempo:
 Se consideran los errores.
 Se define un nivel de confianza.

CONCEPTOS BASICOS DE
MUESTREO.
POBLACION O UNIVERSO.
 Es la totalidad o conjunto de elementos
o individuos que tienen ciertas
características similares y sobre los
cuales se desea hacer una inferencia.

DEFINICION DE UNA
POBLACION
 Una población o universo debe ser
definido en términos de :
• Elemento.
• Unidad de muestreo.
• Alcance
• Tiempo

MUESTREO.
ELEMENTO
Unidad acerca de la cual se solicita información.
 Los elementos pueden ser:
 Individuos.
 Productos.
 Almacenes.
 Compañías.
 Familias
 Etc.
MUESTREO.
UNIDAD
Una unidad de muestreo es el elemento o
elementos disponibles para su selección
en alguna etapa del muestreo.
Hace referencia a que ningún elemento de
la población puede ser muestreado más
de una vez. Pero con la oportunidad de
ser seleccionado en la muestra.
MUESTREO.
ALCANCE
Es la cobertura y representación total de
una población sobre la cual se infiere.

MUESTREO.
TIEMPO
Definición de un momento en el tiempo
en el que se levanta la información.

Ejemplo Nr. 1
 Se quiere hacer una investigación para

determinar los gustos y preferencias
que tienen las mujeres sobre el color
del lápiz labial

EJEMPLO
 Elemento :
– Mujeres entre 18 y 50 años
 Unidad de muestreo:
– Mujeres entre 18 y 50 años
 Alcance :
– Santa Cruz.
 Tiempo:
– Del 15 de Noviembre al 20 de noviembre del
2007.
Ejemplo Nr. 2
 Se quiere hacer una investigación de

mercados para determinar el grado de
resistencia del grumo de polisestireno
en la fabricación de platos desechables.

Ejemplo Nr. 2
 Elemento :
– Responsables de la producción
– Empresas que producen producto de poliestireno
 Alcance :
– Santa Cruz.
 Tiempo:
– Del 15 de Noviembre al 20 de noviembre del 2007.

TAMAÑO DE LA MUESTRA
 Es el número de elementos representativos

de una población que permite inferir sobre
la Población
 Para la selección de una muestra debe
estimarse varios parámetros de la población
objeto en estudio. EJ. Media, varianza, error,
etc.

SELECCIONAR UN
PROCEDIMIENTO DE MUESTREO.
 Es tomar unos parámetros especiales que

permitan seleccionar una muestra de
acuerdo con las necesidades especiales
que permitan seleccionar una muestra de
acuerdo con las necesidades y deseos del
investigador pero con criterio de selección.
Entre ello se encuentra el muestreo
aleatoria simple, estratificado. Etc.
PASOS EN LA SELECCIÓN DE
UNA MUESTRA.
 Elemento :
– Responsables de la producción
– Empresas que producen producto de
poliestireno
 Alcance :
– Santa Cruz.
 Tiempo:
– Del 15 al 20 de noviembre del 2007.
PASOS EN LA SELECCIÓN DE
UNA MUESTRA

1. El principio de la regularidad estadística.
Elementos extraídos al azar, tiene tendencia a
presentar la misma característica que este
último.
2. Principio de la inercia de los grandes números

Los grandes grupos son más estables que los
pequeños grupos.
Un cambio cualquiera de algunas unidades en
un gran grupo se compensa por otros cambios
de signo contrario en otras unidades

TIPOS DE MUESTREO
TIPOS DE MUESTREO
MUESTREO
PROBABILISTICO NO PROBABILISTICO
1. Aleatorio Simple 1. Casuales

2. Estratificado 2. Intencionales
3. Por grupos 3. Por cuotas
4. Sistemático
5. Por áreas

MUESTREO POR CUOTAS
EDAD %
De 20 a 30 años 45%
De 30 a 40 años 23%
De 40 a 50 años 18%
De 50 a 60 años 14%
SEXO
Masculino 48%
Femenino 52%
FORMACION PROFESIONAL %
Doctorado 8%
Maestría 22%
Licenciatura 45%
Técnico Superior 18%
Técnico Medio. 7%
Sobre esta información se puedeLic.calcular el tamaño
Pedro Navarro P. de la muestra:
MUESTREO POR CUOTAS
VARIABLE Nr. DE
CATEGORIAS
Edad 4
Sexo 2
Formación Académ. 5
maño de la muestra será (4*2*5) = 40 elementos

s características deberán ser iguales a las de la
ción. Lic. Pedro Navarro P.
EL ERROR DE MUESTREO
 La muestra es una reproducción en pequeño

del universo.
 Los resultados que se obtengan serán más o
menos exactos según el margen de error que
previamente se establezca.
 Si se toman de un mismo universo o
población, diversas muestras de idéntico
tamaño. Las desviaciones de las mismas
tienden a agruparse al rededor de los valores
reales del universo.
DISTRIBUCION NORMAL
68.3%
68% 1
90% 1.645
95.5%
95% 1.96
95.5% 2
99% 2.576
99.7% 99.7% 3
-3 -2 -1 0 1 2 3 σ

EL ERROR ESTANDAR
 Esta curva indica que son más frecuentes
las observaciones próximas a la media y
más escasas las que se alejan de la
misma.
 Es decir: los valores medios de cada una
de las muestras indicarán el valor
probable de la media del universo.
 La distribución de las medias de las
diferentes muestras tienen su propia
desviación típica..
ERROR ESTANDAR
e  Error ..s tan dard
s
e s  Desviacion..Tipica ..de..la..muestra
n
n  Numero..de..unidades..de..la..muestra
ERROR STANDARD EN CASO DE

PROPORCIONES.
p  Error .. standard.. proporcional
p.q p  Porcentaje.. en.. que.. se.. produce.. el.. fenomeno.
e
n q  Porcentaje.. complementario
n  Tamaño.. de.. la.. muestra

EJEMPLO
 En una investigación de mercado sobre
la base de una muestra de 900
elementos, se determina que el
promedio de ingresos es de 800 $us, y
el valor de la desviación es de 200. $us.
Con un nivel de confianza del 95%
¿cuanto será el valor de la media del
universo?
Operaciones
s 200
e e  6.67
n 900
x  ( * e)
800  (1.96 * 6.67)  813
800  (1.96 * 6.67)  786.93

EJEMPLO
 En una investigación de mercado sobre
la base de una muestra de 400
elementos, se determina que el 20% de
los encuestados no consumen el
producto y un 80% si consume.
Con un nivel de confianza del 99.7%
¿cuanto será el consumo en la ciudad
de Santa Cruz?
APLICACIONES DEL ERROR
.
p. q 80 * 20
p  
400
 0.45
n
P  ( * e)
80  (3 * 0.45)  81.35
80  (3 * 0.45)  78.65

MUESTREO ALEATORIO SIMPLE.
PARA POBLACIONES INFINITAS.
Z  Coheficiente.. de.. confianza
Z xS
2 2
n S  Desviacion..Standard.
e 2
e  Error
Se puede aplicar principios para definir una población finita
como infinita.
 Poblaciones finitas por debajo de 100.000.Elementos
 Poblaciones infinitas por encima de los 100.000
Elementos.
n
no 
n
1
N
EJEMPLO
 Se quiere realizar una investigación de mercados para
determinar la cobertura que tiene un producto en el
mercado de la ciudad de Santa Cruz.
Como elemento de investigación se selecciona a los
puntos de venta. El mercado cuenta con 7700 puntos
de venta distribuidos en toda la ciudad. En estudios
anteriores se establece que de cada 12 puntos de venta
4 no vende nuestro producto. La desviación standard
es de 2.2 respecto a la existencia del producto, las
exigencias del departamento de marketing para dicho
estudio es del 95% de confianza.
2 2
Z xS 1.96 2 * 2.2 2
n  2
 171
e 2
0.33
AL CONSIDERAR 7.700 PUNTOS DE VENTA
SE CONSIDERA COMO POBLACION FINITA
EN CONSECUENCIA SE DEBE APLICAR LA
CORRECCION.
n 171
no    171
n 171
1 1
N 7.700

MUESTREO ALEATORIO SIMPLE POR
PROPORCIONES.
Z 2 . p.q
n PARA POBLACIONES
e2 INFINITAS
n CORRECCION DE
no 
n MUESTRA
1
N

EJEMPLO
 Se ha realizado una investigación de mercados en la

ciudad de Santa Cruz para determinar la aceptación de
un nueva marca de helados, donde el nivel de
confianza es del 95% y un error estimado de un 5%.
En la investigación de la prueba se obtiene que el
68% de los encestados aceptan la nueva marca, y el
32% no acepta la nueva marca, puede decir ¿que
tamaño de muestra se requiere para este estudio?

1,96 2 x 0,68x 0,32 3,8416x 0,2176 0,8359321
n 2
   334
0,05 0,0025 0,0025
AL CONSIDERAR LA POBLACION DE LA
CIUDAD DE SANTA CRUZ MAYOR A
100.000 SE CONSIDERA POBLACION
INFINITA. POR TANTO NO ES NECESARIO
HACER CORRECCION.

EJEMPLO
DATOS : DATOS : DATOS :
1
  95%   95%   95%
e  5%
p  90%
q  10%
e  5%
p  60%
q  40%
2 e  5%
p  50%
q  50%
3
Z 2 . p.q 2
Z . p.q 2
Z . p.q
n n 2 n 2
e2 e e
1.96 2 * 0.90 * 010 1.96 2 * 0.60 * 040 1.96 2 * 0.50 * 050
  
0.052 0.052 0.052
 138  369  384
Muestreo aleatorio estratificado.
 Se debe dividir la muestra en dos o

más grupos, llamados estratos.
 Se debe obtener una muestra de
cada uno.
 Con esto se garantiza una
representación suficientemente
significativa.

 El muestreo estratificado puede

presentarse bajo dos formas:
– Con independencias poblacional

• (Afijación igual o Asignación igual)
– Con dependencia poblacional
• Afijación Proporcional
• Afijación optima

 Caso 1.
 Independencia con relación a la población.
– Afijacion igual o asignacion igual.
384
n
Z 2 . p.q  128
e2 3
1.96 2 * 0.50 * 050  Se quiere repartir una muestra de 900 encuestas en tres clases sociales:

0.052  Clase Alta na = 128
 384
 Clase Media nb = 128
 Clase Baja nc= 128

Muestreo estratificado con
afijacion proporcional
 Caso(2.
Poblaciones infinitas)
 Con dependencia a la población.
 El tamaño de cada estrato en la muestra es
proporcional a su tamaño en la población
PARA POBLACIONES INFINITAS.

n  Tamaño.. de.. muestra
 Nh 
Wh  Peso.. relativo.. del.. estrato.. h..  
N
 N.. total 
 W .S
i 1
h
2
Z  M arg en.. de.. confianza
n N  Universo
e2

 WS h
2
h
e  error.. de.. estimacion
Z2 N
N  1  Factor.. de.. correccion.. por .. finitud
Lic. Pedro
S h  Desviacion Navarro
.. standard P... estrato.. h
.. del
Muestreo estratificado con afijacion
proporcional
(POBLACIONES FINITAS)
PARA POBLACIONES FINITAS.
N
Z N  Wh .S 2
2
n i 1
N
e  N  1  Z
2 2
W S h
2
h
i 1
n  Tamaño.. de.. muestra

 Nh 
Wh  Peso.. relativo.. del.. estrato.. h..  
 N.. total 
Z  M arg en.. de.. confianza
N  Universo
e  error.. de.. estimacion
N  1  Factor.. de.. correccion.. por .. finitud
S h  Desviacion.. standard.. del.. estrato.. h

proporcional
 Procedimiento: PASO 1
 Se debe determinar una muestra bajo la
siguiente formula:
Z 2 . p.q
n
e2
 Una segunda alternativa es levantar una pre

muestra de un tamaño considerable.
 Si estratificamos es por las caracteristicas de la
poblacion.

proporcional
 Paso 2
 Se debe determinar el numero de estratos
maximo 7
 Sobre la base de los resultados de la muestra
se debe determinar el error de cada estrato.
s VARIA EN FUNCION
Z2 xS2 e
n n
AL RESULTADO
e2 MUESTRAL

proporcional
s
e0 
n
s
e1 
n
s
e2 
n

proporcional
ESTRATO A ESTRATO B ESTRATO C

VALOR 1 VALOR 1 VALOR 1
. . .
, , ,
. . .
, , ,
, , ,
, , ,
, , ,
, , ,
VALOR n VALOR n VALOR n
Ejemplo de población finita:
Una empresa embotelladora de sodas establece que en una
población del departamento de Sta. Cruz, existen 70.587 familias.
Una investigación anterior cuya muestra era de 3.500 familias sirve
de base para la segmentación por consumo estableciendo la
siguiente clasificación:
Seg. A. 1218 familias que consumen más de 70 botellas de 2 litros
por mes.
Seg. B 456 familias que consumen entre 40 y 69 botellas de 2
litros por mes.
Seg. C 1826 familias que consumen entre 39 o menos botellas de 2
litros por mes.
En un estudio premuestral se establece las siguientes desviaciones
respecto al consumo por botella.
Para el segmento A=9.3666
Para el segmento B= 8.9380
Para el segmento C= 11.7608.
Se pide calcular el tamaño de muestra considerando el 95% de
confianza y un error de 2 botellas
s 9.3666
e0  e0   0.27
n 1218
s 8.9380
e1  e1   0.42
n 456
s 11 .7608
e2  e2   0.272
n 1826

Solucion:
MUESTREO ESTRATIFICADO
MUESTREO CON AFIJACION PROPORCIONAL
POBLACION FINITA
N Whi Shi Shi² Whi*Shi²
1218 0,3480 9,3666 87,733 30,5311521

456 0,1303 8,9380 79,888 10,4082448
1826 0,5217 11,7608 138,316 72,1616505
3500 1,0000 113,101047
1.962 * 3500 * 30.53

n n1 
 * N  Wh * S 2 h
2 0.272 (3500  1)  1.962 * 30.53
n i 1
n
e ( N  1)  
2 2
Wh * S
i 1
2
h n2 
1.962 * 3500 * 10.41
0.422 (3500  1)  1.962 *10.41
1.962 * 3500 * 72.16

n3 
0.2722 (3500  1)  1.962 * 72.16
MUESTREO ESTRATIFICADO
CON AFIJACION PROPORCIONAL
POR PROPORCIONES
POBLACIONES INFINITAS
n
Wh * p h * qh
n i 1
(e /  2 )

 Se establece que en una premuestra realizada en la ciudad de
Santa Cruz sobre el consumo de carne y el nivel de ingresos
contamos con tres estratos bien diferenciados que se detallan
a continuación
 ESTRATO 1
 NIVELES DE INGRESO ENTE 300 Y 605 $us. Constituyen el
46% de la población.
 De los cuales el 43% consume carne y el 57% no consumen
carne.
 ESTRATO 2
 NIVELES DE INGRESO 605 Y 770 $us. Constituyen el 37% de la
población.
 De los cuales el 80% consume carne y el 20% no consume
carne.
 ESTRATO 3
 NIVELES DE INGRESO 770 Y 1.300 $us. Constituyen el 17% de
la población.
 De los cuales el 33% consume carne y el 67% no consume
carne. Lic. Pedro Navarro P.
Para el siguiente ejercicio se debe considerar un 95% de confiabilidad y un 10% de margen
de error y una premuestra de 355 familias.
Wh * p h * qh
n i 1
(e /  2 )
Reemplazando se tiene:
0.46(0.43)( 0.57)  0.37(0.8)( 0.2)  1.17(0.33)( 0.67 )
n  80.49
(0.10 / 1.96) 2
Si fuera población finita entonces se realiza la correccion:
n
no 
n
1
N
80.49 66 familias
no  =
80.49
1
355 Lic. Pedro Navarro P.
Muestreo estratificado con afijacion óptima
 El muestreo estratificado con afijación

optima es el que genera el mínimo error
estándar en el calculo global.
 POBLACIO INFINITA
N
( WhSh) 2
n i 1
e 2  Wh * Sh
2

 2
Nh

 POBLACIO FINITA
 2 N ( WhSh) 2
n N
e ( N  1)  
2 2
 Wh
i 1
* Sh 2

Ejemplo de población infinita
Se está realizando una investigación de mercado para
estimar el consumo promedio de pescado, en la ciudad de
Santa Cruz, de acuerdo a datos estadísticos del INE se
cuenta con la siguiente información:
N1 Ingresos altos 35.230 familias
N2 Ingresos Medios 104.255 familias.
N3 Ingresos Bajos 115.015 familias.
En un estudio premuestral se establece los siguientes
valores de la varianza respecto a su ingreso:
S²1=8.25
S²2=9.40
S²3=15.20
Para dicho estudio se establece que el nivel de confianza

sea del 90% y un margen de error 0.1512 kilogramos.
Solución:
Se establece que el valor de tablas en 90% es 1.64.
Aplicamos la siguiente formula:
N
( WhSh) 2
n i 1
e2

 Wh * Sh 2
 2
Nh
N S²h S Wh Wh*Sh Wh*S² NhSh

A 35230 8,25 2,8722 0,1384 0,39751248 1,1418 101187,606
M 104255 9,4 3,0659 0,4096 1,25579264 3,85024 319635,405
B 115015 15,2 3,8987 0,4519 1,76182253 6,86888 448408,981
254500 32,85 9,8368 0,9999 3,41512765 11,8609 869231,991
N
El calculo de ( WhSh
es) 2igual a 3,41512765 * 3,41512765
i 1
(11.6629) 11.6629 11.6629

n    1365
(0.1512) 2
11.8609 0,02286 11 .8609 0,0085  4,66047E - 05
 
(1.64) 2 254500 2,6896 254500
SE DISTRIBUYE LA MUESTRA EN LOS
ESTRATOS
N S²h S Wh Wh*Sh Wh*S² NhSh
A 35230 8,25 2,8722 0,1384 0,39751248 1,1418 101187,606
M 104255 9,4 3,0659 0,4096 1,25579264 3,85024 319635,405
B 115015 15,2 3,8987 0,4519 1,76182253 6,86888 448408,981
254500 32,85 9,8368 0,9999 3,41512765 11,8609 869231,991
1.365 * 101.187,606
n ji   159.
869.231,191
n * N h Sh
n ji 
 N h Sh n ji 
1.365 * 319635.405
869.231,191
 502
1.365 * 448.408,981
n j 704i   704
869.231,191
n=1365
Muestreo por conglomerados.
 Es una técnica de muestreo probabilístico donde la
población se divide en grupos, para luego de cada
grupo elegir elementos o unidades.
 El procedimiento de un muestreo por
conglomerados es el siguiente:
– Dividir la población la población en grupos basados en
una variable.
– Seleccionar aleatoriamente para su estudio algunos
grupos.
– Eligen los elementos de estos grupos seleccionados.

Diferencia entre muestreo
estratificado y conglomerado
ESTRATIFICADO CONGLOMERADO
 La población se divide en pocos  la población se divide en
grupos, máximo 6, pero con muchos grupos, pero con
muchos elementos, pocos elementos.
 La segmentación del grupo es a  La segmentación del grupo es
base de una variable. por conveniencia o costo.
 Los grupos son homogéneos, pero  Son varios grupos
heterogéneos comparado con heterogéneos entre si con
otros. elementos heterogéneos.
 El elemento de cada grupo se  Los grupos se seleccionan
selecciona aleatoriamente. aleatoriamente, y luego se los
estudia a sus elementos de
cada grupo.
Muestreo sistemático.
 Es una técnica de muestreo probabilístico que permite

seleccionar elementos o unidades de una lista muestra.
 Para su cálculo se emplea la siguiente formula.
N K = Muestreo sistemático.
k N = Universo o población.
n
N = Tamaño de muestra.

Planimetria de la muestra.
Casco Viejo 4 U.V

1 a 2 Anillo 14 U.V.
Fuera 4to anillo 121. U.V.
TOTAL 186. U.V.

Resultados
del estudio
realizado por
el Banco
Mundial.

PLANIMETRIA DE CAMPO
Calculo de Planimetria.
 Base 260 encuestas.
 Habitantes base 1.992 ( 997.390) hab.
 No. de personas por hogar 4.91.

Total Familias
Pr omedio de familias 
Total Manzanas
por Manzana
No de habitantes 997.390
Total Familias    199.091 familias
Personas por hogar 4,91
Tot . Manzanas  Nr. U. V * 70  186 * 70  13.020
199.061
Pr omedio Familias por manzana   15,3
13.020
Pr omedio familias Por manzana
No Entrevistas 
Tot Manzanas
Por Manzana
15,3
 4
54
No Muestra 269
No Manzanas a sortear    65
No encuestas por manzana 4

sortean 65 manzanas.
¿De cuantas U.V. se deben sortear las 65
manzanas.
No de manzanas 65
  16
Tamaño optimo 4
Salto sistemático para U,V
Total U. V. 186
  12
U. V. Muestra 16
Se selecciona al azar un número entre 1 y 186.
·
No. U.V. .seleccionada

1 18
2 18+12=30
3 30+12=42
. .
. .
65 
Salto sistemático de manzanas:
Total de manzanas existentes en 16 UV

Manzananas de lamuestra
Total de manzanas = 16 * 70 = 1120
1120
  17.23
65
1 Manzana 543 543 Sortear 4 viviendas
2 543+17 552 Sortear 4 viviendas.
3 552+17 569 Sortear 4 viviendas.
.
.
65

RESUMEN - MUESTRA Ultimo y Corregido

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

RESUMEN - MUESTRA Ultimo y Corregido

Cargado por

Copyright:

Formatos disponibles

TEORIA DE LA

Lic. Pedro Navarro P.

Lic. Pedro Navarro P.

Lic. Pedro Navarro P.

Lic. Pedro Navarro P.

Lic. Pedro Navarro P.

Lic. Pedro Navarro P.

Lic. Pedro Navarro P.

Lic. Pedro Navarro P.

Lic. Pedro Navarro P.

Lic. Pedro Navarro P.

Lic. Pedro Navarro P.

Lic. Pedro Navarro P.

 Se quiere hacer una investigación para

Lic. Pedro Navarro P.

 Se quiere hacer una investigación de

Lic. Pedro Navarro P.

Lic. Pedro Navarro P.

 Es el número de elementos representativos

Lic. Pedro Navarro P.

 Es tomar unos parámetros especiales que

Lic. Pedro Navarro P.

2. Principio de la inercia de los grandes números

Lic. Pedro Navarro P.

1. Aleatorio Simple 1. Casuales

Lic. Pedro Navarro P.

maño de la muestra será (4*2*5) = 40 elementos

 La muestra es una reproducción en pequeño

Lic. Pedro Navarro P.

ERROR STANDARD EN CASO DE

Lic. Pedro Navarro P.

Lic. Pedro Navarro P.

Lic. Pedro Navarro P.

Lic. Pedro Navarro P.

Lic. Pedro Navarro P.

 Se ha realizado una investigación de mercados en la

Lic. Pedro Navarro P.

Lic. Pedro Navarro P.

 Se debe dividir la muestra en dos o

Lic. Pedro Navarro P.

 El muestreo estratificado puede

– Con independencias poblacional

Lic. Pedro Navarro P.

 Clase Baja nc= 128

Lic. Pedro Navarro P.

PARA POBLACIONES INFINITAS.

n  Tamaño.. de.. muestra

Lic. Pedro Navarro P.

 Una segunda alternativa es levantar una pre

Lic. Pedro Navarro P.

Lic. Pedro Navarro P.

Lic. Pedro Navarro P.

ESTRATO A ESTRATO B ESTRATO C

Lic. Pedro Navarro P.

N Whi Shi Shi² Whi*Shi²

1218 0,3480 9,3666 87,733 30,5311521

1.962 * 3500 * 30.53

1.962 * 3500 * 72.16

Lic. Pedro Navarro P.

Si fuera población finita entonces se realiza la correccion:

 El muestreo estratificado con afijación

Lic. Pedro Navarro P.

Lic. Pedro Navarro P.

maño de la muestra será (425) = 40 elementos

N S²h S Wh WhSh WhS² NhSh