Documentos de Académico
Documentos de Profesional
Documentos de Cultura
al
muestreo
SEGUNDA EDICION
Adela Abad
Luis A. Seruin
~M NORIEGA Editores
EDITORIAL LIMUSA MEXICO • ESPAIQA •
VENEZUELA • ARGENTINA COLOMBIA • PUERTO RICO
PROLOGO
7
8 Prólogo
Adela Abad
México, D.F. Luis A. Servín
CONTENIDO
Prólogo
1. Generalidades 11 2. Algunos conceptos de estadística y de muestreo 27
3. Muestreo aleatorio simple 41 4. Determinación del tamaño de la muestra
69
CAPITULO 1
GENERALIDADES
1.1 MOTIVACION
Consideremos al conjunto de industrias de la transformación. existentes
en el país en la primera quincena del mes de febrero de 1977. Algunas de
ellas son muy pequeñas en el sentido de que emplean a 1 o 2 personas, otras
son de tamaño regular o mediano, algunas otras son grandes y otras so.n
muy grandes; y físicamente se encuentran dispersas en todo el territorio
nacional. Nos interesa determinar el número total de personas empleadas en
ellas, y sabemos de la existencia de archivos de uso público en los cuales
están registradas. este tipo de empresas y también aparece registrado su
personal. Sin embargo, no queremos hacer uso de ellos, ya que aunque
consideramos que ahí están anotadas todas las empresas que nos interesan,
no nos parece razonable el número de obreros y Je empleados ahí
registrados. Es decir, contamos con una lista de empresas junto con sus
direcciones y deseamos determinar el núme
ro total de obreros y de empleados en ellas. Si en la lista existen 90 000
émpresas, lcómo podemos determinar este número total? Una manera
consiste en acudir telefónica o personalmente a todas y a cada una de las
empresas y preguntarles y registrar su número de obreros y de empleados,
es decir, hacer un censo o enumeración completa sobre todos los miles de
empresas en lista. Es fácil imaginar el enorme trabajo que requeriría el
desarrollo de este censo a miles de empresas esparcidas en cientos de miles
de kilómetros cuadrados.
Figura
1.1
El censo o enumeración completa, es una técnica gue E~ ayeriguar o
determinar el valor de parámetros gue ocur~~!lJ?.._Sll!.~ existen en un conjunto de
elementos o unidades en consideración \Tiediante una revision a todos ellos¡
por ejemplo, en el caso de las industrias de la transformación es necesario
determinar el valor del e_aráme~!:Q; número de obreros y de empleados en las
iriQ.ustri~ transformación en una determ ina9a región 8t:.Q&[.é![lqtf!.e.Llrn~un. un tiempo
o periodo de tiempo determina~ Otros ejemplos de parámetros son los siguientes:
el número medio de miembros por familia en la ciudad de Guanajuato en enero
de 1977J el valor total de la producción agrícola en un conjunto definido de
parcelas y el estudio referido a un año en particular,; el porcentaje de pólizas
que no han sido pagadas en una compañía ªe segurosJ y la relación entre el
número de familias en un sector de la ciudad al número de familias en el
mism'o" y que cuentañ-co';lséguro contra incendio.
Las técnicas de muestreo permiten f!Stimar. __ los __ ryiJ~mos _p_é'.1-Xá_:- metros
gue aquellos en el caso de un censo, es decir, eermitsm, obtenerlos
aeroYimadamente a través de una muestra. Si esa mues tra se obtiene de una
manera que denominamos probabilística se le llama muestra probabilística,
y al conjunto de esas técnicas se tes denomina técnicas de muestr50
erobobi/lstico,. De la misma manera, al conjunto de pasos que hay que
seguir para llegar a una estimación
Motivación 15
Objetivo del
investigador
l
Objetivo de
la encuesta
1.2 POBLACIONES
Repetidamente estaremos tratando con colecciones de objetos o de entes
que se caracterizan por poseer ciertas propiedades especi ficas. Denominaremos
conjuntos o más especfficamente, poblaciones a esas colecciones o
agrupaciones y diremos 4ue cada una de ellas está formada por elementos o
unidades.
De esta manera podemos tener, por ejemplo, una población de personas,
una población de viviendas, una población de expedientes
Características de los elementos 17
de estudiantes, una población de animales, etc. Con ello queremos decir que el
término población, en nuestro contexto, puede conte ner como unidades o
elementos a personas, animales o cosas según sea el caso particular de que se
trate. Las poblaciones que serán de nuestro interés están formadas por un
núme.ro finito* de elemen tos, por ejemplo, las viviendas en la ciudad de
Aguascalientes, los alumnos en la Universidad Nacional Autónoma de México
o el ganado en la cuenca lechera mas grande del Estado de México, cada uno
de ellos referido a una fecha específica.
En un estudio sociológico puede ser de interés estudiar atributos o actitudes de
un conjunto dado de personas, digamos aquellas qu~e:'l un momento en el año
emigran de una región a otra con el afán d~ nuevas fuentes de trabajo, y de ellas
se desea estudiar su estrJl~!url por sexo y edades, estado civil, estado de saludJ
deseos de emigració12.& satisfacción de necesidades, etc. " ,
La población en estudio debe estar definida sin ambigüedad, de manera
que no dé lugar a confusiones. Debe estar formada por algo que denominamos
elementos o unidades (personas, hojas, re-, ses, etc.) las cuales las
consideramos contenidas en unidades (familias, expedientes, establos, etc.) y
que se encuentran localizadas en determinado lugar o región geográfica y en
un tiempo o periodo_jJ;, tiempo dado..,, '
También son de interés especial partes o fracciones de la población
original, esto es, subconjuntos del conjunto original, a los que nos referiremos
con los nombres de sub12oblacion_es o de dominios de estudio.
As(, en el caso de las viviendas en la ciudad de Aguascalientes, podemos
definir a la subpoblación de viviendas alquiladas; o en el caso de los alumnos,
podemos tener aquellos que ingresaron por primera vez el año pasado, y en el
caso del ganado podemos definir la subpoblación formada por las reses que
tienen un peso superior a 300 kilogramos, y así por el estilo.
núm. de miembros,
zona de la ciudad en que vive,
de una familia
1 régimen de tenencia de la
tierra,
producción anual,
sector económico al que
de un asegurado de una corresponde, núm. de
institución de seguridad social. profesionistas que emplea, etc.
estado civil,
núm. de beneficiarios,
de un grupo de salario de cotización,
enfermo trayectoria que sigue para ir de su
casa al trabajo, etc.
estado civil,
de un estudiante universitario
trabaja o no.
cantidad de dinero empleado en la pasado.
compra
1 de libros el semestre
1.6 VARIABILIDAD
1 300.
Maico de referencia muestral 23
ii) El salario medio es de: 175 + 300 +125 +100 +100 +275+ 150 +
150 + 200 + 200 dividido entre 10, es decir, ~b 5 = 177 .5 pesos al
día.
1.8 EJERCICIOS
1.1. i. Describa dos ejemplos de poblaciones a estudiar. ii. Especifique sus unidades o
elementos. iii. Enuncie dos ejemplos de características de interés en cada una de
ellas. iv. ¿cuántos elementos tiene cada una de sus poblaciones? v. ¿Puede definir
algunas subpoblaciones en ellas? , ¿cuáles?
1.2. El número de miembros y de beneficiarios asociados a un organismo p~blico en cada
una de las 20 familias de una manzana fueron los de la tabla l. l.
Ejercicios 25
Tabla 1.1
12 o 11 11 5 2 5 5 12 6 o 3 3 1 13 6 o 4 6 o 14 3 1 5 9 o 15 7 o 67
o 16 6 o 7 5 o 17 6 o 8 5 1 18 4 o 9 6 3 19 9 2 10 4 o 20 8 o
Determine:
v. El número medio de beneficiarios por familia, para las familias con al menos
un beneficiario.
1.3 Enuncie una situación en la cual un censo fuera preferible a un muestreo. 1.4 En
una encuesta sobre la salud de las personas en una ciudad, se parte de un mapa de ella,
se dibujan las manzanas, se numeran, se efectúa una selección de manzanas, y para
aquellas manzanas seleccionadas se contruye un listado de las viviendas que las
conforman. Así se tiene un listado de viviendas para cada manzana en la muestra. A
partir de esos listados se hace una nueva se lección ahora~viendas dentro de manzana, y
para cada vivienda seleccio nada, el entrevistactor:._ocurre a ella y llena un cuestionario
por cada persona o miembro de la vivic~di.-TflCuáles son los elementos en esta encuesta?,
11) ¿cuáles son las unidades?, 111) Proporcione seis ejemplos de caracterís ticas a
estudiar. IV) En base a sus características elegidas en (111), defina cuatro parámetros
poblacionales, V) ¿Qué método de medición emplearía para cada uno de ellos?, VJ)
¿cuál fué el marco de referencia?.
CAPITULO 2
ALGUNOS CONCEPTOS
DE ESTADISTICA Y DE MUESTREO
2.1 VARIABLE ALEATORIA Y
DISTRIBUCION DE PROBABILIDADES
27
28 Algunos conceptos de estadística y muestreó
Frecuencia
... 1-
- 2400 2600 peso en gramos
Figura 2. l. Una manera de representar la distribución de probabili dades
de una variable aleatoria es mediante este diagrama denominado
Histograma de frecuencias.
muestra) llamada estimador, la cual por ser ~·na función de variables aleatorias,
también es una variable aleatoria. Para muestras· diferentes y en igualdad de
condiciones experime 1tales, generalmente tomará valores diferentes debido a
la presencia del azar. Un estimador específico tiene una distribución de
probabilidades y como veremos más adelante, para muestras diferen :es tiende a
tomar muchos valores relativamente próximos en ma',nitud a su valor esperado,
tanto superiores como inferiores a él y menos valores relativamente lejanos al
mismo. Su distribución de probabilidades tiende a parecerse a la silueta de una
campana y con alguna.s condiciones y supuestos se le da el nombre de .9lilrt
bución normal. Ella .es simétrica respecto al valor esperado del estimador
{apartado 2.2). Paf' ello, dada una muestra, no sólo interesa el valor particular
del estimador, sino también algo que sugiera la forma de la distribución, esto
es, lqué tan achatada es la silueta? Una manera de indicar lo rápido que cae la
curva (silueta de la campana) es la desviación estándar o error estándar del
estimador. Su definición formal se hace a través del concepto de variancia
(apartado ;2.2) del cual es su raíz cuadrada. Existe otra manera de referirse a la
forma de la distribución y ésta es en términos de intervalos dé c.of)fian:ia. Se
calcula un intervalo que aunque varía dem'uestra-·-a~rnuestra nos indica el
porcentaje de veces que bajo repeticiones del experimento, ese tipo de
intervalos incluirán a un valor que está en consideración, y en ocasiones este
30 Algunos conceptos de estadística y muestreo
valor coincide con el parámetro poblacional que está en estudio; por ejemplo
el peso medio de los recién nacidos en el hospital A en el transcurso de un
año determinado.
En realidad, los conceptos de desviación estándar de un estima dor e
intervalo de confianza, son maneras de referirse o de indicar lo adecuado, lo
bueno o lo preciso de un estimador; 1:1.111.11t~rval_~:>_ º-~ conJJª_IH.Les un
conjun~_g_9e va!q_r:.~-~~-~--!al manera calculados, ~--uno tiene ~l~Ité!..gQDfl~:[IZ,.~Q ... c;i_~n_a __
!;eguri~fa,d, de que dentro de ell~L..~~D!r.Q_~fil~!~rY.~JQ, .. _~_}?..~C'.lJf?.r:!!E~ ... ~1. _pa~ámetro
poblacional en estudio.
2.2 ESPERANZA MATEMATICA Y VARIANCIA
E(X) = l: X¡ p¡
i= 1 2.1
= 1 (!) + 2(_!_) = ~
E(X) 222
* Para las definiciones en este apartado existen las análogas en el caso continuo.
Esperanza matemática y Yllriancia 31
V(a) = O
en donde COV (X, Y). representa la covariancia entre las variables aleatorias.
Esta vale cero si X y Y son independientes, y se calcula según la expresión
siguiente:
Frecuencia Pi
No.de
vehículos
o 234567
Figura 2.2
Estimadores 33
2.4 ESTIMADORES
5/12
3/12
2/12
1/12
1/24
1 1 Pesos al día o 200 300 400 500 600 700
Figura 2.4
38 Algunos conceptos de estadística y muestreo
1 .
1 1
- 320 330 340 350 360 370 380
Figura 2.5
'
-
1
- 320 330 340 350 360 370 380
Figura 2.6
* El procedimiento empleado fue una simulación en una computadora digital.
Ejercicios 39
2.7 EJERCICIOS
2.1 Véase el ejercicido 2 del capítulo 7. Marcamos una canica por familia con el número
de ésta y de sus miembros; las ponemos en una urna, las mezclamos y elegimos
aleatoriamente a cinco de ellas, obteniendo los resultados siguientes:
No. de 1 5 3 3 5 7
miembros 2 5 4 6
Canica
estimador utilizó?
2.2 En el ejercicio anterior, y con el propósito de evaluar los resultados del muestreo, es
decir, de saber qué tan buena es nuestra estimación, usamos la ecuación siguiente:
20 5 5 - 1 i= 1 '
i=
s
=(1 -
s
¿ (y¡ --- y)2 ( L y¡)2 i = 1
.511s
(1 - 2~) (i)-;=_1 __ _ 5
5-1 -)(-) - ( :r y2
iv) Haga un bosquejo de una distribución normJI, con media igual al nCJmero medio
de miembro~ por famili,1 encontrado en el ejercicio ·1.2 y con l;1 dewiación
est,índJr calculadJ anteriormente.
v) Según su clibujo, lle pJrece que estJ muy dispersa esa distribución? , es decir, lsu
variancia es grande o pequeña?
40 Algunos conceptos de estadística y muestreo
2.3 En una encuesta de opinión desarrollada sobre los obreros de una fábrica, se
encontró el porcentaje de obreros favorables a cierta regla. Este porcentaje fué de 38%.
Como hab(a información suficiente para obtener dos estimacio- .nes, se hizo esto y se
obtuvo, para la segunda, nuevamente 38%, aunque no así para sus errores estándar. En
el primer caso se encontró 0_07 y en el se gundo 0.05. ¿cuál de las dos estimaciones es
mejor?, dé sus razones.
CAPITUL03
..
Figura 3. 7.
muestra ale atoria simple de tamaño
n: Y1.Y2 ... ·Yn
..
3
rentes, califica a este esquema de muestreo como sin reemplazo ya que cada
unidad elegida previamente no tiene oportunidad de ser seleccionada
nuevamente en la muestra.
y= Y1 + Y2 + · · · + YN = 1: .Y'i
i= 1
que también se puede expresar como NY.
Al extraer una muestra de tamaño n, las unidades seleccionadas pueden
ser las primeras n unidades que aparecen en el listado, ya que ésta es una
muestra posible, y nos referiremos a ella como Y1, y 2 , y 3 , ••• , Yn. Sin
embargo, por lo general las unidades seleccio
nadas estarán dispersas en todo el listado y nos referiremos a ellas de la
misma manera: y 1 , y 2 , ••• , Yn. Entonces, por ejemplo, Y1 en la muestra y 1 , y
2 , ••• , Yn será la séptima unidad elegida en la muestra y puede corresponder a
la unidad 315 en el listado de la población.
574
399
74
195
308
44 Muestreo aleatorio simple
Tabla 3.1
Números aleatorios
16 99 41 99 56 31 28 76 26 73 19 15 57 44 94
43 34 83 23 42 99 06 39 84 31 61 29 39 99 99
75 61 18 80 72 61 42 89 22 99 28 05 07 47 07
10 30 57 40 79 30 65 93 49 42 75 51 19 54 93
812833 05 75 61 21 33 19 36 05 37 30 84 80
78 53 31 66 07 92 02 98 59 71 79 85 3510 66
72 15 95 21 55 17 89 53 16 56 69 09 40 91 40
12 45 96 72 44 26 82 09 42 12 61 62 55 05 41
32 47 05 82 59 05 62 75 24 36 84 19 11 21 43
15 43 91 52 51 78 58 99 04 03 75 71 34 50 75
80 13 31 30 09 65 32 06 21 28 93 23 13 08 42
59 94 08 38 68 75 20 90 19 78 48 34 58 17 11
62 26 89 09 89 13 27 30 01 314347 21 58 65
3618 06 0814 55 62 84 68 78 16 59 22 63 76
83 55 66 36 27 51 28 5548 41 74 80 03 94 39
37 72 86 68 78 75 47 51 41 76 77 04 50 65 67
60 83 53 77 4813 81 62 79 93 64 22 98 46 95
19 63 11 54 88 95 27 69 08 85 39 27 27 81 68
92 57 48 116988 47 30 38 47 84 69 43 62 78
88 07 20 65 91 35 05 53 18 61 92 33 65 08 73
Tabla 3.2
1 Mario 5; Y1 = 5 M, X1 =o Z¡ = 3 W¡ = 2 2 Juan 4; Y2 = 4 M, X2 =o Z2 = 2 W2 =
M,x
2 3 Raúl 4; Ya =4 3 =O Z3 =2 W3 = 2 4 Gloria 6; Y4 = 6 F, X4 = 1 Z4 = 3 W4 =
3 5 Cosme 5; Ys = 5 M, X5 =o Z5 = 2 W5 = 3 6 Carlos 6; Y6 = 6 M, x 6 =O z6 = 2
w6 = 4 7 Luz 3; Y1 = 3 F, X7 = 1 Z7 = 1 W7 = 2 8 Ernesto 7; Ys = 7 M, Xg =o Zg =
Norma
3 Wg = 4 9 Rosa 4; Y9 = 4 F, X9 = 1 Z9 = 2 W9 = 2 10 5; Y1 o= 5 F, x 10 =
1 Z10 = 2 W¡o = 3
nnnn
¡;
k y¡= 49; k X¡ =4; Z¡ = 22; :E W¡ = 27 i= 1 ¡=¡ ¡=¡ ¡=¡
Y se lee, "el estimador de Y" por lo que la expresión anterior se lee así:
"el estimador de Y es y".
i=n
2:: Y;
Y=NY=Nj~
3.2
n
Estimación, de porcentajes: Usando la misma muestra podemos estimar el
porcentaje de personas de sexo femenino y ésta será igual a la fracción de
mujeres en la muestra multiplicada por 100;
en que P = p se lee "el estimador del porcentaje poblacional Pes p"; y éste es
el porcentaje en la muestra. En la ecuación 3.3, "a" es el número de unidades
en la muestra que tienen o que poseen la característica de interés.
En el caso de proporciones o de porcentajes se recurre a una variable
aleatoria auxiliar que toma los valores uno o cero, según que la unidad tenga
o no la característica buscada. En la tabla 3.2 y para el caso de sexo se utilizó
la variable auxiliar X que toma los valores x 1 , x 2 , ••• , x 1 0 ah( anotados.
"' Debemos observar que con la notación de la labia 3.2, R debería quedar definido como el i=n
i"h i= n 1=11
cociente de 2:: z¡ a ~ w¡. En la ecuación 3.4 hemos usado I: y¡ a I: x¡ notación que i=1 1=1 i=1 i=¡
será usual para razones en el resto del libro.
Consistencia e insesgamiento de los estimadores 4 7
Probabilidad de que ))
1=
E(Nj/) = N(E(j!)) = NY = Y
15272212114221
A
Y=Ny = 342 (2.4) = 820.8 empleados.
guntas y para ello hay que calcular las variancias de los estimadores.
Obtengamos la variancia de la media muestra! aplicando la ecuación 2.5 y
recordando que la esperanza de la media muestra! y es la media poblacional
Y.
1 nn
= n2 E ~~ Yl + ¡; y¡y1) - 0
1-l ¡=/=¡
= ~ I: E(yf) + ¡; E(Y;Y·) - Y2 1 ( n n ) -
n 2 ;=1 ;=/=¡ J '
N
para obtener esta expresión se han usado los resultados 2.2 y 2.3.
Recordando que E(y;) = (1/N) .l: y¡:
J= 1
_ 1 n1N 2 n N ••
V(y) = n2 ( l: -N I: Y i + I:. l: y,.y1 (probabilidad de que Y1e se ;=1 j=¡ ¡=f.J
le=/=¡
obtenga en la i-ésima extracción) (probabilidad de que y 1 se obtenga
en la j-ésima extracción dado que y,. lo fue en la i-ésima)) - Y2
1(nN 2( l)~ 1-1-)-r = n2 N ¡°E1 Y1 + n n - le =/=1 YkY1 N N - 1
1 N n-1 N
= - I: y~+ ¡; Y1eY1 - Y2
nN ;=1 J nN(N - 1) 1e =/=1
_ N-n N n-N
- nN(N - 1) i~1 y~ + }12 n (N - 1)
n N- n 1 ;=1
N-
=
NP- (NNP)2
NPQ
= N...,-1 =N-1
NPQ 1 - f
N-1
3.8
nX2
1
la ecuación 3.5: n vale 1 O, N vale 100, ~ = 1 0 °= 0
1
1 0 , uno de cada
d.. 1 n 9
1ez. -/V=lü·
11-99
. ; . ( 1 - f) = 10 10 = 100
¡=N )2
(
1 ¡=N 1 (¡=N ~ Y1 ) 52 =
-- ~ (y. - Y)2 =
-- . ~y~ -
N-1 ' N-1 ' N
En eslta última expresión para el cálculo del parámetro poblacio- ¡
nal 52 y len el miembro de la derecha, se requiere conocer cada uno J , de
Jos valores de Y1, Y2, .. ., YN-l• yN= Y100. Pero solo conoce mos a y 1 , y
2 , •.. , y 1 0 a través de la muestra. Entonces, si no se dispone de un censo
(si dispusiéramos del censo no requeriríamos el muestreo), no puede ser
calculada la varianza verdadera. Lo mismo es cierto para un total, un
porcentaje y una razón . .,
54 Muestreo aleatorio simple
el siguiente:
Un estimador insesgado de la variancia de I~ media muestra! es
~~ {"·:>\'-"-""-' i=n 2 / . ~ (y¡ - y !.._\.~0.
------
v ";) = 1 - r _1_ (~ ~ _ (~ ytl 2
n
\Y n n-1 y, n
Veámoslo:
n n-1
V(Ny) = N2 V(ji) = N2 52 (1 - f)
n 3.9.1
n
(1; y;)Z
n
V(A) = N(N - n) pq
n-1
i=n ""
V(R) = 1 = f !: {y¡ - Rxi) 2
3.11.1
nX2 n-1
Y¡X; + R2 1: xf)
1 -f
V(R)= nX 2
1n A
n n
A
"f1""=T (1: Yt - 2R 1:
Tabla 3.3
Estimadores Aplicables a Muestreo Aleatorio Simple
Parámetro Estimador Variancia del estimador Esti
del V
Parámetro
1
¡=1
- N n Ny=- k y·
2
Total V(Ny) = (l-f) N S2 V(Nj
n
n ¡=1 •
A
R=-~- i=t (y¡-RX¡)
2
(y¡-
n V(R) = -.=-2
~ X· i=1 1 N-1 Nota; C
nX conoce
usado x
t.11
°'
- 1-=_f ..._¡~_.1 _
V(R)= _,,,{y'--'¡'---R_A X_,¡'-!.-) 2
V(R)
TABLA3.4
Fórmulas para el cálculo de varianzas estimadas (m. a. s.)
-- _1_ &v~-
n n-1 1 n
1-f
N 2 (1-f) 1
n (~y¡ )2 )
-- (l:yf- n n-1 n i) La suma de cuadradros de cada observación.
2
nX -- (l: vJ - 2Í'IL V;X; + R'l:xf) n-1
1-f 1 11 11
Donde R = ~ X
tendríamos
25
8 ° 0
= 313 casos para cada edad. Si existen tres carre ras y
ocho períodos académicos (8 semestres) pudiéramos esperar ~~:) = 13
estudiantes en la muestra para cada celda. Aquí estamos
en problemas porque hasta esperaríamos algunas celdas vacías, además que
el número 13 no es muy bueno como tamaño de muestra, posi blemente sea
demasiado pequeño. En estas condiciones, no siempre se pueden prometer
estimaciones para cualquier subpoblación.
Para fines operacionales, se enuncia en algunos casos la regla siguiente:
para aquellas celdas con al menos 25 observaciones se efectuarán las
estimaciones, en caso contrario, no se efectuarán. Con esto en mente,
prosigamos hacia intervalos confidenciales.
3.12
*Para un tamaño de muestra pequeño, t debe ser buscado en las tablas de la distribución t con n-l
grados de libertad, ya que la variancia es desconocida.
Intervalos de confianza 59
3~ 13
3.14
3.15
S2 s2 V(y) = (1 - f) - = (1 --- f) -
A-
nn
1 o 1 = (l - 1 bó) 1 o 11
L (y; -- j/)2
--¡,-::::·r---
60 Muestreo aleatorio simple
n2
=1 ¿o (~ Y~ - ( ~ : d )
= _1 (253 - (49)~ )
100 10
= 0.129 (letras/nombre) 2
~ a4
P = P = " 100 = 100 = 40%
10
N-n tA
e.e.(p) = ((n - 1 )N pq) 2
100-10 ))112
( = 9 (100) 40(60 = 15.5%
R = ~ W; = = 0.81 vocales/consonante.
A ~ Z; 22 . 27
)1Az
n A
e.e.(R) = (( 1 _:2') ~ (z; - Rw;)2
nw n -1
90 2 AA
Nota. En muchos casos el factor de corrección para población finita es despreciable y se puede
suprimir en las expresiones anteriores.
3.8 EJERCICIOS
3.1 Una población consta de 1 050 unidades numeradas del 1 al 1 050. Es necesario
seleccionar una muestra aleatoria simple sin remplazo de tama ño 13. lCómo lo
haría usted?
3.2 Suponga que las unidades en la población anterior están numeradas como se indica
a continuación:
9 813
1 001
9 910
1 002 9 911
9 912
1 317 9 913
1 318
1 319
9 918
2 040
9 811
¿cómo seleccionaría una muestra aleatoria simple sin remplazo de ta maño 10?
3.3 En una encuesta desarrollada sobre una población de 1 O 000 familias, se tomó
una muestra aleatoria de 40 de ellas, de manera que la fracción de
3.4 Usando la información del ejercicio 3.3 estime el porcentaje de familias con más
de cinco miembros y encuentre el error estándar de su esti mación.
3.5 Sobre el mismo ejercicio 3.3, estime el número de miembros por persona que
trabajan y el error estándar de su estimación.
Ejercicios 65
3.6 Sobre la definición de muestreo aleatorio simple en el apartado 3.1, muestre que si
a cada muestra posible se le elige con probabilidad igual, esto es equivalente a
que la muestra elegida haya sido obtenida mediante la selección den números
aleatorios diferentes entre 1 y N.
3.7 En el ejemplo 3.1 derive intervalos de confianza del 95% para el porcentaje de
empresas que fabrican y venden su producto al menudeo.
3.8 En el ejemplo 3.1, estime las variancias de la media y del total de empleados y
calcule intervalos de confianza del 953 para cada uno de ellos.
3.9 Un grupo asesor de una escuela técnica piensa que los planes de estudio del plantel
están un poco desactualizados y, mediante- una encuesta sobre los egresados de
ella, piensa derivar resultados que le ayuden en su reestructuración. Las
preguntas que se deben formular, van dirigidas para aquellos egresados que estén
trabajando como investigadores. El listado muestra 638 nombres cada uno con su
dirección, de ellos se elige una muestra aleatoria de tamaño 20. Al hacer el
trabajo de campo, los entrevistadores preguntan al egresado si es o no
investigador. Si responde afirmativamente le hacen la entrevista y en caso
contrario no la hacen. Al devolver los cuestionarios, el grupo asesor encuentra
que 18 de los egresados en la muestra se calificaron como investigadores. Y así,
emite instrucciones para que en el procesamiento de la información, en el
cálculo de porcentajes y medias se use como tamaño de muestra 20.
i) lCree usted que está bien definida la población objetivo? Indique sus razones.
ii) En el supuesto de que la población estuviera bien definida, lsería correcto usar
el tamaño de muestra de 20 que indica el grupo asesor?
11 23 31541151962 7 18 2 593
3 7 8 8 7
10 1 11 1 12 1 4 13 1 14 11 15 4 4 16 1
3 4 8 1
17 3 3 18 2 19 1 3 2 21 2 5 22 2 4 19
7 3 20 2 23
24 1 6 25 1 6 1 7 27 2 6 28 3 6 1 30 1 31
26 29 5 5
1 1 8 33 1 34 3 35 1 1 36 7 7 13 1
9 32 4 6 37 38
3.11 En una urna existen 8 canicas blancas y A canicas azules. Se extrae a n de ellas
aleatoriamente y con reposición. Se desea determinar la probabi· lidad de que b
canicas de entre las n extraídas (b :s;;;; n) sean blancas. lCuál es la distribución
del número b de canicas blancas en cada muestra de tamaño n? , lcuál es la
media y la variancia de esta distribución?
3.12 En la urna del ejercicio 3.11 la muestra aleatoria es extraída sin reposi ción.
lCuál es la probabilidad de que b canicas (b ~ n ~ A + 8) sean blancas? lCuál
es la distribución del número b de canicas blancas en cada muestra de tamaño
n? lCuál es la media y la variancia de esta distribución?
Números aleatorios
74 50
90 98
25 46
01 81
41 11
31 39
25 04
CAPITUL04
DETERMINACION DEL
TAMAÑO DE LA MUESTRA
* Aunque ya vimos en 1.5 que en ocasiones el método de medición aunado a otro tipo de
~ventualidades no permiten llegar al valor correcto.
69
70 Determinación del tamaño de la muestra
Sin embargo, como el azar está presente en cada muestra que se elige; el
estadístico no puede asegurar para todas las muestras· posibles un mismo
error. Ya 4ue como se señala en la siguiente distribución de un estimador
(figura 4.1), bajo la aproximación normal,
y
E(yl=Y
Figura 4.1
los intervalos de magnitud da la derecha e izquierda del parámetro Y, por lo
general no ·cubren a toda la distribución; por lo cual en las áreas punteadas
sigue existiendo probabilidad,. es decir, oportu nidad de que algunas muestras
sean elegidas y arrojen un error mayor aJ!.,. • ....,_~
Para tomar en consideración este hecho, se introduce el concep to
de,confianza¿¡es decir, se acepta un error d = (x%) Y con una confianza del
95% en el sentido de que si se muestreara repetidas veces, en promedio, 95 de
cada 100 muestras tendrían máximo un error de magnitud d, y 5 de ellas
tendrían un errQr mayor. Y como es intuitivo el hecho de que, si en una urna
existen 95 bolas verdes y 5 rojas y se revolviera y se extrajera una de ellas, es
muy probable, es decir, se tiene bastante confianza (95%) de que la bola que
salga sea verde (probabilidad de verde = ~6 ), aunque no
estamos exentos de que salga roja, con probabilidad de ~.
En muestreo, la precisión con que se desea una estimación queda
indicada por un error d igual a x por ciento del parámetro poblacional y una
confianza entre O y 100%. Evidentemente las confianzas más solicitadas
serán, digamos dej 803 en adelante.
Y esto debido al hecho de que si en la urna tenemos 99 canicas verdes y
una roja, al extraer una aleatoriamente, pues, apostamos a verde. Si en 1 ugar
de tener una roja tenemos 5 ó 1 O de ellas y el
P!ecisión estadística 71
V= (~-)2
t
1 error d
~onfianza e
Precisión estimador recursos
desviación estándar disponibles
del estimador
variancia del
dinero y deseo desarrollar una encuesta para estimar tal (es) pará metro (s).
lPara qué precisión me alcanza?
N 1+(-)- N V 4.1
Como deseamos tomar un tamaño de muestra no mayor que el
necesario, en la expresión 4.1, usamos la igualdad. El denominador de 4.1
tiende a la unidad cuando N es grande, por lo cual usamos al numerador
como primera aproximación al tamaño de la muestra. Esto es:
52 52 t2
no=-= -2-
V d.
que se suele corregir así: N
} 4.2
no
n=---
1+ !?..Q.
Tabla 4.1
Expediente No. hojas
Expediente No. hojas Expediente No. hojas
4
1 1 \ 21 5 41 3 2 1 22 5 42 5 3 1 23 6 43 4 4 7 24 3 44 6 5 1 25
26 2 28 1 4
45 1 6 3 46 3 7 5 27 2 47 3 8 5 48 3 9 4 29 49 2
2 32 2
10 2 30 50 1 11 3 31 2 51 2 12 3 '·¡ 52 2 13 6 .. 33 3 53 1 14
9 34 2 54 3 15 3 35 8 55 5 16 5 36 9 56 3 17 7 37 5 57 3 18 1 38 1
58 3 19 1 39 1 fi9 2 20 3 40 3 60. 2 ..
Y= N L Y; = = 3.3 ho1as/exped1ente -
- 1 N 198 · · 60
~ poblacional 5 2
vale:
~1
N_N
-'-L (y¡ - Y) 2
52 = L y~- N Y2 = 900 - 60(3.3) 2 = - N--1 N-1
60-1
= 4.18 (hojas) 2
1
f = 1J = ~~ = 2_ 5 _ Si N fuera igual a 6 000, el tamaño de la muestra seri'a
n = 39 y la fracción de muestreo f = 6 ~~O = 15~.
Por otra parte, si en lugar del error anterior del 20% pedimos el 5% se
tiene d = 5% {3.3) = 0.165 y para la misma confianza, obtenemos n 0 =
614.l. y n = 55. Es natural el aumento necesario en el tamaño de muestra ya
que se requiere mayor precisión.
_ Nz . 52 ( n) (d) 2
N2 • 52
no= V 4.3
Muestra para estimación de porcentajes 15
nN-1t
y usando N en vez de N - 1 :
PQ PQ
n -N ~V,
de donde:
N
n0 = fv_.Q; n = __ !!...º-._
4.4
+ !!~
76 Determinación del tamaño de la muestra
¿[¡ problema es
determinar el ta·
maño de muestra
-y
para estimar:
., 7 PQ
7 52 ... una
d. ... una me 1a. , use
N2 52 proporc1on. , use V
V ... un total?, use
Ejemplo 4.3 En la tabla 4.1 el porcentaje de expedientes con una hoja es
P = i~ 100 = 20%. Si deseamos estimar este porcentaje
,, =
no = (0.20) (0.80) = 400**
(0.04)2 60
2
400 = 52.17
Tabla 4.2
P= 20% d = 4% t = 2
En promedio una
f = !1.
n unidad de cada:
N N
pQ
P=50%
Figura 4.2
ellas lo tendrá superior al necesario, luego, se les estimará con una precisión
mayor a la requerida.
Al hablar de la precisión es necesario distinguir dos casos: