Documentos de Académico
Documentos de Profesional
Documentos de Cultura
N- 06:
Supongamos que una firma tiene 110 fábricas distribuidas por todo el territo
una investigación aplicando el muestreo por conglomerados en do
Fábrica Mi mi
1 46 9 3 5 0
2 38 8 4 0 0
3 52 10 0 0 0
4 60 12 3 3 0
5 55 11 0 0 3
6 40 8 2 1 5
7 40 8 4 0 0
8 36 7 0 0 3
9 30 6 5 0 6
10 64 13 0 0 0
11 70 14 2 0 0
12 50 10 2 3 5
581 116
INTERRETACIÓN:
EJERCICIO N° 01
or todo el territorio nacional y desea estimar el tiempo y número de máquinas que duraron para
glomerados en dos etapas, por ellos se procede a realizar una muestra de doce fábricas y en la
N 110
n 12
M DESCONOCIDO
28130.0833333
3.554913E-05 971.185846953
0.89908256881 0.03104065693
3094309.16667
3.2317391E-07
0.006132881
VEEMP 0.03717353831
t(0.05;104) 1.98303752648
RAIZ 0.38233836898
IC 95% 2.09276719647
1.71042882749 2.4751056
ESTIMADOR PUNTUAL
11145.7292939
El tiempo promedio sin funcionar de las máquinas entre 2-3 horas aproxim
N° 01
quinas que duraron paralizadas, ya sea por mantenimiento o por daño, durante un trimestre. Por
de doce fábricas y en la segunda etapa, se selcciona una muestra del 20% de las máquinas de ca
Xi prom
2.4444
3.1250
0 2.5000
0 2 0 1.3333
1 0 1.5455
2.0000
3.5000
1.8571
2.5000
0 0 0 1 2.1538
6 2 0 0 0 1.7857
2 1.3000
26.0449
entre 2-3 horas aproximadamente.
ño, durante un trimestre. Por tiempo y distancia se diseña
del 20% de las máquinas de cada una de ellas.
Cajas
Mi mi
atunes
1 35 9 150 160 130
2 46 11 100 130 140
3 23 8 150 140 100
4 35 7 130 100 150
5 41 9 170 50 150
6 38 8 160 130 140
7 22 9 170 120 170
8 36 11 160 140 160
9 24 9 180 160 140
10 33 10 150 180 130
SUMA 333 91
EJERCICIO N° 02
pesquero Mirage I y trae su bodega llena de atún fresco. Por otro lado, una empresa china, C
ores. Las condiciones que pone la empresa china es que si el atún es pequeño, es decir si pesa
ápico: en una primera etapa, seleccionar 10 cajas de atunes. En una segunda etapa, selecciona
una muestra piloto:
N= 100
n= 10
M= 2500
𝑴 ̅= 25
t= 1.989686
= 0.004
Varianza del estimador:
𝑺_𝒃^𝟐=𝑽𝒂𝒓(𝑿 ̂_𝒊 )= #DIV/0!
= 0.197054
170.31 ±
169.922
Estimador puntual:
N= 100
n= 10
M= 2500
𝑴 ̅= 25
t= 0.062901
= 425786
=
=
###
###
JERCICIO N° 02
o, una empresa china, Chinafish, está dispuesta a comprar, ahora mismo, toda la carga del bar
queño, es decir si pesa menos de 150 kg, pagarán 10 E/kg. Si el atún es grande, si pesa 150 kg
unda etapa, seleccionar aleatoriamente atunes de las cajas ejegidas y pesarlos. Pasada una ho
una muestra piloto:
* 42578.6 = 170.314485
= 0.024773 + 0.01405737 = 0.03883038972
0.3921
170.7066
242690
492.636
30.99
###
toda la carga del barco. El patrón del barco informa que en la bodega
rande, si pesa 150 kg o más, el precio será de 15 E/kg. Sin pérdida de
esarlos. Pasada una hora, se dispone de la tabla siguiente, que contiene
1 100 9 4 6 8 4
2 95 9 5 4 6 8
3 91 9 2 9 2 4
4 110 9 4 5 5 2
5 92 9 5 2 4 5
6 101 9 3 8 3 7
7 122 9 8 9 2 9
8 86 9 6 8 9 6
9 90 9 5 5 2 8
10 94 9 4 3 5 5
981 90
EJERCICIO N° 03
ina de los coches de alquiler se ha tomado una muestra piloto de 10 agencias de alquiler entr
automóviles.
12 3 5 3 5 5.56
2 4 8 4 3 4.89
3 6 8 5 4 4.78
6 8 2 1 9 4.67
2 7 4 3 5 4.11
4 4 5 8 2 4.89
8 5 8 9 7 7.22
7 8 2 3 6 6.11
3 6 10 2 8 5.44
6 8 5 9 2 5.22
52.89
N 100
n 10 185000
M 18500
S^2b 18283.271
VEEMP
342250.000
0.000
0.909
Calculos 0.049
34225000.000
0.000
0.002
VEEMP 0.050
RAIZ 0.224
95% 0.063
VEEMP*95% 0.003
2.823
Intervalo
2.829
CIO N° 03
e 10 agencias de alquiler entre las 100 empresas existentes en el país. La flota total de coche
omóviles.
Ci Mi
1 20
2 10
3 20
4 20
5 10
6 15
7 10
Total 105
EJERCICIO N° 04
udad formada por 1500 familias, distribuidas en 110 manzanas de viviendas, se ha seleccionad
simples de familias. La tabla siguiente contien
M
N
n
M*n
Xcong2p
Medio estimado po
S^2b
(Mprom^2)
1/((Mprom^2
(N-n)/(N-
(1/((Mprom^2)*n))*((N-n
n*N*(Mprom
1/((n*N*(Mpro
VEEMO
Intervalo
Xcong2p
t(mi-n)
t(0.05;21)
RAIZ
t*RAIZ
-
+
IO N° 04
1500
110
7
M*n 10500
Xcong2p 677.43587301587
S^2b 2303512.69312171
VEEMO
(Mprom^2)*n 1301.652892562
1/((Mprom^2)*n) 0.0007682539683
(N-n)/(N-1) 0.945
Mprom^2)*n))*((N-n)/(N-1))*(S^2b)
1672.2690370978
n*N*(Mprom^2) 143181.818181818
1/((n*N*(Mprom^2)) 6.984126984E-06
174.5744290673
VEEMO 1846.8434661651
Multiplicar
5436896.842
401411.111
8088555.789
3114713.684
939097.531
4386259.821
2628949.383
24995884.162
Una empresa de investigación de mercados ideó un plan de muestreo par
artículos de dicho producto vendidos en una semana específica: Ocho c
Nº
Nº superm.
Ciudad superm
Muestreados (mi)
(Mi)
1 45 9 80 62
2 36 7 52 24
3 20 4 32 36
4 18 4 30 61
5 12 3 36 40
6 16 4 34 38
7 13 4 42 61
8 22 5 30 54
Total 182 40
Varian
Sum
2*(Xcong2p
(Xcong2
INTERRETACIÓN:
EJERC
ó un plan de muestreo para estimar las ventas semanales de un producto X en un área geográ
semana específica: Ocho ciudades son muestreadas entre las 25 del área. Usando los datos d
N 25
n 8
26 38 65
32 60 76
48 46
38
26
46 51
24 26
28 61 26
VEEMP
N*n*(Xcong2p)^2 103512.500
1/(N*n*(Xcong2p)^2) 1.607
(N-n)/(N-1) 0.708
SR^2*((N-n)/(N-1)) 20456.556
4.941
VEEMP 6.548
cto X en un área geográfica. La empresa decidió muestrear ciudades dentro del área y luego
rea. Usando los datos de la tabla adjunta, estime el total de artículos vendidos en todos los s
74 38 42 54 53.22 2395.00
42 51 48.14 1733.14
40.50 810.00
43.00 774.00
34.00 408.00
42.25 676.00
38.25 497.25
39.80 875.60
339.17 8168.99
22.75
11632358.086
21700758.322
10270559.143
202158.906
28879.844
(Mi-mi)/(Mi-1) Multiplicar
0.82 62028.41
0.83 46554.49
0.84 5024.56
0.82 17276.82
0.82 2042.18
0.80 3016.53
0.75 9345.17
0.81 21095.02
6.49 166383.19
Estime el total de establecimientos que no satisfacen el criterio de limp
dueño cree que la altura es bastante homogénea en cada lote, pero pueden
1 52
2 56
3 60
4 46
5 49
6 51
7 50
8 61
9 60
10 45
530
EJERCICIO
tisfacen el criterio de limpieza, fijando unos límites de confianza del 95%. El dueño de un viv
a en cada lote, pero pueden variar considerablemente de un lote a otro. Por lo tanto decide m
en la tabla
5 12 12
6 10 9
6 8 6
5 7 8
5 12 5
5 6 5
5 8 12
6 5 8
6 7 6
5 10 7
54
M 2600
N 50
n 10
M*n 26000
Xcongl2prom 8.323
S^2b 8771.430
Mprom^2*n 27040
1/Mprom^2*n 0.000037
(N-n)/(N-1) 0.816327
n*N*Mprom^2 1352000
1/n*N*Mprom^2 7.396E-07
0.265
0
VEEMP 0.265
IC AL 95%
- 7.286
+ 9.361
(N/n*)(Mi*Xiprom) 21641
EJERCICIO N° 07
10 13 11.75 611.00
7 8 10 12 9.33 522.67
6 10 12 8 8.33 500.00
7 7 6 7.00 322.00
8 7 7 7.80 382.20
7 6 6 6.00 306.00
10 5 5 8.00 400.00
10 10 6 5 7.33 447.33
12 6 8 6 7.50 450.00
7 10 9 8.60 387.00
81.65 4328.20
tos. Estime la altura promedio de los arbolitos fijando límites de confianza del 95%
52
A POBLACIONAL
n extenso terreno, el cual está dividido en 50 lotes que varían levemente de tamaño. El
no de los 10 lotes, usando una muestra por conglomerado en dos etapas, los datos se dan
Xi estimado^2
373321.00
273180.44
250000.00
103684.00
146076.84
93636.00
160000.00
200107.11
202500.00
149769.00
1952274.40
N° de Casas
Manzanas
(Mi)
1 14
2 14
3 9
4 12
5 16
6 13
78
EJERCICIO N
mero total de personas jubiladas que viven en una ciudad. El sociólogo decide muestrear man
número total de residentes jubilados en la ciudad y e
N° de casas
Muestreadas Numero de residentes jubilados por casa
(mi)
4 1 3 0 0
4 2 0 1 0
4 3 0 1 1
4 0 0 1 2
4 3 2 2 0
4 1 0 3 2
24
Xcong2 prom
VEEMP
1678.06 2.97E+03 1.46E+03
1.70E+02
SR^2 3.40E+01
1.01E+03
9.86E-04 3.40E+01
(N-n)/(N-1) 9.86E-01 3.30E-02
3.55E+05
2.82E-06
7.04E-06
VEEMP
0.0331
EJERCICIO N° 08
ogo decide muestrear manzanas y después casas dentro de las manzanas, Seis manzanas son s
jubilados en la ciudad y establezca los límites de confianza del 95%
N 350
n 6
1.1826923077
os (M prom) 13
is manzanas son seleccionadas al azar de entre las 350 de la ciudad. Estime el
1 25 5
2 30 6
3 28 8
4 20 4
5 24 5
6 28 6
7 36 7
8 40 8
9 46 9
10 28 6
TOTAL 305 64
N 620
n 10
30.5
18910
ESTIMADOR PUNTUAL
0.471886547
8923.3746032
1070290.52099673
1222868.86658313
RAIZ
95%
Intervalo
EJE
Establecimientos
1
2
3
4
5
6
7
8
9
10
Antigüedad
Propietarios de la vivienda
Y_c S^2_i=pi*qi
8.3 12.35 2
5.2 4.28 4
6.4 6.54 3
10.6 11.2 1
12.3 8.36 2
8.6 4.16 3
7.8 6.12 5
10.4 5.26 2
14.3 8.35 4
16.2 7.28 4
100.1 73.9 30
14.3925396825397
SR^2
28.2539462179498
152578.3455864
1222868.86658313
1105.834014
1.96
6755.9399357
11090.809271
EJERCICIO N° 09
ustria y se desea investigar algunas características de su fuerza laboral tales como: edad, niv
tigando el 20% de sus trabajadores. Consideremos únicamente la antigüedad y propiedad de
Antigüedad
N° de empleados m_i
Y_c S^2_i
25 5 8.3 12.35
30 6 5.2 4.28
28 8 6.4 6.54
20 4 10.6 11.2
24 5 12.3 8.36
28 6 8.6 4.16
36 7 7.8 6.12
40 8 10.4 5.26
46 9 14.3 8.35
28 6 16.2 7.28
95% para la estimación del promedio de antigüedad, así como el total de empleados propietar
Propietarios de la vivienda
2
4
3
1
2
3
5
2
4
4
Ui Mi mi
1 125 12
2 136 14
3 125 10
4 141 13
5 132 14
6 124 15
7 112 11
8 153 14
9 125 9
10 133 10
Total 1306 122
M
N
n
VEEPP
(M prom est.)˄2*n
1/((M prom est.)˄2*n)
(N-n)/(N-1)
SR^2*(N-n)/(N-1)
EJERCICIO N° 01
as que han superado la crisis. Para ello, se llevó a cabo un muestreo en dos etapas. En la primera
ntro de cada área seleccionada. Si una empresa presenta síntomas de haber superado la crisis s
ai (ai = 1:
0 1 0 0
1 0 0 0
0 1 0 1
0 0 0 1
1 0 1 1
0 1 1 0
0 0 0 0
1 0 1 0
0 1 0 1
1 0 1 0
SR^2
2*(Pcong2)*(Mi˄2*pi) 61750.1071113616
(Pcong2˄2)*(Mi˄2) 30941.4144516101
Resol. 1141.534
SR^2 126.83714533254
VEEPP
170563.6 Resol.1 0.000710003729
5.862915651E-06 n*N*(M prom est.)˄2 34112720
0.9547738693467 1/(n*N*(M prom est.)˄2) 2.931457826E-08
121.10079202604
9638.9761923309
IC AL 95%
12537.660948306
EJERCICIO N° 01
dos etapas. En la primera etapa se seleccionaron áreas geográficas formadas por conjuntos de
haber superado la crisis se le asigna un 1; un caso contrario, un 0. En la tabla siguiente se tienen
0 0 1 0 1 0 1
0 1 1 0 1 0 1
0 1 1 0 1 0
0 1 0 1 0 1 0
1 0 0 0 0 0 0
1 0 0 1 0 0 0
0 1 1 0 1 1 1
0 0 0 1 1 0 0
1 0 0 0 1
0 1 1 1 0 1
Resol.2 9.146E-05
VEEPP 0.0008015
RAIZ 0.0283101
rmadas por conjuntos de empresas. En la segunda etapa se eligieron
tabla siguiente se tienen los resultados de las encuestas:
ai pi qi
0 4 0.33 0.67
0 0 1 6 0.43 0.57
5 0.50 0.50
0 4 0.31 0.69
1 0 0 5 0.36 0.64
0 1 0 1 6 0.40 0.60
5 0.45 0.55
1 0 1 6 0.43 0.57
4 0.44 0.56
6 0.60 0.40
Mi*pi = Ai est Ai*Ai Mi˄2 Mi˄2*pi S˄2
263.684
292.389
362.273
297.847
257.387
218.014
257.263
374.465
401.013
395.590
3119.926
Si los pesos de los atunes son superiores a 150 kg, el precio de venta es
4257500 €. La decisión es complicada dado que el error muestral es de
continuación, se pr
Ui Mi mi
1 35 9 1
2 46 11 0
3 23 8 1
4 35 7 0
5 41 9 1
6 38 8 1
7 22 9 1
8 36 11 1
9 24 9 1
10 33 10 1
Total 333 91
M 2500
N 100
n 10
VEEPP
(M prom est.)˄2*n 6250
1/((M prom est.)˄2*n) 0.00016
(N-n)/(N-1) 0.90909091
S^2b*(N-n)/(N-1) 17.3647682
EJERCICIO N° 0
a 150 kg, el precio de venta es de 15 €/kg, lo que supone un ingreso de 425750 x 150 = 6862
do que el error muestral es de 13.2%. Como en este ejemplo no hay tiempo de aumentar el ta
continuación, se presenta la tabla de los atunes reconstruida. Ahora, a los atune
1 0 0 0 0
0 0 0 0 0
0 0 1 1 0
0 1 1 1 0
0 1 0 0 0
0 0 1 0 0
0 1 0 0 0
0 1 1 1 0
1 0 0 0 1
1 0 0 0 1
Pcong2 = 0.468464646
S^2b
S^2b 19.101
Resol.1 0.002778363 Resol.2 0.0003171
n*N*(M prom est.)˄2 625000 VEEPP 0.003096
1/(n*N*(M prom est.)˄2) 0.0000016 RAIZ 0.055637
894.409684179067
IC AL 95%
1447.91354814417
EJERCICIO N° 01
425750 x 150 = 686250000 €. Si los atunes pesan menos de 150 kg el precio de venta será
mpo de aumentar el tamaño muestral, la alternativa es estudiar que proporción de atunes sup
ida. Ahora, a los atunes que pesan más de 150 kg se les asigna el valor 1, y al resto 0:
0 0 0 2 0.22
0 0 1 0 1 2 0.18
1 0 4 0.50
1 4 0.57
0 0 0 2 0.22
0 0 2 0.25
0 0 1 3 0.33
1 0 0 0 0 5 0.45
0 0 1 4 0.44
0 1 1 0 5 0.50
l precio de venta será de 10 €/kg; ahora el ingreso es 425750 x 10 =
oporción de atunes supera el valor críticos de los 150 kg. Para ello, a
1, y al resto 0:
17.990
22.257
11.271
35.294
25.826
27.441
7.398
20.865
10.306
19.568
198.216
SEMANA
N- 08:
Una empresa de investigación de mercados ideó un plan de muestreo para estimar las ve
semana específica. 5 ciudades son muestreadas de entre las 20 en el área. Se cuent
n 5
N 20
M 610
EPMP
1/n
X_x^2
((N-n)/(N-1))
VEEMP
Raiz(VEEMP)
INTERVALO CONFIDENC
t(0.95;25)
EPMP
IC 95% 83.13319
58804
M^2
1/n
S^2
(N-n)/(N-1)
VEETP
Raiz (VEETP)
INTERVALO DE CONFIANZA D
t(0.95;25)
ETP
IC 95% 50711.24731896
streo para estimar las ventas semanales de un cereal de la marca A en un área geográfica. La medición de in
s 20 en el área. Se cuenta con M = 610. Usando los datos presentados en la tabla adjunta, estime las ventas
específica con un intervalo del 95%.
Ciudad Mi mi media
1 45 9 102
2 36 7 90
3 20 4 76
4 18 4 94
5 28 6 120
SUMA 30 482
Xcongpp2 96.4
0.2
262.8
0.78947368421
41.4947368421
6.44164085013
NTERVALO CONFIDENCIAL
2.05953855275
96.4
13.2668076738
Con una confianza del 95% se estima que las
7.26625442759
ventas promedio de caja de cereal se encuentra
entre 83.13 y 109.67
109.66681
58804
372100
0.2
262.8
0.78947368421
15440191.5789
3929.40091858
2.05953855275
58804
8092.75268104
7.26625442759
66896.752681
rante un ensayo la máquina llena 24 cajas, cada una con 12 botellas. La compañía desea estimar
(conglomerados) con 4 botellas (elementos) seleccionados aleatoriamente de cada caja. Los res
promedio por botella al 95% de confianza. M=288
Ciudad Mi mi Media
1 12 4 7.9
2 12 4 8
3 12 4 7.8
4 12 4 7.9
5 12 4 8.1
6 12 4 7.9
TOTAL 24 47.6
n 6
N 24
M 288
VEEMP
1/n 0.1667
S_x^2 0.0107
((N-n)/(N-1)) 0.7826
0.0014 0.0373
INTERVALO CONFIDENCIAL
t (0,95;sum(mi)-n)
(0.95;24-6)
(0.95;18)
2.1009
2284.8
VARIANZA ESTIMADA
M^2 82944.0000
1/n 0.1667
S_x^2 0.0107
(N-n)/(N-1) 0.7826
VEETP 115.400347826087
INTERVALO DE CONFIANZA
10.7424553909284
t (0.95;18)
2.1009
Con una confianza del 95% se estima que el número de onzas totales por
todas las botellas está entre 2262.23 y 2307.37 onzas.
añía desea estimar el número promedio de onzas de contenido por botella. Se emplea un
de cada caja. Los resultados se presentan en la tabla adjunta. Estime el número de onzas
88
. Se emplea un
úmero de onzas
Un guardabosque quiere estimar el número total de árboles en un condado i
aproximadamente el mismo tamaño. Se dispone de 4 cuadrillas para realiza
(conglomerados) son seleccionadas con 6 lotes (elementos) escogidos aleato
núm
NÚMERO DE
ÁREA
LOTES (Mi)
1 12
2 15
3 14
4 21
EJERCICIO N° 03
e árboles en un condado infestados por una enfermedad particular. En el condado hay 10 áreas
e 4 cuadrillas para realizar la encuesta, la cual debe ser completada en un día. Por lo tanto se ut
ementos) escogidos aleatoriamente de cada una. (Cada cuadrilla puede inspeccionar un área por
número total de árboles infestados en el condado. M=60
NÚMERO DE LOTES
Número de árboles infestados por lote
MUESTREADOS (mi)
6 15 14 21 13 9 10
6 4 6 10 9 8 5
6 10 11 14 10 9 15
6 8 3 4 1 2 5
condado hay 10 áreas bien definidas; estas pueden ser subdivididas en lotes de
día. Por lo tanto se utiliza un muestreo por conglomerado en 2 etapas. 4 áreas
eccionar un área por día.) Los datos se presentan en la tabla adjunta. Estime el
M=60
Una cadena de supermercados tiene tiendas en 32 ciudades. Un director de
de cada ciudad al parecer poseen características similares; por lo tanto, el di
ciudades. El muestreo por conglomerados es conveniente en esta situación de
n
N
M
EST
VARIANZA E
VARIANZ
EJERCICIO N° 03
des. Un director de la compañía quiere estimar la proporción de tiendas en la cadena que no sati
es; por lo tanto, el director decide seleccionar una muestra por conglomerados en dos etapas co
en esta situación debido al costo de traslado. Los datos recolectados se presentan en la tabla
criterio de limpieza.
4 Ciudad Mi mi xij
32 1 25 13 3
570 2 10 5 1
3 18 9 4
4 16 8 2
SUMA 35 10
1/n 0.25
X_x^2 1.6666666666667
((N-n)/(N-1)) 0.9032258064516
VEEMP 0.3763440860215
Raiz(VEEMP) 0.6134688957246
INTERVALO CONFIDENCIAL
t(0.95;31) 2.0395134463964
EPMP 2.5
1.25117806177619
1.99811687590731
1425
M^2 324900
1/n 0.25
S^2 1.6666666666667
(N-n)/(N-1) 0.9032258064516
VEETP 122274.19354839
t(0.95;31) 2.0395134463964
ETP 1425
713.171495212426
1.99811687590731