SEMANA

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

Tiempo sin funcionar (horas)

0 0 8 6 0 0
6 10 0 5 0
6 0 4 8 6 1
1 1 0 0 1 5
0 0 6 0 7 0
0 0 0 0 8
6 10 2 6 0
7 0 1 2
0 0 4
6 5 0 10 0 6
0 4 6 2 0 3
0 0 0 0 0 1

M DESCONOCIDO

X con2 prom 2.0927672

Medio estimado por conglomerados 48.416667

 Varianza Estimada del Estimador Puntual (VEEMP)

Sum (Mi* Xiprom) 132216.755267618

2*(Xcong2p)*Sum(Mi^2*Xiprom) 251964.798385515
(Xcong2p)^2 * Sum(Mi^2) 130431.087434384
Resol. 10683.0443164871
SR^2 971.185846953371

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.

Mi*Xi prom X estimado^2 Mi^2*Xiprom Mi^2

112.4444 12643.7531 5172.4444 2116.0000
118.7500 14101.5625 4512.5000 1444.0000
130.0000 16900.0000 6760.0000 2704.0000
80.0000 6400.0000 4800.0000 3600.0000
85.0000 7225.0000 4675.0000 3025.0000
80.0000 6400.0000 3200.0000 1600.0000
140.0000 19600.0000 5600.0000 1600.0000
66.8571 4469.8776 2406.8571 1296.0000
75.0000 5625.0000 2250.0000 900.0000
137.8462 19001.5621 8822.1538 4096.0000
125.0000 15625.0000 8750.0000 4900.0000
65.0000 4225.0000 3250.0000 2500.0000
1215.8977 132216.7553 60198.9554 29781.0000
 Si^2 Mi^2*Si^2/mi (Mi-mi)/(Mi-1) Multiplicar
10.0278 2357.6420 0.8222 1938.5056
14.1250 2549.5625 0.8108 2067.2128
10.0556 2719.0222 0.8235 2239.1948
2.6061 781.8182 0.8136 636.0555
6.8727 1890.0000 0.8148 1540.0000
8.8571 1771.4286 0.8205 1453.4799
13.4286 2685.7143 0.8205 2203.6630
6.4762 1199.0204 0.8286 993.4741
7.9000 1185.0000 0.8276 980.6897
11.4744 3615.3057 0.8095 2926.6761
4.9505 1732.6923 0.8116 1406.2430
2.9000 725.0000 0.8163 591.8367
99.6739 23212.2062 9.8196 18977.0311
 Suponga que está navegando hacia el puerto el barco pesquero Mirage I y
hay 2500 atunes repartidos en 100 cajas o contenedores. Las condiciones
tiempo, se decide realizar el siguiente muestreo bietápico: en una primera

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

Pesos de los atunes

140 110 130 90 140 120

100 90 120 110 90 150
150 180 120 160 100
180 150 120 150
60 100 50 80 80 60
180 120 130 100 120
110 110 90 100 80 150
170 160 120 150 110 120
90 100 190 140 90 160
140 110 170 130 150 180

Estimador puntual de la media:

= 0.004
 Varianza del estimador:

𝑺_𝒃^𝟐=𝑽𝒂𝒓(𝑿 ̂_𝒊 )= #DIV/0!

= 0.197054

Intervalo de confianza para la media:

170.31 ±

169.922

Estimar el peso total de los at

Estimador puntual:

N= 100
n= 10
M= 2500
𝑴 ̅= 25
t= 0.062901

= 425786

Varianza estimada del estimador:

=
 =

Intervalo de confianza para el total poblacional:

###
###
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:

Xi prom Mi*Xi prom X estimado^2 Mi^2*Xiprom

130.00 4550.00 20702500.00 159250.00

80 160 115.45 5310.91 28205755.37 244301.82
137.50 3162.50 10001406.25 72737.50
140.00 4900.00 24010000.00 171500.00
88.89 3644.44 13281975.31 149422.22
135.00 5130.00 26316900.00 194940.00
122.22 2688.89 7230123.46 59155.56
110 120 138.18 4974.55 24746102.48 179083.64
138.89 3333.33 11111111.11 80000.00
140 148.00 4884.00 23853456.00 161172.00
1294.14 42578.62 189459329.98 1471562.73

* 42578.6 = 170.314485
 = 0.024773 + 0.01405737 = 0.03883038972

0.3921
170.7066

l peso total de los atunes

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

Mi^2 Si^2 Mi^2*Si^2/mi (Mi-mi)/(Mi-1) Multiplicar

1225.00 450.00 61250.00 0.76 46838.24

2116.00 707.27 136053.55 0.78 105819.43
529.00 821.43 54316.96 0.68 37034.29
1225.00 666.67 116666.67 0.82 96078.43
1681.00 1911.11 356953.09 0.80 285562.47
1444.00 628.57 113457.14 0.81 91992.28
484.00 1119.44 60201.23 0.62 37267.43
1296.00 516.36 60837.02 0.71 43455.02
576.00 1436.11 91911.11 0.65 59942.03
1089.00 528.89 57596.00 0.72 41397.13
11665.00 8785.86 1109242.78 7.36 845386.74
 Para estudiar el consumo medio y total de gasolina de los coches de alqu

Agencias Mi mi Consumo de gasolin

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.

Consumo de gasolina Xiprom

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

• Estimar el consumo medio de gasolina por coche.

• Estimar el consumo total de gasolina de la flota de coches de alqu
• Encuentre el IC 95%

N 100
n 10 185000
M 18500

X conglomerado 2 prom 2.8258

Medio estimado por conglomerado 185

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.

Mi*Xiprom X estimado^2 Mi^2*Xiprom Mi^2 Si^2

555.56 308641.98 55555.56 10000.00 8.28

464.44 215708.64 44122.22 9025.00 4.36
434.78 189031.72 39564.78 8281.00 6.19
513.33 263511.11 56466.67 12100.00 7.50
378.22 143052.05 34796.44 8464.00 2.61
493.78 243816.49 49871.56 10201.00 5.11
881.11 776356.79 107495.56 14884.00 5.44
525.56 276208.64 45197.78 7396.00 5.36
490.00 240100.00 44100.00 8100.00 8.03
490.89 240971.90 46143.56 8836.00 4.94
5227.67 2897399.32 523314.11 97287.00 57.83

edio de gasolina por coche.

a de la flota de coches de alquiler del pais.
tre el IC 95%
el país. La flota total de coches de alquiler es 18500

Mi^2*Si^2/mi (Mi-mi)/(Mi-1) Multiplicar

9197.53 0.92 8454.30

4373.23 0.91 4001.04
5699.58 0.91 5192.95
10083.33 0.93 9343.27
2455.60 0.91 2239.73
5793.16 0.92 5329.71
9003.90 0.93 8408.60
4405.64 0.91 3990.99
7225.00 0.91 6575.56
4854.35 0.91 4436.77
63091.32 9.17 57972.91
Para estudiar la renta media familiar en una ciudad formada por 1500 fam

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

mi RENTA FAMILIAR Xi prom

5 154 936 449 652 398 517.800
3 921 753 996 890.000
5 241 425 821 175 985 529.400
5 314 518 455 905 631 564.600
3 1002 859 625 828.667
4 211 341 678 902 533.000
3 801 375 998 724.667
28 4588.133

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

se ha seleccionado una muestra piloto de siete manzanas de viviendas y dentro de ellas se ha

siguiente contiene los datos:

1500
110
7

MiXipro= Xi (est) Si^2 Mi^2*Si^2/mi (Mi-mi)/(Mi-1)

10356.000 86084.200 6886736.000 0.789
8900.000 15483.000 516100.000 0.778
10588.000 128068.800 10245504.000 0.789
11292.000 49316.300 3945304.000 0.789
8286.667 36222.333 1207411.111 0.778
7995.000 99244.667 5582512.500 0.786
7246.667 101402.333 3380077.778 0.778
64664.333 515821.633 31763645.389 5.487

M*n 10500
Xcong2p 677.43587301587

Medio estimado por cong (M prom) 13.636363636364

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

Intervalo de confianza al 95%

Xcong2p 677.43587301587
t(mi-n) t(28-7)
t(0.05;21)= 2.0796138447277
RAIZ 42.974916709228
t*RAIZ 89.371231764529
- 588.06464125134
+ 766.8071047804
dentro de ellas se han tomado muestras aleatorias

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

Nº de artículos vendidos por supermercados

26 38 65
32 60 76
48 46
38
26
46 51
24 26
28 61 26

Xcong2p Sum(Mi*Xiprom)/ Sum(Mi) 44.885

Medio estimado por conglomerados (M prom) Sum(Mi)/n

Varianza Estimada del Estimador Puntual (VEEMP)

Sum (Mi* Xiprom) 11632358.086
2*(Xcong2p)*Sum(Mi^2*Xiprom) 21700758.322
(Xcong2p)^2 * Sum(Mi^2) 10270559.143
Resol. 202158.906
 SR^2 28879.844

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

Intervalo de confianza al 95%

Xcong2p 44.8845761381
t(n-ns) t(25-8)
t(0.05;32)= 2.037
RAIZ 2.55890080875
t*RAIZ 5.21231037994
- 39.6722657582
+ 50.0968865181

ESTIMADOR TOTAL 25528.1026786

V(X)= 3388.98545645
RAIZ 58.214993399
t*RAIZ 118.580061144
- 25409.5226174
+ 25646.6827397

Con una confianza del 95%

 EJERCICIO N° 05

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

ados Xi prom Mi* Xiprom

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

fianza del 95%

s dentro del área y luego supermercados dentro de las ciudades. La medición de interés es el
os vendidos en todos los supermercados del área, para la semna aespecífica, con una confianz

X estimado^2 Mi^2*Xiprom Mi^2 Si^2 Mi^2*Si^2/mi

5736025.00 107775.00 2025 336.94 75812.50

3003784.16 62393.14 1296 303.48 56186.45
656100.00 16200.00 400 59.67 5966.67
599076.00 13932.00 324 259.00 20979.00
166464.00 4896.00 144 52.00 2496.00
456976.00 10816.00 256 58.92 3770.67
247257.56 6464.25 169 294.92 12460.23
766675.36 19263.20 484 269.20 26058.56
11632358.09 241739.59 5098 1634.12 203730.07
ición de interés es el número de
ica, con una confianza del 95%

(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

Lote Número de Arbolitos (Mi)

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

N.A. Muestreados (mi) Altura de los arbolitos

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

En el vivero hay aproximadamente 2600 arbolitos. Estime la altura

M 2600
N 50
n 10

M*n 26000
Xcongl2prom 8.323

Medio estimado por conglomerados

S^2b 8771.430

VARIANZA ESTIMADA DEL ESTIMADOR DE LA MEDIA POBLACIONAL

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

INTERVALO DE CONFIANZA AL 95%

Xcongl2 prom 8.32346153846

t(0.05;44) 2.01536757444
Raiz(VEEMP) 0.51459293247
t(0.05;44)* Raiz(VEEMP) 1.03709391014

IC AL 95%
- 7.286
+ 9.361

ESTIMADOR PUNTUAL TOTAL

(N/n*)(Mi*Xiprom) 21641
 EJERCICIO N° 07

%. El dueño de un vivero quiere estimar la altura de los arbolitos en un extenso terreno, el cu

or lo tanto decide muestrear un 10% de los árboles dentro de cada uno de los 10 lotes, usand
en la tabla adjunta:

ura de los arbolitos Xi prom Mi * Xi prom

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

fianza del 95%

de tamaño. El
os datos se dan
Suponga que un sociólogo quiere estimar el número total de personas jubila

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

Medio estimado por conglomerados (M 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

Xiprom Mi*Xiprom X estimado^2 Mi^2*Xiprom Mi^2 Si^2

1.00 14.00 196.00 196.00 196.00 2.00

0.75 10.50 110.25 147.00 196.00 0.92
1.25 11.25 126.56 101.25 81.00 1.58
0.75 9.00 81.00 108.00 144.00 0.92
1.75 28.00 784.00 448.00 256.00 1.58
1.50 19.50 380.25 253.50 169.00 1.67
7.00 92.25 1678.06 1253.75 1042.00 8.67

1.1826923077

os (M prom) 13
is manzanas son seleccionadas al azar de entre las 350 de la ciudad. Estime el

Mi^2*Si^2/mi (Mi-mi)/(Mi-1) Multiplicar

1.00 0.77 0.77

0.21 0.77 0.16
0.63 0.63 0.39
0.21 0.73 0.15
0.63 0.80 0.50
0.69 0.75 0.52
3.37 4.44 2.50
Supongamos que en una ciudad se tienen registrados 620 establecimientos,
seleccionó una mue

Establecimientos N° de empleados m_i

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

Varianza estimada del estimador de la proporción

1070290.52099673
1222868.86658313
 RAIZ

95%

Intervalo
 EJE

os 620 establecimientos, correspondiente a la pequeña industria y se desea investigar alguna

seleccionó una muestra de 10 establecimientos, investigando el 20% de sus trabajador

Establecimientos

1
2
3
4
5
6
7
8
9
10

Fijar límites de confianza del 95% para la estimación del prome

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

l estimador de la proporción poblacional

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

pi A_i=Mi*pi A_i^2 Mi^2

0.40 10.00 100.00 625.00

0.67 20.00 400.00 900.00
0.38 10.50 110.25 784.00
0.25 5.00 25.00 400.00
0.40 9.60 92.16 576.00
0.50 14.00 196.00 784.00
0.71 25.71 661.22 1296.00
0.25 10.00 100.00 1600.00
0.44 20.44 417.98 2116.00
0.67 18.67 348.44 784.00
4.67 143.93 2451.05 9865.00
e su fuerza laboral tales como: edad, nivel educativo y salarial, personas a cargo, tiempo de a
icamente la antigüedad y propiedad de la vivienda, con los siguientes resultados:

Propietarios de la vivienda
2
4
3
1
2
3
5
2
4
4

sí como el total de empleados propietarios de su vivienda.

Mi^2*pi (Mi^2)*S^2_i/m_i ((Mi-mi)/(Mi-1)) Multiplicar

250.00 762.61 0.83 635.51

600.00 91.59 0.83 75.80
294.00 149.70 0.74 110.89
100.00 627.20 0.84 528.17
230.40 335.47 0.83 277.13
392.00 80.76 0.81 65.80
925.71 192.62 0.83 159.60
400.00 138.34 0.82 113.51
940.44 356.36 0.82 293.01
522.67 247.33 0.81 201.52
4655.23 2981.98 8.17 2460.94
cargo, tiempo de antigüedad, propiedad de la vivienda, etc. Se
tados:
SEMANA
N- 07:
Se pretende estudiar la proporción de empresas que han superado la crisis. P
muestras aleatorias de empresas dentro de cada área seleccionada

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

DESCONOCIDO M prom est. 130.6

200 (M prom est.)˄2 17056.36
10
Pcong2 = 0.4245144935038

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

Intervalo de confianza al 95%

Pcong2 = 0.4245144935038
(Z*RAIZ/Pcong2)*100 13.0708941017201
Z 1.96
Z*RAIZ 0.0554878398923
- 0.3690266536114
+ 0.4800023333961

ESTIMADOR TOTAL (ET) 507348.581330141

ET *(N-n)/(N-1) 484403.168104155
Resol. 62398.510527423
Suma 546801.67863158
RAIZ 739.46039693251
EP 11088.3185703186
Z*RAIZ 1449.3423779877

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

ai (ai = 1: supera la crisis)

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

41.667 1736.111 15625.000 5208.333 0.222

58.286 3397.224 18496.000 7926.857 0.245
62.500 3906.250 15625.000 7812.500 0.250
43.385 1882.225 19881.000 6117.231 0.213
47.143 2222.449 17424.000 6222.857 0.230
49.600 2460.160 15376.000 6150.400 0.240
50.909 2591.736 12544.000 5701.818 0.248
65.571 4299.612 23409.000 10032.429 0.245
55.556 3086.420 15625.000 6944.444 0.247
79.800 6368.040 17689.000 10613.400 0.240
554.416 31950.227 171694.000 72730.270
((Mi˄2*Si˄2)/mi)*((Mi-mi)/(Mi-1)

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

Atunes con peso mayor o igual a 150 kg

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

M prom est. (raya) 25

(M prom est.)˄2 625

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

Intervalo de confianza al 95%

Pcong2 = 0.468464646
(Z*RAIZ/Pcong2)*100 23.63055006
t(0.05;Sum(mi)-n)= 1.990
t*RAIZ 0.110700773
- 0.357763874
+ 0.579165419

ESTIMADOR TOTAL (ET) 19101.24505

ET *(N-n)/(N-1) 17364.76823
Resol. 1982.163233
Suma 19346.93146
RAIZ 139.0932474
EP (Xcong 2) 1171.161616
t*RAIZ 276.751932

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:

ual a 150 kg ai pi(Xiraya)

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:

qi Mi*pi = Ai est (Xiflecha) Ai*Ai Mi˄2 Mi˄2*pi S˄2

0.78 7.778 60.494 1225.000 272.222 0.173

0.82 8.364 69.950 2116.000 384.727 0.149
0.50 11.500 132.250 529.000 264.500 0.250
0.43 20.000 400.000 1225.000 700.000 0.245
0.78 9.111 83.012 1681.000 373.556 0.173
0.75 9.500 90.250 1444.000 361.000 0.188
0.67 7.333 53.778 484.000 161.333 0.222
0.55 16.364 267.769 1296.000 589.091 0.248
0.56 10.667 113.778 576.000 256.000 0.247
0.50 16.500 272.250 1089.000 544.500 0.250
117.116 1543.531 11665.000 3906.929
((Mi˄2*Si˄2)/mi)*((Mi-mi)/(Mi-1)

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

ESTIMADOR PUNTUAL DE LA MEDI

EPMP

VARIANZA ESTIMADA DEL ESTIMADOR DE

1/n
X_x^2
((N-n)/(N-1))

VEEMP

Raiz(VEEMP)
 INTERVALO CONFIDENC

t(0.95;25)

EPMP

IC 95% 83.13319

ESTIMADOR TOTAL POBLA

58804

Se estima que las ventas de toda la pob

VARIANZA ESTIMADA DEL ESTIMADOR

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

Con una confianza del 95% se estima que

caja de cereal se encuentra entre 507
 EJERCICIO N° 02

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

PUNTUAL DE LA MEDIA POBLACIONAL

Xcongpp2 96.4

DEL ESTIMADOR DE LA MEDIA POBLACIONAL

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

MADOR TOTAL POBLACIONAL

58804

s ventas de toda la población es de 58,804.

ADA DEL ESTIMADOR TOTAL POBLACIONAL

372100
0.2
262.8
0.78947368421

15440191.5789

3929.40091858

ALO DE CONFIANZA DE LA VEETP

2.05953855275

58804
8092.75268104
 7.26625442759

66896.752681

del 95% se estima que las ventas totales de

se encuentra entre 50711.25 y 66896.75.
ográfica. La medición de interés es el número de cajas vendidas del ceral de la marca A en una
adjunta, estime las ventas promedio de todos los supermercados en el área para la semana
Una compañía está probando una nueva embotelladora. Durante un ensayo la
muestreo por conglomerados en dos etapas usando 6 cajas (conglomerados)
 EJERCICIO N° 02

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

EPMP Xcongpp2 7.9333

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

7.93333 0.07836 101.23593

IC 95% 7.85497 8.01170

Con una confianza del 95% se estima que el número de onzas

promedio por botella está entre 7.85 y 8.01 onzas.

ESTIMADOR TOTAL POBLACIONAL

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

2284.8 22.5691 101.2359

IC 95% 2262.2309 2307.3691

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

ESTIMADOR PUNTUAL DE LA MEDIA POBLACIONAL

EPMP Xcongpp2 2.5

VARIANZA ESTIMADA DEL ESTIMADOR DE LA MEDIA POBLACIONAL

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

IC 95% 1.24882 3.75118

ESTIMADOR TOTAL POBLACIONAL

1425

VARIANZA ESTIMADA DEL ESTIMADOR TOTAL POBLACIONAL

M^2 324900
1/n 0.25
S^2 1.6666666666667
(N-n)/(N-1) 0.9032258064516

VEETP 122274.19354839

Raiz (VEETP) 349.677270563

INTERVALO DE CONFIANZA DE LA VEETP

t(0.95;31) 2.0395134463964

ETP 1425
713.171495212426
 1.99811687590731

IC 95% 711.828504787574 2138.17149521243

 cadena que no satisfacen un criterio de limpieza específico. Las tiendas dentro
os en dos etapas conteniendo la mitad de las tiendas dentro de cada una de las 4
esentan en la tabla adjunta. Estime la proporción de tiendas que no satisfacen el