Documentos de Académico
Documentos de Profesional
Documentos de Cultura
UNIDAD I:
Clase 1:
I. INTRODUCCION
mayor área.
En este caso el coeficiente de correlación intramuestral ρ > 0
Nota:
Xi : X1 , X2 , X3 , . . .i , XN
muestra (arranque)
1º 2º 3º n → muestra
1 2 3 … k
1 X11 X21 X31 … Xk1
2 X12 X22 X32 … Xk2
3 X13 X23 X33 … Xk3
… … … …
n X1n X21 X3n … Xkn
Xi. X1. X2. X3 . Xk. X..
Xi X1 . X2 . X3 . Xk . X ..
N k ni
∑ Xi ∑ ∑ X ij
i =1 i=1 j =1
μ=
Parámetro : N N
ésima muestra
n
∑ X ij
i =1
X SY= Xi =
n
( )
− 2
σ
V X sy = ( 1+(n−1 ) ρ)
n
σ 2 : Varianza poblacional
n : Tamaño muestra
2
Nota: En la práctica esta varianza es un parámetro desconocido ya que σ
sistemáticas de la población.
aleatorio simple.
(X ) ( )
− 2
¿
S N - n
V sy =
n N-1
S 2 = Varianza muestral
:
X sy ± t V √ ¿
(X )
−
sy
v) Tamaño de muestra
2 2
Nt S
n=
( N-1) d 2 +t 2 S2
reajustándose aproximadamente a
n0
n =
n0
1 +
2° N (mayor entero)
confianza.
N : Tamaño de población
N k ni
∑ X i ∑ ∑ X ij
Parámetro : X = i=1 = i=1 j=1
X = N
i) Estimador puntual
de la población.
¿
X sy = N X SY
ii) Varianza del estimador
( )
−
¿
V X sy
V( X sy ) = N2
V ( X sy ) = N2 V X sy
¿ ¿
( )
¿ −
X :
X
N sy
± tN V √ ¿
(X )
−
sy Con un nivel de confianza (1-)%
v) Tamaño de muestra
3 2 2
N t S
n=
( N-1) d 2 + N 2 t 2 S2 o también en dos pasos
2 2 2
N t S
n0 =
1° d2 S2: Varianza piloto t = tn-1
n0
n =
n0
1 +
2° N
Ejemplos:
-Hemoglobina:
Parámetro:
N k ni
∑ Xi ∑ ∑ X ij
i=1 i=1 j=1
P= =
N N
i) Estimador puntual
n
∑ X ij
i=1
pSY= Xi =
n
PQ
V ( psy ) = ( 1+(n−1 ) ρ)
n
poblacional
aleatorio simple.
pSY qSY N - n
( )
¿
V ( psy ) =
n N-1
qSY = 1 - pSY
√
¿
psy ± z V ( psy )
P=
v) Tamaño de muestra.
2
N z PQ
n=
( N-1) d 2 + z 2 PQ o también en dos pasos
2
z PQ
n0 = 2
1° d
n0
n =
n0
1 +
2° N ,
donde :
N : tamaño de población
N k ni
Parámetro : A= ∑ X
i=1
i
=
∑ ∑ X ij
i=1 j =1 = NP
i) Estimador puntual
tamaño N de la población.
 SY = N pSY Puntual
V ( Â sy ) = N2 V ( psy )
¿ ¿
2
V ( Â sy ) = N V ( psy )
en la población
√V
¿
A : N pSY ± ZN ( psy )
iv) Tamaño de muestra.
3 2
N z PQ
n=
( N-1) d 2 + N 2 z 2 PQ o también en dos pasos
N 2 Z 2 PQ
n0 =
1° d2 , d ≤ 0.10 Â sy
n0
n =
n0
1 +
2° N
0,01 Â sy d 0,12 Â sy
N : tamaño de población
0.10N psy
Ejemplo
1.Considere a la tabla adjunta como una población de N=500 medianas tiendas donde se
reporta la información de las ventas de unidades de yogurt “Mi preferido” durante el mes
pasado con el objetivo de evaluar posteriormente la evolución de ventas de dicho
producto. Se desea realizar la investigación mediante un muestreo sistemático. Se tiene el
croquis de distribución de las tiendas.
a) Obtenga una muestra de tamaño 50 y estime la media muestral y la varianza muestral
s2.
b) Con los datos de la parte a) estime en un intervalo de confianza al 95% el número
medio de unidades vendidas.
67 67 10 74 15 57 20 73 25 77 30 62 35 70 40 70 45 79
1 4 51 1 1 0 1 0 1 4 1 4 1 1 1 9 1 3 1 4
70 69 10 72 15 70 20 76 25 75 30 75 35 78 40 70 45 65
2 8 52 1 2 5 2 8 2 7 2 1 2 3 2 5 2 8 2 6
64 72 10 70 15 72 20 70 25 75 30 75 35 64 40 62 45 62
3 3 53 4 3 3 3 0 3 6 3 6 3 8 3 4 3 3 3 2
77 73 10 57 15 72 20 84 25 69 30 69 35 58 40 70 45 70
4 0 54 6 4 1 4 0 4 6 4 3 4 8 4 1 4 0 4 5
70 66 10 70 15 77 20 68 25 65 30 66 35 78 40 68 45 70
5 8 55 1 5 5 5 4 5 9 5 5 5 1 5 2 5 9 5 4
68 76 10 67 15 75 20 63 25 71 30 72 35 71 40 69 45 76
6 7 56 3 6 6 6 3 6 8 6 2 6 4 6 4 6 1 6 5
75 74 10 68 15 68 20 61 25 68 30 69 35 65 40 67 45 68
7 7 57 5 7 9 7 3 7 9 7 3 7 2 7 4 7 5 7 8
69 69 10 66 15 69 20 70 25 71 30 67 35 66 40 69 45 75
8 8 58 0 8 2 8 7 8 0 8 4 8 4 8 8 8 1 8 0
73 74 10 76 15 72 20 60 25 68 30 66 35 78 40 64 45 69
9 9 59 2 9 1 9 5 9 3 9 1 9 9 9 9 9 7 9 9
1 67 71 11 69 16 65 21 71 26 78 31 74 36 63 41 71 46 76
0 5 60 9 0 7 0 8 0 3 0 9 0 7 0 8 0 9 0 8
1 64 65 11 66 16 71 21 65 26 74 31 68 36 73 41 72 46 57
1 0 61 6 1 7 1 5 1 0 1 1 1 4 1 2 1 3 1 3
1 74 72 11 71 16 75 21 75 26 76 31 69 36 74 41 71 46 65
2 0 62 4 2 0 2 0 2 3 2 5 2 7 2 3 2 7 2 0
1 73 73 11 74 16 71 21 68 26 67 31 79 36 75 41 64 46 77
3 3 63 7 3 3 3 8 3 7 3 9 3 6 3 6 3 1 3 6
1 64 69 11 75 16 68 21 62 26 71 31 68 36 68 41 68 46 63
4 8 64 5 4 9 4 0 4 7 4 3 4 3 4 4 4 9 4 7
1 73 75 11 69 16 69 21 74 26 71 31 68 36 66 41 61 46 71
5 2 65 5 5 5 5 0 5 4 5 0 5 1 5 5 5 9 5 4
1 72 65 11 67 16 68 21 77 26 74 31 72 36 64 41 74 46 79
6 0 66 6 6 0 6 3 6 7 6 9 6 3 6 8 6 9 6 1
1 61 71 11 72 16 71 21 69 26 70 31 73 36 68 41 76 46 71
7 1 67 1 7 7 7 5 7 3 7 4 7 0 7 8 7 9 7 3
1 62 72 11 72 16 77 21 73 26 72 31 65 36 64 41 73 46 72
8 5 68 3 8 4 8 2 8 5 8 7 8 3 8 7 8 9 8 3
1 71 68 11 70 16 66 21 75 26 72 31 72 36 69 41 68 46 70
9 9 69 3 9 7 9 6 9 0 9 3 9 9 9 5 9 3 9 4
2 66 83 12 76 17 71 22 64 27 72 32 75 37 71 42 82 47 69
0 5 70 4 0 3 0 5 0 4 0 0 0 0 0 4 0 8 0 4
2 69 70 12 64 17 69 22 65 27 59 32 71 37 62 42 72 47 66
1 8 71 3 1 5 1 2 1 7 1 8 1 8 1 6 1 9 1 9
2 68 61 12 72 17 72 22 65 27 75 32 68 37 68 42 80 47 73
2 7 72 0 2 1 2 9 2 5 2 1 2 9 2 8 2 3 2 8
2 75 79 12 70 17 68 22 68 27 72 32 64 37 74 42 74 47 62
3 4 73 9 3 1 3 9 3 6 3 5 3 3 3 3 3 5 3 2
2 63 68 12 63 17 68 22 65 27 72 32 67 37 79 42 71 47 64
4 4 74 9 4 7 4 4 4 3 4 7 4 1 4 3 4 0 4 8
2 80 75 12 72 17 80 22 75 27 79 32 73 37 85 42 69 47 73
5 3 75 5 5 1 5 2 5 1 5 8 5 0 5 3 5 3 5 0
2 67 80 12 61 17 72 22 66 27 67 32 66 37 64 42 70 47 78
6 6 76 5 6 4 6 9 6 8 6 7 6 4 6 4 6 7 6 2
2 61 69 12 61 17 71 22 72 27 62 32 63 37 75 42 64 47 69
7 6 77 2 7 3 7 2 7 2 7 2 7 1 7 6 7 7 7 7
2 76 74 12 78 17 64 22 64 27 77 32 73 37 70 42 69 47 60
8 4 78 6 8 7 8 6 8 6 8 7 8 5 8 3 8 0 8 0
2 68 79 12 63 17 69 22 62 27 70 32 58 37 68 42 62 47 73
9 0 79 4 9 6 9 5 9 7 9 4 9 2 9 3 9 9 9 1
3 67 64 13 66 18 68 23 66 28 71 33 69 38 64 43 69 48 62
0 8 80 1 0 2 0 5 0 5 0 7 0 8 0 3 0 6 0 2
3 73 68 13 74 18 76 23 62 28 73 33 73 38 69 43 76 48 74
1 1 81 0 1 0 1 7 1 9 1 4 1 7 1 4 1 3 1 9
3 71 69 13 65 18 69 23 75 28 73 33 65 38 77 43 63 48 69
2 0 82 3 2 4 2 6 2 0 2 5 2 7 2 3 2 9 2 1
3 74 66 13 69 18 64 23 64 28 67 33 66 38 76 43 71 48 67
3 6 83 8 3 6 3 6 3 5 3 4 3 5 3 9 3 6 3 0
3 75 67 13 74 18 65 23 66 28 68 33 66 38 73 43 72 48 66
4 6 84 8 4 7 4 6 4 2 4 7 4 6 4 6 4 1 4 7
3 72 69 13 76 18 75 23 74 28 61 33 64 38 61 43 80 48 73
5 0 85 1 5 4 5 6 5 2 5 5 5 3 5 1 5 5 5 1
3 73 71 13 75 18 63 23 68 28 61 33 68 38 83 43 66 48 67
6 6 86 5 6 0 6 0 6 1 6 7 6 3 6 5 6 3 6 5
3 68 69 13 75 18 70 23 63 28 73 33 63 38 60 43 69 48 71
7 2 87 6 7 0 7 9 7 5 7 6 7 0 7 3 7 8 7 5
3 64 71 13 71 18 65 23 61 28 72 33 73 38 63 43 75 48 80
8 0 88 1 8 4 8 9 8 0 8 3 8 3 8 3 8 3 8 5
3 62 73 13 69 18 83 23 66 28 69 33 67 38 76 43 64 48 64
9 4 89 7 9 8 9 2 9 8 9 6 9 7 9 0 9 8 9 3
4 68 66 14 67 19 70 24 64 29 76 34 68 39 67 44 80 49 65
0 9 90 4 0 1 0 7 0 4 0 6 0 6 0 8 0 5 0 8
4 60 72 14 65 19 68 24 84 29 75 34 75 39 66 44 62 49 71
1 8 91 7 1 7 1 8 1 7 1 9 1 0 1 1 1 5 1 8
4 73 66 14 60 19 76 24 65 29 73 34 75 39 68 44 65 49 72
2 8 92 5 2 0 2 7 2 8 2 4 2 1 2 8 2 0 2 3
4 74 72 14 68 19 75 24 71 29 67 34 71 39 61 44 71 49 65
3 3 93 5 3 9 3 0 3 6 3 3 3 6 3 0 3 8 3 0
4 68 52 14 67 19 73 24 63 29 75 34 81 39 62 44 77 49 67
4 4 94 3 4 3 4 5 4 7 4 0 4 8 4 8 4 4 4 1
4 70 70 14 63 19 64 24 67 29 76 34 70 39 69 44 71 49 71
5 5 95 7 5 7 5 1 5 1 5 9 5 5 5 6 5 1 5 7
4 60 61 14 67 19 69 24 67 29 78 34 65 39 70 44 75 49 78
6 5 96 8 6 6 6 6 6 6 6 8 6 8 6 8 6 6 6 2
4 73 66 14 74 19 70 24 72 29 72 34 63 39 70 44 73 49 69
7 5 97 6 7 9 7 9 7 8 7 2 7 0 7 6 7 4 7 6
4 67 61 14 74 19 69 24 73 29 71 34 65 39 64 44 73 49 67
8 3 98 4 8 2 8 4 8 1 8 8 8 2 8 1 8 4 8 5
4 66 63 14 70 19 74 24 68 29 71 34 69 39 65 44 68 49 64
9 5 99 3 9 7 9 0 9 2 9 5 9 9 9 6 9 6 9 3
5 66 10 73 15 79 20 77 25 69 30 59 35 68 40 74 45 78 50 81
0 8 0 9 0 3 0 9 0 7 0 9 0 1 0 9 0 4 0 0
B. MUESTREO SISTEMATICO REPLICADO (MSR)
separar más los elementos de cada muestra con un salto de tamaño k '
N
k=
n y
sugiriéndose 5 ≤ ns ≤ 10
Xi: 1, 2, 3 , .., N
(5 ≤ ns≤ 10)
iii) Calcular el valor del salto sistemático para cada submuestra
arranques)
Ejemplo.
mensual de azúcar
300
k' = 30 * ( 5) = 50 tamaño de salto de cada submuestra para un muestreo
sistemático replicado.
1 k0 50. Eligiendo cinco arranques de manera aleatoria, es decir elegir
el primer elemento de cada submuestra sistemática entre 1 y 50 y luego cada
k' =50 elementos.
En cada submuestra sistemática obtener la media muestral.
−
2 X24 X74 … … X2
−
3 X05 X3
−
4 X18 X4
−
5=ns X45 … X295 X5
N k ni
∑ Xi ∑ ∑ X ij
i =1 i=1 j=1
μ= =
Parámetro : N N
i) Estimador puntual
ns
− −¿
X syR =
∑ Xi −
Xi : Media muestral de la submuestra sistemática i
i=1
¿
ns
: X syR ± tn-ns
V √ ¿
(X )
−
syR
N k ni
∑ X i ∑ ∑ X ij
Parámetro: X = i=1 = i=1 j=1
i) Estimador puntual
¿ ∑ Xi
− i=1
X syR
−
V ( X syR ) = N V(
2
)=N
2
n s N-1
N k ni
∑ X i ∑ ∑ X ij
i=1 i=1 j =1
P= Xi = 1 Xi = 0
Parámetro : N N o
i) Estimador puntual
ns
PQ
V ( psyR ) = ( 1+(n−1 ) ρ)
n
√
¿
V ( P syR )
P: PsyR ± Z
N k ni
Parámetro : A= ∑ X i=1
i
=
∑ ∑ X ij
i =1 j=1 = NP Xi = 1 o Xi = 0
i) Estimador puntual
tamaño N de la población.
 SYR = N pSYR
V ( Â syR ) = N2 V ( psyR )
¿ ¿
V ( Â syR ) = N2 V ( p syR )
en la población
√
¿
V ( p syR )
A : N pSYR ± ZN
Ejemplo
En un huerto de paltos Hass con N=1450 plantas, se desea evaluar la
presencia de una bacteria en los paltos, usando un muestreo sistemático;
Dado el declive del terreno se puede sospechar de una distribución de las
plantas con variación cíclica, por lo que se usa un muestreo sistemático
replicado con cinco submuestras para una muestra global de tamaño n=204.
N=1450 n=204 n s=5
N 1450
k ,= ∗ns = ∗5 = 35.5 = 35
n 204
4 X6 42 41 10 0.244
( )
Spi N - n 2
( )
0. 06256 1 450 - 204
2
¿
V ( psyR ) n s N-1 = 5 1449 = (0.026)2
Sp i 2
=S2(0.400, 0.341, …) = (0.06256)2
Element 1 2 3 … k
oj
1 X11 X21 X31 … Xk1
2 X12 X22 X32 … Xk2
3 X13 X23 X33 … Xk3
… … … …
n X1n X21 X3n … Xkn
Xi. X1. X2. X3. Xk. X..
Xi X1 . X2 . X3. Xk . X ..
Xij : Dato
i: muestra o grupo
j: elemento de la muestra i
n(k −1)B−Wxx 1
− ≤
ρ= (n-1 )Wxx n-1 ρ ≤ 1.0
1
− ≤
n-1 ρ ≤ 1.0
(FV) (CM=sc/gl)
experimental
k
2
∑ X i. k n 2
∑ ∑ ij . − X ..
2
i=1 X2 . . X
−
Bxx = n N Wxx = i=1 j=1 N Exx= Wxx - Bxx
N= nk
Ejemplo
Xi: 24, 26, 29, 32, 28, 40, 33, 26, 29, 35, 38, 28, 24, 36, 35, 38, 30, 28, 23, 29,36, 24, 33,
29, 37, 27, 26, 30, 26, 29, 27, 34, 36, 39, 30, 27, 24, 28, 23, 32.
=30.2 σ 2
= 22.76
tamaño n.
Muestra ko
j i 1 2 3 4
1 24 26 29 32
2 28 40 33 26
3 29 35 38 28
4 24 36 35 38
5 30 28 23 29
6 36 24 33 29
7 37 27 26 30
8 26 29 27 34
9 36 39 30 27
10 24 28 23 32
Xi. 294 312 297 305 1208
Xi 29.4 31.2 29.7 30.5 30.2
¿ 1176 1248 1188 1220
Xi = X
N i
( ) ∑ ( X i −X )2
−
V X sy i=1
k
= = 0.495 V (29.4, 31.2, 29.7, 30.5)
X i = X sys
ANOVA.
total 39 910.4
k
2
∑ X i. 2 2 2
294 +312 +297 +305 1208
2 2
i=1 X2 . . −
−
Bxx = n N = 10 40 = 19.8
2
1208
−
Wxx = 242+282+292+ … + 322 40 = 910.4
ρ < 0 la población tiende a ser ordenada, sin embargo como está cerca al cero
Nota
1
−
Si ρ n-1 = - 0.111 la población tiende a ser ordenada creciente o decreciente
ya que se acerca al valor mínimo ( al revisar los promedios parece ser creciente)
1
−
valor mínimo para n=10 n-1 = - 0.111