PRUEBE SU EXAMEN CON SCHAU. Estadistica aplicada a administracion y economia 4° EDICION Leonard J. Kazniier, Ph.D. INCLUYE 547 PROBLEMAS RESUELTOS - TOTALMENTE EXPLICADOS: INCLUYE TODOS LOS CONCEPTOS Y METODOS DE LA ESTADISTICA, INCLUYENDO UNA INTRODUCCION A ACT SIRVE COMO COMPLEMENTO PARA CUALQUIER LIBRO DE ESTADISTICA IDEAL PARA EL ESTUDIO AUTODIDACTA.ESTADiSTICA APLICADA A ADMINISTRACION Y ECONOMIA Cuarta edicién Leonard J. Kazmier W. P. Carey School of Business Arizona State University ‘Tradueci6n: il Arrioja Judrez a en Ciencias Universidad de California Revisién técnica: Maria del Carmen Hano Roa Profesora de Estadistica y Algebra Universidad Auténoma del Estado de Morelos Merlo + Aucks Lisboa * LondACERCA DEL AUTOR LEONARD J. KA yy maestfa en la Universidad Estatal de ZMIER obuvo su grado de Ph.D en la Universidad Bstatal de Ohio, y los grados de licenciarura ‘Wayne, Detroit, Es el ator © coautor de varios libros sobre conceptos de iciones de la computadore a jos negocios. Las ediciones de este libro han sido tradueidas al francés, alemén, it ol, portuguésy japonés, El profesor Kazmier es socio fundador del In encias de las Decisiones, en el cual ha presidido varios comités directivos nacionales por elecci6n, Sus intereses en la investigacién incluyen la aplicaciGn de los métodos estadsticos al estudio de los cambios de precios de los valores y la volatilidad del mercado de los valores. Ha ensefiado como miembro del cuerpo docente en la Uni- idad Estatal de Wayne, la Universidad de Notre Dame y la Universidad Estatal de Arizonacontiene los métodos bisicos dela estadistica descrptiva, la estadistica inferencial, el andlisis de decisio- incluyen en los cursos de introduccién y de nivel intermedio de estadistica de ste lib fy el control de procesos que 1 los métodos se presentan de manera clara y concisa, se han minimizado las explicaciones tedio {6n de ejemplos concretos. Ya que este libro ha sido desarrollado especialmente 1s tGenicas de la estadistice, se omiten las demostraciones ma Los as y se ha favorecido la presenta fara quienes estin interesados en la aplicacton de Si se usa como complemento del libro de texto oficial de un curso, los numerosos ejemplos y problemas resueltos \yodarsn a aclarar as explicaciones mateméticas que se incluyen en aquél. Este manual también puede servir como hnexcelente libro de referencia, ya que el estilo conciso de a presentacin hace més fil encontrar los procedimien- bs requeridos, Por iltimo, la variedad de los temas que se incluyen en este libro es lo sufcientemente extensa para feder usarlo como el libro oficial del curso, Esta edicion ha sido actualizada en forma minuciosa y ahora incluye soluciones en las que se usa computadora fon programas como Excel (copyright de Microsoft, Inc), Minitab (copyright de Minitab, Inc.) y Execustat (copy Jght de PWS-Kert Publishing Co.) LEONARD. KazMien 2 6a deSerie de compendios de Schaum McGRAW-HILL [Nueva York Chicago San Francisco Lisboa LLondees Madkid Ciudad de México Milin Nueva Delhi San Juan Seil Singapur Sydney Toronto LEONARD J. KAZMIER obtuvo su grado de Ph. D. en la Universidad Estaal de Ohio y los grados de licencia ara y maesiia en la Universidad Estatal de Wayne, Detroit, Es autor 0 coautor de varios libros sobre conceptos de ‘administracin, andlisis estadistico y el uso de la computador a los negocios. Las ediciones de este libro han sido traducidas al francés, alemén, italiano, espafol, portugues y japonés. El profesor Kazmier es socio fundador del Ins tituto de Ciencias de las Decisiones, en el cual ha sido elegido para presi varios comitésdirectivos nacionales, Sus intereses en la investigaciOn incluyen la aplicacién de los métodos estadfticos al estudio de los cambios de precios de fos valores y la volatiidad del mercado de valores, Ha impartido eftedca como miemabro del cuerpo docente en la Universidad Estatal de Wayne, la Universidad de Notre Dame y la Universidad Bstatal de Arizona Pig. CONTENIDO CAPITULO1 —_Anélisis de datos en los negocios 1 1h Defic deeetten de nogocis 1 12 Esadisia descpivayeotadiin 1 13 Tos de aplicacions en los negocios t Ld VacablesSctta variables Soda 2 ILS _Obtencin de datos mediante a observacin deta versus encuesas 2 116 Método de muestre aleatorio 2 17 Ouos méiodos de miesteo 3 a 8 Eluso de Excel y de Minitab para generar nimeros aleatorios CAPITULO2 —_Presentaciones estadisticas y representaciones graficas 1” 21 Distribuciones de frecuencia u 22 Imtervalos de elase u 23. Histogramas y poligonos de frecvencia 2 24 Curvas de frecuencia 3 25. Distribuciones de frecuencia acumulada 14 2.6 _Distibuciones de frecuencia relativa 15 27 Eltipo de distribucisn de frecuencia “y menor que 16 28 Diagramas de tallo y hoja 6 29 Diagramas de puntos 7 2.10 Diagramas de Pareto 7 1. Grifieas de barasy gréficas de lneas a 2.12. Graficas de corrids' de datos 19 2.13 Grificas circulars o de pastel 20x Conrewoo 2.14 Uso de Excel y de Minitab CAPITULO 3 Descripcién de datos de negocios: medidas de posicién “Medidas de posicin en conjuntos de datos 3a 32. Lamedia artmética 33. Lamedia ponderada 34 Lamediana 35 Lamoda 36 Relacin entre medi y mediana 3.7 Citerios matemtices que satisfacen Ia mediana y la media, 38 Uso de la media, la mediana y la moda 39. Usode la media en el control estaistic de procesos 3.10 Cuattiles, deciles y percentiles Uso de Excel y de Minitab Descripcién de datos de negocios: medidas de dispersion CAPITULO 4 4,1 Medidas de dispersién en conjuntos de datos 42° Elrango 43 Rangos modificados 44° Graficas de caja 45 Ladesviacién media absoluta 4.6 Lavarianza y ladesviacién estindar 4.7 Céleulos simplificados para la varianzay la desviaci6n estindar 4.8. Critesio matemético relacionado con la varianza y la desviacién estindar 49. Uso de a desviaci6n estindar para la descripcin de datos 4.10 Uso del rango y de la desviacin estindar en el control estadistico e procesos 4.11 El coeficiente de variacién 4.12 El coeficiente de asimetria de Pearson 4.13 Uso de Excel y de Minitab CAPITULOS —_—Probabilidad Deliniciones bésicas de probabilidad Expresarla probabilidad Eventos mutuamente excluyentes y no excluyentes Las reglas de la adicion Eventos independientes, eventos dependientes y probabilidad condicional Las relas dela multiplicseién 5.7 Eltcorema de Bayes 5% Tablas de probabilidad conjunta 59. Permotaciones 5.10 Combinaciones binomial, hipergeométrica y de Poisson 61 {Qt esuna variable testis? Deserpesin de una Distribuciones de probabilidad de variables aleatorias discretas: 20 45 4s 45 a a1 47 48 er 4 37 37 7 38 3 © 6 6 a a 64 16 16 8 80 81 82 83 99. 9CAPITULO7 CAPITULO 8 CAPITULO S CAPITULO 10 Contenoo xt 63 Ladistribucién binomial 101 644 La variable binomial expresada como proporeiones 103 65 La distribacién hipergeométriea 104 6.6 Ladistribucién de Poisson 10s 6.7. Aproximacién de Poisson a probabilidades binomiales 106 68 Uso de Excel y de Minitab 107 Distribuciones de probabitidad para variables aleatorias continuas: distribucién normal y distribucién exponencial La distribucion de probabilidad normal Puntos percentiles para variables con una distribucign normal Aproximacién normal alas probabilidades binomiales Aproximacin normal a las probabilidades de Poisson «J exponencial La distribueidn de probabilida Mini Uso de Excel y de Distribuciones de muestreo e intervalos de contianza para la media 142 8.1 Estimacién puntual de un pardmetro de una poblacién o de un proceso 142 32 _Elconcepto de distribuciéa de muestreo 43 83. Distribucién de muestreo para la media 143 84 Elteorema del limite central las 85 _Determinacién de los valores de probabilidad para la media muestral Las 86 Intervalos de confianza para la media empleando la distribucién nornial 146 87 Determinacién del tamafio de muestra que se requiere para estimarla media 148 88 _Ladistribucidn y los intervalos de confianza para ln media 148 8.9 Tabla que resume la estimacién de un intervalo para la media poblacional 149 8.10 Uso de Excel y de Minitab 149 Otros intervalos de confianza 160 9.1 Intervalos de confianza para la diferencia entre dos medias empleando. Ja distibucién norm 160 9.2 Ladistribucién ¢ y los intrvalos de confanza para la diferencia entre dos medias 161 9.3. _Intervalos de confianza para Ia proporcin poblacional 162 9.4. Determinacién del tamano de la muestra que se equiere para estimar te proporeisn 163 9.5 Intervals de confianza para la diferencia entre dos proporciones 163 9.6 _Ladistibucisn chi cuadrada y los intervalos de confianza para la varianza Y la desviacin estindar 164 97 Usode Bxeel y de Minitab 165 Pruebas de hipétesis para la media poblacional 175 0.1 Introduccion ns 10.2. Pasos bésicos en las prucbas de hip6tesis usando el enfoque del valor critco us 103 Pruebas de hipdesis para la media empleando la distibuci6n normal 7 10.4 Los errores tipo Ly tipo I en las pruchas de hipStesis 179xl ConreNioo CAPITULO 11 CAPITULO 12 CAPITULO 13 CAPITULO 14 10.5 Determinacisn del tamatio de muestra requerido en pruebas para la media 106 Pruebas de hipdtesis para la media empleando la dstibucién ¢ 10.7 El métode del valor P en pruebas de hipstesis para Ia medis poblacionat 10.8 El método del intervalo de confianza en pruebas de hipstesis para lamedia 10.9 Pruebas pars la media de un proceso en el control estadstco de procesos 10.10 Tabla que resume las pruebas de hipstesis para la media 10.11 Uso de Excel y de Minitab Otras pruebas de hipstesis 11.1 Pruebas para la diferencia entre dos medias empleando la distribucién, normal 11.2. Prueba para la diferencia entre medias empleado la distribuci6n 1 11.3 Pruebas para la diferencia entre medias empleando pares de observaciones 11.4 Prucbas de hip6tesis para la proporcién poblacional 11S Determinecién del tamafo de muestra requerido para pruebas de proporciones 11.6 Pruebas para una proporcién en un proceso en el control estadistico de procesos 11.7. Prucha para Ia diferencia entre dos proporciones poblacionales 1.8 Prueba para un valor de la varianza empleando la distribucién chi cuadrada 11.9 Prueba para I de procesos ¥ 11.10 Distribucién # y prueba de la igualdad de dos varianzas poblacionales LLL Ogos métodos para probarhipétesis mulas 1.12 Uso de Excel y de Minitab ariabilidad de un proceso en el contol estadistico La prueba chi cuadrada para el anilisis de datos cualitativos Propdsito general de la prueba chi cuadrada Pruebas de bondad de ajuste Pruebas para Ia indepensdencia de dos variables categéricas (pruebas para tablas de contingencia) Pruebas de hipstesis para proporciones Uso de software 1 1 1 Andlisis de varianza 13.1 Idea bésica en Ia prusba para las diferencias entre varias medias poblacionales Disesio completamente aleatorizado de un factor (ANOVA de una diteccién) ‘Analisis de varianza en dos direcciones (ANOVA dos direcciones) Disefio de bloques aleatorizados (ANOVA en dos direcciones, una ‘observaci6n por easilla) 135 Disefio completamente aleatorizado de dos factores (ANOVA de dos vias! cen dos direcciones, n observaciones por easila) 136 Consideraciones adicionales 137 Usode Excel y de Minitab Regresién lineal y analisis de correlacion 182 183 183 184 18s 186 198 198 200 201 202 204 204 205 206 20 208 208 243 243 244 24s 246 247 248 26614. u, 14 4 14 14 4 M4 4 14 14 14 14 ConteMo0 1 Objetivos y suposiciones en el andlisis de regresion 2. El diagrama de dispersion 3. Método de los minimos cuadrados para ajustar una recta 4 Residuos y grficas residuales 5) El error estindar de estimacion {6 Inferencias relativas ala pendiente 77 Intervalos de confianza para la media condicional '8_Intervalos de prediccion para los valores individuales dela variable dependiente 9 Objetivos y suposiciones en el anlisis de corretacién 10 El coeficiente de 11 El coeficiemte de corretacién 12 M@odo de la covarianza para entender el coeficente de correlacién Pruebas de significancia con respecto al coeficiente de correlacién 14 Falla y limitaciones relacionadas con el andliss de egresién y de correlicidn 15 Uso de Excel y de Minitab CAPITULO 15 —_Regresiény correlacién muiltiples 1s, 1s 15 15. 15 15. 15. 1 Objetivos y supuestos en e!andlisis de regresién miltiple 2 Conceptos adicionales ex el andisis de regresin miltiple 3. Uso de variables indicadaras (ficticias) 4 Residuals y gréficas de residuales 5 Analisis de varianza en el andlisis de regresién lineal ‘6 Objetivpsy supuestos en el andlisis de correlacién maliiple 7 Conceptos adicionales en el andlisis de corelaciGn mltiple '8 Confusiones y limitaciones relacionadas con el andlisis de regresién imiliple y de corelaci6n mitiple 9 Uso de Excel y de Minitab CAPITULO 16 —_ Analisis de series de tiempo y prediccidn en los negocios 16.1 16. 16. 1 modelo clisico de series det 2 Aniliss de tendencias 3. Andlisis de las variaciones efcicas mpo 1644 MediciGn de las variaciones estacionales 165 Aplicacién de los austes estacionales 166 Pred ones basadas en factoes de tendenciay estacionales 16.7. Prediccin e{clicae indicadores de negocios 16.8 Prediccién basada en los promedios moviles 16.9 Alisamiento exponencial como método de prediccin 16,10 Otros métodos de prediceién que emplean el alisamiento 16.11 Uso de software de computadora CAPITULO 17 v ' Y Y ' ' Estadistica no paramétrica Fscalas de medicién Método estadisticos paramétricos versus no paramétricos Prueba de corridas para aleatoriedad Una muestra: prueba de los signos ‘Una muestra: la prueba de Wileoxon 6 Dos muestras independients: a prueba de Mann-Whitney xii 266 266 267 268 268 269 270 270xiv GonTEND0 CAPITULO 18 CAPITULO 19 Apéndice 1 Apéndice 2 Apéndice 3 Apéndice 4 Apéndice 5 Apéndice 6 Apéndice 7 Apéndice 8 Apéndice 9 17.7. Observaciones por pares: Ia prueba de los signos 1718 Observaciones por pares: Ia prueba de Wileoxon 17.9. arias pruebas independientes: la prueba de Kruskal-Wallis 17:10 Uso de Minitab Andlisis de decisiones: tablas de pagos y arboles de decisién 18.1 _Lacstructura de Ins tablas de pagos 18.2 Toma de decisiones basindose inicamente en las probabilidades 18.3 Toma de decisiones basSindose Ginicamente en las consecuencias econémicas 18.4 Toma de decisiones basadas tanto en probabilidades como en consecuencias ‘econémicas: el crterio esperado de ganancia, 18.5. Anilisis del drbol de decisiones 18.6 Utlidad esperada como eriterio de decsiones Control estadistico de procesos 19.1 Administracién de la calidad total 19.2 Control estadistico de Ia calidad 19.3. Tipos de vanacién en lus procesos 194 Griticas de control 19.5. Grificas de control para la media del proceso: Grificas X 1016 Pruebas esténdar que se usan para la interpreta de las gréficas X 197 Gréficas de control para la desviacidn estindar del proceso: grificas + 19.8. Graficas de control para el rango det proceso: grficas R 19.9 Gréficas de control para la proporciGn del proceso: grficas p 19.10 Uso de Minitab . Tabla de ntimeros aleatorios Valores de o* Probabilidades de Poisson Proporciones de drea para la distribucién normal estandar Proporciones de drea para la distribucion ¢ Proporciones de drea para la distribucion x Valores de F excedidos con probabilidades de 5% y 1% Factores para las graficas de contro!ANALISIS DE DATOS EN LOS NEGOCIOS LI DEFINICION DE ESTADISTICA DE NEGOCIOS, aestadistica se ocupa del Gonjunto de téenicas que se emplean para recolectar, organizar, anlizare intexpretar da- ts, los cuales pueden ser cuantitativos, valores expresados numéricamente, 0 cuaitativos, caractersticas tales como las preferencias del consumidor organizadas en una tabla. La estadfstia se usa en los negocios para ayudar a tomar, eno de patrones y relaciones isiones, mediante la comprensisn de las fuentes de variacié y éTdescubrim los datos dk TICA DESCRIPTIVA Y ESTADISTICA INFERENCIAL 1.2 ESTAD La estadisica descripriva comprende las técnicas’ que se emplean para resumir y describir datos numéricos con ‘objeto de facilitar su interpretacin. Estas técnicas pueden ser métodos grficos o inclur-e!andlisis computacional (edanse Tos eapitulos 2,3 4), EJEMPLO1 El volumen de venta menstal de un producto durante el fo pasado puede desriirse y hacers sgnficativo me dian un diagram de baros 0 una grifica de lines (como se deserbe en la seccién 211). Les ventas mensuaes relativas pueden enfalizarse mediante el edleulo de un almero fadice por mes de modo que la desviacién de 100, td un mes determinado indiue el porcentae de desviacién en ese mes respecto del promedio de venta mensual de todo el ao. La estadistica inferencial comprende las wenicas mediante las cuales se toman decisiones acerca de un proceso 0 de una poblacién estaisticos slo con base en la observaeién de una muestra. Debido a que estas decisiones se oman nplear los conceptos de Ta probabilidad, Mientras que las caracteris ticas medidas en una muestra se denominan estadisticas de la muestra (0 muestrales), las caracterisicas medides en una poblacién estadstiea o universo se denomin: icionales). El procedimiento mediante el cual se miden las caracterfsticas de todos los miembros de una poblaciGn determinada se denomina ‘censo. Cuando se emplea inferencia estadistica en el control de procesos, el muestreo estéditigido especialmente ‘a hallar y controlar las fuentes de variacién en la calidad del producto. Los capftulos 5 a 7 estudian los conceptos de Ia probabilidad, y 1a mayoria de los eapftulos posteriores se ocupan de a aplicacién de dichos conceptos en la adistica. ones de incertidumbre, se requie en condi inimetros de la poblacien (0 pabli inferenci EJEMPLO2 Con objeto de calcula el voltsje que Se requere para ocssionar que un dispositive edcreo fale una muestra de 5 hata provoeat I fala de eada uno de ellos. Con base en estos estos dispostvos se somcte aun voltae ‘resultados de la mesa se estima la probabildad de ala a diferentes nveles de voltae de los dems dispostvos cf a poblacin de Ia que se tom la muestra. 1.3. TIPOS DE APLICACIONES EN LOS NEGOCIOS odos de la estadistica clasica se desutrollaron para el andlisis de datos (objetivos) obtenidos de una muestra cias acerca de la pablacién de Ia cual se seleccioné le muestra. Hay una acerca de los datos y hay también una hipétesis implicita de que el muestreo Los mé (tmuestrales) y eon objeto de hacer inf exclusin explicita de juicios perso2 CAPITULO ANALISIS DE OATOS EN LOS NEGOCIOS ‘© obtiene de una poblacin esttica (estable). Los métodos de anlisis de decisiones se enfocan en la incorporacién e juicios administrativos al andlisisestadistico (véase el capftulo 18). Los métodos do contr estadistleo de pr ‘esos se emplean con la premisa de que el producto de un proceso puede no sor estable, Mis bien, el proceso puede set dindmico, con causas asignables relacionadas con la variacién, en funcidn del tiempo, de Ia calidad del producto (v6ase el eapitulo 19) Con elenfoque elsico del inferenciaextaditica el nivel de incertidumbre de las ventas de un nuevo prscio se ‘estima con base en entdios de mercado reaiiza‘os de acuerdo con los requerimientos de veto cienifco, Com cl eafogus del ands de decisions los juc'os oe los adminlsradores se cuantian y se incorporan alanis Elecontol etaditic de proceso se cents en el pntrn de ventas ening socesin de periods amt las procs EVEMPLOS de mercedoecnia del producto, 1.4. VARIABLES DISCRETAS ¥ VARIABLES CONTIN AS ralores. En la estadistica ‘Una variable discreta solamente puede tomar valores en puntos aistados de una escala de negacios datos de est tipo se generan mediante un proceso de conted asf, por lo general estos valores se expresan mediante nimeros enteros. Una variable continua puede tomar valores en cualquier punto a lo largo de un intervalo de valores determinado. Los datos continues se generan mediante un proceso de medicin Fjemplos de datos disretos son el mimero de personas por familia, el nimera de unidades de un aniclo n un {nventaro el nimero de componentes ensamblados que enendefectos. Eemplos de dos continvos son el peso de-anembargue, el apso antes de a primera alla de un dspostivo ye nimero premedio de personas por familia en una comunidad grande. Observe que el mimero prgeio de personas puede scr un valor faccionario, y por EJEMPLO4 tanto es una variable continua, un cutndo el mimero pot familia ex una variable discreta, 1.5 OBTENCION DE DATOS MEDIANTE LA OBSERVACION DIRECTA VERSUS ENCUESTAS Una manera de obtener datos es mediante la observacin directa. Esta es la base de las medidas que se siguen en ‘el control estadistico de process, en el que en forma sistemitica se evan muestra del producto. Otra forma de ‘observacién directa e: el experimento estadistico, en el cual hay un coniol claro de alguns o de todos los factores ‘que pueden influiren la variable que se estuda, de modo que puedan idenifcarse las posibles causas. Dos métodos de enssmblae de un mismo componente pueden compararsc haciendo que un grupo de empleado use uno de los métodos yoo grape de cmpleados wie cl tro métod, Se tiene cuidado de hacer que los mer ‘bros de ambos grupos coincidan en érminos de factres como edad y experiencia EJEMPLOS En algunas situaciones no es posible recolectar los datos en forma directa; en lugar d est, Ia informacién tiene ‘que obtenerse a través de individuos, Una encuesta estadistica es] proceso de recoleceién de datos en el que se soliitaaindividuos que los suministren. Los datos pueden Obienerse mediante métodos como entrevstas personae: Poesia 0 mediate eustionaios impress EJEMPLOS Un analista de un deperamento esata de seguridad econSmica desea determinar los aumentos odisminuciones \o el nivel de empleo planeado po as empresas que so ubican one estado. Un método estindar para obtener estos tatos consist en realizar una encuesa en as empresas. 1.6 METODOS DE MUESTREO ALEATORIO El muesireo aleatorio€s un tipo de muestreo en el que cada elemento de a poblacin que se estudia, 0 pobl ‘objeto, tiene unt posbilidad conocida, y generalmente la misma de ser elegida para formar parte de la muestra, El tener una muestra de este tipo garantiza que lo elementos de la muestra se clin sin sesgo y suministra la base esta distca para la determinacién de la confianza que puede ateibuirse a las inferencias (véanse los capfulos 8 y 9). Una muestra aleatoia también se denomina muestra pr 2 cienfica. Los cuatro métodes principeles de muestreo aleatorio son el simple, el Sstemiico,1.7 OrposueToDos DE MuESTREO 3 atoria simple es aquella en la cual se escogen al azar elementos individvales de la poblaciGn ob- rimeros en Ia loterfa. Sin embargo, por lo eo estadistico se usa una tabla de nimeros aleatorias 0 un programa de computadora generador de ntimeros para determinar los elementos numerados de la poblacién que se elegirén para la muestra cic; Fx eesei6n al azar es similar a la extraccinaleatoria d EJEMPLO7 El apéndice | es una tabla sbreviads de nin 0s aleatorios. Suponga que se deve tomar una muestra alestoria simple de 10 cuests por cobra de ns poblacidn de 90 euenas,numerande las cuentas desde Ia! hasta I 90. Se otra tabla deniers sleatrios se sea na posicion Iniial. Después los digtos se Teen en grupos de dos en dos en cualquier direccién para determinar las eventas «que habrn de escogerse para la mista. Supongs que se comienza a leer nimeros (por pares) emperando can el mero en el reaglon 6, columna I. Los 10 ndmeros de cuenta para la muestra sean 66, 05.59, 94,78, 70, 08, 67, 12y 65, Sim embargo, como solamente hay 90 evenae, el nimero 94 no podrdconsiderarse, En lugar de este rnmero se inclye en la mussra et nimero 11. Si se repite cualquiera de los mimeros seleceionados se ineluye smente”(teralmente con los ojos cerridos) 8 na muestra. sistematica aleatoria en la cual los elementos de la poblacisn se eligen de una lista 2 intervalos uniformes (por ejemplo, eseoger para la muestra cada décima cuenta por cobra). La primera de las 10 cuentas que se incluirdn en la muestra se escoge de manera aleatria (empleando quizés una tabla de niimeros aleato- Fios). Un aspecto importante cel mueseeo sistemstico es la posible existencia de algtin factor perisdico o efelico en en los resultados de 1a lista de la poblacién que pueda conducte a un error sistent EJEMPLO® Sin un dreade la ciudad casa est ubicads en uni eliza una eneuesta acer de Ia adzcuada ilaminaci publica, y cada duodécima esquin, una muestra sistem afetada poe un sesgosstemsico se tomar en la encvesta cada cuodcima casa, En este caso todas © ninguna de las casas incluidas en la encuesta esta ubieadas en uns exquin En ol muestreo estratificado el investigador tratos con base en una o més earactersticas i lasiica primero los elementos de la poblacién en subgrupos o es nportantes. Después de cada estrato se toma por separado una muestra icatoria simple o sistemitica. Un plan de muestreo de este tipo se usa para asegurar que los diferentes subgrupos de la poblacicn estén representados de manera proporcional en la muestra. Adem, el tamao requerido de muestra para alcanzar un nivel dado de precisién es por lo comtin menor que el que se necesita si se emples el muestreo alea- torio simple, con lo cual se redoce el costo del muestreo. EJEMPLO 9 En un estudio respact de las opiniones de los estudiantes en relacin con el alojamiento dentro dela univers, e pueden exist diferencias importantes entre los estdiantes de licencatura y los res y mujeres, Por ant, debe considerare un plan de mvesteoextratifiado en cl.eual se tome un muesiaaleatria simple por sepaca de cada uno dels eat estratos: hombre licenciatura, ‘mujer icenciatura, hombre pesgrado y mjerpesgrado se tienen rarones para cree El muestreo por conglomerados es wn tipo de muestreo aleatorio en el cual los elementos de Ia poblacién se presentan en forma natural en subgrupos. Entonces se muestrean en forma alestoria subg completos. EJEMPLO 10. Siun analista de un departament eststal desea estudiar In tarfaslaril por bora cn un Srea metroplitana, seria ifici obtener una lista de todas las personas alas que ge Tes pa por hors en Ia poblaciGn objet. Sin embargo, es mucho ms fil obtener una lista de las empresas en esa dre Bl analisia puede tomar entonces una muesra Aleatoria simple en las empresas identiiadas, que rpresentan conglomeradas de emplesdos, y obtener Ia tarifa salar po hora que se pag alos empleados de esas empresas. 1.7 OTROS METODOS DE MUESTREO, Aungue uns muest {que no tenga sesgo.0 que expre Uns muestra discrecional es aquella en la cual una persona elige los elementos que habrén de incluirse en smucsira, Hasta qué punto esta muestra es representativa de la poblaciGn depende del criterio de esa persona, y no valuarse estadisticamen no aleatoria puede que sea representativa de la poblacién, resulta diffe] suponer de antemano estadisticamente la confianza que puede atrbuir a las inferencias obtenidas con tal