Muestreo 2 Estrat

UNIVERSIDAD NACIONAL DEL CALLAO
FACULTAD DE INGENIERIA AMBIENTAL Y DE RECURSOS

NATURALES
ESTADISTICA APLICADA A LA I.A.
2024 A
MUESTREO ALEATORIO ESTRATIFICADO
• DEFINICIÓN. Una muestra aleatoria estratificada es la
obtenida mediante la separación de los elementos de la
población en grupos que no presentan traslapes, llamados
estratos, y la selección posterior de una muestra irrestricta
aleatoria simple de cada estrato.
• ¿por qué debemos escoger una muestra aleatoria
estratificada, en lugar de una muestra irrestricta aleatoria?.
• En resumen, los motivos principales para utilizar muestreo
aleatorio estratificado en lugar de muestreo irrestricto
aleatorio son los siguientes:
• 1. La estratificación puede producir un límite menor para el
error de estimación que el que se generaría por una mia.
• 2. El costo por observación en la encuesta puede ser
reducido mediante la estratificación de los elementos de la
población en grupos convenientes.
• 3. Se pueden obtener estimaciones de parámetros
poblacionales para subgrupos de la población.
MUESTREO ESTADISTCIA APLICADA 2
Como seleccionar una Muestra Aleatoria Estratificada
• El primer paso en la selección de una muestra aleatoria
estratificada es especificar claramente los estratos.
• Después que las unidades de muestreo han sido
divididas en estratos, seleccionamos una muestra
irrestricta aleatoria de cada estrato, mediante la técnica
presentada en el capítulo anterior.
• Se requiere alguna notación adicional para muestreo
aleatorio estatificado:
L: número de estratos
Ni: número de unidades muestrales en el estrato i.
N=N1+N2+…+NL
n: tamaño de la muestra
n = n1+n2+n3+…+nL

Etimación de una Media y un Total Poblaciones
• Estimación de la media poblacional µ:
1
y st   Ni Y i . . . . . . . . . . . (5.1)
N
• Varianza de la media de y st
1  N  n  s 2

V (Y st )  2  Ni 
ˆ 2 i i
 
i
. . . . . . . . . . . (5.2)
N  N i  ni 
• Límite para el error de estimación:
1  N  n  s 2
 . . . . . . . . . . . (5.3)
2 
ˆ
2 V (Y st )  2 2
Ni  i i
 
i
N  N i  ni 

• Estimador del total poblacional :
l
NY st   Ni yi
1
. . . . . . . . . . . (5.4)
• Varianza estimada de Ny st
2  Ni  ni  si 
2
V ( NY st )   Ni 
ˆ   . . . . . . . . . . . (5.5)
 N i  ni 

 N  n  s 2
 . . . . . . . . . . . (5.6)
2 V ( NY st )  2  N 
ˆ i
i
2
i
 
i
 N i  ni 

• Ejemplo 1. Una empresa publicitaria está interesada en
determinar qué tanto debe enfatizar la publicidad televisiva
en un determinado municipio, y decide realizar una encuesta
por muestreo para estimar el número promedio de horas por
semana que se ve la televisión en los hogares del municipio.
Este comprende dos pueblos, pueblo A y pueblo B, y un
área rural. El pueblo A circunda una fábrica, y la mayoría de
los hogares son de trabajadores fabriles con niños en edad
escolar. El pueblo B es un suburbio exclusivo de una ciudad
vecina y consta de habitantes de mayor edad con pocos
niños en casa. Existen 155 hogares en el pueblo A, 62 en el
pueblo B y 93 en el área rural. Analice los méritos de usar
muestreo aleatorio estratificado.
Solución:
• La empresa publicitaria puede desear producir estimaciones,
por separado, del número promedio de horas que se ve
televisión en cada pueblo.

• Para la muestra aleatoria estratificada, tenemos: N1
= 155, N2 = 62 y N3 = 93 con N = 310.
• Ejemplo 2. (En el ejemplo anterior), la empresa
publicitaria tiene tiempo y dinero suficientes para
entrevistar n = 40 hogares, y decide seleccionar
muestras aleatorias de tamaño n1 = 20 del pueblo A,
n2 = 8 del pueblo B, y n3 = 12 del área rural.
Seleccionan las muestras irrestrictas aleatorias y se
realizan las entrevistas. Los resultados se muestran
en la tabla adjunta. Estime el tiempo promedio que
se ve televisión, en hogares por semana, para (a)
todos los hogares en el pueblo A y (b) todos en el
pueblo B. en ambos casos fije un límite para el error
de estimación.
Estrato I Estrato II Estrato III
35 28 26 41 43 29 32 37 36 25 27 4 49 10 15 41 8 15 21 7 14 30 20 11
29 31 39 38 40 45 28 27 35 34 25 30 12 32 34 24
Cálculos
n1 = 20 n2 = 8 n3 = 12
N1 = 155 N2 = 62 N3 = 93
y1  33,900 y2  25,125 y3  19,000

s12  35,358 s 22  232,41 s32  87,636
• solución. (a)
2  N i  ni  si 
2
1
1
Y st   N I yi ˆ 1 2  Ni  ni  si 
V (Y st )  2  Ni   
2
2 Vˆ (Y st )  2
N2
 Ni  N  n 
N N  Ni  ni   i  i 
1
Y st  155 33,900    62  25,125   9319,000   27,7
310
1  (155)2 (0,871)(35,358) (62)2 (0,871)(232,411) (932 )(0,871)(87,636) 

Vˆ (Y st )       1,97
(310)2  20 8 12 

Y st  2 Vˆ ( yst )
27,675  2 1,97; 27,7  2,8
• Estimamos que el número promedio de

horas por semana que se ve tv en los
hogares del municipio es de 27,7 horas. Y
confiamos que el error de estimación debe
ser menor de 2,8 horas, con una
confianza de 95%.
• (b) Las n2 = 8 observaciones del estrato II
constituye una m.i.a, por ello podemos
aplicar las fórmulas del capitulo anterior.

 N 2  n2  s22  25,125  2  62  8  232,411  25,125  10,1
Y2 2      
 62  8 
 N 2  n2 
• Esta estimación tiene un límite grande para el error de
estimación debido a que la varianza de muestra del estrato
II es grande.
• Ejemplo 3. (En el ejemplo 2) estime el número total de
horas por semana que las familias del municipio dedican a
ver televisión. Fije un límite para el error de estimación.
• solución.
ˆ  NY st  310(27,7)  8587 horas
Vˆ ( Nyst )  N 2Vˆ (Y st )  (310) 2 1,97   189 278,560
2 Vˆ ( NY st )  2 189278,560  870

SELECCIÓN DEL TAMAÑO DE MUESTRA PARA ESTIMAR MEDIAS
Y TOTALES POBLACIONALES
• La cantidad de información en una muestra

depende del tamaño de la muestra n, ya que
la varianza de la media decrece con el
incremento de n.
• Supongamos que la estimación de la media
muestral debe estar dentro de B unidades de
la media poblacional, con una probabilidad de
0,95. simbólicamente queremos.
2
2 Vˆ (Y st )  B
B
o sea Vˆ (Y st ) 
4

• Sea n = n1+n2+n3+…+nL
• Hay muchas formas para asignar un tamaño
de muestra n a los diversos estratos. Sin
embargo en cada caso el número de
observaciones ni asignado al i-th estrato es
una fracción del tamaño de muestra total n.
denotamos esta fracción por wi . Por ello
podemos señalar
ni = nwi ; i = 1, 2, 3, …, L ……….(5,7)

• Mediante la ecuación (5,7), podemos hacer uso de la

2
ecuación Vˆ ( y )  B y despejar n.
st
4
• De igual modo la estimación del total poblacional 
con un límite para el error de estimación.
2
B
2 Vˆ ( NY st )  B o Vˆ (Y st ) 
4N 2
• Tamaño de muestra requerido para estimar µ o 
con un límite B para el error de estimación:
N i
2
i
2
/ wi
n
N 2 D   N i  i2 . . . . . . . . . . . (5.8)
B2
D ; Para estimar 
4
B2
D ; Para estimar 
4N 2
• Ejemplo 4. Una encuesta anterior sugiere que las
desviaciones estándar de los estratos para ejemplo
(1) son aproximadamente σ1 = 5, σ2 = 15, y σ3 = 10.
deseamos estimar la media poblacional. Seleccione
el tamaño de muestra para obtener un límite en el
error de estimación igual a 2 horas, si las fracciones
asignadas son w1 = w2 = w3 = 1/3. en otras
palabras, se debe tomar un número igual de
observaciones de cada estrato.
• solución. Un límite para el error de estimación de 2
horas significa que
2 V (Y st )  2 o sea V ( yst )  1 y D  1

• Sabemos que N1 = 155, N2 = 62, N3 = 93

3
(155) 2 (25) (62) 2 (225) (93) 2 (100)

i 1
N  / wi 
i
2
i
2
1/ 3

1/ 3

1/ 3
 6 991 275
3
 i i  (155)(25)  (62)(225)  (93)(100)  27 125

N 
i 1
2
N 2 D  (310) 2 (1)  96100

 i i / wi
N 2
 2
6 991275
n   56,7  57
N 2 D   N i  i2 96100  27125
• Se debe toma n = 57 observaciones con:
n1 = n2 = n3 = 57(1/3) = 19
• Ejemplo 5. Así como en el ejemplo (4) con las
mismas desviaciones estándar. Deseamos estimar
el total  con un límite de 400 horas para el error
de estimación. Seleccione el tamaño de muestra
apropiado, si se va a tomar el mismo número de
observaciones en cada estrato.
• solución.
El límite para el error de estimación debe ser 400
horas y por ello,
B2 (400 ) 2
D 
4N 2 4N 2

3
N 
3
/ wi  6 991 275  N i  i  27 125
2 2 2
i i
i 1 i 1
 40 000 
N DN 2
  40 000
2
 N 
2
 N i  i / wi
2 2
6 991 275
n   104 ,2  105
N D   N i  i 40 000  27 125
2 2
• Entonces n1 = n2 = n3 = 35

Asignación de la Muestra
• El objetivo del diseño de encuesta por muestreo es
proporcionar estimadores con varianzas pequeñas al
menor costo posible. Después de determinar el tamaño de
muestra n, existen muchas formas para dividir n entre los
tamaños de muestra de los estratos individuales n1, n2, . . .
, nL. Cada división puede originar una varianza diferente
para la media muestral. Por lo que nuestro objetivo es usar
una asignación que presente una cantidad especificada
de información a un costo mínimo. El mejor esquema
de asignación está influido por tres factores:
1. El número total de elementos en cada estrato
2. La variabilidad de las observaciones dentro de cada estrato
3. El costo por obtener una observación de cada estrato.

• Asignación que minimiza el costo para el
valor fijo de V (Y ) o que minimiza V (Y ) para
st st
un costo fijo:
 N / c 
n  n 
i i i . . . . . . . . . . . (5.9)
i
N  / c 
 k
 k k
• Donde Ni denota el tamaño del estrato i-th, σi

denota la desviación estándar poblacional
pare el estrato i-th y ci denota el costo para
obtener una observación individual del i-th
estrato.
• Sustituyendo los wi en la ecuación (5.8) por los ni /n
de (5.9) se obtiene
L L
( N k k / ck )( N i i ci )
n k 1
L
i 1
. . . . . . . . . . (5.10)
N 2 D   N i i2
i 1
• Para asignación óptima con la varianza de y st fija

en D.
• Ejemplo 6. La empresa publicitaria del ejemplo (1)
encontró que cuesta más obtener una observación
del área rural que una del pueblo A o del B. El
incremento es debido a los costos de traslado de
un hogar rural a otro.
• El costo por observación en cada pueblo se
ha estimado en $ 9 (esto es, c1=c2=9), y los
costos por observación en el área rural se
han estimado en $ 16 (c3=16). Las
desviaciones estándar por estrato son σ1≈5,
σ2 ≈15, σ3≈10. Encuentre el tamaño de
muestra total n y los tamaños de muestra
para los estratos n1, n2, y n3, que permiten a
la empresa estimar, al mínimo costo, el
tiempo promedio que se ve televisión, con un
límite para el error de estimación igual a 2
horas.
• solución. Tenemos que:
3
 N k k 155(5) 62(15) 93(10)
k 1
    800,83
ck 9 9 16
3
N
i 1
i i ci  155(5) 9  62(15) 9  93(10) 16  8835
3 3
( N k k / ck )( N i i ci )
(800,83)(8835 )
n k 1 i 1
  57,42  58
3
(310 ) (1)  27 125
2
N D   N i i2
2
i 1

 
 
N  / c   n 155(5) / 3   0,32 n  18
n1  n 3 1 1 1
 800,83 
   
  N k  k / ck 
 i 1 
 
 
N  / c   n  62(15) / 3   0,39 n  23
n2  n 3 2 2 2
 800 ,83 
   
  N k  k / ck 
 i 1 
 
 
N  / c   n  93(10) / 4   0,29 n  17
n3  n 3 3 3 3
 800,83 
   
  N k  k / ck 
 i 1 
• El experimentador debe seleccionar 18 hogares del pueblo
A, 23 del pueblo B y 17 del área rural. Así puede estimar el
número promedio de horas empleadas en ver la televisión,
al mínimo costo, con un límite de 2 horas para el error de
estimación.
• En algunos problemas de muestreo estratificado, el
costo por obtener información es el mismo para
todos los estratos. Si los costos son desconocidos,
podríamos suponer que los costos por observación
son iguales. Si c1=c2=… cL, entonces los términos
de costo se cancelan en la ecuación (5,9) y
 N 
n  n i i . . . . . . . . . . (5.11)
i
N 
  i i
• Este método para seleccionar los ni se denomina

asignación de Neyman. En la asignación de Neyman, la
ecuaciónL (5,10) para el tamaño total n toma la forma
( N i i ) 2
. . . . . . . . . . (5.12)
n i 1
L
N D   N i i2
2
i 1
• Además de encontrar costos iguales, en algunas
ocasiones resultan las mismas desviaciones estándar,
σ1, σ2, … σL. En tal caso se cancelan las σi en la
ecuación (5,11) y
 
  . . . . . . . . . . (5.13)
N 
ni  n L i   n i 
N
  N
 i N
 i 1 
• Este método es llamado asignación proporcional porque
los tamaños de muestra ni son proporcionales a los
tamaños de los estratos. Se utiliza cuando los costos y las
varianzas de los estratos son iguales.
• En asignación proporcional, la ecuación (5,8) que produce
V ( yst )  D se convierte en:
N
2
n
i i
1 . . . . . . . . . . (5.14)
ND   N  i
2
i
N
• Ejemplo 7. La empresa publicitaria decide hacer las
entrevistas por teléfono para reducir costos. El
costo de obtener una observación es el mismo en
los tres estratos. Las desviaciones estándar son
σ1≈5, σ2 ≈15, σ3≈10. La empresa desea estimar la
media poblacional µ con un límite para el error de
estimación igual a 2 horas. Encuentre el tamaño
necesario de la muestra n y los tamaños ni de cada
estrato.
• solución. Usando las ecuaciones (5,11) y
(5,12) ya los costos son iguales en todos los
estratos. Para encontrar las fracciones de
asignación usamos (5,11). Entonces.
3
N
i 1
i i  (155)(5)  (62)(15)  (93)(10)  2635
(155)(5)
n1  n  n(0,30)  w1  0,30
2635
(62)(15)
n2  n  n(0,35)  w2  0,35
2635
(93)(10)
n3  n  n(0,35)  w3  0,35
2635

• Usando (5,12) para encontrar n. un límite de 2
horas para el error de estimación significa que
2 V ( yst )  2 o sea V ( yst )  1
3
 i i  27 125

2 2
D
B
1 N D  (310) (1)  96100
2 2 N
4 i 1
( N i i ) 2
(2635 ) 2
n   56,34  57
96100  27 125
N 2 D   N i i2
n1  nw1  57(0,30)  17
n2  nw2  57(0,35)  20
n3  nw3  57 (0,35)  20

• Ejemplo 8. Una investigadora quiso estimar el peso
promedio de 90 animales experimentales (50
machos y 40 hembras) que ha sido alimentadas con
cierta dieta. Fueron separados por sexo: por lo que
el uso de muestreo aleatorio estratificado con dos
estratos pareció apropiado. Para aproximar la
variabilidad dentro de cada estrato, la investigadora
seleccionó el más pequeño y el más grande en cada
estrato y fueron pesados. Ella encontró que la
amplitud de variación fue de 10 gramos para los
macho y de 8 para las hembras. ¿Qué tan grande
debe tomarse la muestra para estimar el promedio
poblacional con un límite de 1 gramo para el error de
estimación?. Suponga que el costo de muestreo fue
el mismo para ambos estratos.
• solución. Usando (5,11) y (5,12) y además:
10 8
 1   2,5 2  2
4 4
2
N
2
 (50)(2,5) 2  (40)(2,0) 2  472,50
 N i i  (50)(2,5)  (40)(2,0)  205
2
i i
i 1 1
B2 1
N i i 125 D   0,25
n1  n 2
n  0,61n 4 4
N
205
i i
i 1
N i i 80
n2  n 2
n  0,39n
N
205
i i
1
2
( N i i ) 2
n 1

(205) 2
 17 n1  nw1  (17)(0,61)  10
2
(90) 2 (0,25)  472,50
N 2 D   N i i2
1 n2  nw2  (17)(0,39)  7

• Ejemplo 9. La empresa publicitaria considera que
las varianzas que se usaron en los ejemplos
anteriores son erróneas y que las varianzas de los
estratos son iguales. El valor común de σi fue
aproximado por 10 en un estudio preliminar. Se van
a efectuar entrevistas por teléfono, por lo que los
costos serán iguales en todos los estratos. La
empresa desea estimar el número promedio de
horas por semana que se ve televisión en los
hogares del municipio, con B = 2horas. Encuentre
el tamaño de muestra y los tamaños ni de estratos
necesarios para lograr esta exactitud.
• solución. Tenemos que
3
N
1
i i
2
 (155)(100)  (62)(100)  (93)(100)  31 000
31 000
n  76
310(1)  (1 / 310)(31 000)
N  155
n1  n 1   n( )  38
N 310
 N   62 
n2  n 2   n   15
 N   310 
N  93
n3  n 3   n( )  23
N  310

• Ejemplo 10. En el ejemplo de ver televisión ejemplo 6),
supóngase que los costos son: c1=c2=9 y c3=16, y las σ1≈5,
σ2≈15, σ3≈10. Dado que la empresa tiene únicamente $ 500
para gastar en muestreo, diseñe el tamaño de muestra que
minimice. V ( yst )
• Solución. En el ejemplo 5,6 se encontró w1=0,32, w2=0,39 y
w3=0,29. ya que el costo total debe ser igual a $ 500,
tenemos que:
c1n1+c2n2+c3n3 = 500
9n1+9n2+16n3 = 500. además sabemos que: ni=nwi
9n(0,32)+9n(0,39)+16n(0,29) = 500.
11,03(n) = 500
n = 45,33
Por lo que n = 45 para asegurar que los costos
permanezcan inferiores a $ 500.
• La asignación correspondiente está dada
por:
n1 = nw1 = (45)(0,32) = 14
n2 = nw2 = (45)(0,39) = 18
n3 = nw3 = (45)(0,29) = 13

Estimación de una proporción poblacional
• Estimador de la proporción poblacional P:
L
1
pst 
N
N p
1
i i
. . . . . . . . . . (5.15)
• Varianza estimada de pst:

1 L
 N i  ni  pi qi 
ˆ
V ( p)  2 1 N  N  n  1 
i
2
. . . . . . . . . . (5.16)
N  i  i 
2  N i  ni  pi qi  . . . . . . . . . . (5.17)
L
1
2 Vˆ ( pst )  2
N2
1 i  N  n  1 
N
 i  i 
• Ejemplo 11. La empresa quiere estimar la
proporción de hogares en el municipio del
ejemplo (1), donde se ve el programa X.
• El municipio es dividido en tres estratos con
N1 = 155, N2 = 62 y N3 = 93 hogares,
respectivamente. Una muestra aleatoria
estratificada de n = 40 es seleccionada con
asignación proporcional, con n1 = 20, n2 = 8, y
n3 = 12. las entrevistas son tomadas en los 40
hogares; los resultados se presentan en la
tabla adjunta. Estime la proporción de hogares
donde se ve el programa X, y fije un límite
para el error de estimación.

Tamaño de muestra Número de hogares donde se pi
Estrato ve el programa X
1 n1 = 20 16 0,80
2 n2 = 8 2 0,25
3 n3 = 12 6 0,50
• Solución. El valor estimado de la proporción de hogares

donde se ve el programa X está dado por pst.
pst 
1
(155)(0,80)  (62)(0,25)  (93)(0.50)  0,60
310
 N  n  p q   155  20  (0,8)(0,2) 
Vˆ ( p1 )   1 1  1 1       0,007
 N 1 n 
 1  
1 155  19 
 62  8  (0,25)(0,75)  Vˆ ( p3 )  0,020
Vˆ ( p2 )      0,024
 62  7 
 N Vˆ ( p )  (310) (155) 
3
1 1
Vˆ ( pst )  2 i
2
i 2
2
(0,007 )  (62) 2 (0,024 )  (93) 2 (0,02)  0,0045
N 1
pst  2 Vˆ ( pst ) ; 0,60  2 0,0045 ; 0,60  0,14

Selección del tamaño de muestra y asignación
de la muestra para estimar proporciones
• Para estimar una proporción poblacional, primero
indicamos qué tanta información deseamos
mediante la especificación del tamaño del límite; el
tamaño de la muestra es elegido de acuerdo con
esto.
• Tamaño de muestra requerido para estimar P,
con un límite B para el error de estimación.
 N PQ / w
2
n . . . . . . . . . . (5.18)
i i i i
N D   N PQ
2 2
i i i
• Donde wi es la fracción de observaciones asignada al

estrato i, Pi es la proporción poblacional del estrato i, y
D=B2/4.
• La fórmula para la asignación que nos da la
v(pst) igual a una constante fija al costo
mínimo es igual a la ecuación (5,9) con σi
reemplazada por V ( p ) o minimiza V ( pst )
st
para un costo fijo:

N i Pi Qi / ci
ni  n L
. . . . . . . . . . (5.19)
N
K 1
k Pk Qk / ck
• Donde Ni denota el tamaño del i-th estrato, Pi denota la

proporción poblacional para el i-th estrato y ci denota el
costo por obtener una observación individual del i-th
estrato.
Selección del tamaño de muestra y asignación de
la muestra para estimar proporciones
• Recordemos que la ecuación (5,9) toma la
forma muy simple cuando las varianzas, así
como los costos, son iguale sen todos los
estratos. La ecuación (5,19) se simplifica de
la misma manera, siempre y cuando todas
las proporciones de los estratos Pi sean
iguales y todos los costos ci sean iguales.
Entonces se tiene:
N  . . . . . . . . . . (5.20)
n  n  i  1,2,3,..., L
i
N
i

• Ejemplo 12. Los datos del ejemplo 2 fueron tomados
de un muestreo realizado el año anterior. La
empresa publicitaria quiere ahora efectuar un nuevo
estudio para estimar la proporción de hogares donde
ven el programa X. aunque las fracciones Pi que
aparecen en las ecuaciones (5,18) y (5,19) son
desconocidas, pueden ser aproximadas por las
estimaciones del estudio anterior, esto es, p1 = 0,80,
p2 = 0,25 y p3 = 0.50. El costo por obtener una
observación es de $ 9 para los pueblos A y B y $ 16
para el área rural. La empresa quiere estimar la
proporción poblacional P, con un límite para el error
de estimación de B = 0,1. Encuentre el tamaño de
muestra n y los tamaños de muestras para los
estratos que darán el límite deseado a un costo
mínimo.
• solución. Primero usamos la ecuación (5,19)
para encontrar las fracciones de asignación
wi. Usando pi para aproximar Pi.
(0,8)(0,2) (0,25)(0,75) (0,5)(0,5)
 Ni PiQi / ci  155 9
 62
9
 93
16
 20,667  8,949  11,625  41,241
20,667 8,949 11,625
n1  n  n(0,50) n2  n  n(0,22) n3  n  n(0,28)
41,241 41,241 41,241
De donde wi = 0,50; w2 = 0,22; w3 = 0,28.

Usando la ecuación (5,18) para encontrar n, se
tiene:

N i2 pi qi (155) 2 (0,8)(0,2) (62) 2 (0,25)(0,75) (93) 2 (0,5)(0,5)
3
1 w  0,5

0, 22

0, 28
 18 686,46
i
N 1
i pi qi  (155)(0,8)(0,2)  (62)(0,25)(0,75)  (93)(0,5)(0,5)  59,675
(0,1) 2
2 V ( pst )  0,1 V ( pst )   0,0025  D
4
N 2 D  (310) 2 (0,0025)  240,25
n1  nw1  (63)(0,50)  31
 N i2 pi qi / wi 18 686,46
n 
240,25  59,675
 63 n2  nw2  (63)(0,22)  14
N D   N i pi qi
2
n3  nw3  (63)(0,28)  18

• Ejemplo 13. Referente al ejemplo 12 se van
efectuar entrevistas por teléfono, por lo que
los costos de muestreo son los mismos en
cada estrato. La fracción Pi se aproximará por
pi , i = 1, 2, 3. Deseamos estimar P con un
límite de 0,1 para el error de estimación.
Diseñe el tamaño de muestra apropiado para
lograr este límite al costo mínimo.
• solución.
3
 N p q  155 (0,8)(0,2)  62 (0,25)(0,75)  93 (0,5)(0,5)

1
i i i
 62,000  26,846  46,500  135,346

(62,000) 26,846 46,500
n1  n  n(0,46) n2  n  n(0,20) n3  n  n(0,34)
135,346 135,346 135,346
• Entonces w1 = 0,46, w2 = 0,20 y w3 = 0,34

3
N
1
i
2
pi qi  (155)(0,8)(0,2)  (62)(0,25)(0,75)  (93)(0,5)(0,5)  59,675
N 2 D  (310) 2 (0,0025)  240,25

(135,346) 2
n  62
240,25  59,675
n1  nw1  (62)(0,46)  29
n2  nw2  (62)(0,20)  12
n3  nw3  (62)(0,34)  21

• Ejemplo 14. En la encuesta de televisión del ejemplo 12 las
entrevistas fueron por teléfono por lo que los costos de
muestreo no varían. Los tamaños de los estratos son N1 =
155, N2 = 62, N3 = 93. Los resultados de la encuesta del año
anterior se muestran en la tabla, parecen divergir de los de
este año. La empresa considera que la proporción de
hogares donde se ve el programa X está cercana a 0,4 en
cada uno de los 3 estratos, y desea estimar la proporción
poblacional P con un límite de 0,1 para el error de
estimación. Diseñe el tamaño de muestra y la asignación
que provee este límite al mínimo costo.
• Solución.
Las fracciones de asignación se determinan mediante la
ecuación (5,19) con P1,…,PL y c1, …, cL reemplazados por 1.

• Entonces:
N  155
n1  n 1   n  n(0,5) 3
N 310 N
1
i Pi Qi  155(0,4)(0,6)  62(0,4)(0,6)  93(0,4)(0,6)  74,4
N  62
n2  n 2   n
 N  310
 n(0,2) ND  (310)(0,0025)  0,775
3
N 
n3  n 3   n
93
 n(0,3)
N i Pi Qi
74,4
N  310 n 1
  74
3
0,775  (1 / 310 )(74,4)
ND   N i Pi Qi
1
n1  n(0,5)  nw1  74(0,5)  37

n2  n(0,2)  nw2  74(0,2)  15
n3  n(0,3)  nw3  74(0,3)  22

• Ejemplo 15. Un distribuidor de combustible al mayoreo en
una gran ciudad desea saber si la demanda es lo
suficientemente grande como para justificar la inclusión de
un nuevo producto a sus existencia. Para tomar la decisión,
planea añadir este producto a una muestra de los
almacenes a los que abastece para estimar el promedio de
las ventas mensuales. El únicamente suministra a 4
grandes cadenas en la ciudad. Así que, decide usar
muestreo aleatorio estratificado con cada cadena como un
estrato. Hay 24 almacenes en el estrato I, 36 en estrato II,
30 en el estrato 3 y 30 en el estrato IV. El distribuidor tiene
suficiente tiempo y dinero para obtener datos sobre las
ventas mensuales en n = 20 almacenes. Dado que no tiene
información previa respecto a las varianzas de los estratos y
porque el costo del muestreo es el mismo en cada estrato,
decide aplicar la asignación proporcional, la cual da
N1 24 N2 36
n1  n  20  4; n2  n  20 6
N 120 N 120
N 30 N 30
n3  n 3  20  5; n4  n 4  20 5
N 120 N 120
• El nuevo producto es introducido en 4

almacenes elegidos al azar de la cadena I, 6
almacenes de la cadena II y 5 almacenes de
cada una de las cadenas III y IV. Después de
un mes, las ventas presentan los resultados
indicados en la tabla siguiente. Estime las
ventas promedio para el mes, y fije un límite
• Solución.
ESTRATO I ESTRATO II ESTRATO III ESTRATO Iv
94 91 108 92
90 99 100 110
102 93 93 94
110 105 93 91
111 96 113
101
MEDIAS 99 100 98 100
VARIANZAS 78,67 55,60 39,50 112,50
1 4
 N i  ni  si2   N i  ni  5
yST 
N
 N I yi  99,3 Vˆ ( yst )  12  N  N  n 
i
2 
 Ni  6
 
1 N  i  i 
1  5  2  78,67  2  55,60  2  39,50   2  112 ,50 
Vˆ ( yst )    ( 24 )    (36 )    (30 )    (30 )    2,93
(120 ) 2  6    4   6   5 

 5 
2 Vˆ ( yst )  2 2,93  3,4

• Ejemplo 16. Un servicio forestal está
realizando un estudio de la gente que utiliza
las instalaciones de campamentos operados
por el estado. El estado tiene dos áreas para
acampar, una localizada en una montaña y
otra localizada a lo largo de la costa. El
servicio forestal desea estimar el número
medio de personas por sitio dentro de los
campamentos, y la proporción de sitios
personas de fuera del estado durante un
particular fin de semana, cuando se espera
que todos
MUESTREO
los sitios estén ocupados.
ESTADISTCIA APLICADA 51
• El número promedio de personas se va
estimar con un límite de B=1, la proporción
de personas de fuera del estado con un límite
de 0,1. Las dos áreas para acampar forman
dos estratos, la localidad de la montaña como
el estrato I y la localidad de la costa como
estrato II. Se sabe que N1 = 120 sitios para
acampar y N2 = 80. el servicio forestal
conoce que los sitios contienen de 1 a 9
personas. Encuentre el tamaño de muestra y
la asignación necesaria para lograr estos dos
límites.
• solución. Sabemos que:
N1 120 N 80 9 1
w1    0,6; w2  2   0,4 i  2
N 200 N 200 4
2 2 2
(120 ) ( 4) (80 ) (4)
1 i i i
N 
2 2
/ w 
0,6

0,4
 160 000
 i i  (120)(4)  (80)(4)  800

N
1
 2
 B 2

N D  (200 ) 
2 2
  (200 ) 2 (1 / 4)  10 000
 4 
 i i / wi
N 2
 2
160 000
n   15
N 2 D   N i  i2 10 000  800
• Ahora consideramos la estimación de la proporción
de ocupantes de fuera del estado. Consideramos
P1 = P2 = 0,5. (ecuación 5,18)
2 2
(120 ) ( 0,5)( 0,5) (80 ) (0,5)(0,5)
 i i i i
N 2
P Q / w 
0,6

0,4
 10 000
2 2
N 2 D  (200) 2
(0,1)
 100 N
1
i Pi Qi  120(0,5)(0,5)  80(0,5)(0,5)  50
2 4
N 2
P Qi / wi
i i
10 000
n 1
  67
2
100  50
N D   N i Pi Qi
2
n1  nw1  (67 )(0,6)  40

n2  nw2  (67 )(0,4)  27
Estratificación después de seleccionar la Muestra
• Supongamos que una muestra irrestricta aleatoria de n
personas es seleccionada para una encuesta. La muestra
puede ser dividida en n1 masculinos y n2 femeninos
después que la muestra ha sido entrevistada. Entonces en
lugar de usar la media muestral para estimar µ, podemos
usar la media estratificada siempre y que Ni/N sea conocido
tanto para masculinos como femeninos. Nótese que n1 y n2
son aleatorios a pesar de que n es fija. Entonces esta
muestra no es exactamente estratificada de acuerdo con la
definición. Por ejemplo, supóngase que una MIA. De n = 100
personas es seleccionada de una población que debe ser
dividida entre varones y mujeres. La medición muestral de
interés es el peso de los entrevistados, y el objetivo es
estimar el peso promedio de la gente de la población. La
muestra revela la siguiente información:

Varones Mujeres
n1 = 20 n2 =80
Media = 180 libras Media = 110 libras
Media muestral general = 124
• Con una baja representación de varones en la

muestra, el estimador y  124 parece indevidamente
bajo. Podemos ajustar esta estimación calculado
N  N 
yST   I  y1   2  y2 . . . . . . . . . . (5.21)
 N   N 
yST  0,5(180)  0,5(110)  145
. . . . . . . . . . (5.22)
N  ˆ N  ˆ
2 2
ˆ
V(y )    V(y )    V(y )
1 2
N N
st 1 2

• Ejemplo 18. una gran empresa sabe que 40% de
las cuentas que reciben son al mayoreo y 60% son
al menudeo. Sin embargo, identificar las cuentas
individuales sin consultar un archivo es complicado.
Un auditor desea muestrear n = 100 de sus
cuentas para estimar la cantidad promedio de las
cuentas por cobrar de la empresa. Una MIA
presenta 70% de cuentas al mayoreo y un 30% al
menudeo. Los datos son separados en cuentas al
mayoreo y al menudeo después del muestreo, son
los siguientes resultados (en $):

Al por mayor Al por menor
n1 = 70 n2 =30
Media = 520 Media = 280
Sdv = 210 Sdv = 90
• Estime µ, la cantidad promedio de las

cuentas que recibe la empresa, y fije un límite
yST  0,4(520)  0,6(280 )  376
2 2
Vˆ ( yst )  0,4  0,6
( 210 ) 2 (90)
 198
2
70 30 2 Vˆ ( yst )  2 198  28

Muestreo 2 Estrat

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Muestreo 2 Estrat

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DEL CALLAO

FACULTAD DE INGENIERIA AMBIENTAL Y DE RECURSOS

ESTADISTICA APLICADA A LA I.A.

MUESTREO ESTADISTCIA APLICADA 3

MUESTREO ESTADISTCIA APLICADA 4

• Límite para el error de estimación:

MUESTREO ESTADISTCIA APLICADA 5

MUESTREO ESTADISTCIA APLICADA 6

y1  33,900 y2  25,125 y3  19,000

1  (155)2 (0,871)(35,358) (62)2 (0,871)(232,411) (932 )(0,871)(87,636) 

MUESTREO ESTADISTCIA APLICADA 8

• Estimamos que el número promedio de

MUESTREO ESTADISTCIA APLICADA 9

MUESTREO ESTADISTCIA APLICADA 10

• La cantidad de información en una muestra

MUESTREO ESTADISTCIA APLICADA 11

MUESTREO ESTADISTCIA APLICADA 12

• Mediante la ecuación (5,7), podemos hacer uso de la

MUESTREO ESTADISTCIA APLICADA 14

• Sabemos que N1 = 155, N2 = 62, N3 = 93

 i i  (155)(25)  (62)(225)  (93)(100)  27 125

N 2 D  (310) 2 (1)  96100

MUESTREO ESTADISTCIA APLICADA 16

MUESTREO ESTADISTCIA APLICADA 17

MUESTREO ESTADISTCIA APLICADA 18

• Donde Ni denota el tamaño del estrato i-th, σi

• Para asignación óptima con la varianza de y st fija

MUESTREO ESTADISTCIA APLICADA 22

• Este método para seleccionar los ni se denomina

MUESTREO ESTADISTCIA APLICADA 27

MUESTREO ESTADISTCIA APLICADA 28

MUESTREO ESTADISTCIA APLICADA 30

MUESTREO ESTADISTCIA APLICADA 32

MUESTREO ESTADISTCIA APLICADA 34

• Varianza estimada de pst:

MUESTREO ESTADISTCIA APLICADA 36

• Solución. El valor estimado de la proporción de hogares

pst  2 Vˆ ( pst ) ; 0,60  2 0,0045 ; 0,60  0,14

• Donde wi es la fracción de observaciones asignada al

para un costo fijo:

• Donde Ni denota el tamaño del i-th estrato, Pi denota la

MUESTREO ESTADISTCIA APLICADA 40

De donde wi = 0,50; w2 = 0,22; w3 = 0,28.

MUESTREO ESTADISTCIA APLICADA 42

N 2 D  (310) 2 (0,0025)  240,25

MUESTREO ESTADISTCIA APLICADA 43

 N p q  155 (0,8)(0,2)  62 (0,25)(0,75)  93 (0,5)(0,5)

 62,000  26,846  46,500  135,346

MUESTREO ESTADISTCIA APLICADA 44

• Entonces w1 = 0,46, w2 = 0,20 y w3 = 0,34

N 2 D  (310) 2 (0,0025)  240,25

MUESTREO ESTADISTCIA APLICADA 45

MUESTREO ESTADISTCIA APLICADA 46

n1  n(0,5)  nw1  74(0,5)  37

MUESTREO ESTADISTCIA APLICADA 47

• El nuevo producto es introducido en 4

2 Vˆ ( yst )  2 2,93  3,4

MUESTREO ESTADISTCIA APLICADA 50

 i i  (120)(4)  (80)(4)  800

n1  nw1  (67 )(0,6)  40

MUESTREO ESTADISTCIA APLICADA 55

• Con una baja representación de varones en la

MUESTREO ESTADISTCIA APLICADA 56