Professional Documents
Culture Documents
Administrativa I
2016-1
Métodos de
muestreo
• Herramienta para inferir sobre una
población.
• Métodos para seleccionar una
muestra de una población.
2
Métodos de muestreo
3
Razones para muestrear
1. Lo difícil que resulta establecer contacto con
toda la población, el tiempo que se tendría que
invertir en demasiado largo.
2. Los costo para estudiar todos los elementos de
una población resultara prohibitivo.
3. Es imposible verificar de manera física todos los
elementos de la población.
4. Algunas pruebas son de naturaleza destructiva.
5. Los resultados de una muestra bien obtenida
son adecuados.
4
Tipos de muestreo
• No aleatorio
• Aleatorio
Muestreo no aleatorio
• Conveniencia
• Cuota
• Intencional o de juicio
1. Aleatorio simple
2. Aleatorio sistemático
3. Aleatorio estratificado
4. Conglomerados
7
Muestreo aleatorio simple
8
Ejemplo 8.1 . . .
Una empresa distribuidora de productos alimenticios tiene
845 empleados a nivel nacional. Va a entrevistar a 52
empleados para determinar sus necesidades de
capacitación.
10
Números aleatorios
Muestra de la mitad de una tabla de números
aleatorios para seleccionar elementos para una
muestra.
11
Muestreo aleatorio
sistemático
12
Ejemplo 8.2 . . .
Cuando el muestreo aleatorio simple no es la
respuesta.
Suponga que la división de ventas de Jetstereo necesita
calcular rápidamente el ingreso medio por ventas en el mes
pasado. La división de ventas sabe que se registraron 5,000
ventas y se almacenaron en cajones de archivo y se decidió
seleccionar 100 recibos para calcular el ingreso promedio.
• El muestreo aleatorio simple requiere que se extraiga el
numero recibo de cada uno antes de utilizar la tabla de
números aleatorios.
• Este proceso de numeración puede tardar mucho tiempo.
En su lugar se aplica el muestreo aleatorio sistemático.
13
Muestreo aleatorio sistemático
• Determinar el tamaño de la población.
• Divide el tamaño de la población entre el número
de elementos que desea en la muestra al que
llamaremos k
• Elegir al azar el primer elemento.
• Al resultado del primer elemento se le suma el
valor de K para obtener el segundo el elemento.
• Los demás se elementos de obtienen de la
misma manera hasta completar la muestra.
14
Ejemplo 8.3 . . .
La división de ventas de Jetstereo necesita calcular el
ingreso medio por ventas en el mes pasado. El mes
pasado se registraron 5,000 ventas y se almacenaron en
cajones de archivo. Se va a seleccionar 100 recibos para
calcular el ingreso promedio.
5000
• El conteo será de = 50 o sea de 50 en 50.
100
• Se elige un número cualquiera como primer recibo.
Puede ser 2847.
• El segundo elemento será el 2847+50 = 2897
• El tercero 2897+50 = 2947
• El elemento 100 será el 7797.
15
Muestreo aleatorio
estratificado
18
Muestreo por
conglomerados
21
Error de muestreo
Herramienta para hacer ajustes en
los resultados de una muestra.
22
Error de muestreo
La selección de cualquier muestra de determinado
tamaño en una población tiene una probabilidad
conocida; esta constituye otra forma de describir
un método de muestreo sin sesgo.
𝜇 ≠ 𝑋ത 23
Ejemplo 8.6 . . .
1. Se aplicó una encuesta a los estudiantes de una sección
de la clase de Estadística I para conocer las edades de
este tipo de población. Luego se extrajo una muestra de 10
estudiantes.
Edades de estudiantes
Edades de estudiantes universitarios universitarios
(Población) (Muestra)
37 19 22 31 36 25 39 37 24 18 21 35
32 24 31 31 22 40 35 36 21 33 31 22
26 24 18 31 33 22 39
25 29 35 21 28 21 40
𝜇 = 29.17
35 30 26 23 35 20 36 𝑋ത = 27.8
Error de muestreo = 1.37
26
Distribución muestral de la
media
Las medias muestrales varían de una a otra
muestra; aunque se haya obtenido de una
misma población.
27
Ejemplo 8.7 . . .
Se tiene una población de 10 elementos. Población
5 6
4 8
Recolectar 5 muestras que no sean 3 4
iguales y calcular la media aritmética de 7 6
cada una. 5 8
𝜇 = 5.6
10! 10!
10 𝐶4 = =
4! 10 − 4 ! 4! 6!
10 𝐶4 = 210
31
. . . Ejemplo 8.8
a) Media Poblacional
5 + 6 + 6 + 8 + 8 + 10
𝜇= = 7.33 = 7.3
6
32
… Ejemplo 8.8
Listado de muestras posibles Distribución muestral de
Muestra Elemento 1 Elemento 2 𝑋ത medias
1 70 70 70
2
3
70
70
80
80
75
75 𝑋ത 𝑋ത
4 70 90 80
70 1 0.0667
5 70 90 80
6 70 80 75 75 4 0.2667
7 70 80 75
8 70 90 80 80 5 0.3333
9 70 90 80
85 4 0.2667
10 80 80 80
11 80 90 85 90 1 0.0667
12 80 90 85
13 80 90 85 Total 15 1.0000
14 80 90 85
15 90 90 90 33
Media de distribución muestral
La media de la distribución muestral de medias,
es la media aritmética de todas las medias
calculadas.
σ 𝑋ത ∗ 𝑗
𝜇𝑋ത =
𝑁
Cada media se multiplica por el número de veces que
se repite en la distribución (Frecuencia) y la suma de
todos los productos se divide entre el total de muestras.
𝑋ത 𝑋ത ∗
1200
70 1 70 𝜇𝑋ത =
15
75 4 300
80 5 400 𝜇𝑋ത = 80
85 4 340 𝜇 = 80
90 1 90
Total 15 1,200
35
Teorema del Límite Central
36
Teorema del Límite Central
𝜇 = 7.33
𝜇𝑋ത = 7.26
38
𝜎𝑋ത
Error estándar de la
media
El nombre completo de esta medida es
“Desviación estándar de la distribución muestral
de medias”, significa que calcula la desviación
estándar de las medias resultantes en todas las
muestras.
39
Error estándar de la media
𝜎
𝜎𝑋ത =
𝑛
40
Ejemplo 8.10 . . .
Scrapper Elevator Co. Tiene 20 ejecutivos de ventas que
distribuyen su producto en Estados Unidos y Canadá. La
cantidad de elevadores vendidos el mes pasado se muestran
en la tabla siguiente:
VENDE- VENTAS VENDE- VENTAS VENDE- VENTAS
DOR DOR DOR
Juan 2 Pedro 3 Raquel 2
Yesenia 3 Marcia 3 Roberto 4
Rebeca 2 Elías 2 Fernando 2
Marvin 7 Francisco 3 Leonardo 4
Antonia 5 Tomás 3 Rubén 3
Esteban 3 Ramiro 3 Teresa 5
Lucrecia 2 Cruz 5 41
Ejemplo 8.10 . . .
Con los datos de la población que corresponde a las ventas
totales de elevadores ejecutar los siguientes cálculos:
42
… Ejemplo 8.10
a) Media Poblacional
σ 𝑥𝑖 66
𝜇= 𝜇= = 3.3
𝑁 20
σ 𝑥−𝜇 2 34.2
2 2
𝜎 = 𝜎 = = 1.71
𝑁 20
𝜎= 𝜎2 𝜎 = 1.71 = 1.31
43
𝜇 = 3.3
… Ejemplo 8.10 𝜎 = 1.31
c) 5 muestras aleatorias de 5 elementos (ejecutivos) cada
muestra
Muestra
x1 x2 x3 x4 x5 𝑋ത
#
1 2 3 2 7 5 3.8
2 3 2 7 5 3 4.0
3 2 7 5 3 2 3.8
4 7 5 3 2 3 4.0
5 5 3 2 3 3 3.2
d) Media de la distribución e) Error estándar de la
de medias media
18.8 𝜎 1.31
𝜇𝑋ത = = 3.76 𝜎𝑋ത = = = 0.5848
5 𝑛 5
44
Uso de la distribución muestral de
las medias
𝑋ത − 𝜇
𝑧= 𝜎
𝑛
47
𝑋ത − 𝜇
𝑧= 𝜎
Ejemplo 8.11. . . 𝑛
1. Una población normal tiene una media de 60 y una
desviación estándar de 12. Usted selecciona una muestra
aleatoria de tamaño 9 para calcular la probabilidad de que
la media muestral sea mayor que 63.
63 − 60 3
ത
𝑋 > 63 = 𝑧> = 𝑧>
12 4
9
50
Estimador puntual
51
Ejemplo 8.12…..
Se elige una muestra de 50 ejecutivos de mandos
intermedios y se le pregunta a cada uno la cantidad de
horas que laboró la semana pasada en el campo.
53
Estimadores puntuales e intervalos de
confianza de una media
1. 𝜇 conocida, 𝜎 conocida.
Estimador puntual: 𝜎
2. 𝜇 desconocida, 𝜎 conocida.
Estimador puntual: 𝜎
3. 𝜇 desconocida, 𝜎 desconocida.
Estimador puntual: 𝑠
4. 𝜋 conocida
Estimador puntual: 𝑝
54
Nivel de confianza
Probabilidad de que la media
poblacional se encuentre en un
rango determinado.
Nivel de
confianza
55
Intervalo de confianza
Es el rango que indica la mejor aproximación
de la media poblacional a partir de la media
aritmética de la muestra que se haya
recolectado.
Nivel de
confianza
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767
2.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952
𝜇 conocida
𝜎 conocida 61
Ejemplo 8.14 . . .
Del Monte Foods envasa duraznos en trozos en latas de 4
onzas. Para asegurarse que cada lata contenga por lo menos
la cantidad que se requiere, Del Monte establece que el
proceso de llenado debe verter 4.01 onzas de duraznos y
almíbar en cada lata.
Datos
𝑋ത = 4.025
𝑧 =?
𝜎𝑋ത =?
63
. . . Ejemplo 8.14
𝜇 = 4.01 𝜎 = 0.02 𝑛 = 16 𝑋ത = 4.025
64
. . . Ejemplo 8.14
• Calcular intervalo de confianza 𝑋ത = 4.025
𝜇95% = 4.025 ± 1.96 0.005 𝑧 = 1.96
𝜇95% = 4.025 ± 0.0098 𝜎𝑋ത = 0.005
4.025 − 0.0098 𝜇 = 4.01
𝜇95% =ቊ
4.025 + 0.0098
4.0152
𝜇95% = ቊ
4.0348
4.015
𝜇95% = ቊ
4.035
𝜇
𝑋ത El promedio de lo
envasado según la
4.010 4.015 4.020 4.025 4.030 4.035 muestra es muy alto.
Intervalo de
confianza
𝜇𝐼𝐶% = 𝑋ത ± 𝑧𝜎𝑋ത
𝜇 desconocida
𝜎 conocida 66
Ejemplo 8.14. . .
Se toma una muestra de 49 observaciones de una
población normal que tiene una desviación estándar de
10. La media aritmética de la muestra es de 55.
𝑛 = 49 𝜎 = 10 𝑋ത = 55
𝜇𝑋ത = 𝑋ത ± 𝑧𝜎𝑋ത
𝜇 desconocida
𝜎 desconocida 69
Intervalo de confianza
𝑠
𝑠𝑋ത =
𝑛
𝑠
𝜇% = 𝑋ത ± 𝑡
𝑛
Distribución t
Intervalo de confianza
gl 80% 90% 95% 98% 99% 99.9%
1 3.078 6.314 12.706 31.821 63.657 636.619
2 1.886 2.920 4.303 6.965 9.925 31.599
3 1.638 2.353 3.182 4.541 5.841 12.924
4 1.533 2.132 2.776 3.747 4.604 8.610
5 1.476 2.015 2.571 3.365 4.032 6.869
6 1.440 1.943 2.447 3.143 3.707 5.959
7 1.415 1.895 2.365 2.998 3.499 5.408
8 1.397 1.860 2.306 2.896 3.355 5.041 𝑔𝑙 = 𝑛 − 1
9 1.383 1.833 2.262 2.821 3.250 4.781
10 1.372 1.812 2.228 2.764 3.169 4.587
11 1.363 1.796 2.201 2.718 3.106 4.437
12 1.356 1.782 2.179 2.681 3.055 4.318
13 1.350 1.771 2.160 2.650 3.012 4.221
14 1.345 1.761 2.145 2.624 2.977 4.140
15 1.341 1.753 2.131 2.602 2.947 4.073
16 1.337 1.746 2.120 2.583 2.921 4.015
17 1.333 1.740 2.110 2.567 2.898 3.965
18 1.330 1.734 2.101 2.552 2.878 3.922
19 1.328 1.729 2.093 2.539 2.861 3.883
20 1.325 1.725 2.086 2.528 2.845 3.850
Ejemplo 8.15 . . .
El gerente general del centro comercial Multi-plaza
desea estimar la cantidad de visitantes que se tienen
por día en las primeras tres horas del día. El número
de visitantes que se contaron en los últimos ocho días
fueron los siguientes:
Visitantes de 8 a 11 am
48 42 46 51
24 41 86 54
73
. . . Ejemplo 8.15
Visitantes de 8 a 11 am
48 42 46 51
24 41 86 54
• Calcular la media aritmética de la muestra
392
𝑋ത = = 49
8
• Calcular la desviación estándar de la muestra
2146
𝑠= = 306.57 = 17.51
8−1
• Determinar el valor de t para 𝐼𝐶 = 95%
𝑛=8
Intervalo de confianza
𝑔𝑙 = 7 gl 80% 90% 95%
𝑡 = 2.365 7 1.415 1.895 2.365
𝑠
𝜇% = 𝑋ത ± 𝑡
. . . Ejemplo 8.15 𝑛
• Intervalo de confianza
17.51
𝑋ത = 49 𝜇95% = 49 ± 2.365
𝑠 = 17.51 8
𝑛=8 𝜇95% = 49 ± 2.365 ∗ 6.1907
𝑡 = 2.365 𝜇95% = 49 ± 14.6410
49 − 14.641
𝜇95% =ቊ
49 + 14.641
34.36
𝜇95% =ቊ
63.64
Con 95% de confianza se puede estimar que el promedio
de visitantes el centro comercial en las primeras horas de la
mañana, está entre 34 y 64 personas.
75
Intervalos de confianza
nominal
Éxito o Fracaso
Proporciones 76
Intervalo de confianza
proporciones
𝑝 1−𝑝
𝑝±𝑧∗
𝑛
𝑋
Proporción de la muestra 𝑝= 77
𝑛
Ejemplo 8.16 . . .
La junta directiva de HSBC considera la propuesta de
fusión con Davivienda. De acuerdo al reglamento, por
lo menos tres cuartas partes de los accionistas deben
aprobar cualquier tipo de fusión.
78
. . . Ejemplo 8.16
• Tamaño de la muestra 𝑛 = 2,000
𝑝 1−𝑝 𝑝 = 0.7
𝑝±𝑧∗
𝑛 𝑧 = 1.96 79
. . .Ejemplo 8.16
0.7 1 − 0.7
𝜋95% = 0.7 ± 1.96 ∗
2000
0.21
𝜋95% = 0.7 ± 1.96 ∗
2000
𝜋95% = 0.7 ± 1.96 0.10247 = 0.7 ± 0.0244
0.7 − 0.0244
𝜋95% = ቊ
0.7 + 0.0244
0.6756
𝜋95% = ቊ
0.7244
𝜇 = 𝑋ത ± 𝐸
Tamaño de muestra
𝑧𝜎 2
𝑛=
𝐸
• n : Tamaño de la muestra
• z : Valor z del nivel de confianza
• σ : Desviación estándar
• E : Margen de error
𝑧𝜎 2
Ejemplo 8.17 . . . 𝑛=
𝐸
1. Para una población con desviación estándar de 10;
estimar la media de la población con un error
máximo admisible de 2 unidades, con un nivel de
confianza de 95%.
2
𝜎 = 10 1.96 ∗ 10
𝑛=
E=2 2
IC = 95% 𝑧 = 1.96 𝑛 = 96.04
𝑛 = 384.16
Se requiere una muestra de 385 facturas para satisfacer
las especificaciones del gerente.
𝑧𝜎 2
. . . Ejemplo 8.17 𝑛=
𝐸
b.- Tamaño de la muestra para 99% de confiabilidad
0.9900
𝑧 =? = = 0.4950
2
𝑧 =? = 0.4950 𝑧 = 2.58
𝐸 = 100
𝜎 = 100
2
2.58 ∗ 1000 2
𝑛= = 25.8 = 665.64
100
𝑛 = 665.64
Se requeriría muestra de 666 facturas para satisfacer
las una especificaciones del gerente.
Tamaño de una
muestra
Proporción de una población
Elección del tamaño de la muestra
Consideraciones
› Margen de error que tolerará el
investigador
› Nivel de confianza deseado
› Variabilidad o dispersión de la
población que se estudia
• Margen de error
𝑝 1−𝑝
𝐸 =𝑧∗
𝑛
𝜋 1−𝜋
𝐸 =𝑧∗
𝑛
Tamaño de muestra
𝑝=𝜋
𝑧 2
𝑛 =𝑝 1−𝑝
𝐸
• n : Tamaño de la muestra
• z : Valor z del nivel de confianza
• p : Proporción de la población
• E : Margen de error
Ejemplo 8.18 . . .
Encuestas anteriores revelan que 30% de los turistas que
van a Las Vegas a jugar durante el fin de semana gasta
más de $1 000. La gerencia desea actualizar este
porcentaje.
𝑝 = 0.3 0.9000
𝑧 =? = = 0.4500
𝐸 = 0.01 2
𝑧 2
Ejemplo 8.18. . . 𝑛 =𝑝 1−𝑝
𝐸
𝑝 = 0.3
0.9000
𝑧 =? = = 0.4500 𝑧 = 1.65
2
z 0.00 0.01 0.02 0.03 0.04 0.05