TIPOS DE MUESTREO
Muestreo aleatorio simple
En este muestreo cada elemento tiene la misma posibilidad de ser elegido al igual
que las muestras. Además en este muestreo se utiliza n para referirse al tamaño
de la muestra y N para la población. Las muestras pueden ser con o sin
reemplazo.
Existen varias técnicas de muestreo aleatorio simple, una de ella es la de la
pecera; otra es por medio de una lista de los elementos numerados y de ahí se
escoge un elemento al azar.
Ejemplo 1:
En una empresa se desea seleccionar una muestra de 20 empleados de una
población de 600; esto con la finalidad de conocer la cantidad de empleados que
hablan más de un idioma. La empresa envía encuestas por correo electrónico;
para seleccionar la muestra, los empleados son elegidos de un listado de nombres
y direcciones de correos electrónicos del total de N= 600 empleados, extraídos de
los archivos de la empresa.
Ejemplo 2:
Una empresa desea conocer el índice de maternidad en sus empleadas, por lo
que decide tomar una muestra de 25 empleadas de un total de población de 400
mujeres que laboran en a compañía. Por ello se llevará a cabo una encuesta a la
muestra de 25. Para seleccionar los nombres, estos se extraerán, por medio de un
sorteo, de una lista numerada de las N= 400 mujeres de la empresa.
Muestreo estratificado
Este método probabilístico la población, es decir N, se divide en diferentes
subpoblaciones o estratos por alguna característica en común como: edad, sexo,
grado escolar, etc. se toma de cada estrato un muestra por medio de alguna
técnica de muestreo aleatorio simple; y los se resultados de ambas muestras se
combinan. Este tipo de muestreo asegura que se tomen los elementos de toda la
población.
Ejemplo 1:
En una escuela de nivel superior, se levanta una encuesta con la finalidad de
conocer la cantidad de alumnos que estudian y trabajan, por lo que se toma una
muestra de 40 alumnos de una población de 900, pero se requiere que de la
muestra la mitad sean hombres y a otra mitad mujeres. Si del total de la población
el 45% son hombres y el 55% son mujeres, el marco debe dividirse en dos
listados; el primero correspondiente a los 405 alumnos, quienes son numerados
del 001 al 405. El segundo es el corresponde a las 495 alumnas enumeradas del
001 al 495. Después de cada una de las listas se toma una muestra,
aproximadamente el 45% de la muestra total del listado de los hombres, es decir,
18. Y de las mujeres se toma aproximadamente el 55% del total de la muestra,
dando un total de 22 alumnas. Para obtener los resultados de la encuesta se
combinan las muestras de los dos listados.
Ejemplo 2:
Una empresa desea conocer la opinión de los empleados respecto a la
administración de la misma y les pide que opinen qué se puede mejorar. Para
seleccionar la muestra de empleados, la población de la empresa se divide por
empleados de producción, administrativos y transportistas. De una lista enumera
de cada una de las categorías, se escogen 10 empleados al azar; al final los
resultados obtenidos de cada sección se juntan para ser analizados por la
empresa.
Muestreo sistemático
En este método se seleccionan los elementos de una población con un intervalo
uniforme que lo podemos medir en el tiempo, orden y tiempo. Para encontrar la
cantidad de elementos de cada intervalo se divide la población N entre los grupos
realizados n. Este método es más útil en muestras grandes al igual que el
muestreo aleatorio simple.
Ejemplo1:
Se quiere obtener una muestra de n= 10 productos de una población de N= 500,
para determinar la calidad de los productos en la línea de producción. Para ello,
primero se divide el marco de 500 en 10 grupos, cada uno de 50 productos.
Después se selecciona del primer grupo de 50 un producto al azar, como por
ejemplo el 5, por lo que al producto 55 es seleccionado para inspección, así que
cada 50 productos se toma uno para su análisis.
Ejemplo2:
Para seleccionar una muestra sistemática de n=40 de una población de N=800
empleados de tiempo completo, se divide el marco de 800 en 40 grupos, cada uno
con 20 empleados. Luego se selecciona un numero aleatorio de los primeros 20
individuos y se incluye cada vigésimo individuo después de la primera selección
en la muestra. Si el primer número aleatorio que elige es 008, sus selecciones
subsiguientes son 028, 048, 068, 088,108…
Muestreo conglomerado
En lugar de seleccionar a todos los sujetos de la población inmediatamente, el
investigador realiza varios pasos para reunir su muestra de la población, por lo
general de grupos ya establecidos como: estados, municipios, entre otros.
Ejemplo 1:
El gobierno de Chihuahua quiere saber el rendimiento académico de los
estudiantes de nivel medio superior del estado, por lo que selecciona una muestra
al azar de 10 municipios de un listado de 67 municipios. De los 10 municipios
seleccionados se reúne una nueva muestra de 5 escuelas de nivel medio superior
de cada uno de los municipios, mediante un muestreo aleatorio simple.
Ejemplo 2:
En una investigación se trata de conocer el nivel de aceptación del presidente de
la república, por lo que por cada estado de la república, se selecciona una
localidad de cada municipio para realizar las encuestas, esta selección se lleva a
cabo mediante un muestreo aleatorio simple. Al obtener los resultados, estos se
reúnen para ser analizados por los investigadores.
DISTRIBUCIONES MUESTRALES
Ejemplos
1.- Un fabricante de papel para empaquetar requiere que su producto tenga una
resistencia mínima de 20 libras por pulgada cuadrada. Para verificar la calidad del
papel se elige una muestra aleatoria de 10 trozos de papel de la hora anterior y se
registra una medida de la resistencia para cada uno. Se sabe que la desviación
estándar, σ , de las mediciones de resistencia, al agrupar muchas muestras es de
2 libras por pulgada cuadrada.
a) si la media de la población de las mediciones de resistencia es de 21 libras por
pulgada cuadrada. ¿Cuál es la probabilidad de que una muestra de n= 10 trozos
de papel de prueba, x́ <20?
Datos de resumen:
2
μ=21 σ =2 n=10 σ x́ = =¿0.63245553
√10
x́−μ
z= =¿ -1.58113883
σ x́
p ( x́<20 libras )=¿ 0.05692
Gráfica de distribución
Normal, Media=21, Desv.Est.=0.632456
0.7
0.6
0.5
Densidad
0.4
0.3
0.2
0.1
0.05692
0.0
20 21
X
Conclusión: existe una probabilidad del 5.69% de que al tomar una muestra de 10
trozos estos tengan una resistencia menor a 20 lb/in 2
2.- Una empresa que produce material eléctrico fabrica lámparas de luz que tienen
una duración que se distribuye aproximadamente en forma normal, con media de
800 horas y una desviación estándar de 40 horas. Encuentre la probabilidad de
que una muestra aleatoria de 16 lámparas tenga una vida promedio de menos de
775 horas.
Datos de resumen:
40
μ=800 horas σ =40 horas n=16 lámparas σ x́ = =¿10
√ 16
x́−μ
z= =¿ -2.5
σ x́
p( x́ <775 horas)=0.006210
Gráfica de distribución
Normal, Media=800, Desv.Est.=10
0.04
0.03
Densidad
0.02
0.01
0.006210
0.00
775 800
X
Conclusión: existe una probabilidad de 0.62% de que de una muestra de 16
lámparas tengan una vida promedio de menos de 775 horas.
3.- Una compañía telefónica tiene planes de instalar nuevos equipos que mejoren
la eficiencia de sus operaciones, pero antes de decidir si dicha inversión es
adecuada, han de determinar que la media de las llamadas de una muestra de n=
40.
Datos de resumen:
15
μ=¿ 140 segundos σ =15segundos n=40 σ x́ = =¿2.37170825
√ 40
a) Este entre 145 y 150 segundos.
x́−μ
z= =¿2.1081851
σ x́
x́−μ
z= =¿4.2163702
σ x́
p ( 145< x́< 150 )=0.01750
Gráfica de distribución
Normal, Media=140, Desv.Est.=2.37171
0.18
0.16
0.14
0.12
Densidad
0.10
0.08
0.06
0.04
0.02
0.01750
0.00
140 145 150
X
Conclusión: existe una probabilidad de 1.75% que la media de una muestra de 40,
este entre 145 y 150 segundos.
b) Sea mayor que 135 segundos.
x́−μ
z= =¿ -2.10819
σ x́
p ( x́>135 )=¿ 0.9825
Gráfica de distribución
Normal, Media=140, Desv.Est.=2.37171
0.18
0.16 0.9825
0.14
0.12
Densidad
0.10
0.08
0.06
0.04
0.02
0.00
135 140
X
Conclusión: existe una probabilidad de 98.25% de que las llamadas duren
aproximadamente más de 135 segundos.
c) Sea menor que 155 segundos.
x́−μ
z= =¿ 6.3245
σ x́
p ( x́<155 )=1
Gráfica de distribución
Normal, Media=140, Desv.Est.=2.37171
0.18
0.16
0.14
0.12
Densidad
0.10
0.08
0.06
1.000
0.04
0.02
0.00
140 155
X
Conclusión: hay una probabilidad de aproximadamente el 100% de que las duren
menos de 155 segundos.
d) Entre 140 y 149 segundos.
x́−μ
z= =¿ 0
σ x́
x́−μ
z= =¿ 3.7947
σ x́
p ( 140< x́< 149 )=.4999
Gráfica de distribución
Normal, Media=140, Desv.Est.=2.37171
0.18
0.16
0.14
0.12
Densidad
0.10
0.08
0.06
0.04
0.4999
0.02
0.00
140 149
X
Conclusión: la probabilidad de que la media muestral de las llamadas se encuentre
entre 140 y 149 segundos es de 49.99%.
e) Sea mayor que 145 segundos.
x́−μ
z= =¿ 2.1081
σ x́
p ( x́>145 )=¿ 0.01751
Gráfica de distribución
Normal, Media=140, Desv.Est.=2.37171
0.18
0.16
0.14
0.12
Densidad
0.10
0.08
0.06
0.04
0.02
0.01751
0.00
140 145
X
Concusión: la probabilidad de que las llamadas duren en promedio más de 145
segundos es la remota cantidad de 1.75%.
Ejercicios:
1.- El peso de un producto en kg sigue una distribución normal con media de 30 kg
y desviación estándar de 3 kg. Un empresario decide aceptar un lote de 600
unidades que le envía el proveedor, si al elegir una muestra de 5 unidades del
producto, encontrar la probabilidad de que tenga:
Datos de resumen:
σ
μ=30 kg σ =3 kg n=5 σ x́ = =¿1.34164079
√n
a) Un peso medio de entre 24 y 28 kg
x́−μ
z= =¿ -4.4722
σ x́
x́−μ
z= =¿ 1.4907
σ x́
p ( 24< x́ <28 kg )=¿ 0.06801
Gráfica de distribución
Normal, Media=30, Desv.Est.=1.34164
0.30
0.25
0.20
Densidad
0.15
0.10
0.05
0.06801
0.00
24 28 30
X
Conclusión: existe una probabilidad de un 6.8% de que el peso medio de la
muestra de 5 unidades este entre 24 y 28 kilos.
b) Su peso medio sea menor de 32 kg
x́−μ
z= =¿ 1.4907
σ x́
p ( x́<32 kg )=¿ .9320
Gráfica de distribución
Normal, Media=30, Desv.Est.=1.34164
0.30
0.25
0.9320
0.20
Densidad
0.15
0.10
0.05
0.00
30 32
X
Conclusión: la probabilidad de que el peso medio de la muestra sea menor a 32
kilos es de 93.20%.
2.- Supongamos que la estatura media de las alumnas de un instituto es de 165
cm, con desviación estándar de 8 cm. ¿Cuál es la probabilidad de que una
muestra de 36 alumnas tenga una media de 167 cm o más?
Datos de resumen:
σ
μ=165 cm σ =8 cm n=36 alumnas σ x́ = =¿1.33333
√n
x́−μ
z= =¿ 1.5
σ x́
p ( x́ ≥ 167 cm )=¿ 0.06681
Gráfica de distribución
Normal, Media=165, Desv.Est.=1.33333
0.30
0.25
0.20
Densidad
0.15
0.10
0.05
0.06681
0.00
165 167
X
Conclusión: la probabilidad de que una muestra de 36 alumnas tenga una media
de 167 cm o más es de 6.68%.
3.- En el último año, el peso de los recién nacidos tiene una media de 3000 gr, y
desviación estándar de 140 gr. ¿Cuál será la probabilidad de que la media en
peso de una muestra de 100 nacidos sea superior a 3030 gr?
Datos de resumen:
σ
μ=3,000 gramos σ =140 gramos n=100 nacidos σ x́ = =¿14
√n
x́−μ
z= =¿ 2.142857
σ x́
p ( x́>3030 gramos )=0.01606
Gráfica de distribución
Normal, Media=3000, Desv.Est.=14
0.030
0.025
0.020
Densidad
0.015
0.010
0.005
0.01606
0.000
3000 3030
X
Conclusión: existe una probabilidad de que el peso medio de la muestra de 100
nacidos sea superior a 3030 gramos es de 1.60%.
4.- el tiempo requerido en una empresa para ensamblar 80 piezas mecánicas tiene
una distribución normal con una media de 15 min y una desviación estándar de 3
min. Cuál es la probabilidad de que el ensamblado de una muestra de 7 piezas
tarde en promedio:
Datos de resumen:
σ
μ=15 minutosσ =2 minutos n=7 piezas σ x́ = =¿1.133893
√n
a) Al menos 11 minutos
x́−μ
z= =¿-3.52766972
σ x́
p ( x́ ≥ 11 minutos )=¿ 0.9998
Gráfica de distribución
Normal, Media=15, Desv.Est.=1.13389
0.4
0.9998
0.3
Densidad
0.2
0.1
0.0
11 15
X
Conclusión: existe una probabilidad del 99.98% de que las piezas tarden una
media de al menos 11 minutos.
b) Tarde entre 12 y 17 minutos
x́−μ
z= =¿ -2.6459
σ x́
x́−μ
z= =¿ 1.7639
σ x́
p ( x́ ≥ 11 minutos )=¿ 0.9570
Gráfica de distribución
Normal, Media=15, Desv.Est.=1.13389
0.4
0.9570
0.3
Densidad
0.2
0.1
0.0
12 15 17
X
Conclusión: la probabilidad de que las piezas tarden una media de entre 12 y 17
minutos, es de 95.70%.
DISTRIBUCIONES MUESTRALES DE PROPORCIONES
Ejemplos:
1.- Una empresa dedicada a la venta de productos para las personas parezcan
más atractivas al sexo opuesto, cuyos datos indican que el 75% ( π o P) de todos
los clientes potenciales con quienes se establece contacto por correo compran el
producto.
Carlos envía 200 cartas (n) en las que ofrece vender el producto, tiene que hacer
160 ventas como mínimo para financiarse un viaje a Cancún. ¿Cuál es la
probabilidad de que lo consiga?
Datos de resumen:
x
π=0.75 n=200 x ≥ 160 ^p= =0.8
n
π (1−π )
σ ^p=
√ n
=¿0.030618622
^p −π
z= =¿1.632993162
σ ^p
p ( ^p ≥ 0.8 ) =¿0.05123522
Gráfica de distribución
Normal, Media=0.75, Desv.Est.=0.0306186
14
12
10
Densidad
2
0.05124
0
0.75 0.8
X
Conclusión: la probabilidad de que Carlos consiga las más de 160 y vaya a
Cancún es del 5.12%.
2.- El gerente de una sucursal local de un banco de ahorro ha determinado que el
40% de todos los depositantes tienen cuentas múltiples en el banco. Si selecciona
una muestra de 200 depositantes. Cuál es la probabilidad de que la población
muestral de depositantes con cuentas múltiples se encuentren entre:
Datos de resumen:
π=0.40 n=200
π (1−π )
σ ^p=
√ n
=¿0.03464102
a) 41% y 43%
p ( 41< ^p < 43 )=¿ 0.19317688
^p −π
z= =¿ 0.28867513
σ ^p
^p −π
z= =¿ 0.8660254
σ ^p
Gráfica de distribución
Normal, Media=0.4, Desv.Est.=0.034641
12
10 0.1932
8
Densidad
0
0.4 0.41 0.43
X
Conclusión: existe una probabilidad aproximadamente de 19.31% de que la
población muestral de depositantes con cuentas múltiples se encuentre entre 41%
y 43%.
b) 44% y 46%
p ( 44< ^p <46 )=¿ 0.08247428
^p −π
z= =¿ 1.15470054
σ ^p
^p −π
z= =¿ 1.73205081
σ ^p
Gráfica de distribución
Normal, Media=0.4, Desv.Est.=0.034641
12
10
8
Densidad
0.08247
4
0
0.4 0.44 0.46
X
Conclusión: La probabilidad de que la población muestral de depositantes con
cuentas múltiples este entre 44% y 46%, es de 8.24% aproximadamente.
c) Más de 46%
p ( ^p > 46 )=¿ 0.04163226
^p −π
z= =¿ 1.73205081
σ ^p
Gráfica de distribución
Normal, Media=0.4, Desv.Est.=0.034641
12
10
8
Densidad
2
0.04163
0
0.4 0.46
X
Conclusión: existe una probabilidad de 4.16% de que la población muestral de
depositantes con múltiples cuentas este en más del 46% de los depositantes.
Ejercicios:
1.- La empresa Carl´s Jr., se hizo una encuesta para saber si a los clientes les
interesa probar una nueva hamburguesa. Se realizaron para ello 225 encuestas a
clientes al azar, donde en promedio el 60% de los encuestados la respondieron.
¿Cuál es la probabilidad de que entre el 50% y 70% de las personas encuestadas
estén dispuestos a probar la hamburguesa?
Datos de resumen:
π=0.60 n=225
π (1−π )
σ ^p=
√ n
=¿0.032659863
p ( 50< ^p <70 )=¿ 0.99780035
^p −π
z= =¿ -3.06186218
σ ^p
^p −π
z= =¿ 3.06186218
σ ^p
Gráfica de distribución
Normal, Media=0.6, Desv.Est.=0.0326599
0.9978
12
10
8
Densidad
0
0.5 0.6 0.7
X
Conclusión: Existe una posibilidad del 97.78% de que las personas encuestadas
deseen probar la nueva hamburguesa.
2.- En el ITCC el 70% de sus alumnos consumen alimentos de la cafetería. El chef
quiere implementar un nuevo platillo de pollo, y desea conocer si este tendrá o no
éxito entre el alumnado, por ello repartió 100 muestra a los alumnos. ¿Cuál es la
probabilidad de que el platillo le guste a por lo menos el 50% de los alumnos?
Datos resumen:
π=0.70 n=100
π (1−π )
σ ^p=
√ n
=¿ 0.04582576
p ( ^p ≥ 50 )=¿ 0.999993625
^p −π
z= =¿ -4.3643578
σ ^p
Gráfica de distribución
Normal, Media=0.7, Desv.Est.=0.0458258
9
8
1.000
7
6
Densidad
0
0.5 0.7
X
Conclusión: existe una probabilidad de casi el 100% de que a por lo menos el 50%
de los alumnos que probaron la muestra les guste.
3.- El candidato a presidente del municipio de guerrero es el favorito en la elección
a la presidencia, el 70% de la población dice votará por él. Para aumentar su
popularidad se decide entregar 400 despensas al pueblo. ¿Cuál es la probabilidad
de que consiga 250 o más personas decidan votar por él?
Datos de resumen:
π=.70 n=400 despensas x=225 despensas
x
^p= = .625
n
π (1−π )
σ ^p=
√ n
=¿0.02291288
^p −π
z= =¿-3.27326835
σ ^p
p ( ^p ≥ .625 )=¿ 0.99946844
Gráfica de distribución
Normal, Media=0.7, Desv.Est.=0.0229129
20
0.9995
15
Densidad
10
0
0.625 0.7
X
Conclusión: existe una probabilidad de 99.95% de que 250 o más de las personas
que recibieron las despensas voten por él.
4.- En General Electric recluta personal, si el suponemos que el 40% de los
solicitantes dominan más de un idioma. Si se tomará una muestra de 22
solicitudes, ¿Cuál es la probabilidad de que más del 30% de ellos domine más de
un idioma?
Datos de resumen:
π=.40 n=22 solicitantes ^p=.30
p ( ^p > .30 )=¿ 0.83082414
π (1−π )
σ ^p=
√ n
=¿ 0.10444659
^p −π
z= =¿ -0.95742711
σ ^p
Gráfica de distribución
Normal, Media=0.4, Desv.Est.=0.104447
4
3
Densidad
0.8308
2
0
0.3 0.4
X
Conclusión: la probabilidad de que de la muestra de 22 solicitantes el 30% o más
domine más de un idioma, es del 83.08%.
DIFERENCIA ENTRE DOS MEDIAS POBLACIONALES
Ejemplos:
1.- Uno de los principales fabricantes de televisores compra los componentes
electrónicos a dos compañías. Los de la compañía A tienen una vida media de 7.2
años con una desviación estándar de 0.8 años, mientras que los de la compañía B
tienen una vida media de 6.7 años con una desviación estándar de 0.7 años.
Determine la probabilidad de que una muestra aleatoria de 34 componentes de la
compañía A tenga una vida promedio de al menos un año más que la de una
muestra aleatoria de 40 componentes de la compañía B.
Datos de resumen:
μ A =7.2 años μ B=6.7 años
σ A =0.8 años σ B=0.7 años
n A =34 componentes n B=40 componentes
σ 2 A σ 2B
σ (x́ −x́ )=
A B
√
+
n A nB
= 0.176276854
( x́ A− x́ B )−(μ A −μB )
z=
σ 2 A σ 2B = 2.836447256
√ +
n A nB
p( x́ A − x́ B >1)= 0.00228093
Gráfica de distribución
Normal, Media=0.5, Desv.Est.=0.176277
2.5
2.0
1.5
Densidad
1.0
0.5
0.002281
0.0
0.5 1
X
Conclusión: Existe una probabilidad de 0.23% de que la vida promedio de las
muestras de la compañía A, sea al menos un año más que las muestras de la
compañía B.
Ejercicio:
1.- En una compañía exportadora de acero, analizan distintas manera de distribuir
el material en las cajas de los camiones de carga. Se sabe en las cargas se sigue
una distribución aproximadamente normal. En promedio el peso de que puede
almacenar un tráiler con caja es de 28 toneladas, con una desviación estándar de
5 toneladas; y de un tráiler con plataforma es de 30 toneladas con una desviación
estándar de 3 toneladas. Los ingenieros logísticos toman una muestra de 12
camiones de carga con caja y 16 con plataforma, se hacen la pregunta de ¿Cuál
será la probabilidad de que al exportar en camiones de carga con plataforma estos
puedan 6 toneladas más que los camiones de carga con caja?
Datos de resumen:
μ A =28 toneladas μ B=30 toneladas
σ A =5 toneladas σ B=3 toneladas
n=12 camiones n B=16 camiones
σ 2 A σ 2B
σ (x́ −x́ )=
A B
+
n A nB √ =1.626601775
( x́ A− x́ B )−(μ A −μB )
z=
σ 2 A σ 2B = 2.459114494
√ +
n A nB
p( x́ A − x́ B >6)= 0.00696401
Gráfica de distribución
Normal, Media=2, Desv.Est.=1.6266
0.25
0.20
0.15
Densidad
0.10
0.05
0.006964
0.00
2 6
X
Conclusión: Existe una probabilidad de .69% de que de los camiones de
plataforma puedan soportar 6 kg más que los tráiler con caja.
