Estadística Inferencial

Semana1 sesión 1
Introducción a la Estadística Inferencial
EJERCICIOS EXPLICATIVOS

1. Describir las diferencias principales entre un muestreo probabilístico y no probabilístico

Muestreo probabilístico (Aleatorio) Muestreo no probabilístico (No aleatorio)

1. 1.
2. 2.
3. 3.
4. 4.
5. 5.
6. 6.
7. 7.
8. 8.
9. 9.

2. hallar las probabilidades de cada enunciado sabiendo que Z es una distribución normal estándar.
𝑎) 𝑃[   − 0, 52 < 𝑧 < 1, 03]
𝑏) 𝑃[𝑍 ≤ 0.93]
𝑐) 𝑃[𝑧 > 1, 27]

1 Estadística Inferencial
 EJERCICIOS PROPUESTOS

Taller grupal:
1. Se realizó un estudio para conocer los jornales en dólares americanos de los trabajadores de la
empresa “El Triunfo S.A.” dedicada a la construcción de edificios y se tomó una muestra de 5
obreros en el presente mes; siendo los datos obtenidos:

660, 689, 678, 789, 680

Por información de recursos humanos se sabe que en la empresa el 90% de los

trabajadores es de sexo masculino y tienen una edad promedio de 35 años.

Determinar:
 Población:
 Muestra:
 Unidad de análisis:
 Variable:
 Dato:
 Parámetro(s):
 Estadístico(s):

Taller grupal:
2. ¿En la estadística inferencial el muestreo es probabilístico(aleatorio) o no probabilístico(aleatorio)?
Justifique su respuesta
Taller grupal:
3. ¿Cuáles son las similitudes y diferencia un muestreo estratificado y conglomerado?
Proponga un ejemplo:

2 Estadística Inferencial
 EJERCICIOS RESUELTOS:

1. Describa en que situaciones se emplea el muestreo aleatorio simple, que ventajas y desventajas
tiene. Mencione un ejemplo práctico.

Solución:

El muestreo aleatorio simple (MAS), es una técnica de muestreo justa ya que todos tienen la
misma probabilidad de ser elegido, es una técnica muy básica que puede ser fácilmente un
componente de un método de muestreo más complejo. A veces se argumenta que este método
es teóricamente simple de entender pero difícil de implementar en la práctica en poblaciones
grandes.

Funciona mejor cuanto más homogénea es la población, donde no haya variables que requieran
generar estratos.

Desventajas:

La Desventaja de llevarlo a la práctica en investigaciones reales. Debido a que: al ser una técnica
probabilística, se necesita un marco muestral con todos los individuos que forman la población, y
que todos ellos sean seleccionables aleatoriamente para la muestra. Un requisito que difícilmente
puede cumplirse en la mayoría de estudios de mercado y opinión reales, lo que nos obligará a
emplear otras técnicas.

Es un método de muestreo que puede llegar a ser más costoso que otros, ya que requiere una lista
completa de todos los encuestados potenciales que forman parte de la muestra, se complica más
cuando el tamaño de muestra es grande y la población grande.

Pasos para su implementación:

 Paso1: Definir Marco Muestral (lista total de las población N)

 Paso2: Determinar el tamaño de la muestra(n), generalmente se halla por una
fórmula estadística definiendo un nivel de confianza y un error o precisión.
 Paso3: Generar números aleatorios a fin de elegir las unidades de análisis
(Generalmente se ayuda a través de una tabla de números aleatorios o un software
estadístico)
Ejemplo:

Se tiene una población de 54 estudiantes del curso de estadística, definimos un tamaño de muestra
de, por ejemplo, 18 que se obtiene dado un nivel de confianza y un error de precisión, cada
estudiante del aula tiene la misma probabilidad de ser seleccionado:

3 Estadística Inferencial
 Para seleccionar a los 18 estudiantes, sería algo así como hacer un sorteo justo entre los individuos
de la población (Marco muestral, donde está asignado cada estudiante un número correlativo)
ayudado con una tabla de números aleatorios o un software.

 Población N = 54 Estudiantes
 Muestra aleatoria n = 18 Estudiantes
 Fracción muestral p = n / N = 18 / 54 = 1/3
 Cada Estudiante tiene probabilidad de selección 1/3
 Se seleccionan 18 números aleatorios entre 1 y 54
 Se seleccionan los alumnos hasta cubrir toda la muestra según los números aleatorios.

2. Describa en que situaciones se emplea el muestreo Estratificado, que ventajas y desventajas tiene.
Mencione un ejemplo práctico.

Solución:
Consiste en dividir toda la población objeto de estudio en diferentes subgrupos o estratos disjuntos,
de manera que un individuo sólo puede pertenecer a un estrato. Una vez definidos los estratos, para
crear la muestra se seleccionan individuos empleando el muestreo aleatorio simple en cada estrato,
por ello se conoce como la Técnica que utiliza un proceso de 2 etapas para dividir a la población en
subpoblaciones o estratos.

Se emplea como criterio para dividir la población la homogeneidad y heterogeneidad, los elementos
dentro de cada estrato deben ser lo más homogéneos posibles, pero los elementos entre los distintos
estratos lo más heterogéneos posibles.

Pasos para su implementación:

Paso 1
•Seleccionar el marco muestral apropiado (Listado de los elementos de la población)
Paso 2
•Seleccione variables de estratificación y el número de estratos
Paso 3
•Divida la población en H estratos, con base en la variable de estratificación, posteriormente asigne
cada elemento del marco muestral al estrato que corresponda
Paso 4
•En cada estrato enumere los elementos del 1 al Nh (que se refiere al tamaño de la población de
dicho estrato)
Paso 5
•Determine el tamaño de la muestra n y posteriormente asigne la muestra que corresponda a cada
uno de los estratos nh según afijación simple.

Ejemplo:

El objetivo de una investigación era conocer el número medio de cervezas que se consumen a la
semana. El universo o población objeto de estudio se definió como: individuos de ambos sexos de
18 a 44 años, residentes de una provincia, en el año 2010, que son consumidores de cerveza como
mínimo una vez a la semana. Supongamos que el tamaño de esta población es de 80 000 individuos.
Los estratos lo podemos definir según estudios de Marketing o de investigación de mercados que se
realizado anteriormente en otras investigaciones de gran envergaduras, estas servirán como
referencia.
4 Estadística Inferencial
 Podemos definir los siguientes estratos, según el comportamiento del consumidor establecido en
dichas investigaciones:

Estrato uno: 18 a 24 años

Estrato dos: 25 a 34 años
Estrato tres: 35 a 44 años

3. Explique con un ejemplo los pasos que lleva un muestreo sistemático:

Solución:
Una empresa tiene 120 trabajadores y se quiere extraer una muestra aleatoria sistemática de 30
trabajadores. Para ello se numeran los trabajadores del 1 al 120, se calcula el intervalo constante
120
entre cada individuo: 𝐾 = 30 = 4, Luego se sortea un numero del 1 al 4.
Supongamos que sale el numero 2; entonces el primer trabajador seleccionado para la muestra será
el número 2, los siguientes trabajadores se obtendrán sumando 4, hasta llegar a tener 30
trabajadores. Los trabajadores seleccionados para la muestra serán los que se correspondan a los
números: 2, 6, 10, 14, 18,..

4. Describa en que situaciones se emplea el muestreo Conglomerados, que ventajas y desventajas

tiene. Mencione un ejemplo práctico.

Solución:

El muestreo por conglomerados es una técnica que aprovecha la existencia de grupos o

conglomerados en la población, Este tipo de muestreo se utiliza cuando se trata de obtener una
muestra al azar de una población dispersa en una gran área geográfica.

Ejemplo:
Si un equipo de investigación de mercados está tratando de determinar por muestreo el número
promedio de televisores por familia en una gran ciudad, podrán utilizar un mapa de la ciudad para
dividir el territorio en manzanas, luego seleccionar cierto número de manzanas (conglomerados)
para realizar entrevistas. Cada familia habita en esas manzanas será encuestada.

En una investigación aplicada en hogares de una ciudad, se utilizó el muestreo por conglomerados,
de la siguiente manera:

• Tamaño de la población: N = 5000 hogares

• Tamaño de la muestra: n= 200 hogares
• Conglomerado: Edificio (20 viviendas en promedio).
• Número de conglomerados: 200/20= 10
• Entonces, eligiendo 10 edificios y entrevistando a las 200 familias residentes en ellos, se tendría la
muestra de hogares.

El muestreo estratificado es especialmente adecuado cuando los grupos (estratos) son muy
homogéneos internamente y muy diferentes entre sí. En ese caso, conviene asegurar que tenemos
representantes en nuestra muestra que provienen de todos los estratos. Por el contrario, el muestreo
por conglomerados es muy adecuado cuando los grupos en que dividimos la población son muy
similares entre sí, por lo que no hay gran diferencia entre estudiar individuos de un grupo o de otro.
Es por ello que pese a que ambas técnicas dividen la población (en estratos o conglomerados) el
proceso de selección de individuos es radicalmente diferente.
5 Estadística Inferencial
5. Hallar las probabilidades sabiendo que Z es una distribución normal estándar, y T es una
distribución T-student

a) 𝑷(𝒁 ≤ 𝟐. 𝟎𝟕)
b) 𝑷(𝒁 > 𝟐. 𝟖𝟗)
c) 𝑷(𝟎. 𝟓 ≤ 𝒁 ≤ 𝟐. 𝟓)
d) 𝑃(𝑇7 > 1.41) , para una muestra aleatoria de tamaño 8

Solución:

a) 𝑷(𝒁 ≤ 𝟐. 𝟎𝟕) = 𝟎. 𝟗𝟖𝟎𝟖

b) 𝑷(𝒁 > 𝟐. 𝟖𝟗)

Se sabe por propiedad:

𝟏 − 𝑷(𝒁 ≤ 𝟐. 𝟖𝟗) = 𝟏 − 𝟎. 𝟎𝟎𝟏𝟗 = 𝟎. 𝟎𝟎𝟏𝟗

c) P(0.5 ≤ 𝑍 ≤ 2.5)

Se sabe por propiedad: P⏟

( 𝑍 ≤ 2.5) − P⏟
( 𝑍 ≤ 0.5)
𝑇𝑎𝑏𝑙𝑎 𝑍 𝑇𝑎𝑏𝑙𝑎 𝑍
0.99379 − 0.6914 = 0.3029

d)
(𝑇7 > 1.41)

Se sabe por propiedad:

1−⏟
𝑃(𝑇7 ≤ 1.41)
𝑇𝑎𝑏𝑙𝑎 𝑇
Aproximadamente el valor en la tabla T es 0.9 → 1 − 0.9=0.1

6. Los Estudiantes de La UTP realizaron un estudio en el mes de mayo del 2017 a una muestra de 5
vendedores del departamento de Lima dedicados a la venta de automóviles, para conocer el
número de automóviles que venden al mes los datos que se obtuvieron son:

2 4 6 8 10
Según el reporte de todas las empresas que comercializaron autos el año 2016 en mismo mes, la
venta promedio fue de 5 carros, además el mismo reporte arrojo que el 95% de los vendedores son
de sexo masculino.

Determinar:
 Población:
 Muestra:
 Unidad de análisis:
 Variables:
 Dato:
 Parámetro(s):
 Estadístico(s):
6 Estadística Inferencial
 Solución:
 Población: Todos los vendedores de automóviles de Lima del mes de mayo del año 2017
 Muestra: 5 vendedores de automóviles de Lima del mes de mayo del año 2017
 Unidad de análisis: Un vendedor de automóvil de Lima del mes de mayo del año 2017
 Variables:
𝑋1 : Número de automóviles vendidos al mes  Cuantitativa discreta
 Dato:
Los posibles datos pueden ser:
𝑥1 : 2, 4, 6, 8, 10
 Parámetro(s): El parámetro es dato del problema: medida de resumen para una
población
𝜇=5
𝜋 = 95%

 Estadístico(s):
Los estadísticos son medidas de resumen de una muestra, tenemos que calcularlo ya
que no es un dato directo del problema.
Media:
2 + 4 + 6 + 8 + 10
𝑋̅ = = 6𝑎𝑢𝑡𝑜𝑠
5
La Muestra de 20 vendedores han vendido en promedio 15 carros al mes
𝟓
̅ )𝟐
∑ (𝑿𝒊 −𝑿
Varianza: 𝑺𝟐 = 𝟏
𝒏−𝟏
(𝟐 − 𝟔)𝟐 + (𝟒 − 𝟔)𝟐 + (𝟔 − 𝟔)𝟐 + (𝟖 − 𝟔)𝟐 + (𝟏𝟎 − 𝟔)𝟐
𝑺𝟐 = = 𝟏𝟎
𝟓−𝟏

Desviación estandar:

𝐒 = √𝑺𝟐 = √𝟏𝟎 = 𝟑. 𝟏𝟔

Resumen:
Parámetro Estadístico
𝜇=5 𝑋̅ = 6
𝜋 = 95% 𝐒 = 𝟑. 𝟏𝟔

7 Estadística Inferencial