UNIVERSIDAD PRIVADA DE TACNA

FACULTAD DE INGENIERÍA

ESCUELA PROFESIONAL DE INGENIERÍA CIVIL

ASIGNATURA: Estadística I

DOCENTE: ING. MIRANDA CABRERA, Víctor Edwin

TRABAJO DE INVESTIGACIÓN

TEMA: “EL MUESTREO “

PRESENTADO POR:

CAMPOS ZAMATA, SCOTT

QUISPE VILCA, ELVIS ENRIQUE

RAMOS HUICHI, HUGO ALEXANDER

TACNA - PERÚ

2019

UPT – II CICLO Página 1

 INTRODUCCIÓN

En el siguiente trabajo, nos enfocaremos de lo que trata un muestreo y la representatividad

de una muestra, permite extrapolar y por ende generalizar los resultados observados en ésta, a
la población accesible (conjunto de sujetos que pertenecen a la población blanco, que están
disponibles para la investigación); y a partir de ésta, a la población blanco. Por ende, una
muestra será representativa o no; sólo si fue seleccionada al azar, es decir, que todos los
sujetos de la población blanco y accesible, tuvieron la misma posibilidad de ser seleccionados
en esta muestra y por ende ser incluidos en el estudio.

Por otro lado, que el número de sujetos seleccionados representen numéricamente a la

población que le dio origen respecto de la distribución de la variable en estudio en la
población, es decir, la estimación o cálculo del tamaño de la muestra (Es así como el análisis
de una muestra permite realizar inferencias, extrapolar o generalizar conclusiones a la
población blanco con un alto grado de certeza (Dieterich, 1996); de tal modo que una muestra
se considera representativa de la población blanco , cuando la distribución y valor de las
diversas variables se pueden reproducir con márgenes de error calculables.

Entonces, el muestreo tiene por objetivo estudiar las relaciones existentes entre la
distribución de una variable “y” en una población “z” y la distribución de ésta variable en la
muestra a estudio (Hernández Sampieri et al., 2006). Para ello, es fundamental, entre otras
cosas definir los criterios de inclusión (características clínicas, demográficas, temporales y
geográficas de los sujetos que componen la población a estudio) y de exclusión
(características de los sujetos que pueden interferir con la calidad de los datos o la
interpretación de los resultados).

También veremos cómo identificar los factores de influencia en el comportamiento del

consumidor como resolución de problemas, para la satisfacción de necesidades y como
adquirir herramientas para la clasificación y medición de los distintos niveles de respuesta de
consumo además se explicaran cuáles son los factores que intervienen en el proceso de
compra de los consumidores el cual nos ayudara y establecerá los lineamientos para realizar
un mejor estudio de mercado.

UPT – II CICLO Página 2

 MARCO TEÓRICO

DEFINICIÓN

Esta teoría trata sobre los fundamentos probabilísticos, las distribuciones estadísticas, los
métodos o técnicas de selección, las fórmulas de cálculo de los errores de muestreo, las
fórmulas y tablas de determinación del tamaño de la muestra, los métodos de estimación de
los parámetros poblacionales a partir de los estadísticos muestrales. Nosotros daremos una
guía básica de introducción a la teoría de las muestras.

Esta teoría indica los procedimientos o técnicas para extraer una parte o muestra del
colectivo o población que se quiere estudiar, o analizar en ella las características que interesen
y el del resultado de este análisis inferir o afirmar algo del universo total. El muestreo se
utiliza con mucha frecuencia en investigaciones de mercados, medios y opinión en
investigación social, en general, puesto que ofrece algunos importantes beneficios con la
realización de un censo.

OBJETIVOS

GENERALES

 Desarrollar los pasos en la selección de la muestra en una investigación de

mercados.

ESPECÍFICOS

 Escoger el tipo de muestra (probabilística o no probabilística) adecuada al proyecto

de investigación.

 Elegir el método de muestreo que se utilizará para seleccionar los integrantes de la

muestra.

 Determinar el tamaño muestral necesario para un determinado error de muestreo.

UPT – II CICLO Página 3

 TÉCNICAS DE MUESTREO

Una muestra puede ser obtenida de dos tipos: probabilística y no probabilística. Las
técnicas de muestreo probabilísticas, permiten conocer la probabilidad que cada individuo a
estudio tiene de ser incluido en la muestra a través de una selección al azar.

En cambio, en las técnicas de muestreo de tipo no probabilísticas, la selección de los

sujetos a estudio dependerá de ciertas características, criterios, etc. que él (los) investigador
(es) considere (n) en ese momento; por lo que pueden ser poco válidos y confiables o
reproducibles; debido a que este tipo de muestras no se ajustan a un fundamento
probabilístico, es decir, no dan certeza que cada sujeto a estudio represente a la población
blanco.

TÉCNICAS DE MUESTREO PROBABILÍSTICO

Muestreo aleatorio simple

El procedimiento empleado es el siguiente: 1) se asigna un número a cada individuo de

la población y 2) a través de algún medio mecánico (bolas dentro de una bolsa, tablas de
números aleatorios, números aleatorios generados con una calculadora u ordenador, etc.) se
eligen tantos sujetos como sea necesario para completar el tamaño de muestra requerido. Este
procedimiento, atractivo por su simpleza, tiene poca o nula utilidad práctica cuando la
población que estamos manejando es muy grande.

Muestreo aleatorio sistemático

Este procedimiento exige, como el anterior, numerar todos los elementos de la población,
pero en lugar de extraer n números aleatorios sólo se extrae uno. Se parte de ese número
aleatorio i, que es un número elegido al azar, y los elementos que integran la muestra son los
que ocupa los lugares i, i+k, i+2k, i+3k,...,i+(n-1)k, es decir se toman los individuos de k en k,
siendo k el resultado de dividir el tamaño de la población entre el tamaño de la muestra: k=
N/n. El número i que empleamos como punto de partida será un número al azar entre 1 y k.

El riesgo este tipo de muestreo está en los casos en que se dan periodicidades en la
población ya que al elegir a los miembros de la muestra con una periodicidad constante (k)
podemos introducir una homogeneidad que no se da en la población. Imaginemos que
estamos seleccionando una muestra sobre listas de 10 individuos en los que los 5 primeros
son varones y las 5 últimos mujeres, si empleamos un muestreo aleatorio sistemático con

UPT – II CICLO Página 4

k=10 siempre seleccionaríamos o sólo hombres o sólo mujeres, no podría haber una
representación de los dos sexos.

Muestreo aleatorio estratificado

Lo que se pretende con este tipo de muestreo es asegurarse de que todos los estratos de
interés estarán representados adecuadamente en la muestra. Cada estrato funciona
independientemente, pudiendo aplicarse dentro de ellos el muestreo aleatorio simple o el
estratificado para elegir los elementos concretos que formarán parte de la muestra.

La distribución de la muestra en función de los diferentes estratos se denomina afijación, y

puede ser de diferentes tipos:

Afijación Simple: A cada estrato le corresponde igual número de elementos muéstrales.

Afijación Proporcional: La distribución se hace de acuerdo con el peso (tamaño) de la

población en cada estrato.

Afijación Óptima: Se tiene en cuenta la previsible dispersión de los resultados, de modo

que se considera la proporción y la desviación típica.

MUESTREO ALEATORIO POR CONGLOMERADOS

Los métodos presentados hasta ahora están pensados para seleccionar directamente los
elementos de la población, es decir, que las unidades muéstrales son los elementos de la
población. En el muestreo por conglomerados la unidad muestral es un grupo de elementos de
la población que forman una unidad, a la que llamamos conglomerado. Las unidades
hospitalarias, los departamentos universitarios, una caja de determinado producto, etc., son
conglomerados naturales. En otras ocasiones se pueden utilizar conglomerados no naturales
como, por ejemplo, las urnas electorales. Cuando los conglomerados son áreas geográficas
suele hablarse de "muestreo por áreas".

El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto número de

conglomerados (el necesario para alcanzar el tamaño muestral establecido) y en investigar
después todos los elementos pertenecientes a los conglomerados elegidos.

UPT – II CICLO Página 5

 TÉCNICAS DE MUESTREO NO PROBABILÍSTICO.

Intencional

Permite seleccionar casos característicos de una población limitando la muestra sólo a

estos casos. Se utiliza en escenarios en las que la población es muy variable y
consiguientemente la muestra es muy pequeña. Por ejemplo, entre todos los sujetos con CA,
seleccionar a aquellos que más convengan al equipo investigador, para conducir la
investigación.

Por conveniencia

Permite seleccionar aquellos casos accesibles que acepten ser incluidos. Esto,
fundamentado en la conveniente accesibilidad y proximidad de los sujetos para el
investigador. Por ejemplo, entre todos los sujetos con CA, solamente aquellos que se
encuentren hospitalizados en el Hospital Regional de Tacna.

Accidental o consecutivo

Se fundamenta en reclutar casos hasta que se completa el número de sujetos necesario para
completar el tamaño de muestra deseado. Estos, se eligen de manera casual, de tal modo que
quienes realizan el estudio eligen un lugar, a partir del cual reclutan los sujetos a estudio de la
población que accidentalmente se encuentren a su disposición. Es similar al muestreo por
conveniencia, excepto que intenta incluir a todos los sujetos accesibles como parte de la
muestra. Por ejemplo, entre todos los sujetos con SIDA, seleccionar los primeros 50 incluibles
que lleguen al servicio de urgencias del Hospital Regional de Tacna.

USOS DE MUESTREO.

El muestreo es utilizado en diversos campos:

En la política: Las muestras de las opiniones de los votantes se usan para que los
candidatos midan la opinión pública y el apoyo en las selecciones.

En la educación: Las muestras de las calificaciones de los exámenes de estudiantes se usan

para determinar la eficiencia de una técnica o programa de enseñanza.

En la industria: La muestra de los productos de una línea de ensamble sirve para controlar
la calidad.

UPT – II CICLO Página 6

 En la medicina: Las muestras de medidas de azúcar en la sangre de pacientes diabéticos
prueban la eficacia de una técnica o de un fármaco nuevo.

En la agricultura: Las muestras del maíz cosechado en una finca proyectan en la

producción los efectos de un fertilizante nuevo.

En el Gobierno: Una muestra de opiniones de los votantes se usaría para determinar los
criterios del público sobre cuestiones relacionadas con el bienestar y la seguridad nacional.

METODOS DE SELECCIÓN DE MUESTRAS

Una muestra debe ser representativa si va a ser usada para estimar las características de la
población. Los métodos para seleccionar una muestra representativa son numerosos,
dependiendo del tiempo, dinero y habilidad disponibles para tomar una muestra y la
naturaleza de los elementos individuales de la población. Por lo tanto, se requiere un gran
volumen para incluir todos los tipos de métodos de muestreo.

Los métodos de selección de muestras pueden ser clasificados de acuerdo a:

• El número de muestras tomadas de una población dada para un estudio y

• La manera usada en seleccionar los elementos incluidos en la muestra. Los métodos de

muestreo basados en los dos tipos de clasificaciones son expuestos en seguida.

Métodos de muestreo clasificados de acuerdo con el número de muestras tomadas de una

población.

Bajo esta clasificación, hay tres tipos comunes de métodos de muestreo. Estos son,
muestreo simple, doble y múltiple.

MUESTREO SIMPLE

Este tipo de muestreo toma solamente una muestra de una población dada para el propósito
de inferencia estadística. Puesto que solamente una muestra es tomada, el tamaño de muestra
debe ser los suficientemente grandes para extraer una conclusión. Una muestra grande muchas
veces cuesta demasiado dinero y tiempo.

UPT – II CICLO Página 7

 MUESTREO DOBLE

Bajo este tipo de muestreo, cuando el resultado del estudio de la primera muestra no es
decisivo, una segunda muestra es extraída de la misma población. Las dos muestras son
combinadas para analizar los resultados.

Este método permite a una persona principiar con una muestra relativamente pequeña para
ahorrar costos y tiempo. Si la primera muestra arroja una resultado definitivo, la segunda
muestra puede no necesitarse.

Por ejemplo, al probar la calidad de un lote de productos manufacturados, si la primera

muestra arroja una calidad muy alta, el lote es aceptado; si arroja una calidad muy pobre, el
lote es rechazado. Solamente si la primera muestra arroja una calidad intermedia, será
requerirá la segunda muestra.

Al probar la calidad de un lote consistente de 3,000 unidades manufacturadas, cuando el

número de defectos encontrados en la primera muestra de 80 unidades es de 5 o menos, el lote
es considerado bueno y es aceptado; si el número de defectos es 9 o más, el lote es
considerado pobre y es rechazado; si el número está entre 5 y 9, no puede llegarse a una
decisión y una segunda muestra de 80 unidades es extraída del lote. Si el número de defectos
en las dos muestras combinadas (incluyendo 80 + 80 = 160 unidades) es 12 o menos, el lote
es aceptado si el número combinado es 13 o más, el lote es rechazado.

MUESTREO MÚLTIPLE

El procedimiento bajo este método es similar al expuesto en el muestreo doble, excepto

que el número de muestras sucesivas requerido para llegar a una decisión es más de dos
muestras.

Métodos de muestreo clasificados de acuerdo con las maneras usadas en seleccionar los
elementos de una muestra.

Los elementos de una muestra pueden ser seleccionados de dos maneras diferentes:

Basados en el juicio de una persona.

Selección aleatoria (al azar)

UPT – II CICLO Página 8

 MUESTREO DE JUICIO

Una muestra es llamada muestra de juicio cuando sus elementos son seleccionados
mediante juicio personal. La persona que selecciona los elementos de la muestra, usualmente
es un experto en la medida dada.

Una muestra de juicio es llamada una muestra probabilística, puesto que este método está
basado en los puntos de vista subjetivos de una persona y la teoría de la probabilidad no
puede ser empleada para medir el error de muestreo, Las principales ventajas de una muestra
de juicio son la facilidad de obtenerla y que el costo usualmente es bajo.

CARACTERISTICAS, VENTAJAS Y DESVENTAJAS DE LOS MÉTODOS DE

MUESTREO

UPT – II CICLO Página 9

 ERROR DE MUESTREO

Se asocia a la posibilidad de cometer errores y este es mayor a la medida que la parte

observada sea mas pequeña , y sobre todo cuando dicha parte no refleja o representa la
realidad sobre la que recae las conclusiones sobre cierta realidad, a partir de la observación
de solo una parte de ella, se denomina error de muestreo.

PROCEDIMIENTO DE MUESTREO

Determinar la población y los parámetros pertinentes: El paso inicial en cualquier proceso

de muestreo en seleccionar la población más adecuada y y en identificar los parámetros de la
población que nos interesan.

Escoger el marco apropiado del muestreo: El marco de referencia debe representar a los
miembros de la población y el marco ideal es una lista completa de todos ellos.

Escoger entre el muestreo probabilístico y el no probabilístico: El muestreo probabilístico

ofrece la ventaja de permitirnos calcular el error muestral, en tanto que el muestreo no
probabilístico no la ofrece.

Escoger el método de muestreo que se utilizara: En este caso escogeremos cual

procedimiento probabilístico o no probabilístico aplicaremos.

Determinar el tamaño necesario de la muestra: Los dos métodos que se utilizan son el
tradicional y el Bayesiano.

Escoger la muestra reunir información: En esta etapa, seguimos o delegamos las reglas de
elección que han sido establecidas previamente en el proceso.

Validar la muestra: A fin de saber si la muestra que hemos escogido es una sección
transversal representativa de la población, quizá queramos comparar las características de ella
con las que existe en la población de donde se extrajo.

Analizar los datos y presentar los resultados: La etapa final del proceso de muestreo
coincide ligeramente con la validación de la muestra, pues tal validación, exige además un
análisis. Tanto el procedimiento de muestreo como la forma de los datos deben ser
compatibles con las técnicas analíticas que van a aplicarse.

UPT – II CICLO Página 10

 TAMAÑO DE LA MUESTRA

Para el cálculo de los tamaños muestrales hay que tener en cuenta los tamaños de las
poblaciones o universos y si se van a estimar medias aritméticas (variables cuantitativas o
métricas) o proporciones (variables cualitativas o categoriales). En la mayoría de los casos en
investigación social y de mercados se trata de inferencia de proporciones.

Las fórmulas para el cálculo difieren según sean poblaciones finitas (N 100.000) o
infinitas (N > 100.000) Los componentes estadísticos que intervienen en las fórmulas para el
cálculo del tamaño de la muestra son los siguientes:

 Porcentaje de resultado que se investiga (p = 100 – q)

 Coeficiente de confianza (P z)
 Error de muestreo (E%)
 Error de estimación (e%)
 Nivel de significación (P  )
 Intervalo de confianza ( z * E%)
 Universos finitos (N 100.000) o infinitos (N > 100.000)

Tamaño de la muestra para poblaciones infinitas

Error de estimación de proporciones para una población infinita

UPT – II CICLO Página 11

 Tamaño de la muestra para poblaciones finitas

Error de estimación de proporción para una población finita

La fórmulas y las tablas están calculadas para un nivel de confianza de 2  (sigma: letra
griega ‘s’ minúscula) que corresponde a un intervalo de confianza del 95,5% (Pz). Donde los
símbolos significan:

* = Símbolo de multiplicación

n = Tamaño de la muestra

N = Tamaño de la población

4 = Cuadrado del puntaje ‘z’ equivalente a 2 Desvíos Standares

( ) para un intervalo de confianza del 95,5%.

e2 = Cuadrado del error de estimación.

e% = Error de estimación = z * Error de muestreo.

p = Porcentaje del resultado que se investiga (p =.50 ó p% = 50%).

q = Porcentaje complementario (q = 100 – p).

E% = Error de muestreo = n p * q (N – 1) = Factor de corrección.

UPT – II CICLO Página 12

 Factor que se utiliza para reducir el error standard de la muestra (E%) por tratarse de una
población finita o no muy numerosa (N 100.000).

Al seleccionar muestras probabilísticas se pueden realizar inferencias estadísticas de los

parámetros a partir de los estadísticos. La inferencia estadística es el proceso de hacer uso de
los resultados muestrales para obtener conclusiones sobre las características de una población.
Se utiliza procedimientos estadísticos que permitan estimar la proporción (%) real de la
población. Es decir, se utilizan los estadísticos (proporciones muestrales) como estimadores
de los parámetros (proporciones poblacionales) mediante un razonamiento inductivo o de
generalización estadística. Dicha inferencia se realiza mediante un procedimiento de
estimación por intervalo.

El intervalo de confianza es un conjunto de resultados (%) en los que confiamos que

contengan –con cierto margen de probabilidad- los valores verdaderos de la población. Dicho
coeficiente de confianza (Pz) es la medición probabilística de que el intervalo fijado por el
error de muestreo (E%) contenga el parámetro que se desea estimar.

El nivel de significación ( ), representado por la letra griega ‘alfa’, es el complemento a la

unidad del coeficiente de confianza: Pz +  = 100%. Dado el coeficiente de confianza se
obtiene un valor z (puntaje estandarizado z), el cual representa el desvío para la probabilidad
de la confianza deseada. Este valor ‘z’ es el que interviene en el cálculo de los tamaños
muestrales.).

La estimación por intervalo presupone una ecuación o igualdad, en que la Proporción

parámetro (Pp) va ser igual a la Proporción muestral (Pm) más/menos (  ) un cierto Error de
estimación (e%). Dicho error depende de dos factores: a) del nivel de confianza fijado para la
estimación, y b) del error de muestreo (E%).

CONCLUSIONES

El muestreo Estadístico resulta beneficioso para implementarlo en la realización de un

estudio, debido a que mediante este se pueden obtener probabilidades bajas o altas a través de
determinados beneficios que estas técnicas ofrecen.

En los diferentes tipos de muestreo existen no probabilística en los cuales se deben

establecer diferencia en el momento de realizar nuestras investigaciones por tanto que en el no

UPT – II CICLO Página 13

probabilística no toda la población forma parte de la muestra y en el probabilística todos los
individuos tienen probabilidad positiva de formar parte de la muestra.

El muestreo es sencillamente el procedimiento que se emplea a extraer una pequilla

parte de una población dentro de un universo a esta se le llama espacio muestral dentro de un
universo.

Es importante resaltar que el primer procedimiento al realizar una auditoría, es iniciar

las investigaciones de manera tal que esta arrojen conclusiones provenientes de determinados
estudios como puede ser el estadístico a través de una muestra probabilística.

UPT – II CICLO Página 14

 EJERCICIOS

Una fábrica de pasteles elabora, en su producción habitual, un 3% de pasteles

defectuosos. Un cliente recibe un pedido de 500 pasteles de la fábrica. Calcular la
probabilidad de que encuentre más del 5% de pasteles defectuosos.

Estamos tomando una muestra de tamaño n = 500, de una población donde la proporción de
pasteles defectuosos es de p = 0.03. Teniendo en cuenta que la distribución muestral de una
proporción se ajusta a una normal

𝑝(1 − 𝑝)
𝑁 (𝑃, √ )
𝑛

Se desprende que estaríamos ante una normal 𝑁(0.003,0.0076), con lo cual

0.05 − 0.03
𝑃(𝑝 > 5) = 𝑃 (𝑍 > ) = 𝑃(𝑍 > 2.63) = 1 − 𝑃(𝑍 ≤ 2.63) = 1 − 0.9957 = 0.0043
0.0076

En una fábrica de artículos electrónicos generalmente el 10% de los artículos presenta

algún defecto de fabricación. Para analizar la calidad del producto se desea estimar la
proporción de artículos electrónicos defectuosos de un lote de 2000 artículos listo para
ser embarcado. Pregunta: ¿Cuántos artículos deben ser elegidos del lote si se desea una
confianza de 95% y un error de estimación no mayor a 0.05?

𝑧0.975 1.96 2
𝑛 ≥ 𝑛0 = ( ) ∗ 𝑝 ∗ (1 − 𝑝) = ( ) ∗ 0.1 ∗ 0.9 = 138.2976
𝑑0 0.05

𝑛0 139
= = 0.695 > 0.05
𝑁 2000

𝑛0 139
𝑛 > 𝑛′ = 𝑛0 = 1 + 0.695 = 82.0059
1+ 𝑁

Para estimar la proporción de artículos electrónicos en el lote usando un diseño MAS con una
confianza de 95% y un error de estimación no mayor a 0.05 se debe elegir a lo menos 83
artículos del lote en la muestra

UPT – II CICLO Página 15

Para analizar el crecimiento de ratas de laboratorio se elige una muestra piloto de 13
ratas y se miden obteniendo una talla promedio de la muestra de 5.3 centímetros y una
varianza muestral de 19.2 Pregunta: Un investigador desea determinar el tamaño de
muestra mínimo usando un diseño MAS para estimar la talla promedio de las ratas en la
población con una confianza de 95% y un error de estimación no mayor a 2 centímetros
si en la población hay 200 ratas. ¿Cuántas ratas se debe elegir en la muestra?

𝑧0.975 2 2 1.96 2
𝑛 ≥ 𝑛0 = ( ) 𝑆 𝑥=( ) ∗ 19.2 = 18.4397
𝑑0 2

𝑛0 19 𝑛0
= = 0.095 > 0.05 = 𝑛 > 𝑛´ = 𝑛 = 17.3516
𝑁 200 1 + 𝑁0

Para estimar la talla media de las ratas en la población usando un diseño MAS con una
confianza de 95% y un error de estimación no mayor a 2 centímetros el investigador debe
elegir a lo menos 18 ratas en la muestra.

Se el consumo en un cultivo de 310 salmones distribuidos en tres estanques con la

siguiente información. Desea estimar la talla media de salmones y la proporción de
salmones que cumplen la norma para

¿Cuántos salmones se debe elegir en la muestra del cultivo y por estanque para
estimar la talla media si se desea una confianza de 95% y un error no mayor a 2
centímetros? Si usamos un diseño MAE con i) Asignación proporcional ii) Asignación
óptima

¿Cuántos salmones se debe elegir en la muestra del cultivo y por estanque para
estimar la proporción de salmones que cumple la norma si se desea una confianza de
95% y un error no mayor a 0.05? Si usamos un diseño MAE con Asignación
proporcional

UPT – II CICLO Página 16

 1.96 2 155 62 93
𝑛 ≥ 𝑛0 = ( ) ( 25 + 225 + 100) = 84.035
2 2 310 310

𝑛0 85
= = 0.2742 > 0.005
𝑁 310

𝑛0
𝑛 > 𝑛´ = 𝑛 = 66.7085
1 + 𝑁0

155
𝑛1 = 67 ∗ = 33.5
310
93
𝑛2 = 67 ∗ = 13.40
310

93
𝑛3 = 67 ∗ = 20.10
310

Usando asignación óptima

2
1.96 2 155 62 93
𝑛 ≥ 𝑛0 = ( ) ( 5+ 15 + 10) = 69.3889
2 2 310 310

𝑛0 70 𝑛0
= = 0.2258 > 0.05 = 𝑛 > 𝑛´ = 𝑛 = 57.105
𝑁 310 1 + 𝑁0

155 ∗ 5
𝑛1 = 58 ∗ = 17.06
2635

62 ∗ 15
𝑛2 = 58 ∗ = 20.47
2635

93 ∗ 10
𝑛3 = 67 ∗ = 20.47
2635

Usando asignación proporcional

1.96 2 155 62 93
𝑛 ≥ 𝑛0 = ( ) ( 0.8 ∗ 0.2 + 0.25 ∗ 0.75 + 0.5 ∗ 0.5) = 295.8032
0.05 310 310 310

𝑛0 296 𝑛0
= = 0.9548 > 0.05 => 𝑛´ = 𝑛 = 151.4221
𝑁 310 1 + 𝑁0

155
𝑛1 = 152 ∗ = 76
310

UPT – II CICLO Página 17

 62
𝑛2 = 152 ∗ = 30.40
310

93
𝑛3 = 152 ∗ = 45.60
310

Para estimar la proporción de salmones que cumplen la norma para el consumo en el

cultivo, usando un diseño MAE con asignación proporcional con una confianza de 95% y
un error de estimación no mayor a 0.05 se debe elegir a lo menos 152 salmones en la
muestra de los cuales 76 deben ser elegidos del estanque 1, 30 del estanque 2 y 46 del
estanque 3

REFERENCIAS

BIBLIOGRÁFICAS:

 Fowler Newton, Enrique. El muestreo estadístico aplicado a la auditoría. Centro

Regional de Ayuda Técnica. Argentina: 1972.
 Morales Peña, Otto René, Quiñonez Porras, Oscar Haroldo, Marroquín Reyes, Axel
Osberto. Estadística Inferencial. Quinta Edición. 2009.
 Robert Johson, Patricia Kuby. 2004. Estadística Elemental. 3ª Ed. México D.F.
Impresos y Acabados Marbeth, S.A. de C.V.

PÁGINAS WEB:

 https://www.monografias.com/trabajos39/muestreo-estadistico/muestreo-
estadistico2.shtml#concl
 file:///C:/Users/USUARIO/Downloads/estadis_2.pdf
 http://www.estadistica.mat.uson.mx/Material/elmuestreo.pdf
 http://www.chospab.es/calidad/archivos/Metodos/Muestreo.pdf

UPT – II CICLO Página 18