ESTADÍSTICA APLICADA I

Temario

• Muestreo
• Distribución de la media muestral
• Teorema Límite Central
 Logro de la sesión

Al finalizar la sesión de clase el estudiante será capaz de

calcular el tamaño de muestra necesario para realizar
una investigación.
 1

Conceptos Básicos de Muestreo

En la industria papelera es
importante la densidad que
deben tener las laminas de
papel. ¿Qué tamaño de muestra
será necesario para estimar la
verdadera densidad media, si se
desea tener un error de
estimación que no exceda a
0,002 g/cm3 y un nivel de
confianza del 95%?
Para determinar el tamaño de la muestra, hay dos requisitos
básicos:
1. Conocer el error de estimación
2. Conocer el nivel de confianza
Tamaño de muestra para estimar la media:

 z1 / 2 
2

n 
 e 

Cuando no se conoce la desviación estándar de la población y

se estima a partir de una muestra preliminar de por lo menos
30 elementos:
2
 z1 / 2 S 
n 
 e 
Ejemplo:
El tiempo de empacado de jabones de tocador en la fábrica
“Pulcrito” tiene una variabilidad de 6 minutos.
Si se desea estimar la media del tiempo de empaque de toda la
producción de un día, con dos minutos de error y una
confianza del 95% ¿Qué tamaño de nuestra debe usarse?
Ejemplo:
Una máquina llena bolsas con cierto cereal. El supervisor desea
conocer con un error de estimación máximo de 0,1 gr. y un nivel de
confianza del 90%, una estimación del peso de estas bolsas. Con
este motivo procedió a escoger una muestra piloto. Los resultados
en gramos fueron los siguientes:
197,9 196,9 202,8 198,2 187,7
201,7 200,4 200,3 197,7 204,6

¿Cuántas bolsas debe

escoger para que se
cumplan los requisitos
propuestos.
Tamaño de muestra para estimar la
proporción:

z12 / 2 p1  p 
Si se tiene información de
la proporción en base a un
estudio anterior o una n
muestra piloto: e2

Si no se tiene ninguna z2
0,5  05
información, se estima que n 1 /2

ésta es de 0.5: e2
Ejemplo:
Las compañías de seguros se están preocupando por el
creciente uso de teléfonos celulares de parte de los conductores
ya que esto está teniendo como resultado un mayor número de
accidentes automovilísticos, y está considerando implementar
tarifas más altas.
Queremos estimar con un
margen de error de tres
puntos porcentuales, el
porcentaje de conductores
que hablan por teléfono
mientras conducen.
¿Qué tamaño de muestra es necesario para realizar la
estimación con una confianza del 90%?
Ejemplo:
¿Qué tamaño de muestra se debería seleccionar si se quiere
tener una confianza del 99% de que el error de estimación de la
proporción de productos de defectuosos en una línea de
producción esté dentro de ±3%, si una muestra piloto reveló un
40% de productos defectuosos?
 2

Distribución de la Media Muestral

 Si la estatura de una población de
estudiantes sigue una distribución normal

Al extraer 3 muestras
diferentes de tamaño 5
obtendremos 3 estaturas
promedios

¿cuál será la distribución

de estas estaturas
promedios?
 Distribución muestral de la media

Si xi sigue una distribución normal con media u y varianza σ2

entonces:

E(x)  μ x
Xi ~ N
2
σx  σ 2x
σ  


V(x) 
2
x 
n  n 

 σ 2x 
x ~ N μ x , 

 n 
• Si el muestreo es con reemplazo.
• Poblaciones finitas o infinitas.
 Distribución de la población y
Distribución muestral de la media

Distribución de la población


X ~ N x , 2
x 
x

Distribución muestral de la
media


X ~ N X , 2
x

x
 Ejemplo 1

1. Si X ~ N(  = 100, 2 = 225), si se toma una muestra de tamaño

n = 15 de dicha población, entonces:

X   2
X  X 
2. Si X ~ N(  = 100, 2 = 144), si se toma una muestra de tamaño
n = 35 de dicha población, entonces:

X   2X  X 
 Estandarización

La variable de transformación o de estandarización Z

para x es:

x  x  σ
σ 2x   x
2


Z ~ N (0,1) 
x  n 
 3

Teorema de Límite Central

 Si el peso de las mochilas de una
población de estudiantes sigue una
distribución uniforme

Al extraer 3 muestras
diferentes de tamaño 50
obtendremos 3 pesos
promedio diferentes

¿cuál será la distribución

de estos pesos
promedios?
 Teorema Central del límite

Sean n variables aleatorias x1, x2,….,xn independientes e

igualmente distribuidas (iid) con media u y varianza σ2.

Y = x1+ x2+….+ xn ~ Normal

Tiene una distribución aproximadamente normal a medida
que n crece, independientemente de la distribución de la
población.

Se tiene que: Se considera Se deduce que

• E(y)=nu
• V(y)=nσ2
aprox. a la normal
cuando n≥30

X~N μ X , σ 2x 
 Ejemplo 2

1. Si X ~ exp(  = 100), si se toma una muestra de tamaño

n = 35 de dicha población, entonces:

X   2
X  X 

2. Si X ~ U[0, 12], si se toma una muestra de tamaño n =

50, de dicha población, entonces :

X   2X  X 
 Materiales y Recursos

 Cuaderno de trabajo
 ANDERSON, David R.; SWEENEY, Dennis; WILLIAMS, Thomas. 2012. Estadística para Negocios y
Economía, México, Editorial Cengage Learning,
 .http://jaguar.cgr.go.cr/content/dav/jaguar/Documentos/cgr/centro_conoc/pdfs/economia_est
adistica/estadistica-adm.pdf
Material producido para el curso:
Por equipo de profesores de Estadística Aplicada I
ESTASÍSTICA APLICADA 1- EPE
COPYRIGHT © UPC 2016