Estadística

Administrativa I

2019-2
 Métodos de
muestreo
• Herramienta para inferir sobre una
población.
• Métodos para seleccionar una
muestra de una población.

2
 Métodos de muestreo
Estadística inferencial
- Determinar algo sobre una población a
partir de una muestra.

Muestra
- Porción o parte de la población objeto de
estudio.

El muestreo resulta mucho más accesible

que si se realiza un estudio a toda la
población. 3
 Razones para muestrear
1. Lo difícil que resulta establecer contacto con
toda la población, el tiempo que se tendría que
invertir es demasiado largo.
2. Los costos para estudiar todos los elementos de
una población resulta 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
En este tipo de muestreo no exacto o de
carácter confiable, los elementos de la
muestra son elegidos por criterio del
investigador o por conveniencia de la misma.
No se garantiza que sea una muestra que
contenga todos los tipos de datos relevantes
de la población.
Muestreo aleatorios

1. Aleatorio simple

2. Aleatorio sistemático

3. Aleatorio estratificado

4. Conglomerados

7
 Muestreo aleatorio simple

Muestra seleccionada de manera que cada

elemento o individuo de la población tiene
las mismas posibilidades de que sea
elegido.

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.

• Escribe el nombre de cada empleado en un papel y lo

deposita en una caja.
• Después de mezclarlos, primera selección tomando un
papel sin mirarlo.
• Mismo proceso hasta completar 52 selecciones
• Generar listado de nombre de ganadores.

Este es el método clásico del muestreo aleatorio

simple. 9
 Muestreo aleatorio simple

• Conveniente para seleccionar una muestra

aleatoria
• Utilizar un número de identificación para cada
empleado y una tabla de números aleatorios
(puede ser generada por computadora).
• La probabilidad de 0, 1, 2, … 9 es la misma para
cada dígito de un número.
• Todos los elementos tienen la misma probabilidad
de ser elegidos.

10
 Números aleatorios
Muestra de la mitad de una tabla de números
aleatorios para seleccionar elementos para una
muestra.

11
 Muestreo aleatorio
sistemático

Se selecciona un punto aleatorio de

inicio y posteriormente se elige cada
k-ésimo miembro de la población.

12
Ejemplo 8.2 . . .
Cuando el muestreo aleatorio simple no es la
respuesta.
En la ferretería BARAONA se quiere calcular rápidamente el
stock medio por producto en el mes pasado. Se vende un
total de 8,000 productos y se va a seleccionar 100
productos para calcular el stock promedio.
• El muestreo aleatorio simple: Colocar el nombre de cada
producto en una caja y extraer los 100 necesarios.
• Muy tardado.

• Aplica el muestreo aleatorio sistemático.

13
 Muestreo aleatorio sistemático
• Determinar el tamaño de la población.
• Dividir el tamaño de la población entre el número
de elementos que se desea en la muestra, que
se denota por 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.
• Al resultado del segundo elemento se le vuelve a
sumar k y los demás elementos de obtienen de
la misma manera hasta completar la muestra.
14
Ejemplo 8.3 . . .
En la ferretería BARAONA se quiere calcular rápidamente el
stock medio por producto en el mes pasado. Se vende un
total de 8,000 productos y se va a seleccionar 100 productos
para calcular el stock promedio de la lista que se tiene en el
sistema.
8000
• El conteo será de = 80 o sea de 80 en 80.
100
• Se elige un número cualquiera como primer recibo. Puede
ser 20.
• El segundo elemento será el 20+80 = 100
• El tercero 100+80 = 180
• El elemento 100 será el 7940.

15
Ejemplo 8.3 . . .
# ORDEN
# CODIGO PRODUCTO ELEGIDO EN LISTA CÓDIGO
1 E0001 Producto 1 1 20 E0020
2 E0002 Producto 2 2 100 E0100
3 E0003 Producto 3 3 180 E0180
4 E0004 Producto 4 4 260 E0260
5 E0005 Producto 5 5 340 E0340
6 E0006 Producto 6 6 420 E0420
7 E0007 Producto 7
8 E0008 Producto 8
.
9 E0009 Producto 9 .
10 E0010 Producto 10 .
11 E0011 Producto 11
97 7700 E7700
12 E0012 Producto 12
98 7780 E7780
13 E0013 Producto 13
99 7860 E7860
14 E0014 Producto 14 100 7940 E7940
15 E0015 Producto 15 16
 Muestreo aleatorio
estratificado

Una población se divide en sub-

grupos denominados estratos y se
selecciona al azar una muestra de
cada estrato.
17
Muestreo aleatorio estratificado

• Una población se divide en grupos con ciertas

características.
• Se aplica este método con el fin de garantizar que
cada grupo se encuentre representado en la
muestra.
• A los grupos se les llama estratos.
• Se extrae una muestra de cada estrato con el
método aleatorio simple y se unen en una sola
muestra.

18
Ejemplo 8.4 . . .
El departamento de mercadeo de la Corporación MINER
desea conocer la aceptación que podría tener un cambio
de logo de su empresa distribuidora.

Actualmente cuenta con 6 sucursales distribuidas en todo

el País y se giran instrucciones para que cada región
tome su lista de clientes y haga las consultas al 10% de
ellos.

Cada sucursal es un estrato que levantará la encuesta en

su región.

19
Ejemplo 8.4 . . .
Las sucursales son:
1. Tegucigalpa (Tegucigalpa, Valle Ángeles, Ojojona)
2. San Pedro Sula (SPS, Villanueva, Lima, Progreso)
3. La Ceiba (La Ceiba, Tela, Trujillo)
4. Santa Rosa de Copán (Sta Rosa, Ocotepeque, Gracias)
5. Danlí (Danlí, Yuscarán, Zambrano, Juticalpa)
6. Choluteca (Choluteca, Nacaome, Pespire)

Una vez finalizada recolección de datos, cada sucursal

enviará a la casa matriz las encuestas para unirlas y formar
una sola muestra.
20
 Muestreo por
conglomerados

La población se divide en conglomerados a

partir de los límites naturales, geográficos o
demográficos. A continuación se seleccionan
los conglomerados al azar y luego se toma la
muestra aleatoria con elementos de cada
grupo.
21
Ejemplo 8.5 . . .
La secretaria de Agricultura desea conocer la cantidad de
producción de maíz que se puede esperar para el próximo año.
La Secretaría envía a cada región departamental las encuestas para
que, tomando en cuenta el tamaño de la población de cada
departamento, aplique la encuesta para determinar la cantidad de
sembradío que tiene cada agricultor.
Cada región departamental toma una muestra utilizando el método
aleatorio simple y las envía a la Secretaría de Tegucigalpa para
hacer una sola muestra.

22
Error de muestreo
Herramienta para hacer ajustes en
los resultados de una muestra.

23
 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.

Aunque la muestra forma parte o es una porción

representativa de la población, es poco probable
que la media de la muestra sea exactamente igual
a la media poblacional.

𝜇 ≠ 𝑋ത 24
 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.

𝜇 = 29.17
𝑋ത = 27.8
Error de muestreo = 1.37

Las medias son parecidas; pero, no iguales. 25

Ejemplo 8.6 . . .
2. Si en lugar de la muestra anterior se hubiera elegido
otra (puede ser del mismo tamaño o no), es bien
posible que el error de muestreo sea diferente. Esto
no significa que la muestra no esté bien.
Edades de estudiantes
Edades de estudiantes universitarios universitarios
(Población) (Muestra)
37 19 22 31 36 25 39 39 35 39 40 35
32 24 31 31 22 40 35 32 31 22 40 25
26 24 18 31 33 22 39 𝜇 = 29.17
25 29 35 21 28 21 40
35 30 26 23 35 20 36 𝑋ത = 33.8
Error de muestreo = -4.629
Las medias son parecidas; pero, no iguales.
Distribución muestral
de la media
Distribución de probabilidad de todas las
posibles medias de las muestras de una
población.

27
 Distribución muestral de la
media
- La medias muestrales pueden ser diferentes.
- Aunque se hayan obtenido de una misma
población.

Todas las muestras La distribución

en una población muestral de la
media.
28
 Muestras por población
En toda población, se puede generar una distribución
muestral de medias.

Población con n elementos y muestras de tamaño r,

existen nCr formas de realizar la distribución.
𝑛!
𝑛 𝐶𝑟 =
𝑟! 𝑛 − 𝑟 !

VARIABLE FRECUENCIA

29
Ejemplo 8.7 . . .

1. En la sección de estadística se Grupo NOTA

realizó una prueba corta en 1 6
grupo por valor de10 puntos, los 2 7
resultados que se obtuvieron se 3 8
muestran en la tabla. 4 8
5 9
6 10

30
. . . Ejemplo 8.7
Grupo NOTA
a) Media Poblacional 1 6
6 + 7 + 8 + 8 + 9 + 10 2 7
𝜇=
6 3 8
𝜇=8 4 8
b) Total de muestras de 2 elementos 5 9
6 10
6! 6𝑥5𝑥4! 6𝑥5
6 𝐶2 = = = = 15
2! 6 − 2 ! 2! 4! 2

c) Distribución muestral de la media

La distribución muestral de 15 muestras de 2

elementos cada una. 31
… Ejemplo 8.8
Preparación de Listado de muestras
muestras posibles posibles
Muestra Dato 1 Dato 2 Muestra Dato 1 Dato 2
1 6 7 1 6 7
2 8 2 6 8
3 8 3 6 8
4 9 4 6 9
5 10 5 6 10
6 7 8 6 7 8
7 8 7 7 8
8 9 8 7 9
9 10 9 7 10
10 8 8 10 8 8
11 9 11 8 9
12 10 12 8 10
13 8 9 13 8 9
14 10 14 8 10
15 9 10 15 9 10
… Ejemplo 8.8
Media aritmética de cada muestra
Construcción de la distribución
Muestra Dato 1 Dato 2 muestral de medias
1 6 7 7
2 6 8 7
3 6 8 7 F
4 6 9 8
5 6 10 8 7 3
6
7
7
7
8
8
8
8
8 6
8 7 9 8 9 5
9 7 10 9
10 8 8 8 10 1
11 8 9 9
12 8 10 9 Total 15
13 8 9 9
14 8 10 9
15 9 10 10 33
Media de la distribución muestral
La media de la distribución muestral de medias,
es la media aritmética de todas las medias
calculadas.
σ 𝑋ത ∗ 𝐹𝑗
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.

El resultado obtenido se compara con la media

poblacional.
34
Ejemplo 8.9 . . .
A partir de la distribución de medias de una sección de
Estadística I, calcular el aproximado de la media
poblacional
124
𝑋ത 𝐹 𝑋ത ∗ 𝐹 𝜇𝑋ത =
15
7 3 21
8 6 48 𝜇𝑋ത = 8 𝜇 = 8
9 5 45
10 1 10 La media poblacional y la
Total 15 124 media de media de la
distribución muestral son
similares 35
Teorema del Límite Central

Si todas las muestras de un tamaño en

particular que se seleccionan en cualquier
distribución muestral de medias se
aproxima a una distribución normal.

Esta aproximación mejora con muestras

grandes.

36
 Teorema del Límite Central

• Si la población tiene una forma sin sesgo, entonces,

la distribución muestral de las medias, también será
sin sesgo.
• Si se tiene una población con algún tipo de sesgo,
utilizando más de 30 muestras se podrá generar una
distribución de medias sin sesgo.

• NOTA: Este concepto es útil para el desarrollo de los

temas de Intervalos de confianza y Prueba de
hipótesis.

37
 Teorema del Límite Central
• El cálculo de la Media para la Distribución de Medias
genera un resultado bastante aproximado con relación
a la Media Poblacional.

• Para establecer el error de estas diferencias, se

utiliza una fórmula que recibe el nombre de “error
estándar de la media” que se basa en la desviación
estándar.

𝜇 = 7.33
𝜇𝑋ത = 7.26
38
 𝜎𝑋ത

Error estándar de la
media
Nombre completo: “Desviación estándar de la
distribución muestral de medias”

Significado: Desviación estándar de las medias

de todas las muestras. 39
 Error estándar de la media
𝜎
𝜎𝑋ത =
𝑛

Cuando se incrementa el número de muestras, el error

estándar de la media se reduce debido a la mejor
aproximación.

40
Ejemplo 8.10 . . .
Distribuidora Miriam vende útiles escolares a mayoristas en la
zona norte del País, cuenta con 12 ejecutivos de ventas que
tienen asignadas las rutas de distribución mensual. La
planificación establece que cada ejecutivo debe recolectar
pedidos mensuales en base a la siguiente tabla, calculada en
miles de unidades:
EJECUTIVO VENTAS EJECUTIVO VENTAS EJECUTIVO VENTAS

Juan Pérez 5 Pedro Canales 2 Roberto García 4

Mario Escalante 2 Reynaldo Borjas 4 Manuel Figueroa 6
Rosendo Vásquez 4 Leonel Banegas 7 Héctor Rivera 3
Marcia López 3 Ricardo Gonzalez 2 Carlos Paredes 6
Calcular: 41
 Ejemplo 8.10 . . .
EJECUTIVO VENTAS
Juan Pérez 5
a. Media aritmética
Mario Escalante 2
Rosendo Vásquez 4
Marcia López 3 48
𝜇= =4
Pedro Canales 2 12
Reynaldo Borjas 4
Leonel Banegas 7
Ricardo Gonzalez 2 En promedio se planifican ventas
Roberto García 4 mensuales de 4 mil unidades por
Manuel Figueroa 6 ejecutivo.
Héctor Rivera 3
Carlos Paredes 6
Total 48 42
 Ejemplo 8.10 . . . 𝜇=4
EJECUTIVO VENTAS 𝑋 − 𝜇 2 b. Desviación estándar
Juan Pérez 5 1
Mario Escalante 2 4
Rosendo Vásquez 4 0
Marcia López 3 1 32
Pedro Canales 2 4 𝜎= = 1.63
12
Reynaldo Borjas 4 0
Leonel Banegas 7 9
Ricardo Gonzalez 2 4 La desviación es de
Roberto García 4 0 1,630 unidades con
Manuel Figueroa 6 4 respecto a la media
Héctor Rivera 3 1 de la población.
Carlos Paredes 6 4
Total 48 32
43
 𝜇=4
… Ejemplo 8.10 𝜎 = 1.63
c. Generar 6 muestras aleatorias de 5 ejecutivos en cada
muestra
EJECUTIVO VENTAS VENTAS DE EJECUTIVO
Juan Pérez 5 Muestra
Mario Escalante 2 1 2 3 4 5
Rosendo Vásquez 4
Marcia López 3
1 5 2 4 3 2
Pedro Canales 2 2 2 4 3 2 4
Reynaldo Borjas 4
Leonel Banegas 7
3 4 3 2 4 7
Ricardo Gonzalez 2 4 3 2 4 7 2
Roberto García 4
Manuel Figueroa 6
5 2 4 7 2 6
Héctor Rivera 3 6 2 4 6 3 6
Carlos Paredes 6
Total 48
 𝜇=4
… Ejemplo 8.10 𝜎 = 1.63
d. Calcular la media de la distribución de medias
EJECUTIVO VENTAS VENTAS DE EJECUTIVO
Muestra
Juan Pérez 5 1 2 3 4 5
Mario Escalante 2
Rosendo Vásquez 4 1 5 2 4 3 2
Marcia López 3 2 2 4 3 2 4
Pedro Canales 2
Reynaldo Borjas 4 3 4 3 2 4 7
Leonel Banegas 7 4 3 2 4 7 2
Ricardo Gonzalez 2
Roberto García 4 5 2 4 7 2 6
Manuel Figueroa 6 6 2 4 6 3 6
Héctor Rivera 3
Carlos Paredes 6 22.2
Total 48

22.2
𝜇𝑋ത = = 3.7
6
 𝜇=4
… Ejemplo 8.10 𝜎 = 1.63
d. Calcular el error estándar de la media 𝜇𝑋ത = 3.7
EJECUTIVO VENTAS VENTAS DE EJECUTIVO
Muestra
Juan Pérez 5 1 2 3 4 5
Mario Escalante 2
Rosendo Vásquez 4 1 5 2 4 3 2
Marcia López 3 2 2 4 3 2 4
Pedro Canales 2
Reynaldo Borjas 4 3 4 3 2 4 7
Leonel Banegas 7 4 3 2 4 7 2
Ricardo Gonzalez 2
Roberto García 4 5 2 4 7 2 6
Manuel Figueroa 6 6 2 4 6 3 6
Héctor Rivera 3
Carlos Paredes 6
Total 48
1.63
𝜎𝑋ത = = 0.667
6
En la agencia de empleos “ALFA” se
realizó la primera evaluación a 6
aspirantes a supervisor para una Participante Nota
empresa de seguridad. La segunda Juan Pérez 90
prueba se hará en grupos de 3, Mario Ramos 99
tomando en cuenta la nota obtenida Carlos Canales 98
en la primera.
Pedro García 97
Rubén Martínez 96
Objetivo: Marcos Linares 100
a. Generar la distribución de medias para muestras de 3
elementos
b. Determinar el error estándar del muestreo
a. Generar la distribución de medias para
muestras de 3 elementos
Tamaño de la población
Participante Nota 𝑛=6
Juan Pérez 90 Tamaño de cada muestra
Mario Ramos 99 𝑟=3
Carlos Canales 98 Total de muestras
6! 6!
Pedro García 97 6 𝐶3 = =
3! 6 − 3 ! 3! 3!
Rubén Martínez 96 6 ∗ 5 ∗ 4 ∗ 3! 6 ∗ 5 ∗ 4
6 𝐶3 =
Marcos Linares 100 3! ∗ 3! 3∗2
6 𝐶3 = 20
 𝜇 = 96.67

Listado de posibles muestras

Aspirante Aspirante
Participante Nota Muestra
1 2 3 𝑋Muestra 1 2 3 𝑋
1 90 99 98 14 99 97 96
Juan Pérez 90 2 90 99 97 15 99 97 100
3 90 99 96 16 99 96 100
Mario Ramos 99 4 90 99 100 17 98 97 96
Carlos Canales 98 5
6
90
90
98
98
97
96
18
19
98
98
97
96
100
100
Pedro García 97 7 90 98 100 20 97 96 100
8 90 97 96
Rubén Martínez 96 9 90 97 100
10 90 96 100
Marcos Linares 100 11 99 98 97
12 99 98 96
13 99 98 100
 Aspirante
Posibles Muestra
1 2 3 𝑋ത Distribución
muestras 1 90 99 98 96 muestral de medias
2 90 99 97 95
3 90 99 96 95
4 90 99 100 96
5 90 98 97 95
6 90 98 96 95
7 90 98 100 96
8 90 97 96 94
9 90 97 100 96
10 90 96 100 95
11 99 98 97 98
12 99 98 96 98
13 99 98 100 99
14 99 97 96 97
15 99 97 100 99
16 99 96 100 98
17 98 97 96 97
18 98 97 100 98
19 98 96 100 98
20 97 96 100 98
b. Calcular el error de muestreo

Participante Nota
Juan Pérez 90
Mario Ramos 99 580
Carlos Canales 98 𝜇= = 96.67
6
Pedro García 97
Rubén Martínez 96
Marcos Linares 100
Total 580
 𝜇 = 96.67

Media de la distribución muestral de medias

𝑋ത F 𝑋ത ∗ 𝐹
94 1 94 1933
95 5 475 𝜇𝑋ത = = 96.65
96 4 384
20
97 2 194
98 6 588
99 2 198
Total 20 1,933

La media poblacional y la media de la distribución de medias

son similares.
Error de muestreo: Error entre la media población y la media
de la distribución muestral de medias

𝑋ത F 𝜇 = 96.67
94 1
95 5 𝜇𝑋ത = 96.65
96 4
97 2 𝜇 − 𝜇𝑋ത = 96.67 − 96.65 = 0.02
98 6
99 2
Total 20

La media poblacional y la media de la distribución de medias

son similares con un error de 0.02 entre ambas.
LA COLONIA está probando la venta del aceite de
oliva POMPEIAN ORGANIC en botellas de 148 ml
en spray. Se ubicaron 35 góndolas con este
producto en exhibición en todas las sucursales de
acuerdo al criterio del gerente de tienda. La cantidad
de botellas colocadas en cada góndola son:
20 14 11 16 26 24 18
41 37 40 19 49 21 49
29 43 31 39 45 36 50
25 30 24 25 21 25 41
32 12 29 17 15 28 33
Calcular el error de muestreo para una distribución
aleatoria de 7 muestras de tamaño 4
20 14 11 16 26 24 18
41 37 40 19 49 21 49
29 43 31 39 45 36 50
25 30 24 25 21 25 41
32 12 29 17 15 28 33

𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎
𝑛 = 35
𝑀𝑒𝑑𝑖𝑎 𝑎𝑟𝑖𝑡𝑚é𝑡𝑖𝑐𝑎 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛
1015
𝜇= = 29
35
20 14 11 16 26 24 18
41 37 40 19 49 21 49
29 43 31 39 45 36 50
25 30 24 25 21 25 41
32 12 29 17 15 28 33
Muestra Dato 1 Dato 2 Dato 3 Dato 4
1
2
3
...
7
 𝜇 = 29

a) Media de medias de una distribución de

frecuencias de 7 muestras con 4 sucursales por
muestra.
MUESTRA Dato 1 Dato 2 Dato 3 Dato 4 𝑋ത
1 16 26 24 18 21.0
2 41 37 40 19 34.3
3 39 45 36 50 42.5
4 25 30 24 25 26.0
5 17 15 28 33 23.3
6 11 16 26 24 19.3
7 43 31 39 45 39.5
205.8
205.8
𝜇𝑋ത = = 29.4
7
Media aritmética de la población
𝜇 = 29
Media aritmética de las medias de las muestras
𝜇𝑋ത = 29.4
Error de muestreo

𝜇 − 𝜇𝑋ത = 29 − 29.4 = −0.4

LA COLONIA está probando la venta del aceite de
oliva POMPEIAN ORGANIC en botellas de 148 ml
en spray. Se ubicaron 35 góndolas con este
producto en exhibición en todas las sucursales de
acuerdo al criterio del gerente de tienda. La cantidad
de botellas colocadas en cada góndola son:
20 14 11 16 26 24 18
41 37 40 19 49 21 49
29 43 31 39 45 36 50
25 30 24 25 21 25 41
32 12 29 17 15 28 33
Calcular el error estándar de la media para una
distribución aleatoria de 7 muestras de tamaño 4
 20 14 11 16 26 24 18
41 37 40 19 49 21 49
29 43 31 39 45 36 50
25 30 24 25 21 25 41
32 12 29 17 15 28 33

1015
𝜇= = 29
35

4230
𝜎= = 11
35
 𝜇 = 29
𝜇𝑋ത = 29.4

a) Calcular el error estándar de la media

𝜎 = 11
𝑛=7

11
𝜎𝑋ത = = 4.16
7

Aunque el error de muestreo calculado es más

alto que el real; si es útil para determinar una
aproximación de la media a través del uso de
intervalos de confianza.
Ejercicio en casa
1. Generar una distribución de 6 muestras de 5
elementos cada una para la siguiente
información.
PEDIDOS DE
SUCURSALES
CORN FLAKES
Choluteca 150
Comayagua 150
La Ceiba 100
San Pedro Sula 500
Santa Bárbara 250
Santa Rosa 300
Tegucigalpa 650
Calcular el error de muestreo
Ejercicio en casa
2. Calcular el error estándar de la media para
las exportaciones de la empresa BARAONA:

PRODUCCIÓN EXPORTADA
280 190 100 90 260
130 180 160 70 190
80 270 240 120 100
150 60 240 150 260

8 muestras
 Próximo capítulo:
ESTIMACIÓN E INTERVALOS DE CONFIANZA

𝐵𝑖𝑏𝑙𝑖𝑜𝑔𝑟𝑎𝑓í𝑎
Lind, D.A., Marchal, W.G., Wathen, S.A. (15). (2012). Estadística Aplicada a los
Negocios y la Economía. México: McGrawHill

David M. Levine, Timothy C. Krehbiel, Mark L. Berenson. 2006. Estadística para

Administración. (4° edición). Naucalpan de Juárez, México.: Pearson Prentice Hall
65