UNIVERSIDAD CENTRAL DEL ECUADOR

FACULTAD DE CIENCIAS ADMINISTRATIVAS

MODALIDAD A DISTANCIA

SEMESTRE ABRIL - AGOSTO 2016

UNIDAD DIDCTICA
ESTADISTICA BASICA II
Nivel: 5
Nmero de crditos: 5

TUTOR:
Econ. Hctor Cumbal Flores

Quito - Ecuador

Contenido
INTRODUCCION ................................................................................................................................... 4
Caracterizacin de la materia. .............................................................................................................. 4
Importancia en la formacin profesional.............................................................................................. 4
Relaciones con otras materias del plan de estudios. ............................................................................. 4
Competencias Generales ...................................................................................................................... 5
Resumen de competencias por unidad ................................................................................................. 5
INTRODUCCIN GENERAL A LA PRIMERA PARTE DE LA UNIDAD DIDACTICA ................. 7
UNIDAD: INTRODUCCIN A LA TEORIA DE PROBABILIDADES ...................................... 8

I.

1.1

Conceptos principales .............................................................................................................. 8

1.2

Probabilidad, elementos y definiciones .................................................................................. 10

1.3

Enfoques de la probabilidad. -................................................................................................ 11

1.4

Reglas de la probabilidad ....................................................................................................... 12

1.5

Tablas de contingencia y rbol de probabilidades.................................................................. 15

1.6

Teorema de Bayes .................................................................................................................. 17

1.7

Principios del conteo .............................................................................................................. 18

UNIDAD: DISTRIBUCIONES PROBABILSTICAS DISCRETAS ........................................... 21

II.

2.1

Conceptos principales ............................................................................................................ 22

2.2

Distribuciones de probabilidad............................................................................................... 23

2.3

Media, varianza y desviacin estndar de una distribucin de probabilidad ......................... 24

2.4

Distribucin Binomial ............................................................................................................ 25

2.5

Distribucin Hipergeomtrica ................................................................................................ 26

2.6

Distribucin de Poisson.......................................................................................................... 27

INTRODUCCIN GENERAL A LA SEGUNDA PARTE DE LA UNIDAD DIDCTICA ............. 30

III.

UNIDAD: DISTRIBUCIN PROBABILSTICA NORMAL .................................................. 31

3.1

Conceptos principales ............................................................................................................ 32

3.2

La familia de distribuciones probabilsticas normales ........................................................... 32

3.3

Distribucin probabilstica normal estandarizada .................................................................. 33

3.4

Aproximacin de la normal a la binomial ............................................................................. 36

IV.

UNIDAD: MTODOS Y DISTRIBUCIONES DE MUESTREO. ........................................... 41

4.1

Conceptos principales............................................................................................................. 41

4.2

Muestreo de la Poblacin ....................................................................................................... 42

pg. 2

V.

4.3

Mtodos de Muestreo ............................................................................................................. 43

4.4

Distribucin de muestreo de medias muestrales .................................................................... 45

4.5

Error Estndar y Error de Muestreo ....................................................................................... 47

UNIDAD: ESTIMACIONES E INTERVALOS DE CONFIANZA ............................................. 48

5.1

Estimaciones puntuales y de intervalos .................................................................................. 48

5.2

Seleccin de un tamao de muestra adecuado ....................................................................... 52

pg. 3

INTRODUCCION

Caracterizacin de la materia.

Estadstica II se orienta al estudio terico y prctico de las probabilidades y la distribucin de

probabilidades tanto para variables discretas como para variables continuas. Tambin estudia
los mtodos de muestreo y el teorema del lmite central. Se finaliza el estudio con el anlisis de
la estimacin y los intervalos de confianza.

Importancia en la formacin profesional.

Las organizaciones en los sectores privados y pblicos se ven cada vez ms expuestas a los
efectos del cambio econmico, poltico y social a nivel nacional y mundial por la creciente
globalizacin. Por lo mismo el administrador de empresas, debe ser capaz de enfrentar y en
tales circunstancias tomar decisiones, dentro de un proceso en el que paradjicamente tendr
solo un conocimiento imperfecto de la situacin y un grado considerable de incertidumbre. La
estadstica, al tener como uno de sus propsitos el anlisis de la informacin cuantitativa o
cualitativa para sustentar la toma de decisiones, le proporciona una ayuda inestimable.

Relaciones con otras materias del plan de estudios.

Casi todas las reas del saber requieren el pensamiento estadstico. Las disciplinas de estudio
que dependen ampliamente del anlisis incluyen: Marketing, Matemticas, Finanzas, Economa

pg. 4

e Investigacin de operaciones. Los principios y procedimientos aplicados en contabilidad y

administracin tambin se basan en la estadstica.
Competencias Generales
Al final del ciclo acadmico, estars en capacidad de resolver problemas administrativos y
contables para tomar decisiones, mediante la utilizacin de las herramientas estadsticas como
son: probabilidad, distribuciones de probabilidades discretas y continuas, muestreo y estimacin
de parmetros poblacionales.

Resumen de competencias por unidad

COMPETENCIAS

UNIDADES

Al terminar esta unidad el estudiante podr:

Usar la teora de la probabilidad en la toma de decisiones

Explicar las diferentes maneras en que surge la probabilidad,

Aplicar las reglas para el clculo de diferentes tipos de

probabilidades.

Utilizar las probabilidades para tomar en cuenta nueva

informacin: definicin y uso del teorema de Bayes.

Emplear los principios del conteo en la resolucin de problemas

de probabilidad.

Definir los trminos distribucin de probabilidad y variable aleatoria

Distinguir entre probabilidad discreta y continua.

Calcular la media, varianza y desviacin estndar de una

distribucin de probabilidad discreta

pg. 5

Unidad 01.
Revisin de
conceptos de
probabilidad

Identificar las caractersticas de la distribucin Binomial,

Hipergeomtrica y de Poisson.

Calcular probabilidades utilizando la distribucin Binomial,

Hipergeomtrica y de Poisson.

Unidad 02.
Distribuciones de
probabilidad
discreta

Al terminar esta unidad el estudiante podr:

Plantear las caractersticas de la Distribucin Probabilstica

Normal

Definir y calcular valores z.

Determinar la probabilidad de que una observacin este entre dos

valores, usando la distribucin normal estndar.

Utilizar la distribucin normal para aproximar la distribucin

Unidad 03.
Distribucin de
probabilidad
normal

probabilstica binomial.
Al finalizar esta unidad el estudiante podr:

Explicar las caractersticas de una muestra

Describir los diversos mtodos para seleccionar una muestra

Elaborar una distribucin de muestreo de medias muestrales.

muestreo y el

Usar el teorema del Lmite Central para encontrar las

Teorema del

probabilidades de las distintas medias muestrales en una

Lmite Central

Unidad 04.
Mtodos de

determinada poblacin.
Al terminar esta unidad el estudiante podr:

Definir una estimacin puntual

Interpretar el nivel de confianza

Calcular intervalos de confianza para medias y proporciones

Determinar el tamao de muestras. Variables y atributos

pg. 6

Unidad 05.
Estimacin e
intervalos de
confianza

INTRODUCCIN GENERAL A LA PRIMERA PARTE DE LA UNIDAD

DIDACTICA
La primera parte de esta unidad didctica est compuesta por dos bloques que corresponde a los
captulos cinco y seis del texto gua respectivamente:
La unidad uno, introduce al estudio de la teora de probabilidades, abarca los siguientes temas:
concepto, reglas, tablas de contingencia, diagramad de rbol y tcnicas de conteo.
La unidad dos, estudia las distribuciones de probabilidad, para luego analizar las distribuciones
discretas entre ellas la distribucin Binomial, Hipergeomtrica y Poisson.

Competencias de la primera parte

Al finalizar el estudio de esta primera parte estars en capacidad de aplicar las probabilidades y
la distribucin de probabilidades discretas en diferentes campos de tu carrera.

pg. 7

I.

UNIDAD: INTRODUCCIN A LA TEORIA DE PROBABILIDADES

Competencias
El estudiante estar en capacidad de:

Definir lo que es una probabilidad con sus diferentes enfoques.

Calcular probabilidades aplicando las reglas de adicin y de multiplicacin.

Construir tablas de probabilidad para el clculo de las mismas.

Contenidos
1.1 Conceptos principales
1.2 Probabilidad, elementos y definiciones
1.3 Enfoques de la probabilidad
1.4 Reglas de la probabilidad
1.5 Tablas de contingencia y rbol de probabilidades
1.6 Teorema de Bayes
1.7 Principios de conteo

1.1 Conceptos principales

Probabilidad. - Es un valor comprendido entre 0 y 1 inclusive, que representa la posibilidad
de que suceda un evento en particular.

Probabilidad Clsica. - Probabilidad basada en la consideracin de que cada uno de los

resultados es igualmente posible.

pg. 8

Probabilidad Condicional. - Es la probabilidad de que un evento ocurra dado que otro ha

sucedido ya.

Probabilidad Emprica. - Concepto probabilstico basado en lo pasado.

Probabilidad Subjetiva. - Posibilidad de que un evento suceda, con base en informacin

disponible: presentimientos, opinin personal, rumores, etc.

Regla Especial de Adicin. - Para que esta regla se cumpla, los eventos deben ser
mutuamente excluyentes.

Regla Especial de Multiplicacin. - Si los eventos no estn relacionados; es decir, son

independientes. (En adelante A y B se entendern como eventos)

Regla General de Adicin. - Se utiliza para determinar las probabilidades de eventos

complejos conformados por A o B.

Regla General de Multiplicacin. - Se aplica para determinar las probabilidades de eventos

complejos formados por A y B.

Resultado. - Terminacin particular de un experimento.

Tabla de Contingencia. - Conocida tambin como tabla de doble entrada, sirve para
relacionar dos variables y por medio de esta calcular probabilidades.

pg. 9

Tabla de Probabilidad. - Es producto de dividir toda la tabla de contingencia para el total.

Permutacin. - Es un arreglo en el cual es importante el orden de los objetos seleccionados

de un grupo especfico de ellos.

Combinacin. - Es un arreglo donde no es importante el orden de los objetos seleccionados

de un grupo especfico de ellos.

1.2 Probabilidad, elementos y definiciones

La probabilidad est conformada por:

Experimento. - Es la observacin de alguna actividad o el acto de efectuar una medicin.

Ejemplos:
-

Lanzar un dado para saber qu valor se obtiene.

Registrar el nmero de nacimientos en una maternidad

Resultado. - Es lo que se obtiene particularmente cuando se realiza un experimento.

Ejemplos:
-

Que caiga 3 al lanzar un dado.

Que hayan nacido 30 nios en la maternidad.

Evento. - Es el conjunto de uno o ms resultados de un experimento.

pg. 10

Ejemplos:
-

Que caiga un nmero par al lanzar el dado (2, 4 o 6)

Que hayan nacido diez o ms nias en la maternidad.

1.3 Enfoques de la probabilidad. Enfoque Clsico. - Se aplica cuando en un experimento los resultados son igualmente
probables. Por lo general est asociada con todo lo referente al azar. Se usa siguiente
frmula:
() =

# de resultados favorables
# total de resultados

Ejemplo 1.
La probabilidad de sacar una cara al lanzar una moneda es P (cara) =

50%

Enfoque Emprico. - Se obtiene dividiendo el nmero de veces en que sucede un evento en

el pasado entre la cantidad total de observaciones. Su frmula es:
() =

# de veces que ocurri en el pasado

# total de resultados

Ejemplo 2.
De los 100 accidentes de trnsito, registrados el ao pasado en una ciudad, 40 fueron
causados por conductores en estado etlico. Cul es la probabilidad de que el prximo
accidente sea causado por un conductor en estado etlico?

P (accidente por estado etlico) = 40 / 100 = 0,40 = 40%

pg. 11

Probabilidad Subjetiva. - Se basa en cualquier informacin disponible, experiencia o

conocimiento del investigador. No tiene una frmula especfica.

Ejemplo 3.
La probabilidad de que haya una cada de la bolsa de valores por la inestabilidad poltica del
pas es del 60%.

1.4 Reglas de la probabilidad

1.4.1

Regla de la Adicin. - Se la utiliza cuando se desea conocer la probabilidad que

ocurran dos o ms eventos

1.4.1.1 Regla Especial de Adicin. - Se emplea para unir eventos que son mutuamente
excluyentes.
Dos eventos son mutuamente excluyentes si, en virtud de la ocurrencia de uno, el otro no
puede suceder.
P (A o B) = P(A) + P (B)
Ejemplo 4.
Cul es la probabilidad de que al lanzar un dado salga 3 o 5?
(El 3 y el 5 son mutuamente excluyentes pues en una tirada ellos no pueden salir al mismo)
P (3 o 5) = P (3) + P (5) = 1/6 + 1/6 = 2/6 = 0.3333 = 33.33%

1.4.1.2 Regla General de Adicin. - Se emplea unir eventos que tienen probabilidad
conjunta.

pg. 12

La probabilidad conjunta es aquella en la cual pueden ocurrir dos eventos al mismo

tiempo.
P (A o B) = P(A) + P (B) P (A y B)
Ejemplo 5.
Cul es la probabilidad de que al sacar una carta de un naipe salga un tres o un trbol?
(recuerde que un naipe est compuesto por 52 cartas)
(En este ejemplo los eventos no son mutuamente excluyentes, pues es posible sacar una
carta que sea un 3 y que sea trbol al mismo tiempo)
P (3 o trbol) = P (3) + P (trbol) P (3 y trbol)
P (3 o trbol) = 4/52 + 13/52 1/52 = 16/52 = 0.3077 = 30.77%

1.4.2

Regla de la Multiplicacin. - Se la utiliza cuando se desea conocer la probabilidad

que ocurran simultneamente dos o ms eventos.

1.4.2.1 Regla Especial de Multiplicacin. - Se utiliza para combinar eventos que son
independientes.

Los eventos son independientes, si la ocurrencia de uno no afecta la ocurrencia del

otro.
P (A y B) = P(A) x P (B)
Ejemplo 6.
Cul es la probabilidad de que al lanzar un dado y una moneda salga cuatro y cruz?
P (cuatro y cruz) = P (cuatro) x P (cruz) = 1/6 * 1/2 = 1/12 = 0.0833 = 8.33%

pg. 13

1.4.2.2 Regla General de Multiplicacin. - Se utiliza cuando la probabilidad es

condicional.
Probabilidad condicional es la probabilidad de que suceda un evento, dado que otro ya ha
ocurrido. El smbolo / se lee dado que
P (A y B) = P(A) x P (B / A)

Ejemplo 7.
Cul es la probabilidad de que, al sacar dos cartas de un naipe, en la primera salga cuatro
y luego otro cuatro?
P (4 y 4) = P (4) x P (4 / 4) = 4/52 * 3/51 = 12/2652 = 0.0045 0,45%
(La probabilidad de sacar el primer cuatro es 4/52, la probabilidad de sacar el segundo
cuatro es 3/51 pues solo quedan 3 de ellos en el naipe, y en el naipe quedan 51 cartas)

1.4.3

Regla del Complemento. - Sirve para determinar la probabilidad de que ocurra un

evento, partiendo del conocimiento de la probabilidad de que ese no suceda.
P(A) = 1 P (no A)

Ejemplo 8.
Si la probabilidad que hoy no llueva es 0.30 Cul es la probabilidad de que llueva?
P (llueva) = 1 P (no llueva) = 1 0.30 = 0.70

pg. 14

1.5 Tablas de contingencia y rbol de probabilidades

La construccin de las tablas de Contingencia y de Probabilidad se ilustra con este ejemplo:
De 1200 estudiantes, 600 tienen empleo y 800 son solteros. De los 800 solteros, 450 son
hombres. Con estos datos se pide:
a. Elaborar una tabla de contingencia.
b. Construir una tabla de probabilidad.
c. Si se selecciona uno de estos jvenes al azar, cul es la probabilidad de l sea:
- Hombre o Casado
- Mujer y Soltera
- Soltero o Casado
- Un soltero que es hombre

1.5.1

Tabla de Contingencia
Genero/ Estado Civil Soltero Casado Total
Hombre

450

150

600

Mujer

350

250

600

Total
800
400 1200
(Los nmeros en rojo son los datos iniciales, los nmeros en negro son datos
deducidos)

1.5.2

pg. 15

Tabla de Probabilidad
Genero/ Estado
Civil

Soltero

Casado

Total

Hombre

450/1200

150/1200

600/1200

Mujer

350/1200

250/1200

600/1200

Total

800/1200

400/1200 1200/1200

Genero/ Estado
Civil
Hombre

Soltero

Casado

Total

0,375

0,125

0,50

0,292
0,67

0,208
0,33

0,50
1,00

Mujer
Total

(Los valores totales son las probabilidades marginales, en tanto que las
probabilidades interiores son las probabilidades conjuntas)
Lectura de la primera lnea

P (H y S) = 0,375

P (Hombre y Soltero)

P (H y C) = 0,125

P (Hombre y Casado)

P(H) =

0,50 P(Hombre)

Lectura de la segunda lnea

P (M y S) = 0,292

P (Mujer y Soltera)

P (M y C) = 0,208

P (Mujer y Casada)

P(M)= 0,50

P(Mujer)

Lectura de la tercera lnea

P(S)= 0,67

Probabilidad de ser Soltero

P(C)= 0,33

Probabilidad de ser Casado

P (H o C) = P(H) + P(C) P (H y C) = 0,50 + 0,33 0,125 = 0,705 70,5 %

P (M y S) = 0,292 29,2 %

P (S o C) = P(S) + P(C) = 0,67 + 0,33 = 1,00 100 %

P (H y S) = 0,375 37,5 %

pg. 16

1.5.3

rbol de probabilidades. - es una grfica til para organizar clculos que implican
varias etapas. Cada segmento del rbol constituye una etapa del problema. Las ramas
del rbol se ponderan por medio de probabilidades.
P. Mg.

P. Condicional

S
0.5

0,5 * 0,75 = 0,375

H
C
S

0.5

0,75

P. Conjunta

0,25

0,58

0,5 * 0.25 = 0,125

0,5 * 0,58 = 0,292

M
C

0,42

0,5 * 0,42 = 0,208

1.6 Teorema de Bayes

El teorema de Bayes parte de una situacin en la que es posible conocer las probabilidades
de que ocurran una serie de sucesos Ai. A esta se aade un suceso B cuya ocurrencia
proporciona cierta informacin, porque las probabilidades de ocurrencia de B son distintas
segn el suceso Ai que haya ocurrido.
Conociendo que ha ocurrido el suceso B, la frmula del teorema de Bayes nos indica como
modifica esta informacin las probabilidades de los sucesos Ai.

pg. 17

Ejemplo 9.
El 20% de los empleados de una empresa son ingenieros y otro 20% son economistas. El
75% de los ingenieros ocupan un puesto directivo y el 50% de los economistas tambin,
mientras que los no ingenieros y los no economistas solamente el 20% ocupa un puesto
directivo. Cul es la probabilidad de que un empleado directivo elegido al azar sea
ingeniero?

0,2 * 0,75

P ingeniero
0,405
directivo

0,2 * 0,75 0,2 * 0,5 0,6 * 0,2

1.7 Principios del conteo

1.7.1

La Frmula de Multiplicacin. - Establece que si existen m modos en que un

evento puede suceder y n formas en que otro puede ocurrir, entonces existen m x n
formas en que los dos eventos pueden suceder.
Nmero de formas = m * n

pg. 18

Ejemplo 10.
Para armar un equipo de sonido se tiene 3 modelos de parlantes, 4 modelos de discos
compactos y 5 modelos de amplificadores. Cuntos modelos de equipos diferentes se
pueden armar?
Nmero de arreglos = 3 x 4 x 5 = 60
Se pueden armar 60 modelos de equipos diferentes.

1.7.2

Permutacin. - Es un arreglo en el cual es importante el orden de los objetos

seleccionados.
=

!
( )!

Ejemplo 11.
De un grupo de 9 ejecutivos de una empresa se quiere escoger 2 ejecutivos para ocupar el
cargo de gerente y subgerente. Cuntos arreglos son posibles realizar?
=

9!
= 72
(9 2)!

Es decir, se pueden realizar 72 arreglos. En este ejercicio interesa el orden; pues no es lo

mismo que Pepe sea escogido como gerente y Juan como subgerente; a que Juan sea el
gerente y Pepe el subgerente.

pg. 19

1.7.3

Combinacin. - Es un arreglo donde no es importante el orden de los objetos

seleccionados.
=

!
! ( )!

Ejemplo 12.
De un grupo de 15 personas se desea escoger subgrupos de 3 personas para realizar un estudio
en las diferentes reas de la ciudad.

pg. 20

15!
= 455
3! (15 3)!

II.

UNIDAD: DISTRIBUCIONES PROBABILSTICAS DISCRETAS

Competencias.

El estudiante estar en capacidad de:

Distinguir entre una probabilidad discreta y continua.

Identificar las caractersticas de la distribucin Binomial, Hipergeomtrica y de

Poisson.

Calcular probabilidades utilizando la distribucin Binomial, Hipergeomtrica y de

Poisson.

Contenidos
2.1 Conceptos principales
2.2 Distribucin de probabilidad
2.3 Media, varianza y desviacin estndar de una distribucin de probabilidad
2.4 Distribucin probabilstica Binomial
2.5 Distribucin probabilstica Hipergeomtrica
2.6 Distribucin probabilstica de Poisson

pg. 21

2.1 Conceptos principales

Variable Aleatoria. - Cantidad obtenida a partir de un experimento que, por azar, puede
dar como resultado valores diferentes.
Variable Aleatoria Continua. - La variable aleatoria que puede tomar un nmero infinito
de valores dentro de un intervalo dado.
Variable Aleatoria Discreta. - La variable aleatoria que puede tomar solo ciertos valores
especficos.
Distribucin de Probabilidad. - Es un listado que contiene todos los posibles resultados
de un experimento y la probabilidad correspondiente asociada a cada resultado.
Distribucin Probabilstica Binomial. - Se basa en una variable aleatoria discreta. Tiene
las siguientes caractersticas:

Cada resultado puede clasificarse en una o dos categoras mutuamente excluyentes.

La distribucin es el resultado de contar el nmero de xitos.

Cada ensayo es independiente

La probabilidad de un xito permanece igual de un ensayo a otro.

Distribucin de Poisson. - En ocasiones se utiliza esta distribucin para aproximar

probabilidades Binomiales cuando n es grande y es pequea. (n es la cantidad de ensayos
y la probabilidad de xito de un ensayo).
Distribucin Probabilstica Hipergeomtrica. - Es una distribucin de probabilidad con
base en una variable aleatoria discreta. Sus principales caractersticas son:

pg. 22

Existe un nmero fijo de pruebas o ensayos.

La probabilidad de xito no es la misma de un ensayo a otro.

2.2 Distribuciones de probabilidad

Variable Aleatoria. - Es un valor numrico determinado por el resultado de un experimento.
Las variables pueden ser discretas y continuas.
Variables discretas. Son aquellas que solo asumen ciertos valores y son producto de
contar. Ejemplo. El nmero de hijos de una familia del Ecuador.
Variables continuas. Son aquellas que pueden asumir cualquier valor y son producto de
medir. Ejemplo. La presin de aire de un neumtico

Distribucin Probabilstica. - Es un listado o agrupacin de todos los resultados posibles

de un experimento y la probabilidad de ocurrencia asociada a cada uno de ellos.

Distribucin Probabilstica Discreta. - Puede considerar solo ciertos valores. Sus

caractersticas principales son:

La suma de las probabilidades es igual a 1

La probabilidad de un resultado particular est entre 0 y 1

Los resultados son mutuamente excluyentes.

Ejemplo 1
La siguiente tabla indica el nmero de vehculos, que recibieron mantenimiento.

pg. 23

Mantenimientos Vehculos
4
0
6
1
7
2
3
3
Total
20

Se pide elaborar su distribucin de probabilidad.

Mantenimientos

Vehculos

Probabilidad
P(X)
0,20

0,30

0,35

0,15

2.3 Media, varianza y desviacin estndar de una distribucin de probabilidad

La media y la varianza de una distribucin probabilstica se calcula como sigue:

La media llamada tambin Esperanza Matemtica es igual:

= ()

La varianza es igual a:
= ( )2 ()

La desviacin estndar es igual a:

pg. 24

Ejemplo 2
Con los datos del ejercicio anterior calcular la media, varianza y desviacin estndar de la
distribucin.
X

P(x)

X * P(x)

X-

( x - )

( x - ) P(x)

0,20

0,00

-1,45

2,10

0,42

0,30

0,30

-0,45

0,20

0,06

0,35

0,70

0,55

0,30

0,11

0,15

0,45

1,55

2,40

0,36

Total

25

1,00

1,45

= 1,45

0,95
= 0,95

= 0,97

2.4 Distribucin Binomial

Tiene las siguientes caractersticas:

Cada resultado se clasifica en una de dos categoras mutuamente excluyentes.

La probabilidad de xito (), permanece igual de un ensayo a otro.

Cada ensayo es independiente.

La distribucin resulta del conteo de xitos x en una cantidad fija de ensayos n.

Una probabilidad binomial se calcula con la siguiente formula:

() = ( )
La media se calcula por:
=
La varianza es:
= ( )

pg. 25

Ejemplo 3
El 33% de automviles nuevos requiere servicio por garanta en el primer ao. Si la agencia
vendi 4 automviles este mes:
a.
b.
c.
d.

Cul es la probabilidad de que exactamente dos autos necesiten servicio de garanta?

Determine la probabilidad de que los cuatro autos requiera tal servicio.
Determine la probabilidad de que al menos uno de ellos necesite servicio de garanta.
Calcule la media, la varianza y la desviacin estndar de esta distribucin
probabilstica.
Datos; n = 4, = 0,33

a. P(X = 2\n = 4 y = 0,33) = 4C2 0.334 (1 0.33)42 = 0.2963

b. P(X = 4\n = 4 y = 0,33) = 4C4 0.334 (1 0.33)44 = 0.0123
c. P(X 1\n = 4 y = 0,33) = 1 P(0) = 4C0 0.330 (1 0.33)40 = 0.7985
d. Media, varianza y Desviacin estndar.
= n = 4 (0.33) = 1.32
= n (1 - ) = 1.32 (1 0.33) = 0,88
= 0.94

2.5 Distribucin Hipergeomtrica

Sus caractersticas son:

Cada ensayo tiene solo dos resultados posibles. (xito o fracaso)

La probabilidad de xito no es la misma para cada ensayo.

La distribucin resulta del conteo de xitos x en una cantidad fija de ensayos n.

La probabilidad Hipergeomtrica se calcula por medio de la siguiente ecuacin:

pg. 26

() =

Ejemplo 4
El Departamento de Sistemas de Informtica de una institucin est formado por doce
profesores de los cuales cuatro son mujeres. La directora, desea establecer un comit de
cuatro miembros del profesorado del departamento, para que revise el plan de estudios.
Si selecciona el Comit al azar:
a. Cul es la probabilidad de que exactamente dos profesores sean mujeres?
b. Cul es la probabilidad de que los cuatro docentes sean mujeres?
c. Cul es la probabilidad de que por lo menos uno de ellos sea mujer?
Datos; n = 12 (4 mujeres y 8 hombres),
n = 4 (son 4 los miembros seleccionados para el comit)
S = 4 (4 profesores son mujeres)

4 2 124 42

a.

P(X = 2\n = 4 y S = 4) =

b.

P(X = 4\n = 4 y S = 4) =

c.

P(X 1\n = 4 y S = 4) = 1 P(0) = 1

12 4
4 4 124 44
12 4

= 0.339
= 0.002
4 0 124 4
12 4

= 0.858

2.6 Distribucin de Poisson

Tiene las siguientes caractersticas:

pg. 27

Cada resultado se clasifica en una de dos categoras mutuamente excluyentes.

La probabilidad de xito permanece igual de un ensayo a otro.
Cada ensayo es independiente.

La distribucin resulta de un conteo del nmero de xitos en una cantidad fija de

ensayos.
La probabilidad de un xito generalmente es pequea, y el nmero de ensayos suele
ser grande.

Una probabilidad de Poisson se determina a partir de la siguiente ecuacin:

() =
!
En la frmula: es la media de xitos por unidad de tiempo y e = 2.718281
Ejemplo 5
Los automviles de una compaa de trasporte de la ciudad de Quito llegan a su estacin,
en un promedio de cuatro por minuto. Cul es la probabilidad de que en un minuto
especfico?
a.
b.
c.
d.

No lleguen automviles
Lleguen cuatro automviles
Lleguen cuatro o menos automviles
Lleguen Cuatro o ms automviles

Datos = 4,00

a.

( = ) =

b.

( = ) =

c.

( ) = () + () + () + () + () = .

d.

( ) = () () () () = .

!

!

= .
= .

Nota: e es la base del logaritmo natural, es igual a 2,718281...

pg. 28

RESUMEN DE LAS DISTRIBUCIONES PROBABILSTICAS DISCRETAS

BINOMIAL

HIPERGEOMTRICA

POISSON

!

Frmula

() = ( )

Muestra (n)

Pequea n < 30

Pequea n < 30

Grande n 30

(probabilidad
de xito)

Cualquier valor entre 6% y

95%

No tiene

Pequea,
no ms del 5%

N (poblacin)

No tiene

Pequea
(poblaciones finitas)

No tiene

S (cantidad de
xitos en N)

No tiene

Se obtiene de la poblacin

No tiene

(media)

= n

No tiene

= n

2 (varianza)

2 = n(1 - )

No tiene

2 = n

(desviacin
estndar)

raz cuadrada de 2

No tiene

raz cuadrada de 2

e (base del ln)

No tiene

No tiene

e = 2,71828

X (nmero de
xitos)

En la pregunta

En la pregunta

En la pregunta

pg. 29

() =

() =

INTRODUCCIN GENERAL A LA SEGUNDA PARTE DE LA UNIDAD

DIDCTICA
La segunda parte de esta unidad est compuesta por dos bloques que corresponden a las
unidades tres, cuatro y cinco:
En la unidad tres estudiaras todo lo referente a la distribucin normal, utilizacin de la tabla
de la distribucin normal y la aproximacin normal a la binomial.
En las unidades cuatro y cinco estudiars todo lo referente al muestreo, los mtodos de
muestreo, estimaciones e intervalos de confianza y el clculo del tamao adecuado de la
muestra.
La importancia del estudio de etas unidades se basa en que en la vida prctica y profesional
es de gran utilidad para la toma de decisiones en el campo administrativo y en el campo
contable financiero.

Competencia de la segunda parte de la unidad didctica

Al finalizar el estudio de esta parte de la unidad didctica estars en capacidad de aplicar la
distribucin normal, el muestreo y las estimaciones e intervalos de confianza, en los
diferentes campos de tu carrera.

pg. 30

III.

UNIDAD: DISTRIBUCIN PROBABILSTICA NORMAL

Competencias
El estudiante estar en la capacidad de:

Plantear las caractersticas de la distribucin probabilstica normal.

Definir y calcular valores z.

Determinar la probabilidad de que una observacin sea mayor o menor a un valor

determinado.

Utilizar la distribucin Normal para aproximar la distribucin Binomial.

Contenidos
3.1

Conceptos principales

3.2

La familia de distribuciones probabilsticas normales

3.3

Distribucin probabilstica normal estndar

3.4

Aplicaciones de la distribucin normal estndar

3.5

reas bajo la curva normal

3.6

Aproximacin normal a la binomial

3.7

Factor de correccin por continuidad

3.8

Como aplicar el factor de correccin

pg. 31

3.1 Conceptos principales

Distribucin Probabilstica Normal. - Es una distribucin continua en forma de campana.

La media la divide en dos partes iguales. Adems, la curva normal se extiende
indefinidamente en las dos direcciones, esto es nunca toca el eje X.

Factor de Correccin por Continuidad. - Se utiliza para mejorar la exactitud de

aproximacin de una distribucin discreta (binomial) por medio de una de tipo continuo
(normal).

Valor Z.- Es la distancia entre un valor seleccionado y la media poblacional medida en

unidades de la desviacin estndar.

3.2 La familia de distribuciones probabilsticas normales

No slo existe una distribucin de probabilidad normal, sino una familia, solo se requiere
conocer el valor de la media y valor de su desviacin estndar para poder representarla

pg. 32

Las caractersticas de la distribucin normal son:

Es acampanada; y la media, la mediana y la moda son iguales.

Es simtrica.

Es asinttica, lo que significa que la curva se aproxima al eje X, pero nunca lo toca.

0,50

0.50

= Me = Mo

3.3 Distribucin probabilstica normal estandarizada

Es un caso especial de Distribucin Probabilstica Normal.

Tiene una media de 0.00 y una desviacin estndar de 1.00

Cualquier distribucin normal puede convertirse en una distribucin normal

estndar mediante la siguiente frmula:

0,50
=0

pg. 33

0.50

Ejemplo 1
Un estudio realizado en una emisora de radio de Guayaquil revel que el promedio que
una persona sintoniza la emisora es de 20 minutos con una desviacin estndar de 5,4 min.
Cul es la probabilidad de que una persona la sintonice:
a. Entre 20 y 30 minutos?
A
A

1,85

20

30

30 20
= 1.85
5.4

1: = 0.4678

b. Entre15 y 28 min?
AA

A2A2

A1A1

-0,93
15
1 =

15 20
= 0.93
5.4

2 =

28 20
= 1.48
5.4

0
20

1: 1 = 0.3238
1:

= 1 + 2 = 0.3238 + 0.4306 = 0.7544

pg. 34

1,48
28

2 = 0.4306

Z
X

c. Durante 32 minutos o menos?

A
A
0.50
0,5

A1

A1

0
20
1 =

32 20
= 2.22
5.4

2,22
32

Z
X

1: 1 = 0.4868

= 1 + 0.50 = 0.4868 + 0.50 = 0.9868

d. Entre 25 y 35 min?

A
A11
0
20

1 =

25 20
= 0.93
5.4

2 =

35 20
= 2.78
5.4

A2

A2

0,93
25

2,78
35

1: 1 = 0.3238
1:

2 = 0.4973

= 2 1 = 0.4973 + 0.3238 = 0.1735

e. Durante 32 min., o ms?

A1

A1

A
A

0
20
1 =

32 20
= 2.22
5.4

1: 1 = 0.4868

= 0.50 1 = 0.50 0.4868 = 0.0132

pg. 35

2,22
32

Z
X

Z
X

f. Durante 15 min o ms?

A

0,5
0.50

A
A11
-0,93
15

1 =

15 20
= 0.93
5.4

0
20

Z
X

1: 1 = 0.3238

= 1 + 0.50 = 00.3238 + 0.50 = 0.8238

g. Cul es la probabilidad de que el 75% de los radioyentes la sintonicen durante

cuntos minutos o menos?
75 %

0,25

0,5

0,50

1 = 0.25

0,25

0,67

20

1: 1 = 0.67

1 = 1 + = 0.67 5.4 + 20 = 23.61 minutos

3.4 Aproximacin de la normal a la binomial

La distribucin normal puede utilizarse para aproximar una distribucin binmica o
binomial, bajo las siguientes condiciones:

pg. 36

 n * y n *(1- ) deben ser ambos por lo menos iguales a 5.

-

n es el nmero de observaciones.

es la probabilidad de un xito.

Las cuatro condiciones para una distribucin binomial son:

-

Hay solo dos resultados posibles.

permanece igual de un ensayo a otro

Cada ensayo es independiente de los otros.

La distribucin resulta de un conteo del nmero de xitos en una cantidad fija de

ensayos.

La media y la varianza de una distribucin binomial se calculan como sigue:

= n
= n (1- )
El factor de correccin por continuidad, de 0.5, sirve para ampliar en media unidad
el valor continuo X, en ambas direcciones. Esta correccin compensa estimar una
distribucin discreta por medio de una distribucin continua.

Cuando la probabilidad a calcularse responde a la condicin X es mayor o igual a,

entonces a X debe restrsele 0.5
Cuando la probabilidad a calcularse responde a la condicin X es menor o igual a,
entonces a X debe sumrsele 0.5
Si la condicin dice X es igual a, entonces la probabilidad se calcula en el intervalo
(X - 0.5, X + 0,5)

pg. 37

Ejemplo 1
Un estudio en una institucin educativa, mostr que el 5% de los docentes tienen estudios
de postgrado. Si la institucin cuenta con 100 docentes.
a. Cul es la probabilidad de 8 o ms docentes tenga estudios de postgrado?
b. Cul es la probabilidad de que entre 8 y 10 docentes tenga estudios de postgrado?
c. Cul es la probabilidad de que exactamente 8 docentes tenga estudios de
postgrado?

Datos: = 5% 0,05 y n = 100

Primero se debe calcular: n* y n*(1- ) si estas son mayores o iguales a 5, se puede
aplicar la aproximacin normal a la Binomial
0,05 * 100 = 5 (cumple la condicin)
100 * (1- 0,05) = 95 (cumple la condicin)
= n = 0,05 (100) = 5
= n (1- ) = 5(1-0,05) = 4,75
= 2,18
a. Cul es la probabilidad de 8 o ms docentes tenga estudios de postgrado?

A1
A1
0
5

pg. 38

1,15
7,5

Z
X

1 =

7.5 5
= 1.15
2.18

1: 1 = 0.3749

= 0.50 1 = 0.50 0.3749 = 0.1251

b. Cul es la probabilidad de que entre 8 y 10 docentes tenga estudios de postgrado?

A2
A1

1,15

2,52

7,50 10,50

1 =

7.5 5
= 1.15
2.18

1: 1 = 0.3749

2 =

10.5 5
= 2.52
2.18

1:

2 = 0.4940

= 2 1 = 0.4940 0.3749 = 0.1191

c. Cul es la probabilidad de que exactamente 8 docentes tengan estudios de postgrado?

A2
A1
A1
0
5

pg. 39

1,15 1,61
7,50 8,50

Z
X

1 =

7.5 5
= 1.15
2.18

1: 1 = 0.3749

2 =

8.5 5
= 1.61
2.18

1: 2 = 0.4463

= 2 1 = 0.4463 0.3749 = 0.0714

pg. 40

IV.

UNIDAD: MTODOS Y DISTRIBUCIONES DE MUESTREO.

Competencias
El estudiante estar en capacidad de:

Explicar las caractersticas de una muestra

Describir los diversos mtodos para seleccionar una muestra

Contenidos
4.1 Conceptos principales
4.2 Muestreo de la poblacin
4.3 Mtodos de muestreo
4.4 Distribucin de muestreo de medias muestrales.
4.5 Error Estndar y Error de Muestreo

4.1 Conceptos principales

Distribucin de Muestreo de la Media Muestral. Una distribucin de probabilidad
integrada por las medias de todas las muestras de un determinado tamao, tomadas de la
poblacin.
Error Muestral de Muestreo. Es la diferencia entre un estadstico muestral y el
correspondiente parmetro poblacional.
Muestra Probabilstica. Una muestra de objetos o individuos elegida de tal manera que
cada miembro de la poblacin tenga igual oportunidad de ser incluido en la muestra.
Muestreo Aleatorio Estratificado. Primero se divide la poblacin en subgrupos llamados
estratos. Despus se toma una muestra probabilstica de cada estrato.

pg. 41

Teorema del Lmite Central. Si el tamao de la muestra es suficientemente grande, la

distribucin muestral de la media se aproximar a una distribucin normal, sin considerar la
forma que tenga la distribucin de la poblacin.

4.2 Muestreo de la Poblacin

Hay muchas razones para muestrear una poblacin. Entre las que encontramos las
siguientes:
1. Con frecuencia la prueba destruye el elemento muestreado y no puede ser devuelto a la
poblacin.
Ejemplo. En la fabricacin de vidrio la muestra es destruida para probar su resistencia.

2. Puede ser imposible revisar o localizar a todos los elementos de la poblacin.

Ejemplo. Para conocer la calidad de madera de un bosque se obtiene una muestra de
este.

3. Es posible que resulte prohibitivo el costo de estudiar a todos los elementos de la

poblacin.
Ejemplo. Para saber la opinin de un producto se entrega el mismo a una muestra de una
ciudad y no a toda la ciudad.

4. Los resultados de una muestra pueden dar una estimacin adecuada del parmetro de
poblacin, lo que permite ahorrar, por tanto, dinero y tiempo.
Ejemplo. Tomar una muestra de produccin de cerveza para saber sus caractersticas.

pg. 42

5. Puede necesitarse demasiado tiempo para contactar a todos los elementos de la

poblacin.
Ejemplo. Para conocer el criterio acerca del ALCA no es necesario entrevistar a todo el
continente americano, sino a una muestra de este.

4.3 Mtodos de Muestreo

Existen dos tipos de muestras: la no probabilstica y la probabilstica.
En un muestreo no probabilstico, la inclusin en la muestra se basa en el criterio de la
persona que realiza el muestreo. Esto puede llevar a resultados con sesgo.
En un muestreo probabilstico todos los elementos de la poblacin tienen igual
probabilidad de ser seleccionados para la muestra. Hay varios mtodos de muestreo de
probabilidad.

4.3.1. Muestreo Aleatorio Simple. - En una muestra aleatoria simple todos los elementos de
la poblacin tienen la misma probabilidad de ser seleccionados para la muestra.
Un mtodo para seleccionar una muestra es emplear una tabla de nmeros aleatorios
(apndice E del texto gua).
Ejemplo. Un estudio de los hoteles en la ciudad de Santo Domingo de los Colorados
mostr que existen 24 hoteles, el nmero de sus habitaciones se presentan a
continuacin:

pg. 43

No.

00 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23

Hab. 40 35 28 19 17 15 20 55 63 29 38 43 12 29 32 43 44 45 47 70 19 28 14 35

Utilice una tabla de nmeros aleatorios (apndice E) y seleccione una muestra aleatoria
de tamao cuatro a partir de esa poblacin.
Para utilizar la tabla de nmeros aleatorios usted puede empezar por cualquier parte de
esta y seguir alguna direccin a su eleccin. En el ejemplo partimos de la fila 5 y columna
6 del apndice y nos movemos hacia la derecha. Los nmeros se presentan a continuacin:

92598 49186 88247 39967 13748 04742 92460 85801 53444 65626 58710 55406 17173 69776 87455 14813

Como la poblacin est compuesta de dos dgitos, en los nmeros de la tabla se van a
escoger los dos primeros dgitos que estn incluidos dentro de la poblacin, son los
subrayados en el cuadro. Entonces la muestra contiene a los hoteles 13, 04, 17 y 14.

4.3.2. Muestreo Aleatorio Sistemtico. - En una muestra sistemtica se selecciona un punto

de partida aleatorio, y despus se selecciona para la muestra cada k-simo elemento.
Ejemplo. Con los datos del ejercicio anterior obtenga una muestra sistemtica
seleccionando como punto de partida el hotel 03 y despus seleccione cada quinto hotel.
La muestra quedara de la siguiente manera: 03, 08, 13, 18, 23.

4.3.3. Muestreo Aleatorio Estratificado. - En una muestra estratificada la poblacin se divide

en varios grupos, o estratos y despus se selecciona una muestra de cada uno.

pg. 44

4.3.4. Muestreo por Conglomeracin. - En un muestreo por aglomerado la poblacin se

divide en unidades primarias, y despus se elige aleatoriamente las unidades que van a
ser muestreadas.

4.4 Distribucin de muestreo de medias muestrales

Es una distribucin de probabilidad que seala todas las medias muestrales posibles y sus
probabilidades de ocurrencia.
Las caractersticas son las siguientes:
Para el tamao de muestra dado, el valor medio de todas las medias muestrales posibles
seleccionadas de la poblacin es exactamente igual a la media poblacional.
La variacin en la distribucin muestral de medias es menor que en la distribucin de la
poblacin.

Ejemplo. Las edades de seis docentes de una universidad de la ciudad de Quito son:

Edad

SUMA

54

50

52

48

50

52

306

Cuntas muestras de tamao 2 son posibles de plantear?

pg. 45

!
=
! ( )!

Seleccione todas las muestras factibles de tamao 2 y calcule las medias.

MUESTRA

EDAD

SUMA

MEDIA

A-B

54-50

104

52

A-C

54-52

106

53

A-D

54-48

102

51

A-E

54-50

104

52

A-F

54-52

106

53

B-C

50-52

102

51

B-D

50-48

98

49

B-E

50-50

100

50

B-F

50-52

102

51

C-D

52-48

100

50

C-E

52-50

102

51

C-F

52-52

104

52

D-E

48-50

98

49

D-F

48-52

100

50

E-F

50-52

102

51
765

SUMA

Organice los valores medios en una distribucin de muestreo

MEDIA

FRECUENCIA

PROBABILIDAD

49

2/15 = 0,13

50

3/15 = 0,20

51

5/15 = 0,33

52

3/15 = 0,20

53

2/15 = 0,13

SUMA

15

15/15= 1,00

Calcule la media de la poblacin y de las medias muestrales

Media poblacional = 306 / 6 = 51
Media muestral

pg. 46

= 765 /15 =51

4.5 Error Estndar y Error de Muestreo

Error Estndar. - Es la desviacin estndar de la medias muestrales tambin conocida por

tanto, como el error estndar de la media y se determina con la siguiente formula:

Error de Muestreo. - Es la diferencia entre el valor del parmetro poblacional y su

respetivo estadstico muestral. Por ejemplo, se el valor de la media poblacional es 21
y el valor del estadstico muestral X es 20,5 el error de muestreo es de 0,5 (21-20,5) =
0,5. Este tipo de error puede calcularse para cualquier medida de inters.

pg. 47

V.

UNIDAD: ESTIMACIONES E INTERVALOS DE CONFIANZA

Competencias

Calcular intervalos de confianza para medias y proporciones

Determinar el tamao de la muestra para muestras, variables y atributos

Contenidos

5.1 Estimaciones puntuales y de intervalos

5.1.1 Intervalo de confianza para una proporcin de la poblacin.
5.1.2 Intervalo de confianza para la media poblacional con n < 30 y no conocida.
5.1.3 Intervalo de confianza para una proporcin
5.2 Seleccin de un tamao de muestra adecuado

5.1 Estimaciones puntuales y de intervalos

Una estimacin puntual es un solo valor estadstico calculado a partir de la informacin
obtenida de la muestra que se usa para estimar el parmetro poblacional.
Un intervalo de confianza es un intervalo de valores en el que se espera se encuentre el
parmetro poblacional.
5.1.1 Intervalo de confianza para la media poblacional con n 30
Los factores que determinan la amplitud de un intervalo de confianza para la media son:

pg. 48

El nmero n de observaciones de la muestra.

La variabilidad de la poblacin, estimada usualmente con la desviacin estndar

poblacional

El nivel de confianza.

Para determinar el valor que representa el nivel de confianza (cuando se conoce la

desviacin estndar poblacional o el tamao de la muestra es 30 o ms), se usa la
distribucin normal.
Intervalo de confianza superior = +

Intervalo de confianza inferior =

Ejemplo 1
Una muestra aleatoria de 60 policas, revel que en promedio un oficial permanece 3,5
aos en su puesto antes de ser promovido. La desviacin estndar de la muestra fue 0,25
aos. Se pide elaborar un intervalo de confianza del 95%.
Datos: n = 60

X = 3,5

95%

1: = 0.475

= 1.96

S = 0,25

Intervalo de confianza superior

= 3.5 + 1.96

Intervalo de confianza inferior

= 3.5 1.96

pg. 49

0.25
60
0.25
60

= 3.56

= 3.44

5.1.2 Intervalo de confianza para la media poblacional con n < 30 y no conocida.

Para determinar el valor que representa el nivel de confianza cuando no se conoce la desviacin
estndar poblacional y la muestra es inferior a 30, se usa la distribucin t.
Las caractersticas principales de la distribucin t son:

Es una distribucin continua

Tiene forma de campana y es simtrica

Es ms plana o ms extendida que la distribucin normal estndar

Hay una familia de distribuciones t, cada distribucin depende de los grados de

libertad.

Intervalo de confianza superior = +

Intervalo de confianza inferior =

Ejemplo 2.
Una empresa quiere determinar el tiempo medio que necesitan sus empleados para llegar a su
trabajo. En una muestra de 12 empleados se encontr que el tiempo promedio de llegada a su
trabajo fue de 28 minutos con una desviacin estndar de 6 minutos. Se pide elaborar un
intervalo de confianza del 90% para la media poblacional.
Datos:
n = 12

X
pg. 50

= 28

S=6

t para 90% con 11 grados de libertad (n - 1) es 1,796 (apndice B2)

Intervalo de confianza superior = 28 + 1.796
Intervalo de confianza inferior = 28 1.796

6
12
6
12

= 31.11
= 24.89

5.1.3 Intervalo de confianza para una proporcin

Una proporcin es una razn o porcentaje que corresponde a la parte de la muestra o de la
poblacin que tiene la caracterstica particular de que se trate. Se calcula a partir de las siguientes
frmulas:
Intervalo de confianza superior = + p
Intervalo de confianza inferior

= p

Una proporcin muestral se determina mediante X (el nmero de xitos), dividido entre n (el
nmero de observaciones).

El error estndar de la proporcin muestral indica la variabilidad de distribucin de las

proporciones muestrales. Se determina mediante

p =

pg. 51

(1)

Ejemplo 3.
De 900 consumidores que se entrevistaron, 414 estn muy entusiasmados con un nuevo
producto. Elabore el intervalo de confianza del 99% para la proporcin de poblacin.
Datos: n = 900

x = 414

Z para 99% = 2,58 (apndice B1)

=

414
=
= 0.46
900

0.460.54
p= (1)
=
= 0.0166

900

= + p = 0.46 + 2.58 0.0166 = 0.5028

= p = 0.46 2.58 0.0166 = 0.4172

5.2 Seleccin de un tamao de muestra adecuado

Tanto para muestras como para proporciones se puede determinar el tamao de la muestra.

5.2.1

Tamao de la muestra para estimar la media poblacional

Hay tres factores que determinan el tamao de la muestra cuando se quiere estimar la
media.

El nivel de confianza deseado, expresado normalmente mediante Z.

El mximo error permitido E.

La variacin en la poblacin, expresada por S.

La frmula para determinar el tamao de la muestra media es:

pg. 52

 2
=(
)

Ejemplo 4.
Se quiere hacer una encuesta para determinar el ingreso promedio diario por ventas de
las gasolineras en una ciudad.
Cuntas gasolineras deben ser muestreadas?

A fin de obtener mayor informacin acerca de la ciudad, se realiz un estudio piloto y

se calcul la desviacin estndar de la muestra en $1200 dlares. El patrocinador de la
encuesta desea que se utilice el grado de confianza de 0.95. La estimacin debe estar
dentro de $100.
Cuntas gasolineras deben ser entrevistadas?
Datos:
S = 1200
Z para 95% = 1,96 (apndice B1)

2
1.96 1200 2
=(
) =(
) = 553.19

100
Se deben entrevistar 554 gasolineras

pg. 53

5.2.2

Tamao de la muestra para la proporcin poblacional

Hay tres factores que determinan el tamao de la muestra cuando se quiere estimar una
proporcin.

El nivel de confianza deseado, expresado normalmente mediante Z

El mximo error permitido, E
Un valor estimado de la proporcin poblacional. Si no se cuenta con un valor
estimado, se usa 0.50

La frmula para determinar el tamao de la muestra para una proporcin es:

2
(1
= ) ( )

Ejemplo 5.
El gerente de una empresa quiere una estimacin de la proporcin de la poblacin que
apoya su propuesta respecto al lanzamiento de un nuevo producto. El gerente desea que
la estimacin este dentro del 0,03 de la verdadera proporcin. Utilice un nivel de
confianza del 99% y una proporcin de 0,65. Se pide encontrar el tamao de la muestra.
Datos:
E=0,03
p= 0,65
Z para 99% = 2,58 (apndice B1)
2
2.58 2
= (1 ) ( ) = 0.65 0.35 (
) = 1682.59

0.03
El tamao de la muestra debe ser de 1683
FIN

pg. 54