8- 1

LA ESTADISTICA Y EL MUESTREO

Prof: Ms. Gloria Poémape Rojas

Material preparado para la

Maestría de Recursos Humanos
 8- 2

 POBLACION: Conjunto completo de individuos, objetos

o datos que el investigador esta interesado en estudiar. La
población es el grupo más grande de individuos.
 MUESTRA: Subconjunto de la población. Grupo de
sujetos de menor tamaño que la población total.

DEFINICIONES
 8- 3

 VARIABLE: Cualquier propiedad o característica

de algún evento, objeto o persona que puede tener
diversos valores en diferentes instantes, según las
condiciones. La variable ≠ constante.
 Ejm: Estatura, peso, tiempo de reacción, dosis de
un medicamento
 VARIABLE INDEPENDIENTE: La variable
independiente de un experimento es aquella que es
controlada en forma sistemática por el
investigador. Sus niveles son controlados por el
investigador.
 VARIABLE DEPENDIENTE: Es la que el
investigador mide para determinar el efecto de la
variable independiente.
DEFINICIONES
 8- 4

Ejemplo: Efecto del alcohol sobre el

comportamiento social.
 -Variable Independiente: Cantidad de
alcohol
 -Variable dependiente:
Comportamiento social

Ejemplo: Efecto de la privación del

sueño sobre el comportamiento agresivo.
 -Variable Independiente: Magnitud de
la privación del sueño
 -Variable dependiente:
Comportamiento agresivo.
Ejemplos
 8- 5

 DATOS: Medidas que se realizan sobre los sujetos de un

experimento.

 ESTADISTICA: Número calculado a partir de los datos de la

muestra, que cuantifica una característica de dicha muestra.
 PARAMETRO: Número calculado sobre los datos de una
población que cuantifica una característica de dicha población.

DEFINICIONES
 8- 6

 Un profesor lleva a cabo un experimento para determinar si

el modo de presentación influye en el grado en que se
encuentra un material. Para este experimento el profesor usa
varios pasajes en prosa que se presentan en forma visual u
oral . Se elige a 50 estudiantes entre los asistentes a una
Universidad en la cuál trabaja este maestro. Los estudiantes
se dividen en dos grupos de 25 individuos cada grupo. El
primer grupo recibe una presentación de los pasajes en prosa
y el segundo grupo escucha los pasajes en una presentación
oral. Al final de sus respectivas presentaciones, se piden a
los sujetos que escriban la mayor parte del material que sean
capaces de recordar. Se calcula el promedio de palabras
recordadas y los promedios son comparados para ver si el
modo de presentación tuvo algún efecto.
 8- 7

 Cuando se está ante un problema de investigación que

plantee el conocimiento de determinado fenómeno y se
requiera generar información para tal fin, en principio
existen dos posibilidades:
 La primera es tomar información de todos y cada uno de
los elementos de la población de interés; es decir, realizar un
censo; y la segunda, tomar información de una parte,
generalmente pequeña, pero representativa de la población
de estudio

CENSO y MUESTRA
 8- 8

Población y muestra
 8- 9

Porque el muestreo?
Imposibilidad física
de chequear todos
los elementos de la
población
El costo de estudiar Establecer contacto
todos los elementos con toda la población
de la población requeriría demasiado
tiempo.
Los resultados
La naturalez de la muestra
destructiva de son adecuados.
algunas
pruebas. Why Sample the Population?
 8- 10

Muestreo Aleatorio Simple.

Muestra seleccionada de
modo que cada elemento o
persona en la población
tiene la misma oportunidad
de salir seleccionado.

Muestreo aleatorio sistemático.

Los artículos o individuos de la
población se colocan en algún
orden. Un punto de partida
aleatorio se selecciona y entonces
cada k miembro de la
población se selecciona para la
Probability Sampling/Methods
muestra.
 8- 11

 Formas de hacerlo: Lotería y Computadora.

 Una de las limitaciones más evidentes del muestreo aleatorio
simple es la necesidad de una lista completa de todos los
miembros de la población (completa y actualizada).
 Esta lista generalmente no está disponible en poblaciones
grandes. En estos casos, es más prudente utilizar otras
técnicas de muestreo.

Muestreo ALEATORIO SIMPLE

 8- 12

 El proceso de obtención de la muestra sistemática es:

 Número de inicio:
El investigador selecciona un número entero que debe ser
menor al número total de individuos en la población. Este
número entero corresponderá al primer sujeto.
 Intervalo:
El investigador elige otro número entero que servirá como la
diferencia constante entre dos números consecutivos en la
progresión. El número entero se selecciona típicamente de
modo que el investigador obtenga el tamaño de la muestra
correcto.

Muestreo aleatorio sistemático

 8- 13

 Por ejemplo:
 El investigador tiene una población total de 100 individuos
y necesita 12 sujetos. Primero elige su número de partida, 5.
 Luego, el investigador elige su intervalo, 8.

 Los miembros de su muestra serán los individuos 5, 13, 21,

29, 37, 45, 53, 61, 69, 77, 85, 93.

Muestreo aleatorio sistemático

 8- 14

Muestreo aleatorio sistemático

 8- 15

Muestreo Aleatorio
Estratificado: Una
población se divide
en subgrupos,
llamados estratos, y
selecciona al azar un
elemento de cada
estrato.

Methods of Probability Sampling

 8- 16

Muestreo Estratificado
 8- 17

Muestreo por conglomerados: Una población se

divide en unidades primarias,las muestras son
seleccionadas de las unidades primarias.

Cluster Sampling
 8- 18

 En primer lugar, el
investigador selecciona
grupos o conglomerados y
de cada grupo selecciona a
los sujetos individuales, ya
sea por muestreo aleatorio
simple o sistemático.
 El investigador también
puede optar por incluir a
todo el conglomerado, no
sólo a un subconjunto.
 Ejemplo: Conglomerado
geográfico.
Muestreo por conglomerados
 8- 19

 Ejemplo: un investigador desea estudiar el rendimiento académico

de los estudiantes secundarios en el Perú.
1. Puede dividir a toda la población (población de Perú) en diferentes
conglomerados (ciudades).
2. Luego, el investigador selecciona una serie de conglomerados en
función de su investigación, a través de un muestreo aleatorio
simple o sistemático.
3. Luego, de los conglomerados seleccionados (ciudades
seleccionadas al azar) el investigador puede incluir a todos los
estudiantes secundarios como sujetos o seleccionar un número de
sujetos de cada conglomerado a través de un muestreo aleatorio
simple o sistemático.
 Lo más importante sobre esta técnica de muestreo es dar a todos los
conglomerados iguales posibilidades de ser seleccionados.

Muestreo por conglomerados

 8- 20

La inclusion del
muestreo no El “error de muestreo” es
probabilístico en la la diferencia entre el
muestra esta basada en estadístico muestral y su
el juicio de la persona parámetro de la población
que selecciona la correspondiente.
muestra.

La distribución muestral de la media muestral en una

distribución de probabilidad consiste en todas las
posibles medias muestrales de un tamaño de la
muestra dado seleccionada de una población.
Métodos de Muestreo probabilistico
 8- 21

Ejemplo de Error de muestreo

 8- 22

Compañero Horas
La firma legal de 22
Dunn
Hoya y Asociados
Hardy 26
tiene cinco
Kiers 30
compañeros.
Semanalmente Malory 26
reportan a sus Tillman 22
compañeros el
número de horas Si dos compañeros son
que ellos facturaron seleccionados aleatoriamente,
a los clientes por cuantas muestras diferentes
sus servicios la son posibles?
semana pasada.
Example 1
 8- 23

5 objects 5! A total of 10
taken 2 at 5 C2   10
2! (5  2)! different
a time. samples
Partners Total Mean
1,2 48 24
1,3 52 26
1,4 48 24
1,5 44 22
2,3 56 28
2,4 52 26
2,5 48 24
3,4 56 28
3,5 52 26
4,5 48 24

Example 1
 8- 24

As a sampling distribution

Sample Mean Frequency Relative

Frequency
probability

22 1 1/10
24 4 4/10
26 3 3/10
28 2 2/10

Example 1 continued
 8- 25

Calculo del promedio de las medias

muestrales.
Compare esto con la media poblacional.
The mean of the sample means
Note que la
22(1)  24(2)  26(3)  28(2)
X   25.2 media de la media
10 muestral es
precisamente
The population mean igual a la media
22  26  30  26  22 de la población..
  25.2
5

Example 1 continued
 8- 26

Teorema del Límite Central

Para una población con una media  y una varianza s2
la distribución muestral de las medias de todas las
posibles muestras de tamaño n generada de la población
debera ser aproximadamente una distribución normal.

Esta aproximación mejora

con muestras más grandes.
La media de la
distribución muestral es
igual a μ y la varianza
s igual a s2/n.
sx =
n Central Limit Theorem
 8- 27

La media muestral
sigue la distribución la población subyacente
de probabilidad sigue la distribución
normal bajo dos normal
condiciones:

OR

el tamaño de la muestra es
lo suficientemente grande
aun cuando la población
subyacente puede ser no
normal
Sample Means
 8- 28

X 
Para determinar la z
probabilidad que una media s n
muestral caiga dentro de
una región particular, usar

Use s en lugar de s si la desviación

standard de la población es conocida.

Sample Means
 8- 29

Supongamos que el precio

promedio de venta de un
galón de gasolina en Estados
Unidos es de $ 1.30.
Además, supongamos que la
distribución está sesgada
positivamente, con una
desviación estándar de 0,28
dólares. ¿Cuál es la
probabilidad de seleccionar
una muestra de 35
estaciones de servicio y
encontrar la media muestral
dentro de $ 0.08? Example 2
 8- 30

Step One : Find the z-values corresponding to

$1.22 and $1.38. These are the two points within
$0.08 of the population mean.

X  $1.38  $1.30
z   1.69
s n $0.28 35

X  $1.22  $1.30
z   1.69
s n $0.28 35

Example 2 continued
 8- 31

Step Two: determine the probability of a z-value

between -1.69 and 1.69.

P(1.69  z  1.69)  2(.4545 )  .9090

We would expect about 91

percent of the sample
means to be within $0.08 of
the population mean.

Example 2 continued
 8- 32

 (1)=DISTR.NORM.ESTAND.N(1.69,VERDADERO)

P(Z≤1.69)=0.9545

 (2)=DISTR.NORM.ESTAND.N(-1.69,VERDADERO)

P(Z≤ -1.69)= 0.0455

(1)-(2)=0.9090
P(-1.69 ≤ Z≤1.69) = 0.0455

EXCEL
 8- 33

Factores que determinan el tamaño de una

muestra

El nivel de confianza deseado

El margen de error permitido

La variabilidad en la población

Selecting a Sample Size

 8- 34

Calculando el tamaño de la muestra

2
 zs
n 
 E 

donde
E es el error permitido
z el z- value corresponde a el nivel de confianza
seleccionado.
s la desviación de la muestra de un estudio
piloto.
Selecting a Sample Size
 8- 35

El nivel de confianza 2
 zs
n 
Z=1.96 para 95%
 E 
Z=2.58 para 99%
EN EXCEL:
=DISTR.NORM.ESTAND.INV(probabilidad)
=DISTR.NORM.ESTAND.INV(0.975) = 1.96

Cuanto más grande sea el nivel de confianza,

mayor será el tamaño de la muestra.

Selecting a Sample Size

 8- 36

EN EXCEL:
=DISTR.NORM.ESTAND.INV(probabilidad)
=DISTR.NORM.ESTAND.INV(0.975) = 1.96=Z

Valor de Z
 8- 37

El error permitido E 2
 zs
Es la cantidad que se suma y n 
resta de la media de la  E 
muestra para determinar los
puntos extremos del
intervalo de confianza.

Es la cantidad del error que las personas que

realizan el estudio estan dispuestas a tolerar.
Un E bajo requiere de una muestra grande.
Un E alto permite una muestra más pequeña.

Selecting a Sample Size

 8- 38

La desviación estándar 2
 zs
De la población. (s) n 
Si la población es muy  E 
dispersa requiere de una
muestra grande. Tal vez sea
necesario usar un
Si la población esta
estimador de la
concentrada
para la desviación
(homogénea) el tamaño
estándar de la
de la muestra requerido
población.
será menor.

Selecting a Sample Size

 8- 39

Sugerencias para
2
El estimador de la  zs
desviación estándar n 
 E 
de la población. (s)

1) Realice un estudio piloto.

2) Usar un estudio comparativo.
3) Emplee una estrategia basada en el rango.
(Rango/6)

Selecting a Sample Size

 8- 40

Calculando el tamaño de la muestra

2
 zs
n 
 E 

donde
E es el error permitido
z el z- value corresponde a el nivel de confianza
seleccionado.
s la desviación de la muestra de un estudio
piloto.
Selecting a Sample Size
 8- 41

A un grupo de
consumidores le
gustaría estimar la carga
promedio mensual de
electricidad para una
casa familiar en el mes
de julio. El error debe
ser menor de $5 con un
nivel de confianza del
99%. Basado en los
2
estudios similares la  (2.58)(20 ) 
n   107
desviación normal se  5 
estima en $20.00 ¿Cuál
es el tamaño de muestra Example
requerida?
 8- 42

La fórmula para 2
determinar el tamaño  Z
n  p(1  p) 
de la muestra en el  E
caso de una
proporción es
where
p is the estimated proportion, based on past
experience or a pilot survey (sino usar p=0.5)
z es el valor normal estándar correspondiente al
nivel de confianza deseado
E es el máximo error tolerable.

Sample Size for Proportions

 8- 43

The American Kennel Club

quiso estimar la proporción de
niños que tienen un perro
como mascota. ¿Si el club
quiere asumir un error del 3%,
con cuántos niños ellos necesitarían contactar? Asuma un
95% de nivel de confianza y que el club estimó que 30%
de los niños tienen un perro como mascota.

2
 1.96 
n  (.30)(.70)   897
 .03 
Example 7
 8- 44

What happens when

the population has less
members than the
sample size
calculated requires?

Step One: Calcular el tamaño de la

muestra como antes.
Step Two: Calcular el no
nuevo tamaño muestral. n= no
1+ N
donde no es el tamaño muestral
calculado en el paso one. Optional method, not covered in text:
Sample Size for Small Populations
 8- 45

Un auditor desea inspeccionar a los

empleados en una organización
para determinar la complacencia
con las regulaciones federales. El
auditor estima que 80% de los
empleados dirían que están
complacidos con la organización
La organización tiene 200
empleados. ¿El auditor desea estar
95% seguro en los resultados, con
un margen de error no mayor del
3%. a Cuántos empleados el
auditor debe inspeccionar?
Example
 8- 46

Step One
Calculate the sample size as before.
2
 Z 2
n  p(1  p)  = (.80)(.20) 1.96
 E = 683
.03

Step Two
Calculate the new sample size.

no 683
n= = = 155
1 + no 1 + 683
N 200

Example
 8- 47

 EL TAMAÑO DE LA MUESTRA:
Depende de cuatro factores:

 Amplitud de la población.
 Nivel de confianza.

 Error de estimación.

 Desviación standard.

Tamaño de una muestra

 8- 48

 Se consideran finitas las poblaciones de 100 000 unidades o

menos, e infinitas las que exceden esta cantidad.
 El nivel de confianza puede ser 95% o 99% (precisión).

 El error de estimación es el porcentaje que el investigador

esta dispuesto a aceptar como diferencia máxima entre el
valor obtenido en su muestra y el valor real de la población.
Generalmente se usan: 5% o 10%.
 La desviación standard es S, si la variable es cuantitativa y
es p y (1-p), si la variable es cualitativa (en este caso, p es la
proporción). Si no se conoce, se asume: 50%.

NOTA
 8- 49

Donde:
p + q = 1 p% + q% = 100%
q = 1 - p q% = 100% - p%
1.96 si el nivel de confianza es de 95%
z =
2.58 si el nivel de confianza es de 99%
 8- 50

POBLACION
FINITA INFINITA
C
U
A
L
I N.z2.p.q z2.p.q
Estimar n= 2 n=
T
A Proporción
E .(N – 1) + z2.p.q E2
V T
A I
R V
A
I C
A U
B A
L N
T N.z2. S2 z2.S2
E n = 2 n=
I
T
Estimar
Media
E .(N – 1) + z2. S2 E2
A
T
I
V
A

Tamaño de la muestra
 8- 51

Se quiere saber cuál es el promedio de ingreso mensual de las

familias de las siguientes poblaciones. ¿Cuál será el tamaño
adecuado de la muestra para cada caso?:
 Alumnos de la UNT. Se acepta un error de S/ 50.00 en la
estimación y se requiere un nivel de confianza de 95%. Se
asume 6500 alumnos y una desviación de S/ 100.00

Ejemplo
 8- 52

 Alumnos de la UNT. Se acepta un error de S/ 50.00 en la

estimación y se requiere un nivel de confianza de 95%. Se
asume 6500 alumnos y una desviación de S/ 100.00

Ejemplo
 8- 53

 Alumnos de todas las universidades de Lima. Se asume

una desviación standard de S/ 510.00, el mismo nivel de
confianza y el mismo % de error

Ejemplo
 8- 54

 Alumnos de todas las universidades de Lima. Se asume

una desviación standard de S/ 510.00, el mismo nivel de
confianza y el mismo % de error

Ejemplo
 8- 55

RESOLVER EJERCICIOS DE :
 MUESTREO

 TAMAÑO DE MUESTRA

EN GRUPOS
TIEMPO: