Universidad Nacional

Federico Villarreal
Facultad de Administración
Escuela Profesional de Administración Pública

UNIDAD I

CURSO : ESTADÍSTICA DE GESTION.

I.-PRESENTACIÓN DEL CURSO.
II.-MÉTODOS DE MUESTREO .

DOCENTE : Dr. MSc. WILLY VICTOR MANDUJANO MIESES.

LIMA AGOSTO 2019

PRESENTACIÓN DEL CURSO:

SÍLABOS
 CONTENIDO DEL CURSO

UNIDAD I:
1.1 MÉTODOS DE MUESTREO
1.2 DISTRIBUCIONES DE MUESTREO

UNIDAD II:
2.1 ESTIMACIÓN DE PARÁMETROS Y
2.2 PRUEBAS DE HIPÓTESIS

UNIDAD III:
3.1 ANÁLISIS DE CORRELACIÓN
3.2 ANÁLISIS DE REGRESIÓN

UNIDAD IV:
4.1 NÚMEROS INDICES SIMPLES Y AGREGADOS
4.2 NÚMEROS INDICES PONDERADOS
 Estimado participante:

En esta Primera unidad abordaremos el tema de muestreo.

OBJETIVOS ESPECÍFICOS
1. Utilizar el Proceso de muestreo para el diseño de muestras.

2. Conocer los requerimientos necesarios para generalizar los resultados

obtenidos a partir de una muestra.
 MUESTREO : CONTENIDO TEMÁTICO

Introducción a la Estadística Inferencial

I.- Proceso de Muestreo.

II.- Métodos de Muestreo y selección de unidades muestrales

Datos a tener en cuenta:

Tamaño de Muestra:

La muestra es pequeña si ella tiene menor de 30 datos y es una muestra grande

cuando es mayor o igual que 30 datos.

Nivel de confianza()

Es la probabilidad de que el parámetro a estimar se encuentre en el

intervalo de confianza. El nivel de confianza () se designa mediante 1- , y se suele tomar en
tanto por ciento. También es probabilidad de aceptar una hipótesis nula siendo
verdadera.

El nivel de significación ()

Es la probabilidad de equivocarnos (es la probabilidad de Rechazar una hipótesis

nula siendo verdadera)
 METODOS DE MUESTREO

I.- INTRODUCCION
II.- CONCEPTOS
III.- METODOS DE MUESTREO
3.1 PROBABILISTICOS
1.- ALEATORIO SIMPLE
2.- SISTEMATICO
3.- ESTRATIFICADO
4.- POR CONGLOMERADOS
3.2 NO PROBABILISTICOS
1.- DE JUICIO
2.- DE CUOTAS
3.- CONVENIENCIA
4.- BOLA DE NIEVE
 PROCESO DE MUESTREO
PROBABILISTICO

Ng = Población General

N= Población Objetivo

e= Error de estimación
e= Error
e= Error de muestreo

n= Tamaño de muestra

Unidades Muestrales(Umi)
UM1
UM2
Umi=Unidades
..
Muestrales
UMn
 II.- CONCEPTOS

Definiciones Básicas

Población(NG)
Se define tradicionalmente la población como “el conjunto de todos los individuos
(objetos, personas, eventos, etc.) en los que se desea estudiar el fenómeno.
Éstos deben reunir las características de lo que es objeto de estudio”. (Latorre,
Rincón y Arnal, 2003). Según el número de elementos, la población puede ser
finita o infinita. Cuando el número de elementos que integra la población es muy
grande, se puede considerar a esta como una población infinita.
POBLACION GENERAL Y POBLACION
OBJETIVO

· Ng: Población general

C
A, B,C: Subpoblaciones
A
B
B

N=A
Poblacion
objetivo
1.- POBLACION OBJETIVA ( N )

CRITERIOS PARA DETERMINARLA:

• Debe Reproducir la mayor parte de las características de la población de
referencia o Universo Poblacional (Ng = Población General)
• Ubicable a través de la reducción espacial: No es posible trabajar con la
totalidad dispersa en el ámbito mayor
• Puede establecerse la probabilidad de hallar a sus elementos
concentrados en un espacio más reducido ,Ejemplo: Un mercado , un
archivador , en un Libro, en libros , cuadernos, hojas de cálculo , bases de
datos , documentos, Hojas de registros ,registros
• Permitir el mayor ahorro de tiempos, distancias , y que no se traduzcan en
mayores costos.
 BASE DE DATOS
FARMACIAS DE LIMA CERCADO

REGISTRO/CAMPO NOMB. DE LA FARMACIA APELL. NOMBR.-DUEÑO DIRECCIÓN

0001 Sane Rapido Torres Sanches Arturo Av. Alfonzo Ugarte 1113
0002 Cruz del Sur Vasquez Ponce Eliana Av. Alfonzo Ugarte 1120
0003 La Estrellita Falcón Ruíz Juan José Av. Grau 1900
.
.
.
.
-
.
.
.
N= 1000 24 Horas Davila Roca Joel Av.Grau 2200
2.- MUESTRA ( η )
Subconjunto representativo de la población objetiva , permite realizar inducciones (inferencias)
respecto de la población Genera (Ng) de origen y no solo de la población objetiva, a parte de cumplir
con las características de la población objetiva debe también cumplir con las condiciones.
CONDICIONES DE UNA BUENA MUESTRA:
a) Permite minimizar el error de muestreo
Relativos al error Muestral: Si n=N e=0
Si n e
Si n e
b) Permite minimizar distancias, tiempos y costos
c) Amplitud Muestral : que incluyen criterios adicionales del investigador que solo se garantizan con
muestras representativas.
Muestra Representativa.
Es aquella que representa adecuadamente la composición de la población, es decir, que
las diferentes categorías claves del estudio estén representadas en la muestra.
RESUMEN:

Muestreo.
Es el método estadístico por medio del cual se definen los criterios y técnicas que
deben orientar el proceso de recolección u obtención de datos e información. Es claro
que el procedimiento de selección y el tamaño está cruzado por los objetivos de la
investigación, las poblaciones son en lo general diferentes y por lo tanto, deberán
utilizarse criterios distintos para seleccionar las unidades bajo estudio.

Marco Muestral.
Es un conjunto de listas de todas las unidades de muestreo, estas listas, también
pueden ser mapas u otras formas que sirvan de base para determinar las unidades de
muestreo. Equivale a la población Objetivo N

Unidad de Muestreo
Es la unidad en la que realizamos la muestra. Por ejemplo, podríamos querer estudiar a
las personas, pero no tenemos una lista de todos los individuos que pertenecen a la
población. En vez de esto, las familias sirven como las unidades de muestreo y las
unidades de observación son los individuos que viven en una familia.

Unidad de observación o de Investigación

Es el objeto sobre el cual se realiza una medición. Esta es la unidad básica de la
observación, a veces llamada elemento.
3.- TIPOS DE MUESTREO

a) MUESTREO PROBALISTICO
Mediante la aplicación del cálculo de probabilidades y la
teoría del error.
b) MUESTREO NO PROBABILISTICO
Basado en la experiencia del investigador, puede ser
mediante muestras muy pequeñas, el criterio y la opinión
del investigador es determinante: Ejemplo de los FOCUS
GROUP (Reunión de expertos para obtener opiniones y
tomar decisiones).
 ALEATORIO SIMPLE

SISTEMÁTICO
PROBABILISTÍCO
ESTRATIFICADO
POR CONGLOMERADO

MUESTREO

DE JUICIO

NO PROBABILÍSTICO DE CUOTAS

DE CONVENIENCIA
BOLA DE
MUESTREO PROBALISTICO
 TEORIA DEL ERROR

ET = ep +enp +ec
Donde: ET : Error total
ep : Error Paramétrico (Estimación)
enp : Error no Paramétrico (FV)
ec : Error de contingencia

1.- ep = Error paramétrico o de estimación

x = Media Muestral (estimador)

µ = Media de la Población

e =  X- µ 

%ep = X - µ  * 100

µ
·
ERROR DE ESTIMACION

e =  x-µ Ejemplo :
-e e = al 5%

µ-e m µ+e X= 19
µ =20

X - µ  * 100 = %e
19-20 = 0.05 ~ 5%
µ 20
 ERROR NO PARAMETRICO enp : (FV)
 Se determina a partir de las fuentes de variación que proporciona el
tratamiento directo e indirecto con las muestras y/o unidades muéstrales.
Ejemplo: El número de errores probables al aplicar una encuesta
 1.- Efectuar mal la pregunta
 2.-Respuesta mal hecha
 3.-Mal registro de la respuesta
 4.-Pregunta a la persona equivocada
 5.-Mal momento para efectuar la encuesta
 6.-Formato de la pregunta mal elaborada
 ..... Entre otras fuentes de variación.
 Se asume que lo mismo le sucederá a cualquier entrevistador ,y considérese que
son los errores que se presentan en frecuencias de cada 100 encuestados. Esto
es, en promedio o un esperado de 6 fuentes de variación; esto es, e
%=0.06=6%
Error de Contingencia : ec
Es el error que sucede por efecto de otras
variables no controlables por el investigador y que
no podrían afectar significativamente cuando
cambian; en algunos caso puede significar las
eventualidades y contingencias que suceden en
caso de no tomar las previsiones correspondientes.
Par fines de calculo matemático el error aleatorio
tiende a cero, ya que el fenómeno analizado es
analizado en condiciones normales
CALCULO DEL TAMAÑO DE
MUESTRA
Z = 1
σ = 1
TAMAÑOS DE MUESTRA PARA DIFERENTES NIVELES ERROR- AL 95%
DE CON FIANZA

AMPLITUD AMPLITUD DE LA MUESTRA SEGÚN SU MARGEN DE ERROR %

DE LA
POBLACION 1% 2% 3% 4% 5% 10%
500 * * * * 222 83
1000 * * * 385 286 91
1500 * * 638 441 361 94
2000 * * 714 476 333 95
2500 * 1,250 769 500 345 96
3000 * 1,364 811 517 353 97
3500 * 1,458 843 530 359 97
4000 * 1,538 870 541 364 98
4500 * 1,607 891 549 367 98
5000 * 1,667 909 556 370 98
6000 * 1,765 938 566 375 98
7000 * 1,842 959 574 378 99
8000 * 1,905 976 580 381 99
9000 * 1,957 989 584 383 99
10000 5,000 2,000 1,000 588 385 99
15000 6,000 2,143 1,034 600 390 99
20000 6,667 2,222 1,053 606 392 100
25000 7,143 2,273 1,064 610 395 100
50000 8,333 2,381 1,087 617 397 100
100000 9,091 2,439 1,099 631 398 100
INFINITA 10,000 2,500 1,111 625 400 100
 TAMAÑO DE MUESTRA PARA UNA PROPORCION
ño de muestra que se utiliza para este caso , esta en relación a la importancia que tiene la
proporción del negocio en el total de los negocios existentes de la misma línea de actividad esto es,
como actividad empresarial
onemos que su importancia es del 30% y lo llamamos P = 0.30 para un error del 10% y
el 95% de confianza, para este caso se utiliza la siguiente expresión:
Zo 2 P (1-P)
n =
2
e

Donde :
e =(error de muestreo) 0.10
Zo = 1.96 (estadístico tabular) ; = 0.95 (nivel de confianza)
P = 0.30 (importancia del giro del negocio en el total de los
giros del Negocios)
1-P = 0.70 (probabilidad de que el negocio no corresponda al
giro de negocio en estudio
n = Tamaño de muestra a utilizar
Reemplazando :
2
(1,96 ) x 0,3x 0.7
n = 2
(0,10)
Entonces :
n = 81
III: MÉTODOS DE MUESTREO
1.- ALEATORIO SIMPLE:
La condiciones para aplicar este método son las siguientes:
1° La población debe ser homogénea
2° Debe haberse determinado N y n
Una vez elegido el tamaño de muestra , según sea el caso se procede a seleccionar las
UNIDADES MUESTRALES .
Todos los elementos de la Población Objetiva N, tiene la misma probabilidad de ser elegidos.
P(Xi) = 1
N
Técnicas Para Elegir el tamaño de Muestra n de las N posibles:
• Técnica de la URNA
• Números Aleatorios
• Otros: Dardo, Los Primeros, los últimos, los intermedios
• Zonas donde hay mayor concentración de UNIDADES (1)
(1) Es indispensable Contar con una base de datos de los negocios
Tabla de Números Aleatorios
• EJEMPLO :
1.- Un investigador desea efectuar un estudio de la problemática financiera
de 3453 pequeñas empresas textiles en el damero del Jr. Gamarra, para ello
se encuentra en un estudio piloto, analizando a 10 de estas microempresas
que tan solo una de ellas es totalmente reticente a brindar información. Con
estos datos:
a) Halle el tamaño de muestra, utilice el 95% de confianza y una varianza igual a 1
b) Asimismo, de qué manera aplicaría Ud. El muestreo aleatorio. Muestre el
procedimiento a seguir para obtener solo las 10 primeras UM si debe desplazarse
en columnas dentro de la tabla de números aleatorios
c) Si debe aplicar el muestreo sistemático , de qué manera elegiría las 10 primeras
unidades muestrales
Solución :
a)Error
N= 3453
Piloto : 10 e% = 1x100 = 0.10  10 %
No informa : 1 10
e% = 0.1

b)

c) El muestreo que se aplicaría seria el aleatorio en columna iniciando en 1048,

utilizamos como ejemplo las diez primeras Unidades Muestrales y el número

como están registradas dentro de la base de datos o la población objetiva

Unidad Numero de Unidad Numero de

muestral registro muestral registro

UM1 1048 UM6 1036

UM2 2236 UM7 0711
UM3 2413 UM8 0236
UM4 2891 UM9 0101
UM5 0942 UM10 0705
2.- SISTEMATICO:
Solo es aplicable cuando el marco de muestreo es homogéneo.
Se toma una K = razón de muestreo
K= N
n
Ejemplo si N=1000 y se obtiene que n=50 entonces:
K=N/n = 1000/50 = 20
Entonces, Si iniciamos eligiendo la 15 ava Unidad , la siguiente
unidad muestral será la 35 , 55, 75 , avanzaremos hasta
obtener la 50 ava unidad.
3.- MUESTREO ESTRATIFICADO
1° Definir la Población Objetivo (N)
En este caso la Población N=Total de Pobladores de una Ciudad X
se divide en estratos .En este caso se puede diferenciar
características diferentes de estrato a estrato , ej. Si tenemos la
Población(N) objetiva dividida en 4 Estratos: Estrato I: Número
de Niños (N1); Estrato II: Número de Jóvenes (N2); Estrato III :
Número de Adultos (N3) y Estrato IV: Número de Ancianos (N4).
Pero, los elementos en el caso del Estrato I tienen características
similares dentro de lo que se quiera cuantificar o cualificar. Pero
entre estratos y estratos las diferencias son notorias y sus
elementos también.
 MUESTREO ESTATIFICADO
1.- MUESTREO ESTRATIFICADO PROPORCIONAL
El Objetivo es determinar el tamaño de las sub-muestras ni : n1 , n2 , n3, n4.
1° Debe previamente haberse determinado la Población Objetivo (N) y el Tamaño de
muestra (n)
2° Debe también haberse elegido las sub-poblaciones (N1 ; N2 ; N3 ; y N4)
3° Hallar las Importancias relativas de cada estrato Ni respecto de la
población objetiva (Pi) ; para nuestro caso Pi = Ni / N
4° Repartir n (tamaño de muestra según su importancia y determinar las
sub-muestras ni : n1 , n2 , n3, n4. Obviamente debe cumplirse que
OBSERVACIONES:
1.- N1+ N2+N3+N4 = N
2.- P1+P2+P3+P4 = 1
3.- n1+n2+n3+n4 = n
3 . M U E S T R E O E S T R A T IF I C A D O ( m á s u t ili z a d o )

E n e s te c a s o

1 ° . D e f in ir la p o b l a c ió n O b je t i v o o m u e s t r a l N

E n e s t e c a s o la p o b la c ió n N s e d i v id e e n e s t r a t o s q u e d e n t r o d e e llo s t ie n e n
e le m e n t o s s i m i la r e s , p e r o n o ig u a le s , a s i m is m o , lo s e le m e n t o s y c a r a c t e r í s t ic a s
e n t r e e s t r a t o s s o n m u y d if e r e n t e s .

T e ne m o s: M u e s t r e o e s t r a t if ic a d o P r o p o r c io n a l

N 1 + N 2 + N 3 + N 4 = N ( P o b la c ió n O b je t i v o )

n1
N1
n2 n1 + n2 + n3 + n4 = n
N2
N3 n3
n4
Previamente debió haberse
N4 hallado n
 IMPORTANCIA TAMAÑO DE
RELATIVA DE CADA MUESTRA PARA
ESTRATO: Pi FACTOR DE CADA ESTRATO
Pi = Ni / N PROPORCION DE LA
MUESTRA

P1 = N1 P1 x n n1
N
P2 = N2 P2 x n n2
N
P3 = N3 P3 x n n3
N
P4 = N4 P4 x n n4
N
 Ejemplo:
Se desea introducir una nueva pasta dental al mercado; para ello se encarga a los alumnos de la universidad que
llevan el curso de estadística II, investiguen las preferencias de una población a determinar.

a) Utilice los criterios mas apropiados para determinar la población objetivo

b) Sabiendo que dicha población objetivo esta conformada de la siguiente manera:
1200 niños; 800 jóvenes; 400 adultos y 100 ancianos. Halle la muestra relativa para cada estrato, sabiendo
que las subpoblaciones provienen de una población de 100,000 habitantes, utilice un error de estimación del
10 % y una Varianza igual a 1 y Z=1
c) Qué sucede con el tamaño de la muestra si el error de muestreo se reduce al 5%.
d) Qué sucede con el tamaño de la muestra si el error de muestreo se incrementa al 15.8%.
e) Qué conclusiones extraería de las preguntas c y d.

Solución :

a)Los criterios son : Reproducción de las características de la población general , reducción espacial, de concentración ( en un
mercado
puede ser el Metro) , de minimización de distancias ,tiempos y costos. Por ultimo algunos criterios propios del investigador ,como
culturales y antropológicos , sociales y económicos.
b)Determinamos la población objetivo N , de acuerdo a la distribución por estratos.
Asimismo como datos adicionales tenemos :
e % = 0.10  =1
Ng = 100,000 Z=1
1º ) Hallamos primero la Población Objetiva N
N1 = 1200 niños
N2 = 800 jóvenes
N3 = 400 Adultos
N4 = 100 ancianos
N = 2500
2º) Ahora hallamos el tamaño de muestra n , pero en este caso utilizaremos la referencia de
la población objetiva por que si es precisable , no se utiliza la poblacón general´por la
dispersión.
e% = 0.10
N = 2500

n= Z22 N = 1x1x 2500 = 96.19 = 96

e2 (N-1)+ Z22 (0.10)2 (2499)+1
3º) Ahora hallamos la importancia relativa Pi = Ni/N, para cada estrato :

P1 = N1 = 1200 = 0.48
N 2500
P2 = N2 = 800 = 0.32
N 2500
P3 = N3 = 400 = 0.16
N 2500
P4 = N4 = 100 = 0.04
N 2500

Además debe cumplirse que:

P1+P2+P3+P4 = 1

4º) Por último podemos hallar las submuestras n1, n2, n3, n4, utilizando el tamaño de muestra n y las importancias
relativas Pi halladas
Las submuestras serán: ni = Pi x n

n1 = P1x n = 0.48 x 96 = 46 entre los 1200 niños se erigirán 46 ( aleatoriamente)

n2 = P2x n = 0.32 x 96 = 31 entre los 800 Jóvenes se elegirán 31 ( aletoriamente)
n3 = P3x n = 0.16 x 96 = 15 entre los 400 adultos se 15 (aleatoriamente)
n4 = P4x n = 0.04 x 96 = 4 entre los 100 ancianos se elegirán 4 (aleatoriamente)
n1 + n2 + n3+ n4 = n = 96
MUESTREO POR CONGLOMERADOS
Util en especial para investigaciones donde el ámbito
geográfico es predominante.
CLUSTER: Son grupos de elementos con características
similares, asimismo con predominio de una característica
especial de la población; pueden considerarse la
concentración como una de las particularidades
Muestreo Aleatorio por Conglomerado
Las unidades que se presentan agrupadas pueden ser consideradas como conglomerados y pueden
servir como base para un procedimiento de muestreo.

Diferencia fundamental entre M.A. Estratificado y M.A. por conglomerado:

En el muestreo estratificado se trata de que cada estrato sea lo más homogéneo posible.
En cambio, en el muestreo por conglomerados el ideal consiste en que contenga elementos de todas
las variedades (heterogéneos) que estén mezcladas como se pueda. N Manzanas Asignación Igual Ni
n/L n/N Ni*n/N Muy Alto 270 227 0,182 49 Alto 1940 227 0,182 353 Medio 2000 227 0,182 364 Bajo 790
227 0,182 144 Total 5000 909 Estrato Asignación Proporcional

El muestreo se realiza seleccionando en forma aleatoria o al azar o en forma sistemática algunos

conglomerados dentro del conjunto total y procediendo a analizar a la población a través de aquellos
elementos seleccionados.
Ejemplo de aplicación. Las unidades hospitalarias, las iglesias, los departamentos académicos en una
universidad, una caja de determinado producto, etc., son conglomerados naturales. También existen los
conglomerados no naturales, como por ejemplo, las urnas electorales. Cuando los conglomerados son
áreas geográficas suele hablarse de muestreo de áreas.
Ejemplo de aplicación . Un diseño muestral probabilístico estratificado y
por conglomerados. En una ciudad hay N=5,000 manzanas, las manzanas
se utilizan como conglomerados, es decir son unidades muestrales de las
que obtendremos en última instancia a nuestros sujetos-adultos. Primero se
determinó n=909 manzanas a muestrear.
¿Cómo distribuiremos las 909 manzanas según los L=4 estratos
socioeconómicos, aplicando asignación igual y proporcional?
MUESTREO NO PROBABILÍSTICO
B)MUESTREO NO PROBABILÍSTICO:

1.- M. DE JUICIO:
Abarca el juicio del experto, opiniones de especialista
2.- M. DE CUOTAS:
Se decide la estructura del marco muestral, sin tener en
cuenta la estructura del marco poblacional.
3.- M. ACCIDENTAL
Con los elementos que esten al alcance
4.- M. BOLA DE NIEVE
Los elementos son enlazados 1 a 1 hasta enlazar
varios y un número adecuado
1.- MUESTREO DE JUICIO: O INTENCIONAL

El investigador toma la muestra seleccionado los

elementos que a él le parecen representativos o típicos
de la población, por lo que depende del criterio del
investigador

Este tipo de muestreo se caracteriza por un esfuerzo

deliberado de obtener muestras "representativas"
mediante la inclusión en la muestra de grupos
supuestamente típicos. Es muy frecuente su utilización
en sondeos preelectorales de zonas que en anteriores
votaciones han marcado tendencias de voto.
 2.- MUESTREO POR CUOTAS
MUESTREO POR CUOTAS: También denominado en ocasiones,
"accidental". Se asienta generalmente sobre la base de un buen
conocimiento de los estratos de la población y/o de los individuos más
"representativos" o "adecuados" para los fines de la investigación.
Mantiene, por tanto, semejanzas con el muestreo aleatorio estratificado,
pero no tiene el carácter de aleatoriedad de aquél.

En este tipo de muestreo se fijan unas "cuotas" que consisten en un

número de individuos que reúnen unas determinadas condiciones,
por ejemplo: 20 individuos de 25 a 40 años, de sexo femenino y
residentes en Trujillo. Una vez determinada la cuota, se eligen los
primeros que se encuentren que cumplan esas características. Este
método se utiliza mucho en las encuestas de opinión

Por ejemplo, la Dirección Regional de Salud desea estudiar la

incidencia de las drogas en la adolescencia. Lo que deberíamos hacer
sería: conocer por los informes de la Dirección Regional de
Educación cuáles son los centros más afectados por el problema,
fijar un número de sujetos a entrevistar proporcional a cada uno de
los estratos (cuotas) y finalmente dejar en manos de los responsables
del trabajo de campo a qué sujetos concretos se deberá entrevistar.
4.- MUESTREO CASUAL O ACCIDENTAL

Se usa en los casos en no es posible seleccionar los

elementos, y deben sacarse conclusiones con los elementos
que esten disponibles.

Se trata de un proceso en el que el investigador selecciona

directa e intencionadamente los individuos de la población. El
caso más frecuente de este procedimiento el utilizar como
muestra los individuos a los que se tiene fácil acceso (los
profesores de universidad emplean con mucha frecuencia a sus
propios alumnos). Un caso particular es el de los voluntarios.
4.- MUESTREO DE BOLA DE NIEVE:

• BOLA DE NIEVE: Se localiza a algunos individuos, los cuales

conducen a otros, y estos a otros, y así hasta conseguir una
muestra suficiente. Este tipo se emplea muy frecuentemente
cuando se hacen estudios con poblaciones "marginales",
delincuentes, sectas, determinados tipos de enfermos, etc.
 TAREA N° 01:
1. Un investigador desea efectuar un estudio de muestreo para proponer una mejora al sistema de atención de pasajeros del Metropolitano, en la ruta
del distrito de San Juan de Lurigancho. Se trata de plantear un modelo eficiente de recaudación automatizada en la venta de pasajes.
a) Cual sería la población general o universo
b) Cuál sería la Población objetiva.
c) Cómo determina el error a utilizar para calcular el tamaño de muestra definitiva.
d) Con el error obtenido anteriormente hallar el tamaño de muestra con un nivele de confianza del 95% y sabiendo que el desvío estándar es de
1.2
e) Asimismo, cuando aplicaría Ud. El muestreo aleatorio . Muestre el procedimiento a seguir para obtener solo las 10 primeras UM si debe
desplazarse en columnas dentro de la tabla de números aleatorios
f) Si se aplica el muestreo sistemático , de que manera elegiría las 10 primeras unidades muestrales.
g) Cuando y cómo aplicaría el muestreo estratificado.
2. Se requiere revisar las cuentas de crédito de un Banco ZK , en ese sentido , una compañía que tiene su ámbito de acción en el distrito, encuentra que
de la población objetiva esta compuesta por 4000 cuentas de crédito en Soles para MYPES, el segundo estrato de cuentas corresponde al doble del
primer estrato y el tercero estrato es la mitad del primer estrato.
a) Si el parámetro que se utiliza en la medición del error es el ingreso promedio mensual de los clientes de m = 2200 y el estimador obtenido de
una muestra piloto da una medida de 2400 , con estos datos , hallar el tamaño de la muestra a utilizar para el 90% de confianza
b) Halle el tamaño de la muestra para cada estrato y diga que tipo de muestreo es.
c) Qué sucede con el tamaño de la muestra para cada estrato si la empresa considera que cada estrato tiene la misma importancia relativa.
Asimismo, diga como se denomina este tipo de muestreo.
3. Ud. realizará un trabajo de investigación en Ing. de sistemas , diga : bajo que condiciones utilizaría el método de muestreo :
a) Aleatorio
b) Sistemático
c) Estratificado
d) Por conglomerados
4. En que casos dentro de la ingeniería de sistemas podría utilizar los métodos no Probabilísticos de muestreo:
a) De Juicio
b) De cuotas
c) Accidental
d) Bola de Nieve
5. Si en un estudio de mercado se encuentra que los autos TOYOTA utilizados para el transporte constituyen el 35% del parque automotor de
autos de
Lima cercado, un investigador desea obtener una muestra par su estudio y estima 8 fuentes de error que usted ,además debe mencionar.
Asimismo,
utilice el 95% de nivel de confianza; con estos datos:
1. Hallar el tamaño de muestra
2. Que sucede con el tamaño de muestra
3. Cual será el tamaño de n , si N = 100,000 ; e% = 10% y la varianza es igual a 1

Dr. Willy Víctor Mandujano Mieses.