Professional Documents
Culture Documents
estimacin de error =
Dado que el estimador es una variable aleatoria, no podemos asegurar que siempre el
estimador y estn dentro de una distancia especificada B, pero podemos expresar que eso
ocurre con una determinada probabilidad
1 , 0 1 P B
(
= < <
donde
Lmite para el Error de Estimacin (LEE) con nivel de confianza 1
Cota para el error de estimacin con nivel de confianza 1-
Error de estimacin mximo con nivel de confianza 1-
B
14
A continuacin veremos que forma tiene B bajo distintas hiptesis sobre el estimador:
1.
N .
Dado que ( )
, 0
N , entonces
1
P B P B B
B B
P Z
( (
=
(
= =
(
(
donde
(0,1) Z N
= . Por tanto,
2
1
= z
B
(podemos obtenerlo en una tabla de
probabilidades de la N(0,1)) y el lmite del error de estimacin es
2
1
= z B . Como
se puede observar, el lmite del error de estimacin depender del nivel de confianza y
de la desviacin tpica del estimador (esto ltimo depender de la variabilidad de la
muestra y del tipo de muestreo).
Tomando una confianza del 95% el lmite del error de estimacin ser:
975 , 0
2 96 , 1 = = z B . Entonces
2 0, 95 P
(
=
Es decir, con una confianza del 95%, el lmite del error de estimacin es dos veces la
desviacin tpica del estimador. (En muchos textos se denomina error tpico a la
desviacin tpica del estimador)
2.
.
Por la desigualdad de Tchebyshev:
( )
2
1
1 , 1 P E k k
k
(
(
Dado que el estimador es insesgado y tomando 2 = k ,
2
1
2 1 0, 75
2
P
(
< =
Luego, con una confianza mayor del 75%, el lmite del error de estimacin es dos
veces la desviacin tpica del estimador.
Resumiendo, el lmite del error de estimacin es dos veces la desviacin tpica del estimador
con una confianza del 95% si el estimador tiene distribucin Normal y con una confianza
15
mayor del 75% si no tiene esa distribucin. Adems, si el tamao muestral es mayor que 30,
los estimadores que usaremos tendrn una distribucin aproximadamente Normal, en virtud
del Teorema central del lmite.
La expresin
1 P B
(
=
tiene una segunda lectura. Dado que
1 P B P B B P B B
( ( (
= = + =
el verdadero valor del parmetro se encuentra entre los extremos del intervalo ( ) B B +
con una confianza de 1 .
1.3.2 Errores de no muestreo
Otro tipo de errores, ms difcil de controlar, pueden ocurrir en la encuesta. Estos errores se
llaman errores de no muestreo. En muchas encuestas, el error de muestreo cometido para esa
encuesta puede ser despreciable en comparacin con los errores que no son de muestreo.
Los errores de no muestreo ms comunes son:
1. Sesgo de seleccin. Este error ocurre cuando alguna parte de la poblacin objetivo no
est en la poblacin muestreada. Una muestra as obtenida no es representativa de la
poblacin objetivo.
2. Sesgo de medicin. El sesgo de medicin ocurre cuando los datos observados difieren
del valor verdadero. La obtencin de respuestas precisas en las encuestas es
fundamental pero esto a veces no se consigue por diversos motivos:
- A veces, las personas no dicen la verdad.
- Las personas no siempre comprenden las preguntas.
- Un entrevistador puede leer mal las preguntas o anotar las respuestas de manera
equivocada.
- La formulacin y el orden de las preguntas tiene un gran efecto sobre las respuestas
obtenidas.
3. No respuesta. La no respuesta de un individuo seleccionado para formar parte de la
muestra puede causar un sesgo en los datos muestrales similar al sesgo de seleccin.
Puede ocurrir que las personas que respondan no representen a la poblacin bajo
estudio.
Los errores de no muestreo pueden controlarse con las siguientes acciones:
1. Reentrevistas.
16
2. Recompensas e incentivos.
3. Entrevistadores adiestrados.
4. Verificacin de datos.
(Vase los anteriores puntos desarrollados con mayor detalle en Scheaffer, Mendehall y Ott
(2006). Elementos de muestreo. International Thomson Editores.)
1.4 Mtodos de recoleccin de datos
Tambin el mtodo de recoleccin de datos es fundamental en la reduccin de los errores de
no muestreo. Destacamos como mtodos ms habituales:
(A) Entrevista personal.
(B) Entrevista por telfono.
(C) Cuestionarios autoaplicados.
(D) Observacin directa.
(Vase los anteriores puntos desarrollados con mayor detalle en Scheaffer, Mendehall y Ott
(2006). Elementos de muestreo. International Thomson Editores.)
1.5 Diseo del cuestionario
Uno de los objetivos en cualquier diseo de encuesta es minimizar los errores de no muestreo
que pueden ocurrir. Algunos consejos interesantes para la construccin del cuestionario son
los siguientes:
- Decidir lo que se quiere descubrir.
- Verificar las preguntas antes de realizar la encuesta.
- Elaborar las preguntas de manera sencilla y clara.
- Prestar atencin al orden de las preguntas.
- Decida si desea utilizar preguntas abiertas o cerradas.
- Evitar preguntas que induzcan al entrevistado a decir lo que usted quiere escuchar.
- Utilice preguntas de opcin forzosa.
(Vase los anteriores puntos desarrollados con mayor detalle en Scheaffer, Mendehall y Ott
(2006). Elementos de muestreo. International Thomson Editores.)
1.6 Planificacin de la encuesta
Teniendo en cuenta todo lo anteriormente expuesto, los siguientes aspectos deben de tenerse
en cuenta en la planificacin de una encuesta:
1. Establecer objetivos.
2. Poblacin objetivo.
17
3. El marco.
4. Diseo del muestreo.
5. Mtodo de recoleccin de datos.
6. Instrumentos de recoleccin de datos.
7. Seleccin y preparacin de investigadores de campo.
8. Prueba piloto.
9. Organizacin del trabajo de campo.
10. Organizacin de la administracin de datos.
11. Anlisis de los datos.
(Vase los anteriores puntos desarrollados con mayor detalle en Scheaffer, Mendehall y Ott
(2006). Elementos de muestreo. International Thomson Editores.)
1.7 Razones para el uso del muestreo
Entre otras muchas razones, destacamos:
(a) Evitar la destruccin de la poblacin. En algunos casos, una unidad de observacin
debe ser destruida para ser observada. En ese caso, un censo destruira a toda la
poblacin. Por ejemplo el muestreo en el control de calidad.
(b) Rapidez. Los datos se pueden reunir ms rpido, de modo que las estimaciones se
pueden publicar de una manera programada. Por ejemplo las elecciones.
(c) Economa y precisin. El muestreo puede proporcionar informacin fiable con costes
mucho menores que los de un censo. Las estimaciones basadas en las encuestas y sus
respectivas muestras son, con frecuencia, ms precisas que las basadas en un censo,
pues los investigadores pueden tener ms cuidado al reunir los datos. Un censo
completo necesita, por lo regular, de una gran organizacin administrativa e implica a
muchas personas en la recoleccin de los datos. Con tal complejidad administrativa y
la presin por producir las estimaciones a tiempo, se pueden cometer muchos errores
en la elaboracin del censo. En una muestra, se puede dedicar ms atencin a la
calidad de los datos, a entrenar al personal y realizar un seguimiento de quienes no
contestan la encuesta.
18
2. Muestreo aleatorio simple.
2.1 Seleccin de una muestra aleatoria simple. Nmeros aleatorios. Rutas aleatorias.
2.2 Muestreo aleatorio simple en poblaciones infinitas.
2.2.1 Media, varianza y proporcin muestrales: Propiedades. Error de estimacin.
2.2.2 Estimacin puntual. Intervalos de confianza. Contrastes de hiptesis.
2.2.3 Determinacin del tamao muestral.
2.3 Muestreo aleatorio simple en poblaciones finitas.
2.3.1 Estimacin de la media, proporcin y total poblacionales.
2.3.2 Determinacin del tamao muestral.
2.1 Seleccin de una muestra aleatoria simple. Nmeros aleatorios. Rutas aleatorias.
Si cada muestra posible de tamao n tiene la misma probabilidad de ser seleccionada, el
procedimiento de muestreo se denomina muestreo aleatorio simple y a la muestra as
seleccionada se le llama muestra aleatoria simple.
En el muestreo aleatorio con reemplazamiento el comportamiento de cada observacin da
lugar a variables aleatorias independientes e idnticamente distribuidas.
El muestreo aleatorio sin reemplazamiento da lugar a variables aleatorias donde sus
distribuciones marginales (no as las condicionadas) son idnticamente distribuidas pero falla
la hiptesis de independencia.
Si el nmero de elementos de la poblacin es muy grande (poblaciones infinitas) la anterior
distincin es irrelevante.
En poblaciones finitas, muestrear un mismo elemento dos veces no proporciona ms
informacin. Por ello, en general, en poblaciones finitas se prefiere el muestreo sin
reemplazamiento.
En la prctica, la condicin de que cada muestra tenga la misma probabilidad de ser
seleccionada se traduce en que cada elemento tenga la misma probabilidad de pertenecer a la
muestra. Para ello la seleccin de cada elemento de la muestra se hace sobre la base de un
sorteo completamente aleatorio. Para facilitar la obtencin de los resultados de ese sorteo
aleatorio existen lo que se conoce como tablas de nmeros aleatorios y que, junto con otras
tablas, suelen aparecer en un apndice al final de muchos libros de estadstica. Cada vez ms,
estas tablas de nmeros aleatorios son sustituidas por la generacin de nmeros aleatorios
mediante programas de ordenador (Excel, SPSS,...). Para asociar el valor de esos nmeros
aleatorios con los elementos de la poblacin necesitamos que sta est numerada, en caso
contrario deberamos formar una lista y numerarla. Esto ltimo, en muchos casos, no es tan
sencillo. Una alternativa a la formacin de una lista numerada para la seleccin mediante
nmeros aleatorios de los elementos de la muestra es el mtodo de las rutas aleatorias. Segn
19
este mtodo cada nmero aleatorio o grupo de nmeros aleatorios describe el camino hasta el
elemento de la muestra. Veamos cmo se aplicara este mtodo con un sencillo ejemplo:
Se ha seleccionado el nmero aleatorio 11071032, las dos primeras cifras (11) indican el
distrito de la ciudad, las dos siguientes (07) la calle del distrito, las dos siguientes (10) el
nmero de la calle, la siguiente (3) la planta del edificio y la ltima (2) la letra B de dicha
planta.
En muchos casos para llevar a cabo este procedimiento se recurre a la gua telefnica,
sobretodo si la entrevista es por telfono, as el nmero aleatorio 7836 podra interpretarse
como que se selecciona la pgina 78 de la gua y dentro de sta al abonado del telfono que
aparece en el lugar 36 de dicha pgina.
Otros tipos de muestreo que se utilizan con cierta frecuencia son:
Muestreo causal, usamos nuestro criterio para seleccionar aleatoriamente la muestra.
Muestreo por cuotas (o representativo), seleccionamos una muestra que consideramos
representativa de la poblacin, respetando el tamao relativo de los grupos que la
integran. Por ejemplo si en la poblacin hay un 65% de mujeres y un 35% de hombres,
tomamos una muestra que respete esos tamaos.
Estos muestreos estn sujetos al sesgo del investigador y conducen a estimadores cuyas
propiedades no pueden ser evaluadas estadsticamente (incurrimos en errores de no muestreo),
la forma adecuada de seleccionar una muestra aleatoria es mediante el uso de nmeros
aleatorios.
EL NMERO TOTAL DE ELEMENTOS QUE FORMAN UNA MUESTRA TIENE
MENOS IMPORTANCIA QUE EL PRINCIPIO DE SELECCIN ALEATORIA.
2.2 Muestreo aleatorio simple en poblaciones infinitas.
Supongamos que la caracterstica en estudio de la poblacin est representada por la variable
Y (con media y varianza
2
), una muestra aleatoria simple de tamao n estar representada
por n variables: Y
1
,..., Y
n
, independientes e idnticamente distribuidas (i.i.d.). (Observaciones
en poblaciones infinitas y tambin en poblaciones finitas si se hacen con reemplazamiento nos
conducen a variables i.i.d.)
2.2.1 Media, varianza y proporcin muestrales: Propiedades. Error de estimacin.
Como estimador de la media de la poblacin, , se utiliza la media muestral, y .
20
1
1
n
i
i
y y
n
=
=
Un valor aislado y del estimador revela poco acerca de la media poblacional, deberamos
evaluar tambin su bondad.
Este estimador tiene propiedades deseables como ser insesgado y tener mnima varianza
( ) ( )
2
E y V y
n
= =
Como estimador de la varianza de la poblacin,
2
, se utiliza la cuasivarianza muestral,
2
S .
( )
2
2
1
1
1
n
i
i
S y y
n
=
=
que tambin tiene la propiedad de ser insesgado
( )
2 2
E S =
de forma que la varianza de la media muestral se estima de forma insesgada por
2
( )
S
V y
n
=
Cuando las variables Y, Y
1
, ..., Y
n
son dicotmicas, slo toman dos valores (0 y 1), su media
representa una proporcin y se nota como p y el estimador de la misma, la proporcin
muestral, por
1
1
, 0, 1
n
i i
i
p y y
n
=
= =
Este estimador, como media muestral que es, tiene las mismas propiedades mencionadas
antes.
La varianza de la poblacin es en este caso
2
pq = , donde q=1-p. Como antes, el estimador
insesgado de la varianza es la cuasivarianza muestral que para este tipo de variables es igual a
2
1
n
S pq
n
=
Si conocemos ms caractersticas de las variables aleatorias Y, Y
1
,..., Y
n
, conoceremos ms
propiedades de la media muestral, aparte de las mencionadas. As,
si
2 2
( , ) Y N conocida
(0,1)
y
N
n
21
si
2 2
( , ) Y N desconocida
1
(0,1) ( , )
n
y
t N en la prctica para n 30
S
n
>
si Y cualquier distribucin (por el Teorema Central del Lmite) cuando n
(0,1)
y y
N
S
n
n
(en la prctica, para n>30)
un caso particular del anterior es cuando (1, ) Y B p , donde
p y p = =
(0,1)
1 1
p p p p p p
N
pq
n pq pq
n
n n n
=
(en la prctica, para n>30)
Todo lo anterior puede resumirse diciendo que la media muestral (de variables numricas, y ,
o dicotmicas,
(
(
= (
(
(
o en un caso ms general
2 2
1
y
P Z Z
n
(
(
= (
(
(
=nivel de significacin 1-=nivel de confianza
Para un nivel de confianza del 95% (el ms habitual) se suele redondear el anterior valor
1,962
De las probabilidades anteriores se puede hacer dos lecturas. La primera:
2 2 0, 95 2 0, 95 P y P y
n n n
( (
= =
( (
22
En esta ltima expresin aparecen valores y expresiones fundamentales en las tcnicas de
estimacin:
1-=0,95= nivel de confianza del 95%.
y = error de estimacin o diferencia entre la estimacin que hacemos, y , y el verdadero
valor del parmetro que se quiere estimar, .
2
n
(
+ =
(
expresa la confianza que tenemos de que el verdadero valor del parmetro se encuentre
entre los extremos del intervalo 2 , 2 y y
n n
| |
+
|
\ .
.
Todo lo anterior se puede asegurar si el tamao de la muestra es suficientemente grande,
n>30. Pero qu ocurre si no es as. En ese caso la desigualdad de Tchebychev nos da la
respuesta.
La desigualdad de Tchebychev dice que si X es una variable aleatoria con media ( ) E X = y
varianza
2
( ) V X = , entonces
2
1
1 P X k
k
(
Aplicando lo anterior, en particular, a la media muestral para k=2 se obtiene
1
2 1 0, 75
4
P y
n
(
=
(
resultado parecido al que obtenamos anteriormente
2 0, 95 P y
n
(
=
(
salvo que en este caso lo ms que podemos asegurar es que la probabilidad de que
2 y
n
es mayor de 0,75.
23
2.2.2 Estimacin puntual. Intervalos de confianza. Contrastes de hiptesis.
Cuando estimamos el valor de un parmetro poblacional con el valor que ha presentado en una
determinada muestra el estimador asociado, hacemos una estimacin puntual.
Si dicha estimacin puntual se acompaa de un margen de error (lmite para el error de
estimacin) y de una medida de la certidumbre que se tiene en tal estimacin (nivel de
confianza), hablamos de intervalo de confianza. Por ejemplo, utilizando muestras grandes, el
intervalo de confianza para la media poblacional con un nivel de confianza del 95% es
2 , 2
S S
y y
n n
| |
+
|
\ .
En ocasiones se quiere contrastar con los valores observados en una muestra la posibilidad de
que el verdadero valor de un parmetro de la poblacin sea un determinado valor, por
ejemplo, se quiere contrastar la hiptesis nula
0 0
: H = con un nivel de significacin del
5%. Lo anterior equivale a comprobar si
0
2 , 2
S S
y y
n n
| |
+
|
\ .
en cuyo caso se aceptara la hiptesis nula, rechazndose en caso contrario.
2.2.3 Determinacin del tamao muestral.
En ocasiones se fija de antemano el mximo error de estimacin que estamos dispuestos a
aceptar en una estimacin, 2 B
n
( ) 2 ( ) 0, 0539 12,11%, 22, 89% B V p p = =
b)
2
0, 03 0, 000225 641, 6 642
4
B pq
B D n
D
= = = = =
c)
2
0, 03 0, 000225 0, 5 1111,1 1112
4
B pq
B D p q n
D
= = = = = = =
d)
1
1 5600
35 160
35
n
i
i
n y y
n
=
= = = =
2
2
625
625 ( ) 17, 8571 2 ( ) 8, 45
35
S
S V y B V y
n
= = = = = =
2.3 Muestreo aleatorio simple en poblaciones finitas.
Suponemos que la poblacin es finita, tiene N elementos, y adems que la muestra se
selecciona sin reemplazamiento (en caso contrario estaramos ante el modelo del muestreo
aleatorio simple en poblaciones infinitas con variables i.i.d.)
25
2.3.1 Estimacin de la media, proporcin y total poblacionales.
(A) Estimacin de la media poblacional.
Para estimar la media poblacional, , se utiliza la media muestral
1
1
n
i
i
y y
n
=
= =
Este estimador es insesgado y su varianza decrece conforme crece el tamao de la muestra
( ) ( )
2
1
N n
E y V y
n N
| |
= =
|
\ .
En este tipo de muestreo la cuasivarianza muestral no es un estimador insesgado de la
varianza de la poblacin
( )
2 2 2 2
1
1
N N
E S E S
N N
| |
= =
|
\ .
De lo anterior se sigue que la varianza de la media muestral puede ser estimada
insesgadamente por
( )
2
2
1 1
1
N N n S N n
V y S
N n N n N
| | | | | |
= =
| | |
\ . \ . \ .
expresin igual a la del caso de poblaciones infinitas,
2
( )
S
V y
n
| |
=
|
\ .
, salvo el coeficiente
N n
N
| |
|
\ .
que se denomina coeficiente corrector para poblaciones finitas (c.p.f.).
En la prctica el coeficiente c.p.f. suele despreciarse si 0, 95
N n
N
| |
|
\ .
o lo que es equivalente
si
1
5%
20
n N N = . En muchos casos N no est claramente definido o se desconoce, pero si
N se supone suficientemente grande el c.p.f. se omite, 1
N n
N
| |
|
\ .
.
Para calcular el lmite para el error de estimacin , con un 95% de confianza, se halla
= = utilizaremos el estimador
1
n
i
i
N
N y y
n
=
= =
.
Para hallar su varianza, recordemos las propiedades de la varianza
2
( ) ( ) V kX k V X =
( ) ( ) ( ) ( ) V X Y V X V Y X e Y incorreladas + = +
Varianza estimada de
2 2
2 2
( ) ( ) ( ) ( )
S N n S
V V N y N V y N N N n
n N n
= = = =
Como en el caso de la media, el lmite para el error de estimacin con una confianza del 95%
est dado por
2 ( ) V
2
1
45000 1000 300
( ) 105
300 1000
n
S N n
V y
n N
= = =
2 ( ) 2 105 20, 49 V y = =
( ) ( ) 1.040 20, 49 1.019, 51 , 1.060, 49 =
1000 1040 1.040.000 N y = = =
2 ( ) 2 ( ) 1000 20, 49 20.490 ( 20.493, 9) V N V y valor exacto = = =
( ) ( ) 1.040.000 20.490 1.019.510 , 1.060.490 =
(C) Estimacin de la proporcin poblacional.
Para estimar la proporcin poblacional p , dado que se trata de una media usaremos la media
muestral que tiene la siguiente notacin en este caso
27
1
1
, 0, 1
n
i i
i
p y y
n
=
= =
su varianza estimada, teniendo en cuenta que
2
1
n pq
S
n
=
, es igual a
2
( )
1
S N n pq N n
V p
n N n N
= =
Para estimar el total poblacional de una variable dicotmica usamos
N p =
2
( ) ( ) ( ) ( )
1
pq
V V N p N V p N N n
n
= = =
2 ( ) 2 ( ) V N V p =
Ejemplo 2.3. (ejercicio 2, relacin tema 2) Se toma una muestra aleatoria simple de 100
estudiantes de un centro con 900 estudiantes para estimar
La proporcin que votarn a un determinado representante de centro.
La proporcin de ellos que tienen algn tipo de trabajo.
Sean , ( 1,...,100)
i i
y z i = las respuestas del i-simo estudiante seleccionado ( 0
i
y = cuando
responden NO, 1
i
y = cuando responden SI, anlogamente para
i
z ).
Segn la muestra
100 100
1 1
70 25
i i
i i
y z
= =
= =
Usando los datos de la muestra, estime
1
p (proporcin de estudiantes que votarn a un
determinado representante)
2
p (proporcin y nmero de estudiantes con algn tipo de trabajo)
y los lmites para los errores de estimacin correspondientes.
Solucin:
100 100
1 1
1 2
0, 70 (70%) 0, 25 (25%)
100 100
i i
i i
y z
p p
= =
= = = =
1 1 2 2
1 2
( ) 0, 0018855 ( ) 0, 0016835
1 1
p q p q N n N n
V p V p
n N n N
= = = =
1 2
2 ( ) 0, 0868 (8, 68%) 2 ( ) 0, 0821 (8, 21%) V p V p = =
2 2
2
900 0, 25 225 2 ( ) 900 0, 0821 73, 89 N p V = = = = =
2.3.2 Determinacin del tamao muestral.
El nmero de observaciones necesarias para estimar con un lmite para el error de
estimacin de magnitud B se obtiene resolviendo 2 ( ) V y B =
28
( )
2
2 ( )
4
B
V y B V y D = = =
2 2
2
( )
1 ( 1)
N n N
V y D n
n N N D
= = =
+
Para estimar el total poblacional con un lmite para el error de estimacin B, dado que
2 ( ) 2 ( ) V N V y B = =
| |
|
\ .
.
Si no se dispone de informacin previa para estimar la varianza podemos usar que en variables
normales el rango de la muestra es aproximadamente cuatro veces su desviacin tpica
2
2
4 16
R R
La proporcin poblacional p es la media de una variable dicotmica ( (1, ) B p , ( ) E X p = ,
( ) V X pq = ), luego el problema de determinar el tamao muestral se hace de forma anloga
sustituyendo
2
por pq, obtenindose
( 1)
Npq
n
N D pq
=
+
2
( )
4
B
D proporcion =
2
2
( )
4
B
D total
N
=
En la prctica p se desconoce. Una aproximacin al mismo se obtiene reemplazndolo por el
valor estimado
2
2
615, 62 616
( 1)
N
n
N D
= =
+
Si se realizan dos preguntas (o ms) a cada elemento de la muestra, se calcularn los tamaos
muestrales que satisfacen los lmites para el error de estimacin fijados para cada estimacin y
finalmente el mayor de los dos ser el tamao de la muestra que satisface ambos lmites.
Ejemplo 2.5. (ejercicio 4, relacin tema 2) Los alumnos de TAM de una facultad con 3.000
estudiantes desean realizar una encuesta para determinar la proporcin de estudiantes que
estn a favor de hacer los exmenes en sbado con un lmite para el error de estimacin del
10%. La informacin previa disponible indica que el 60% preferan los exmenes en sbado.
Tambin se quiere estimar la proporcin de estudiantes que apoyan al equipo decanal con un
error de estimacin del 5%. Determnese el tamao muestral que se requiere para estimar
ambas proporciones con los lmites de error especificados.
Solucin:
1
p = proporcin de estudiantes que prefieren los exmenes en sbado.
2 2
1
1
(0,10)
0, 0025
4 4
B
D = = =
1 1
1
1 1 1
3.000 0, 60 0, 40
93, 05 94
( 1) (2.999 0, 0025) (0, 60 0, 40)
Np q
n
N D p q
= = =
+ +
2
p =proporcin de estudiantes que apoyan al equipo decanal.
2 2
2
2
(0, 05)
0, 000625
4 4
B
D = = =
2 2
2
2 2 2
3.000 0, 50 0, 50
353, 04 354
( 1) (2.999 0, 000625) (0, 50 0, 50)
Np q
n
N D p q
= = =
+ +
para cumplir con ambos objetivos habra que tomar n=354 con lo que el lmite para el error de
la estimacin de
1
p disminuira (con un 95% de confianza) hasta:
1 1
1
0, 60 0, 40 3.000 354
2 ( ) 2 2 0, 0489 ( 4, 9%)
1 353 3.000
p q N n
V p
n N
= = =
o bien la cota del error de estimacin del 10% se tiene con un nivel de confianza mucho
mayor
30
1
2 2 2
( ) 0,10 0, 02445 0,10 4, 09 Z V p Z Z
= = =
buscando en la tabla de la normal (o con ayuda de la hoja de clculo Excel, ...) la probabilidad
comprendida entre (-4,09 , 4,09) se obtiene 0,99995684, es decir, prcticamente del 100%.
EJERCICIOS RESUELTOS
1. (Ejercicio 19, relacin tema 2) Se selecciona una m.a.s. de 9 compras de clientes de un
centro comercial para estimar el valor medio de las compras por cliente.
VALOR en
33,5 32 52 43 40 41 45 42,5 39
a) Obtener un intervalo de confianza para el valor medio de las compras.
b) Podemos aceptar que la compra media es de 45?
c) Qu tamao muestral deberamos tomar para que el LEE sea de 2?
SOLUCIN:
a)
33, 5 ... 39
40, 89
9
y
+ +
= = =
( ) ( )
( )
2 2
2
1
33, 5 40, 89 ... 39 40,89 35, 67
9 1
S = + + =
( )
( )
2
3, 963 2 3, 98
S
V y B V y
n
= = = =
( ) ( ) 40, 89 3, 98 ; 40, 89 3, 98 36, 91; 44, 87 + =
b) No, porque ( ) 45 36, 91; 44, 87
c)
2 2
2 2
35, 67
35, 67 36
1
4 4
S
n compras
B B
= = =
2. (Ejercicio 17, relacin tema 2) Se han entrevistado 1.000 vecinos, elegidos aleatoriamente
entre los ms de cien mil habitantes de una ciudad para conocer su opinin sobre los
nuevos impuestos municipales. 655 manifestaron su opinin desfavorable. Estime la
proporcin de vecinos que estn en contra de los nuevos impuestos y establezca el lmite
para el error de estimacin. Se puede afirmar que la mayora de los habitantes estn en
contra?
31
SOLUCIN:
655
0, 655 65, 5%
1.000
p p = = =
0, 655 (1 0, 655)
( ) 0, 0002262012
1 999
pq
V p
n
= = =
2 ( ) 0, 0301 3, 01% V p =
(65, 5% 3, 01%, 65, 5% 3, 01%) (62, 49%, 68, 51%) + =
(62, 49%, 68, 51%) 50% p p s se puede afirmar que la mayora de los
habitantes estn en contra
>
3. (Ejercicio 18, relacin tema 2) El Centro de Estadstica desea estimar el salario medio de
los trabajadores de los invernaderos de una regin. Se decide clasificarlos en dos estratos,
los que poseen contrato fijo y los que tienen un contrato temporal. El salario de los
contratos fijos est comprendido entre los 1.200 y 2.200 euros mensuales, el salario de los
contratos temporales est comprendido entre 500 y 1.700 euros mensuales. Cul debe ser
el tamao muestral total y su asignacin para que se estime el salario medio de los
contratos fijos con un error inferior a 100 y el salario medio de los contratos temporales
con un error inferior a 120?`
SOLUCIN:
i
R
4
i
i
R
2
i
2.200-1.200=1000
1.700-500=1.200
250
300
62.500
90.000
2 2
1 1
1 2 2
1 1
62.500 62.500
25
10.000
100
4
4 4
n
B D
= = = = =
2 2
2 2
2 2 2
2 2
90.000 90.000
25
14.400
120
4
4 4
n
B D
= = = = =
1 2
50 n n n = + =
4. (Ejercicio 14, relacin tema 2) Entre todas las oficinas bancarias de una pequea ciudad se
tienen concedidos 2000 prstamos hipotecarios. Existen razones para pensar que el
prstamo hipotecario de menor cuanta es de algo ms de 1200 euros, siendo de casi 11000
32
euros el de mayor cuanta. cul es el tamao muestral necesario para estimar estos dos
parmetros:
- la cuanta media de los prestamos cometiendo un error de estimacin menor de 400
euros y
- la proporcin de prstamos pendientes de amortizar ms de la mitad de la deuda
cometiendo un error mximo del 5%?
SOLUCIN:
2.000 N =
2
11.000 1.200 9.800 2450 6.002.500
4
R
R = = =
2 2
400
40.000
4 4
B
D = = =
2
2
139, 65 140
( 1)
N
n
N D
= =
+
2 2
0.05
0, 000625
4 4
B
D = = =
0, 5 333, 47 334
( 1)
Npq
p q n
N D pq
= = = =
+
Para conseguir estimar los dos parmetros con los niveles de error especificados
necesitamos un tamao muestral igual al mximo de 140 y 334. 334 n = .
5. (Ejercicio 15, relacin tema 2) Se desea estimar el salario medio de los empleados de una
empresa y la proporcin de empleados que apoyan a la actual directiva. La empresa tiene
110 empleados y se sabe que el salario est comprendido entre los 1500 y 1800 euros
mensuales. Cul debe ser el tamao muestral para que al estimar el salario medio la cota
de error se site en 10 euros y al estimar la proporcin de los que apoyan a la actual
directiva el error mximo cometido sea del 2%?
SOLUCIN:
2
110 1.800 1.500 300 75 5625
4
R
N R = = = =
2 2
10
25
4 4
B
D = = =
2
2
74,1 75
( 1)
N
n
N D
= =
+
2 2
0.02
0, 0001
4 4
B
D = = =
33
0, 5 105, 4 106
( 1)
Npq
p q n
N D pq
= = = =
+
6. (Ejercicio 16, relacin tema 2) Una empresa de trabajo temporal quiere investigar las
necesidades de empleo de las empresas de un pueblo. Para ello decide seleccionar una
muestra de 5 de las 25 inscritas en el registro mercantil. El nmero de bajas en el ltimo
ao, el nmero de empleados y la respuesta de cada empresa sobre si utilizara los
servicios de la empresa de trabajo temporal fueron los siguientes:
Empresa Bajas Empleados Respuesta
1 1 7 Si
2 2 15 No
3 9 85 Si
4 0 3 No
5 2 12 No
a) Estime el nmero de bajas en el ltimo ao en las empresas del pueblo. Calcule el
lmite para el error de estimacin.
b) Estime el nmero de empresas que usaran los servicios ofertados. Calcule el lmite
para el error de estimacin.
SOLUCIN:
a) 25 5 N n = =
2
14
2,8 70
5
12, 7
( ) ( ) 25 20 1270
5
2 ( ) 71, 2741
y N y
S
V N N n
n
B V
= = = =
= = =
= =
Nota: este apartado podr resolverse de otra forma cuando estudiemos el muestreo por
conglomerados. Vase ejercicio 10 de la relacin del captulo 6)
b)
2
0, 4 10
5
0, 24
( ) ( ) 25 20 30
1 4
2 ( ) 10, 9545
p N p
pq
V N N n
n
B V
= = = =
= = =
= =
7. (Ejercicio 21, relacin tema 2) El consumo medio de combustible de los taxis de una
ciudad es 5.6 litros cada 100 Km. Puesto que se considera que el consumo es demasiado
elevado, en 600 taxis se monta un dispositivo para disminuirlo. Pasado cierto tiempo se
34
toma una muestra aleatoria de 20 taxis, elegidos entre los 600 que colocaron el dispositivo.
El consumo en litros de combustible por cada 100 Km. se recoge en la siguiente tabla
Taxi n Consumo Taxi n Consumo Taxi n Consumo Taxi n Consumo
1 5.4 6 6.3 11 3.6 16 5.4
2 5.5 7 5.4 12 6.7 17 4.8
3 6.9 8 5 13 5.2 18 4.7
4 3.9 9 4.5 14 5.1 19 5.8
5 4.5 10 4.4 15 5.4 20 6.2
a) Estmese mediante un intervalo de confianza la proporcin de taxis con un consumo
inferior a 5.6 litros/100 Km.
b) Cuantos taxis deben observarse para estimar la anterior proporcin con un error
menor o igual que un 10%?
SOLUCIN:
a) 15 de los 20 taxis no superan el consumo de 56 litros/100 Km, por tanto
15
0' 75
20
p = =
0' 75 0' 25 580
( ) 0' 00954
1 19 600
pq N n
V p
n N
= = =
2 ( ) 0'1953 V p =
( ) ( ) 0' 75 0'1953 , 0' 75 0'1953 0' 5547 , 0' 9453 + = ( ) 55' 47%, 94' 53%
b)
( )
2
0'10
0'10 0' 0025
4
B D = = =
( ) ( )
600 0' 75 0' 25
66' 77 67
( 1) 599 0' 0025 0' 75 0' 25
Npq
n
N D pq
= = =
+ +
8. (ejercicio 1, prctica 2) Una muestra aleatoria simple de 6 deudas de clientes de una
farmacia es seleccionada para estimar la cantidad total de deuda de las 100 cuentas
abiertas. Los valores de la muestra para estas seis cuentas son los siguientes:
Dinero adeudado ()
35,50
32,00
43,00
41,00
44,00
42,50
Estime el total del dinero adeudado y establezca un lmite para el error de estimacin.
35
SOLUCIN:
i
y
2
i
y
35,50
32,00
43,00
41,00
44,00
42,50
1260,25
1024,00
1849,00
1681,00
1936,00
1806,25
1
238,00
n
i
i
y
=
=
2
1
9556,50
n
i
i
y
=
=
1
100
238=3966,6
6
n
i
i
N
N y y
n
=
= = =
( )
2
2 1
2
2
2 1
1
1 1 238
9556,50 23,1667
1 1 5 6
n
i
n
i
i n
i
i
i
y
y
n
S y y
n n
=
=
=
| |
|
\ .
| |
= = = =
|
\ .
2
23,1667
2 ( ) 2 ( ) 2 100(100 6) 381, 02
6
S
V N N n
n
= = =
Los anteriores clculos que se han realizado a mano o con ayuda de una calculadora bsica
se simplifican notablemente si utilizamos una calculadora cientfica de uso comn. Estas
calculadoras nos proporcionan los valores de un grupo de funciones estadsticas
2
1 n n
x x
x x x s S = =
de forma inmediata.
1 n n
x x
s desviacin tpica S cuasidesviacin tpica = = = =
9. (Ejercicio 16, relacin tema 2) En un estudio sociolgico, realizado en una pequea
ciudad, se hicieron llamadas telefnicas para estimar la proporcin de hogares donde
habita por lo menos una persona mayor de 65 aos de edad. La ciudad tiene 5000 hogares,
segn la gua de telfonos ms reciente. Una muestra aleatoria simple de 300 hogares fue
seleccionada de la gua. Al terminar la investigacin de campo, de los 300 hogares
muestreados, en 51 habita al menos una persona mayor de 65 aos. Contraste la hiptesis
de que en el 25% de los hogares de esa ciudad habita al menos una persona mayor de 65
aos.
36
SOLUCIN: N=5000, n=300
51
0,17 1 0,83 ( ) 0, 00044359197 2 ( ) 0, 0421
300 1
pq N n
p q p V p V p
n N
= = = = = = =
( )
2
( ) 0, 4556 2 ( ) 1, 35 . . : 3, 91min., 6, 61min.
S N n
V y V y INTERV CONF
n N
= = =
Valores mayores e igual a 6 minutos pertenecen al intervalo de confianza, por tanto no
podemos aceptar esa hiptesis.
11. (Ejercicio 11, relacin tema 2) Con objetivos benficos, una asociacin filantrpica ha
solicitado firmas para una peticin en 700 hojas. Cada hoja tiene espacio suficiente para
40 firmas pero en muchas de las hojas se ha obtenido un nmero menor. Contando el
nmero de firmas por hoja en una muestra aleatoria de 50 hojas se han observado los
siguientes resultados:
50 50
2
1 1
1.450; 54.496
i i
i i
Y Y
= =
= =
Cul sera la previsin ms optimista y ms pesimista en cuanto al nmero total de firmas
recogidas para la peticin?
SOLUCIN: N=700, n=50
2
2 1
2 1
1
1 1450
29 254
50 1
n
i
n
i
i n
i
i
i
y
y
n
y y S
n n
=
=
=
| |
|
\ .
= = = = =
37
2
20.300 ( ) ( ) 2.311.400 2 ( ) 3.040, 66
S
N y V N N n B V
n
= = = = = =
( ) ( ) 20.300 3.040, 66 17.259, 34 , 23.340, 66 =
Previsin ms optimista: 23.340 ; previsin ms pesimista: 17.259
38
3. Muestreo aleatorio estratificado.
3.1 Seleccin de una muestra aleatoria estratificada.
3.2 Estimacin de la media, proporcin y total poblacionales.
3.3 Determinacin del tamao muestral.
3.4 Asignacin de la muestra.
3.4.1 Asignacin ptima.
3.4.2 Asignacin de Neyman.
3.4.3 Asignacin proporcional.
3.5 Estratificacin despus de seleccionar la muestra.
3.1 Seleccin de una muestra aleatoria estratificada.
Una muestra aleatoria estratificada se obtiene mediante la separacin de los elementos de la
poblacin en conjuntos que no presenten interseccin, llamados estratos, y la seleccin
posterior de una muestra aleatoria simple en cada estrato.
Los estratos deben formarse de manera que los elementos de cada estrato sean lo ms
homogneos que se pueda entre s (ms homogneos que el conjunto de la poblacin) y las
diferencias entre un estrato y otro sean las mayores posibles. Esta forma de construir los
estratos conduce a muestras con poca variabilidad entre las mediciones que producirn
pequeas varianzas de los estimadores y por tanto menores lmites para los errores de
estimacin que con otros diseos de la muestra.
Otras ventajas adicionales que presenta este tipo de muestreo son las siguientes:
A veces los estratos se corresponden con zonas compactas bien definidas con lo que se
reduce el coste (en tiempo y/o dinero) de la muestra.
Adems de las estimaciones para toda la poblacin, este muestreo permite hacer
estimaciones de los parmetros poblacionales para los estratos.
Antes de continuar fijemos la notacin que va a utilizarse (a la izquierda para la poblacin, a
la derecha para la muestra):
L = nmero de estratos
N = tamao de la poblacin n = tamao de la muestra
i
N = tamao del estrato
i
n =tamao de la muestra del estrato i
1
L
i
i
N N
=
=
1
L
i
i
n n
=
=
i
= media poblacional del estrato i
i
y = media muestral del estrato i
i
= total poblacional del estrato i
39
2
i
=varianza poblacional del estrato i
2
i
S = varianza muestral del estrato i
i
p = proporcin poblacional del estrato i
i
p = proporcin muestral del estrato i
i
c =coste de una observacin del estrato i
3.2 Estimacin de la media, proporcin y total poblacionales.
En cada estrato se ha realizado un muestreo aleatorio simple, sabemos que en cada estrato
i i
N y es un estimador insesgado del total
i
, parece razonable estimar
1
L
i
i
=
=
por
1
L
st
i i
i
N y
=
=
y la media poblacional
N
= mediante
1
1
L
i st i
i
y N y
N
=
=
NOTA:
st
y y en general ( y = media muestral de las n observaciones)
st
en general ( N y =
= =
(se obtiene aplicando las propiedades de la varianza mencionadas en el captulo 2)
Varianza estimada de st
2
2 2
1
( ) ( )
L
i i i
st
i st
i i i
S N n
V N V y N
n N
= =
En el caso de variables dicotmicas los estimadores de la proporcin y total poblacionales as
como sus varianzas toman valores similares a los anteriores salvo las diferencias de notacin
vistas en el captulo anterior.
Estimador de la proporcin poblacional p
1
1
L
i st i
i
p N p
N
=
=
Varianza estimada de
st
p
2 2
2 2
1 1
1 1
( ) ( )
1
L L
i i i i
i i st i
i i i i
p q N n
V p N V p N
N N n N
= =
= =
Estimador del total poblacional
1
L
st
i st i
i
N p N p
=
= =
40
Varianza estimada de st
2 2
1
( ) ( )
1
L
i i i i
st
i st
i i i
p q N n
V N V p N
n N
= =
Ejemplo 3.1. (Ejercicio 1, prctica 3) Se est interesado en determinar la audiencia de la
publicidad televisiva en una cadena local de un municipio, se decide realizar una encuesta por
muestreo para estimar el nmero de horas por semana que se ve la televisin en las viviendas
del municipio. ste est formado por tres barrios con diferentes perfiles socio-culturales que
afectan a la audiencia televisiva. Hay 210 hogares en el barrio A, 84 en el barrio B y 126 en el
barrio C. La empresa publicitaria tiene tiempo y dinero suficientes como para entrevistar 30
hogares y decide seleccionar muestras aleatorias de tamaos: 15 del barrio A, 6 del barrio B,
y 9 del barrio C.
Se seleccionan las muestras aleatorias simples y se realizan las entrevistas. Los resultados,
con mediciones del tiempo que se ve la televisin en horas por semana, se muestran en la
siguiente tabla:
BARRIO A BARRIO B BARRIO C
36
39
38
28
29
34
38
37
41
37
26
32
29
35
41
20
30
14
41
39
25
14
15
21
20
24
22
17
11
14
Estime el tiempo medio que se ve la televisin, en horas por semana, para:
a) Los hogares del barrio A.
b) Los hogares del barrio B.
c) Los hogares del barrio C.
d) Todos los hogares
Para todos los casos fije un lmite para el error de estimacin.
Solucin: en primer lugar se calculan las medias y varianzas muestrales en cada estrato
2 2 2
1 2 3 1 2 3
2
34, 67 / 28,17 / 17, 56 / 23, 24 112, 57 19, 28
28, 23 92, 74
y horas semana y h s y h s S S S
y S
= = = = = =
= =
A partir de estos valores calculamos las varianzas de los estimadores de la media en cada
estrato y los lmites para los errores de dichas estimaciones
1 2 3 1 2 3
210 84 126 420 N N N N N N N = = = = + + =
1 2 3 1 2 3
15 6 9 30 n n n n n n n = = = = + + =
41
2 2 2
3 3 3 1 1 1 2 2 2
1 2 3
1 1 2 2 3 3
( ) 1, 44 ( ) 17, 42 ( ) 1, 99
S N n S N n S N n
V y V y V y
n N n N n N
= = = = = =
1 2 3
2 ( ) 2, 40 / 2 ( ) 8, 35 / 2 ( ) 2, 82 / V y h s V y h s V y h s = = =
Para el conjunto de todos los hogares el estimador de la media es
3
1
1
28, 23 /
i st i
i
y N y h s
N
=
= =
y la varianza de este estimador la podemos calcular basndonos en las varianzas de los
estimadores de la media en cada estrato mediante
3
2
2
1
1
( ) ( ) 1, 24
i st i
i
V y N V y
N
=
= =
o, si se prefiere, utilizando
2 3
2
2
1
1
( )
i i i
i st
i i i
S N n
V y N
N n N
=
=
el error para la estimacin de la media para todos los hogares est dado por
2 ( ) 2, 22 /
st
V y h s =
Ejemplo 3.2. (Ejercicio 2, prctica 3) En el caso anterior, tambin se desea saber qu
proporcin de hogares ven un determinado programa, para decidir la conveniencia de insertar
un anuncio en los intermedios del mismo. La respuesta a la pregunta de si ven dicho
programa por los hogares de la muestra anterior se recoge a continuacin:
BARRIO A BARRIO B BARRIO C
SI
SI
NO
NO
SI
NO
SI
NO
SI
NO
SI
SI
NO
NO
NO
SI
NO
SI
SI
SI
SI
NO
SI
SI
NO
SI
SI
SI
SI
NO
Estime con un intervalo de confianza la proporcin de hogares del municipio donde se ve el
programa.
Solucin: en primer lugar se calculan las proporciones muestrales en cada estrato
1 2 3
7 5 6
0, 4667 0,8333 0, 6667
15 6 9
p p p = = = = = =
La estimacin puntual de la proporcin de hogares del municipio donde se ve el programa es
3
1
1
0, 60
i st i
i
p N p
N
=
= =
la varianza y error de estimacin asociados son
3
2
2
1
1
( ) 0, 00748 2 ( ) 0,173
1
i i i i
i st st
i i i
p q N n
V p N V p
N n N
=
= = =
y el intervalo de confianza expresado en porcentajes es
42
( ) ( ) 60% 17, 3% 42, 7%, 77, 3% =
3.3 Determinacin del tamao muestral.
El tamao muestral para conseguir un lmite para el error de estimacin de la media, B, viene
dado por 2 ( )
st
V y B = donde
2
2
2
1
1
( )
1
L
i i i
i st
i i i
N n
V y N
N n N
.
No podemos despejar el valor de todos los
i
n de una sola ecuacin a menos que conozcamos
la relacin entre los
i
n y n . Hay diversas formas de asignar el tamao muestral n en los
diferentes estratos
i i
n n = (problema de la asignacin de la muestra que estudiaremos ms
adelante) , sustituyendo lo anterior en ( )
st
V y se puede despejar n en funcin de los
i
obteniendo el tamao muestral aproximado que se requiere para estimar con un lmite para
el error de estimacin B (aproximado porque se hacen algunas modificaciones como
1
i i
N N , ... para resolver la anterior ecuacin).
2 2
1
2 2
1
L
i i
i i
L
i i
i
N
n
N D N
=
=
=
+
2
4
B
D = y la misma expresin vale para el total tomando
2
2
4
B
D
N
= .
Al igual que en el M.A.S. para poder usar la anterior ecuacin necesitamos conocer las
varianzas poblacionales de los estratos o valores aproximados de ellas, para lo cual se pueden
usar las varianzas muestrales de un estudio previo o conocer la amplitud de variacin de las
observaciones dentro de cada estrato.
En el caso de variables dicotmicas se obtiene una expresin similar, teniendo en cuenta que
en este caso particular
2
i i i
p q =
2
1
2
1
L
i i i
i i
L
i i i
i
N p q
n
N D N p q
=
=
=
+
2
4
B
D = (para estimar p) y la misma expresin vale para el total tomando
2
2
4
B
D
N
= .
43
3.4 Asignacin de la muestra.
Hay diversas formas de asignar el tamao muestral n en los distintos estratos.
El objetivo del diseo de una encuesta por muestreo es proporcionar estimadores con varianza
pequea (por tanto, pequeo error de estimacin) al menor coste posible.
El mejor esquema de asignacin est influido por:
El nmero total de elementos en cada estrato.
La variabilidad de las observaciones en cada estrato.
El coste de obtener una observacin en cada estrato.
3.4.1 Asignacin ptima.
La asignacin que minimiza el coste para un lmite para el error de estimacin fijado se
denomina asignacin ptima y est dada por
1
j j
j
j L
i i
i
i
N
c
N
c
=
=
sustituyendo los
j
en la expresin que obtenamos antes para n se tiene el tamao total de la
muestra segn la asignacin ptima
1 1
2 2
1
L L
i i
i i i
i i
i
L
i i
i
N
N c
c
n
N D N
= =
=
=
+
En el caso dicotmico las anteriores expresiones toman los valores
1
j j
j
j
j
L
i i
i
i i
p q
N
c
p q
N
c
=
=
1 1
2
1
L L
i i
i i i i i
i i i
L
i i i
i
p q
N p q c N
c
n
N D N p q
= =
=
=
+
En algunas ocasiones interesa encontrar la asignacin que minimiza el error de estimacin
para un coste fijo de obtencin de la muestra, en este caso la asignacin ptima tambin es la
respuesta y la eleccin de n viene dada por
44
1
1
L
i i
i
i
L
i i i
i
N
C
c
n
N c
=
=
=
donde C representa el coste total de obtencin de la muestra (vase ejemplo 3.3).
Anlogamente para el caso dicotmico sustituyendo
i i i
p q = .
3.4.2 Asignacin de Neyman.
Cuando los costes de observacin de cada estrato son los mismos, las expresiones de la
asignacin ptima se simplifican y transforman en:
Caso numrico
1
j j
j L
i i
i
N
N
=
=
2
1
2 2
1
( )
L
i i
i
L
i i
i
N
n
N D N
=
=
=
+
Caso dicotmico
1
j j j
j L
i i i
i
N p q
N p q
=
=
2
1
2
1
( )
L
i i i
i
L
i i i
i
N p q
n
N D N p q
=
=
=
+
A este tipo de asignacin se le denomina de Neyman, que como acabamos de decir coincide
con la asignacin ptima cuando los costes de observacin son iguales en todos los estratos.
Las expresiones de esta asignacin son ms simples que las de la ptima y se utiliza an
cuando los costes de observacin no son idnticos, a veces, sencillamente porque no se
conocen.
3.4.3 Asignacin proporcional.
Si adems de los costes coincide el valor de las varianzas en cada uno de los estratos las
expresiones de la asignacin ptima se simplifican y reducen a
45
Caso numrico
j
j
N
N
=
2
1
2
1
1
L
i i
i
L
i i
i
N
n
ND N
N
=
=
=
+
Caso dicotmico
j
j
N
N
=
1
1
1
L
i i i
i
L
i i i
i
N p q
n
ND N p q
N
=
=
=
+
La asignacin proporcional puede y suele utilizarse cuando las varianzas y costes de
observacin no son iguales para cada estrato, por la simplicidad de los clculos y por las
ventajas que presenta frente a los anteriores tipos de asignaciones:
Cuando se utiliza la asignacin proporcional el estimador
st
y coincide con la media muestral
de toda la muestra,
st
y y = (anlogamente para
st
p y el total).
Cuando se toma ms de una medicin en cada unidad muestral para estimar ms de un
parmetro poblacional aparecen complicaciones en la asignacin y determinacin del tamao
muestral. En la prctica se usa la asignacin proporcional cuando se observan varias variables
porque usualmente est cercana al ptimo y si se usa la asignacin ptima obtendramos
distintas asignaciones para cada variable que se mide. Con la asignacin proporcional y
tomando como n el mximo de los valores encontrados para cada estimacin, estaremos
utilizando estimadores, en muchos casos, con un lmite para el error mucho ms pequeo que
el establecido.
Aclarmoslo con un ejemplo. En la asignacin ptima y en la de Neyman los
i
dependen de
las varianzas y pueden ser distintos de una variable a otra
1 estimacin:
1 1 2 2
100 0,10 10 0, 90 90 n n n = = = = =
2 estimacin:
1 1 2 2
40 0, 50 20 0, 50 20 n n n = = = = =
46
An tomando el mayor de los tamaos muestrales (100) y pasando la encuesta a 10 individuos
del estrato 1 y 90 del estrato 2 no tenemos garantizado que se satisfaga el error de estimacin
fijado para la segunda estimacin que necesita al menos 20 individuos de cada estrato.
En la asignacin proporcional no ocurre lo anterior pues los
j
j
N
N
= son iguales para todas
las variables al no depender de sus varianzas, as si en dos estimaciones para los niveles de
error requeridos tenemos lo siguiente
1 estimacin:
1 1 2 2
100 0, 30 30 0, 70 70 n n n = = = = =
2 estimacin:
1 1 2 2
40 0, 30 12 0, 70 28 n n n = = = = =
tomando como n el mximo de los dos (o de los k si hay k variables que se observan), se
tiene garantizado que se cumple con los lmites para el error fijados para todas las
estimaciones.
Ejemplo 3.3 (Ejercicio 1, prctica 3) Continuando con el ejemplo 3.1
a) Qu tipo de asignacin se ha utilizado?
Debido a los traslados necesarios no cuesta lo mismo obtener una observacin en un
barrio que en otro. Se estima que el coste de una observacin del barrio A es de 1, 9
para el barrio B y 4 para el barrio C.
b) Cuntos hogares deberan entrevistarse para estimar el nmero medio de horas a la
semana que se ve la televisin en los hogares del municipio con un error inferior a 1
hora. (Tmese los anteriores datos como una muestra previa para estimar los
parmetros necesarios).
c) Supngase que se tiene slo 600 para gastar en el estudio, determine el tamao de la
muestra y la asignacin que minimizan el error de estimacin. (Como en el apartado
anterior, tmese los datos de la tabla como una muestra previa para estimar las
varianzas de los estratos).
Solucin:
a) Podemos comprobar que se cumple que
i i
n N
i
n N
=
15 210 6 84 9 126
0, 5 0, 2 0, 3
30 420 30 420 30 420
= = = = = =
luego la asignacin utilizada ha sido la proporcional.
b) Segn los datos anteriores estimaremos las varianzas de cada estrato por
2 2 2
2 2 2
1 2 3
1 2 3
23, 24 112, 56 19, 28 S S S = = = = = =
47
i
N
i
i
c
i i i
N c
i i
i
N
c
2
i i
N
210
84
126
4,8208
10,6094
4,3909
1
3
2
1012,368
2673,5688
1106,5068
1012,368
297,0632
276,6267
4880,4
9455,04
2429,28
420 4792,4436 1586,0579 16764,72
2
1
0, 25
4 4
B
D = = =
( )
3 3
1 1
3 2
2 2
1
4792, 4436 1586, 0579
124,89
420 0, 25 16764, 72
i i
i i i
i i
i
i i
i
N
N c
c
n
N D N
= =
=
= = =
+
+
1 1
1
1 2 3 3
1
0, 6383 0,1873 0,1744
i i
i
i
N
c
N
c
=
= = = =
1 1 2 2 3 3
79, 71 80 23, 39 24 21, 78 22 n n n n n n = = = = = =
80 24 22 126 n = + + =
c) En el supuesto de que se disponga slo de 600 para realizar el estudio
3
1
3
1
600
600 1586, 0679
198, 57
4792, 4436
i i
i
i
i i i
i
N
c
n
N c
=
=
= = =
y los tamaos de la muestra en cada estrato estn dados por la asignacin ptima
1 2 3
0, 6383 126, 75 126 0,1873 37,19 37 0,1744 34, 63 34 n n n n n n = = = = = =
126 37 34 197 n = + + =
o bien resolviendo la ecuacin
1 1 2 2 3 3
600 c n c n c n + + =
donde
i i
n n =
1 1 2 2 3 3
600 c n c n c n + + =
1 1 2 2 3 3
600 600
198, 57
3, 0216
n
c c c
= = =
+ +
A partir de n se obtienen los
i i
n n = segn la asignacin ptima.
48
Ejemplo 3.4 (Ejercicio 2, prctica 3) Continuando con el ejemplo 3.2
a) Cuntos hogares deberan entrevistarse si se quisiera hacer dicha estimacin con un
error inferior al 5%. (Supngase que se realiza la entrevista por telfono y el coste de
las observaciones es el mismo para todos los casos al no ser necesarios los traslados.
Tmese los anteriores datos como una muestra previa para estimar los parmetros
necesarios)
b) Respndase a la pregunta anterior pero suponiendo que no se tiene ninguna
informacin previa sobre la proporcin de hogares donde se ve el programa.
Solucin: a)
i
N
i
p
i
q
i i i
N p q
i i i
N p q
210
84
126
0,4667
0,8333
0,6667
0,5333
0,1667
0,3333
52,2671
11,6685
27,9986
104,7669
31,3075
59,3955
420 91,9342 195,4699
2 2
0, 05
0, 000625
4 4
B
D = = =
( )
2 3
2
1
3 2
2
1
195, 4699
188, 98
420 0, 000625 91, 9342
( )
i i i
i
i i i
i
N p q
n
N D N p q
=
=
= = =
+
+
1 1 1
1 1 3
1
104, 7669
188, 98 101, 29 102
195, 4699
i i i
i
N p q
n n n
N p q
=
= = = =
anlogamente
2 3
30, 27 31 57, 42 58 102 31 58 191 n n n = = = + + =
b)
i
N
i
p
i
q
i i i
N p q
210
84
126
0,5
0,5
0,5
0,5
0,5
0,5
52,5
21
31,5
420 105
( )
1
1
105
204, 878
105 1
420 0, 000625
420
L
i i i
i
L
i i i
i
N p q
n
ND N p q
N
=
=
= = =
+ +
1
210
204, 878 102, 439 103
420
n = = anlogamente
2 3
40, 98 41 61, 46 62 n n = =
103 41 62 206 n = + + =
49
El muestreo estratificado no siempre conduce a un estimador con menor error de
estimacin, esto suele ocurrir cuando los estratos no incluyen datos homogneos.
Esto es debido muchas veces a que predomina el deseo de obtener estimaciones en cada
estrato (por ejemplo, en un estudio regional tambin se quieren obtener estimaciones a nivel
provincial) frente al objetivo de minimizar los errores de los estimadores. Este problema
queda bien ilustrado con el siguiente ejemplo.
Ejemplo 3.5 (Ejercicio 1, relacin tema 3) Un distribuidor de productos de limpieza desea
conocer el consumo por hogar durante un ao de un determinado producto en una comarca
formada por cuatro municipios. Para estimar de paso tambin el consumo en cada municipio
decide usar muestreo estratificado tomando cada municipio como un estrato. Se sabe que el
20% de la poblacin de la comarca vive en el municipio 1, el 30% en el municipio 2, el 25%
en el municipio 3 y el 25% restante en el municipio 4. El distribuidor tiene medios suficientes
para controlar y obtener datos sobre el consumo anual de 20 hogares.
Dado que no tiene informacin previa respecto a las varianzas de los estratos y porque el coste
del muestreo es el mismo en cada municipio, aplica asignacin proporcional, la cual conduce
a
1
1
20 0, 20 4
N
n n
N
= = = de forma similar
2 3 4
6 5 5 n n n = = = .
Obteniendo los resultados de la tabla siguiente (consumo expresado en valor en euros).
Estrato 1 Estrato 2 Estrato 3 Estrato 4
470
510
500
550
490
500
470
520
550
500
540
480
500
470
470
450
560
460
440
580
2
1 1
507, 5 1091, 67 y S = =
2
2 2
505 750 y S = =
2
3 3
492 870 y S = =
2
4 4
498 4420 y S = =
Estime el consumo anual medio por hogar y fije un lmite para el error de estimacin.
Solucin:
3 1 2 4
0, 20 0, 30 0, 25 0, 25
N N N N
N N N N
= = = =
( ) ( ) ( ) ( )
4 4
1 1
1
0, 20 507, 5 0, 30 505 0, 25 492 0, 25 498 500, 5
i
i st i i
i i
N
y N y y
N N
= =
= = = + + + =
Obsrvese que cuando se utiliza la asignacin proporcional
st
y y = , efectivamente
20
1
1 10010
500, 5
20
i
i
y y
n
=
= = =
50
En la siguiente expresin consideramos los c.p.f. en cada estrato iguales a la unidad
2
2 2 2 2 4 4 2
2
2 2
1 1 1
1
( )
i i i i i i i
i st
i i i
i i i i
S N n N S N S
V y N
N n N N n N n
= = =
| |
= = = =
|
\ .
2 2 2 2
1091, 67 750 870 4420
0, 20 0, 30 0, 25 0, 25 88, 29
4 6 5 5
| | | | | | | |
= + + + =
| | | |
\ . \ . \ . \ .
2 ( ) 18, 79
st
V y =
Supongamos que el distribuidor hubiera decidido tomar una muestra aleatoria simple de 20
hogares, los mismos 20 de la tabla anterior, entonces el estimador de la media es
20
1
1
500, 5
i
i
y y
n
=
= =
que coincide con el estimador del muestreo estratificado por las razones mencionadas
anteriormente, pero la varianza estimada y error de estimacin asociados toman los valores
(se omite el c.p.f.):
2
1
1520, 79
n
S
=
2
1
1520, 79
( ) 76, 04
20
n
S N n
V y
n N
= = =
2 ( ) 17, 44 V y =
Se observa que el error de estimacin es menor en el caso del muestreo aleatorio simple, esto
es debido a que el distribuidor no tuvo en cuenta que el consumo vara mucho dentro del
cuarto municipio. Pudo haber obtenido un error menor si hubiera estratificado en base al
tamao de las familias u hogares, esto es, colocando los hogares pequeos en un estrato, los
medianos en otro, ...
3.5 Estratificacin despus de seleccionar la muestra.
A veces no se sabe a qu estrato pertenece un dato hasta que no se observa (p.e. estratos segn
sexo y entrevista telefnica).
Supngase una muestra aleatoria simple de n personas para una encuesta. La muestra puede
ser dividida en
1
n masculinos y
2
n femeninos despus de que ha sido realizada. Entonces en
lugar de usar y para estimar , podemos usar
st
y siempre que
i
N
N
sea conocido para todo i.
Obsrvese que en esta situacin los
i
n son aleatorios, ya que varan de una muestra a otra
aunque n sea fijo. Luego esto no es una muestra aleatoria estratificada en su pleno sentido,
51
pero si
i
N
N
es conocido y 20
i
n i , entonces este mtodo de estratificar despus de la
seleccin es casi tan exacto como el muestreo aleatorio estratificado con asignacin
proporcional. Si
i
N
N
se desconoce o no se puede tener una buena aproximacin de su valor,
este mtodo no debe usarse.
Ejemplo 3.6 (Ejercicio 17, relacin tema 3) En una ciudad se sabe que el 30% de los hogares
tienen calefaccin elctrica. Al realizar una encuesta sobre el consumo de energa (valor en
euros de la factura bimensual) se obtuvieron los siguientes resultados:
Tipo Calefaccin N casas Valor total de las facturas desviacin tpica muestral
Elctrica 60 5730 200
No elctrica 40 2080 90
Obtenga una estimacin del valor medio de la factura de electricidad en la ciudad. D un
lmite para el error de estimacin.
Solucin: Ya que la proporcin observada de facturas de hogares con calefaccin elctrica
(0,60=60/100) est muy alejada de la proporcin verdadera (0,30), es conveniente la
estratificacin despus de que se ha seleccionado la muestra aleatoria simple. Adems el
procedimiento se justifica pues tanto
1
n como
2
n superan 20.
1 2
5730 2080
95, 5 52
60 40
y y = = = =
2 2
1 1
1
(0, 30 95, 5) (0, 70 52) 65, 05
i
i st i i
i i
N
y N y y
N N
= =
= = = + =
2 2 2 2 2
2
2 2
1 1
1
( )
i i i i i i i
i st
i i i i i i
S N n N S N n
V y N
N n N N n N
= =
= =
omitiendo el coeficiente corrector por poblaciones finitas se tiene
2
2 2 2 2 2 2 2
2 2
2
1 1
200 90
( ) 0, 30 0, 70 159, 225
60 40
i i i i
st
i i i i
N S N S
V y
N n N n
= =
| | | | | |
= = = + =
| | |
\ . \ . \ .
2 ( )
st
V y =25,24
A veces este mtodo de estimacin se utiliza para ajustar por no respuesta. Por ejemplo, si
muchos de quienes no respondieron a una muestra aleatoria simple son varones, entonces la
proporcin de varones en la muestra va a ser pequea, y se podra conseguir un estimador
ajustado mediante la estratificacin despus del muestreo.
52
As, en este ejemplo la baja representacin en la muestra de facturas sin calefaccin elctrica y
la alta de facturas con calefaccin elctrica conducen a una sobreestimacin del valor medio
de las facturas si se utiliza m.a.s. y no se ajusta la estimacin de la media con la estraficacin
despus de seleccionar la muestra:
5730 2080 7810
78,10
60 40 100
y
+
= = =
+
EJERCICIOS RESUELTOS
1. (Ejercicio 10, relacin tema 3) De una ciudad con 350 casas, se sabe que 164 de ellas
tienen calefaccin elctrica. Al realizar una encuesta sobre el consumo de energa (en
kilovatios-hora) se obtuvieron los siguientes resultados:
Tipo Calefaccin N casas Media muestral Cuasivarianza muestral
Elctrica 24 972 202,396
No elctrica 36 463 96,721
a. Obtenga una estimacin del nmero medio de kilovatios-hora utilizado en la
ciudad. D un lmite para el error de estimacin.
b. Obtenga una estimacin del nmero medio de kilovatios-hora utilizado por las
casas que no tienen calefaccin elctrica. D un lmite para el error de
estimacin.
SOLUCIN:
a.
i
N
i
n
i
y
2
i
S
i i
N y i i
i
N n
N
2
2 i i i
i
i i
S N n
N
n N
164
186
24
36
972
463
202,396
96,721
159.408
86.118
0,854
0,806
193.699,13
74.925,32
350 245.526 268.624,45
1
1 245.526
701, 50
350
L
i st i
i
y N y
N
=
= = =
2
2
2 2
1
1 268.624, 45
( ) 2,19
350
L
i i i
i st
i i i
S N n
V y N
N n N
=
= = =
2 2,19 2, 96 =
53
b.
2
463 y =
2
2 2 2
2
2 2
96, 721 186 36
( ) 2,17
36 186
S N n
V y
n N
= = =
2 2,17 2, 94 =
2. (Ejercicio 11, relacin tema 3) Un analista de la opinin pblica tiene un presupuesto de
20.000 euros para realizar una encuesta sobre el nmero medio de coches por hogar. Se
sabe que de los 10.000 hogares de la ciudad, 9.000 tienen telfono. Las entrevistas por
telfono cuestan 10 euros por hogar llamado y las entrevistas personales cuestan 30 euros
por hogar visitado. Suponga que las varianzas en los estratos con y sin telfono son
iguales. Con el objetivo de minimizar el lmite de error de estimacin Cuntos hogares
deben ser entrevistados en cada estrato si los hogares que cuentan con servicio telefnico
son entrevistados por telfono y los hogares sin telfono son entrevistados personalmente?
SOLUCIN:
1 1 1 1
1 1 1 1
20.000 3.028, 624
1784, 81
33.937, 726
L L L L
i i i i i
i i i i
i i i i
L L L L
i i i i i i i i i
i i i i
N N N N
C C C C
c c c c
n
N c N c N c N c
= = = =
= = = =
= = = = = =
1 1
2 2
1 2
1.784,81 0, 9397 1677, 2 1677
1.784, 81 0, 0603 107, 59 107
1784
n n
n n
n n n
= = =
= = =
= + =
O bien
1 1 2 2
1 1 2 2
20.000
20.000
9, 397 1, 809 11, 206 20.000
20.000
1.784, 8
11, 206
c n c n
c n c n
n n n
n
+ =
+ =
+ = =
= =
Y a partir de n se obtienen n
1
y n
2
como antes.
i
N
i
c i
i
N
c
i i
N c
i
9.000
1.000
10
30
2.846,05
182,574
28.460,5
5.477,226
2.846,05/3.028,624=0,9397
182,574/3.028,624=0,0603
10.000 3.028,624 33.937,726 1,0000
54
3. (Ejercicio 12, relacin tema 3) Se desea conocer el nmero de fines de semana que las
familias de una gran ciudad salen fuera de ella. Se sabe que el 425% de las familias tienen
de 0 a 2 hijos, el 30% tienen de 3 a 5 hijos y el 275% tienen ms de 5 hijos. Se realiz un
muestreo segn el nmero de hijos y se pregunt a las familias sobre los fines de semana
que pasan fuera, obtenindose los siguientes datos:
Nmero de hijos
i
n
=
n
i
i
y
1
2
i
S
0-2 25 239 6076
3-5 19 174 6301
Mas de 5 16 78 7824
Estimar el nmero medio de fines de semana que las familias pasan fuera de la ciudad y
dar el lmite de error de estimacin. Omitir el corrector por poblacin finita.
SOLUCIN:
1 2 3
239 174 78
9, 56 9,16 4,87
25 19 16
y y y = = = = = =
( ) ( ) ( )
1 1
1
0, 425 9, 56 0, 30 9,16 0, 275 4, 87 8,15
L L
i
i st i i
i i
N
y N y y
N N
= =
= = = + + =
2
2 2 2 2 2
2 2
2 2 2
1 1 1 1
2 2 2
1 1
1 ( )
60, 77 63, 01 78, 24
0, 425 0, 30 0, 275 1,107
25 19 16
L L L L
i i i i i i i i i i
i i st
i i i i
i i i i i i
N n S N n S N S N S
Si V y N N
N N n N N n N n N n
= = = =
| |
= = = = = =
|
\ .
| | | | | |
= + + =
| | |
\ . \ . \ .
2 1,107 2,1 =
4. (Ejercicio 6, relacin tema 3) Una compaa de autobuses est planeando una nueva ruta
para dar servicio a cuatro barrios. Se tomaron muestras aleatorias de hogares en cada
barrio y se solicit a los miembros de la muestra que valorasen en una escala de 1
(totalmente opuesto) a 5 (totalmente a favor) su opinin sobre el servicio propuesto. Los
resultados se resumen en la tabla adjunta:
Barrio
1 2 3 4
i
N
240 190 350 220
i
n
25 25 25 25
i
y
3,5 3,6 3,9 3,8
i
S
0,8 0,9 1,2 0,7
a) Halle un intervalo de confianza para la opinin media de los hogares que dispondrn del
nuevo servicio.
b) Si se asigna la muestra de 100 hogares de la mejor forma, determine cuntos
perteneceran al barrio 3. (Suponga iguales los costes de observacin)
55
SOLUCIN:
a)
2
2
2
1 1 1
1 1
1000 3, 725 ( ) 0, 00973
L L L
i i i
i i i st i st
i i i i i
S N n
N N y N y V y N
N N n N
= = =
= = = = = =
= = = =
+ + +
= =
5. (Ejercicio 20, relacin tema 3) Una empresa especializada en seguros est pensando en
ofrecer sus servicios a las empresas de los polgonos industriales de una ciudad. Para
ajustar sus tarifas desea estimar el gasto en pequeas reparaciones de mantenimiento
(objeto del seguro) de dichas empresas. Se clasifican las empresas en funcin de su
tamao. El nmero de empresas de cada tipo, el coste de obtencin de esta informacin en
cada empresa as como los valores mnimos, medios y mximos de un estudio similar
hecho hace dos aos se expresan en la siguiente tabla (los costes y gastos estn expresados
en euros)
Tipo de
empresa
Nmero de
empresas
Costes de
observacin
Gastos de reparacin
Mnimo Media Mximo
A 100 16 400 500 600
B 500 9 240 300 360
C 700 4 70 100 130
Si la empresa de seguros dispone de hasta 600 para llevar a cabo la estimacin, cuntas
empresas de cada tipo tiene que observar para conseguir que sea mnimo el error de
estimacin asociado?
SOLUCIN:
La asignacin que minimiza la cota del error de estimacin para un coste fijo es la
asignacin ptima.
Usamos que R4 y por tanto estimamos que
4
R
.
i
N
i
c
i
c
i
R
i
i i
i
N
c
i
100
500
700
16
9
4
4
3
2
600-400
360-240
130-70
50
30
15
1250
5000
5250
01087
04348
04565
11500 1
600 = 16n
1
+ 9n
2
+ 4n
3
( n
i
=
i
n ) 600 = 17392n + 39132n + 1826n = 74784n
56
n = 600/74784 = 80231
n
1
=
1
n = 872 8 n
2
=
2
n = 3488 34 n
3
=
3
n = 3663 36
C = (168) + (934) + (436) = 578 < 600 pero
C = (169) + (935) + (437) = 607 > 600
6. (Ejercicio 13, relacin tema 3) En una poblacin compuesta por aproximadamente igual
nmero de hombres que de mujeres se desea estimar el gasto medio mensual por habitante
en ocio. Se lleva a cabo la encuesta por telfono mediante una muestra aleatoria simple de
500 nmeros de telfono del citado municipio. Despus de obtenidos los datos se observa
que slo 100 de los encuestados fueron hombres y el resto mujeres. Por ello se decide
llevar a cabo una estratificacin despus de seleccionar la muestra obtenindose los
siguientes datos
HOMBRES MUJERES
i
N 2.500 2.700
i
n 100 400
i
y
120 250
2
i
S
9.000 16.000
Estime la media poblacional de gasto mensual en ocio y su cota de error, mediante
muestreo aleatorio estratificado despus de seleccionar la muestra.
SOLUCIN:
i
N
i
n
i
y
2
i
S
i i
N y i i
i
N n
N
2
2 i i i
i
i i
S N n
N
n N
2.500
2.700
100
400
120
250
9.000
16.000
300.000
675.000
0,96
0,85185
540.000.000
248.399.460
5.200 500 975.000 788.399.460
1
1 975.000
187, 5
5.200
L
i st i
i
y N y
N
=
= = =
2
2
2 2
1
1 788.399.460
( ) 29,16
5.200
L
i i i
i st
i i i
S N n
V y N
N n N
=
= = =
2 29,16 10, 8 =
7. (Ejercicio 14, relacin tema 3) En una poblacin compuesta por aproximadamente igual
nmero de hombres que de mujeres se desea estimar la proporcin de individuos que ven
un determinado programa de televisin. Se lleva a cabo la encuesta por telfono mediante
57
una muestra aleatoria simple de 300 nmeros de telfono. Despus de obtenidos los datos
se observa que slo 50 de los encuestados fueron hombres y el resto mujeres. Por ello se
decide llevar a cabo una estratificacin despus de seleccionar la muestra obtenindose los
siguientes datos
HOMBRES MUJERES
Encuestados 50 250
Ven el programa 12 130
Estime la proporcin de la poblacin que ven el programa de televisin y su cota de error,
mediante muestreo aleatorio estratificado despus de seleccionar la muestra.
SOLUCIN:
1 2
12 130
0, 24 0, 52 1
50 250
i i
p p q p = = = = =
( ) ( )
1 1
1
0, 50 0, 24 0, 50 0, 52 0, 38 38%
L L
i
i st i i st
i i
N
p N p p p
N N
= =
= = = + = =
2
2
2 2
2 2 2
1 1 1 1
2 2
1
1 1
( )
1 1 1 1
0, 24 0, 76 0, 52 0, 48
0, 50 0, 50 0, 0011812146
49 249
i i
i
L L L L
i i i i i i i i i i i i
i i st
i i i i
i i i i i
N n
Si
N
p q p q p q p q N n N N
V p N N
N n N N n N n N n
= = = =
=
| |
= = = = =
|
\ .
| | | |
= + =
| |
\ . \ .
2 ( ) 0, 0687 6, 87%
st
V p =
8. (Ejercicio 15, relacin tema 3) Una corporacin desea estimar el nmero total de horas
perdidas debido a accidentes de sus empleados, en un determinado mes. Ya que los
obreros, tcnicos y administrativos tienen diferentes tasas de accidentes, la corporacin
decide usar muestreo estratificado, formando con cada grupo un estrato. Datos de aos
previos sugieren las cuasivarianzas mostradas en la siguiente tabla para el nmero de horas
perdidas por empleado en los tres grupos, y de datos actuales se obtienen los tamaos de
los estratos. No habiendo diferencia entre los costes de observacin de cada grupo,
determine la mejor asignacin para una muestra de 40 empleados.
Obreros Tcnicos Administrativos
2
i
S 36 25 9
i
N
132 92 27
58
SOLUCIN:
i
N
i i
S
i i
N
i
132
92
27
6
5
3
792
460
81
792
0, 5941
1.333
=
460
0, 3451
1.333
=
81
0, 0608
1.333
=
1.333 1
Donde se ha aplicado la asignacin de Neyman al ser los costes de observacin iguales:
1
j j
j L
i i
i
N
N
=
=
1
2
3
40 0, 5941 23, 8 24
40 0, 3451 13, 8 14
40 0, 0608 2, 4 2 40
n
n
n n
= =
= =
= = =
9. (Ejercicio 16, relacin tema 3) Se dispone de la siguiente informacin sobre tamaos
poblacionales de los estratos, costes de observacin y estimaciones de las proporciones
Tamao del estrato Coste de observacin Proporciones en %
ESTRATO 1 5000 9 90
ESTRATO 2 2000 25 55
ESTRATO 3 3000 16 70
Determine la mejor asignacin para una muestra de 200 observaciones.
SOLUCIN:
i
N
i
c
i
p
i
q
i i
p q
i i i
i
N p q
c
i
5.000
2.000
3.000
3
5
4
0,90
0,55
0,70
0,10
0,45
0,30
0,3
0,4975
0,45826
500
199
343,695
500
0, 4795
1.042, 695
=
199
0,1909
1.042, 695
=
343, 695
0, 3296
1.042, 695
=
1.042,695 1
Donde se ha aplicado la asignacin ptima:
1
j j
j
j
j
L
i i
i
i i
p q
N
c
p q
N
c
=
=
1
2
3
200 0, 4795 95, 9 96
200 0,1909 38, 2 38
200 0, 3296 65, 9 66
200
n
n
n
n
= =
= =
= =
=
10. (Ejercicio 19, relacin tema 3) La produccin de piezas de una factora se realiza en dos
mquinas. El 40% de las piezas las produce la mquina A y el 60% restante la mquina B.
Se les pas control de calidad a 200 piezas; 67 producidas por la mquina A y dos de ellas
resultaron defectuosas; las 133 restantes procedan de la mquina B, siendo 6 de ellas
defectuosas. Estimar la proporcin de piezas defectuosas de la factora y dar el lmite de
error de estimacin. Omita el coeficiente corrector por poblacin finita.
59
SOLUCIN:
Estrato
i
N
i
n
i
p
1
i i
i
p q
n
A
B
0.40 N
0.60 N
67
133
2/67=0.030
6/133=0.045
0.000441
0.000326
N 200
( ) ( ) ( ) ( ) ( ) ( ) ( )
1
0.40 0.030 0.60 0.045 0.40 0.030 0.60 0.045 0.039 3.9% p N N
N
= + = + =
( )
( ) ( ) ( )
2 2 2 2
2
1
0.40 0.000441 0.60 0.000326 V p N N
N
= + =
( ) ( ) ( )
2 2
0.40 0.000441 0.60 0.000326 0.000188 = + =
( ) 2 0.000188 0.0274 2.74% B = =
11. (Como ejercicio 3, relacin tema 3) Una inspectora de control de calidad debe estimar la
proporcin de circuitos integrados de ordenador defectuosos que provienen de dos
diferentes operaciones de ensamble. Ella sabe que de entre los circuitos integrados que van
a ser inspeccionados, 60% procede de la operacin de ensamble A y 40% de la operacin
de ensamble B. En una muestra aleatoria de 100 circuitos integrados resulta que 20
provienen de la operacin A y 80 de la operacin B. De entre los circuitos integrados
muestreados de la operacin A, 3 son defectuosos. De entre las piezas muestreadas de la
operacin B, 13 son defectuosas. Estime la proporcin de los defectuosos en la poblacin,
y fije un lmite para el error de estimacin.
SOLUCIN
( )
1 1
1 3 13
0, 60 0, 40 0,155 15, 5%
20 80
L L
i
i st i i
i i
N
p N p p
N N
= =
| | | |
= = = + =
| |
\ . \ .
2
2
2
2 2
1 1 1
1
( )
1 1 1
L L L
i i i i i i i i i i
i st
i i i i i i i
p q p q p q N n N N
V p N
N n N N n N n
= = =
| |
= = = =
|
\ .
( ) ( )
2 2 0,15 0,85 0,1625 0, 8375
0, 60 0, 40 0, 00267
19 79
= + =
( ) 2 ( ) 0,103 10, 3%
st
V p =
12. (Ejercicio 18, relacin tema 3) Para la comercializacin de un producto se le clasifica,
atendiendo al calibre, en tres categoras: pequea, mediana y grande. Un establecimiento
dispone de 300 piezas pequeas, 500 medianas y 200 piezas grandes. Para estimar el peso
total de producto almacenado se decide tomar una muestra aleatoria que contenga piezas
de todas las categoras, resultando
60
Categora N de piezas Peso en gramos
Pequea 5 12, 14, 12, 15, 12
Mediana 6 16, 22, 24, 20, 20, 18
Grande 4 30, 33, 31, 34
Considerando los anteriores datos como una muestra previa, obtenga el nmero de
unidades que cada categora debe aportar a la muestra para que el error en la estimacin
del peso total no supere el medio kilo.
SOLUCIN:
Peso en gramos ( ) con las funciones del modo SD de la calculadora
12, 14, 12, 15, 12
2
1 1
1, 4142 2 S S = =
16, 22, 24, 20, 20, 18
2
2 2
2,8284 8 S S = =
30, 33, 31, 34
2
3 3
1, 8257 3, 3333 S S = =
i
N
i
2
i
i i
N
2
i i
N
1
j j
j L
i i
i
N
N
=
=
71, 66
i i
n =
300
500
200
1,4142
2,8284
1,8257
2
8
3,3333
424,26
1414,2
365,14
600
4000
666,66
0,1925
0,6418
0,1657
13, 79 14
45, 99 46
11, 87 12
1000 N = 2203,6 5266,66 1 72 n =
2
2
250.000
0, 0625
4 4.000.000
B
D
N
= = =
2
1
2 2
1
71, 66
( )
L
i i
i
L
i i
i
N
n
N D N
=
=
= =
+
13. (Ejercicio 3, relacin tema 3) Una inspectora de control de calidad debe estimar la
proporcin de circuitos integrados de ordenador defectuosos que provienen de dos
diferentes operaciones de ensamble. Ella sabe que de entre los circuitos integrados que van
a ser inspeccionados, 60% procede de la operacin de ensamble A y 40% de la operacin
de ensamble B. En una muestra aleatoria de 100 circuitos integrados resulta que 20
provienen de la operacin A y 80 de la operacin B. De entre los circuitos integrados
muestreados de la operacin A, 2 son defectuosos. De entre las piezas muestreadas de la
operacin B, 16 son defectuosas.
a. Considerando nicamente la muestra aleatoria simple de 100 circuitos
integrados, estime la proporcin de los defectuosos en el lote, y establezca un
lmite para el error de estimacin.
61
b. Estratifique la muestra, despus de la seleccin, en circuitos integrados
provenientes de la operacin A y B, estime la proporcin de los defectuosos en
la poblacin, y fije un lmite para el error de estimacin.
c. Qu respuesta encuentra ms aceptable? Por qu?
SOLUCIN:
a.
18
0,18 (18%)
100
p = =
( ) 0, 001491
1
pq
V p
n
= =
( ) 2 ( ) 0, 0772 7, 72% V p =
b.
( )
1 1
1 2 16
0, 60 0, 40 0,14 14%
20 80
L L
i
i st i i
i i
N
p N p p
N N
= =
| | | |
= = = + =
| |
\ . \ .
2
2
2
2 2
1 1 1
1
( )
1 1 1
L L L
i i i i i i i i i i
i st
i i i i i i i
p q p q p q N n N N
V p N
N n N N n N n
= = =
| |
= = = =
|
\ .
( ) ( )
2 2 0,10 0, 90 0, 20 0, 80
0, 60 0, 40 0, 00203
19 79
= + =
( ) 2 ( ) 0, 0901 9, 01%
st
V p =
c. Aunque en el conjunto de la poblacin hay ms elementos que proceden de A (60%)
que de B (40%), la muestra global no representa adecuadamente este hecho,
predominando los elementos de B (80) frente a los de A (20), esto ocasiona que en el
apartado a. la estimacin est sesgada hacia el valor de B (
2
0, 20 p = ) frente al de A
(
1
0,10 p = ). En el apartado b. este hecho se corrige dando a
1
p y
2
p las
ponderaciones 0,60 y 0,40 respectivamente para estimar p.
14. (Ejercicio 4, relacin tema 3) Una cadena de restaurantes tiene 100 establecimientos en
Madrid, 70 en Barcelona y 30 en Sevilla. La direccin est considerando aadir un nuevo
producto en el men. Para contrastar la posible demanda de este producto, lo introdujo en
el men de muestras aleatorias de 10 restaurantes de Madrid, 5 de Barcelona y 5 de
Sevilla. Usando los ndice 1, 2 y 3 para designar Madrid, Barcelona y Sevilla,
respectivamente, las medias y las desviaciones tpicas muestrales del nmero de pedidos
de este producto recibidos por restaurante en las tres ciudades durante una semana fueron:
1 1
2 2
3 3
21, 2 12
13, 3 11
26,1 9
y S
y S
y S
= =
= =
= =
a. Estimar el nmero medio de pedidos semanales por restaurante para los
restaurantes de la cadena. Dar un lmite del error de estimacin.
62
b. Determinar el tamao muestral y la asignacin para repetir el estudio anterior
cometiendo un error inferior a 3 pedidos.
SOLUCIN:
a.
1
1 3834
19,17 /
200
L
i st i
i
y N y pedidos semana
N
=
= = =
2
2
2
1
1
( ) 6, 2965 2 ( ) 5, 02 /
L
i i i
i st st
i i i
S N n
V y N V y pedidos semana
N n N
=
= = =
b.
i
N
i
2
i
i i
N
2
i i
N
1
j j
j L
i i
i
N
N
=
=
43, 52
i i
n =
100
70
30
12
11
9
144
121
81
1200
770
270
14400
8470
2430
0,5357
0,3438
0,1205
23, 31 24
14, 96 15
5, 24 6
200 N = 2240 25300 1 45 n =
2
9
2, 25
4 4
B
D = = =
2
1
2 2
1
43, 52
( )
L
i i
i
L
i i
i
N
n
N D N
=
=
= =
+
63
4. Muestreo con informacin auxiliar.
4.1 Introduccin.
4.2 Estimacin de razn.
4.2.1 Estimacin de la media y total poblacionales.
4.2.2 Determinacin del tamao muestral.
4.3 Estimacin de regresin.
4.3.1 Estimacin de la media y total poblacionales.
4.3.2 Determinacin del tamao muestral.
4.4 Estimacin de diferencia.
4.4.1 Estimacin de la media y total poblacionales.
4.4.2 Determinacin del tamao muestral.
4.1 Introduccin.
Si entre dos variables existe una fuerte relacin es posible utilizar la informacin auxiliar que
de una de las variables se tenga, como puede ser la media o el total poblacional, para estimar
la media o el total de la otra variable. Esta circunstancia es importante cuando se pretende
estimar el total sin conocer el nmero de elementos de la poblacin y s el valor total de la
variable que proporciona la informacin auxiliar
Denotemos por
Y Variable bajo estudio
X Variable que proporciona la informacin auxiliar
Y supongamos que tenemos una muestra constituida por n pares:
( ) ) , ( ,..., ,
1 1 n n
y x y x
A travs de los datos muestrales se puede estimar la relacin existente entre ambas variables.
Distintos diseos de muestreo pueden utilizarse con la estimacin con informacin auxiliar.
Aqu suponemos que el muestreo que se emplea es el aleatorio simple
Ejemplo 4.1. Ya que existe una fuerte relacin entre renta y ahorro, se puede estimar el valor
total de los ahorros de los empleados de una empresa si se conoce el valor total de las rentas
de dichos empleados. Por ejemplo, si se estima que, por termino medio, el 10% de la renta se
dedica al ahorro y si se conoce la renta total, el ahorro total se estima igual a la dcima parte
del total de la renta. Observemos que esto se puede llevar a cabo sin necesidad de conocer el
nmero de empleados de la empresa.
Dependiendo de la relacin entre las variables X e Y utilizaremos:
Estimadores de razn ( ) y bx =
64
Estimadores de regresin ( ) y a bx = +
Estimadores de diferencia ( ) y a x = +
Cualquiera de estos estimadores slo se debe utilizar si entre las dos variables existe una
fuerte relacin lineal positiva (
2
1
>
xy
r ).
4.2 Estimacin de razn
Dada una poblacin de tamao N en la que se consideran las variables X e Y , se define la
razn como el cociente:
x
y
R
=
Es decir, la proporcin del total de Y respecto del total de X . Puesto que
y y
N = y
x x
N = , obtenemos
X
Y
R
=
De estas definiciones se deduce que
x y
x y
R
R
=
=
Por tanto, si se conocen los valores de la media y el total de la variable X , entonces para
estimar la media y el total de Y slo hay que estimar el valor de R (que notaremos como
R r = ):
y x
y x
r
r
=
=
Puesto que la razn R es el cociente entre las medias poblacionales, tomando una muestra
aleatoria simple: ( ) ( )
n n
x y x y , ,..., ,
1 1
, podemos estimar R tomando el cociente entre las
medias muestrales:
ESTIMADOR DE LA RAZN:
1 1
1 1
1
1
n n
i i
i i
n n
i i
i i
y y
y n
r
x
x x
n
= =
= =
= = =
VARIANZA ESTIMADA DE r :
2
2
1
( )
r
x
S N n
V r
n N
| |
=
|
\ .
, ( )
=
n
i
i i r
rx y
n
S
1
2 2
1
1
65
4.2.1 Estimacin de la media y el total poblacionales
Hemos de suponer que entre X e Y existe una alta correlacin lineal positiva y que el
modelo lineal, donde X es la variable explicativa e Y la explicada, pasa por el origen,
( ) , y bx en este contexto se nota b r dado su significado = =
ESTIMADOR DE LA MEDIA:
x y
r =
VARIANZA ESTIMADA DE
y
: ( )
|
.
|
\
|
= =
N
n N
n
S
r V V
r
x y
2
2
) (
ESTIMADOR DEL TOTAL:
x y
r =
Observemos que no es necesario conocer el tamao de la poblacin N.
VARIANZA ESTIMADA DE
y
:
|
.
|
\
|
= =
N
n N
n
S
r V V
r
x
x
x y
2
2
2
2
) (
) (
Comentarios sobre el uso de estos estimadores:
Cuando N es desconocido y si estimamos que N n % 5 (el tamao poblacional es
ms de 20 veces el tamao de la muestra), es decir que 95 , 0
N
n N
, entonces
1
N
n N
. (Vase ejercicio resuelto 4)
De la relacin
N
x
x
= , conociendo dos de esos elementos se puede calcular el
tercero.
A la hora de obtener ( )
y
V
, si
x
es desconocida y no podemos utilizar la relacin
anterior entonces x
x
. Sin embargo, para estimar
y
necesitamos conocer el
verdadero valor de
x
.
Son estimadores sesgados.
A la hora de estimar el total, an conociendo el tamao de la poblacin, cuando existe
una fuerte correlacin entre las variables se comporta mejor el muestreo con
informacin auxiliar ( )
x y
r = que el m.a.s ( ) y N = .
Ejemplo 4.2 (Ejercicio 2, relacin tema 4, apartado (a))
Mediante una tasacin previa se desea estimar la produccin media y la produccin total de
los 750 socios de una cooperativa agrcola. Se sabe que el total de superficie plantada es de
66
3.840 hectreas. Se realiz un sorteo entre los socios para elegir a 20 de ellos a los que se les
pregunt por la superficie plantada y se les tas su produccin. Los resultados fueron:
Superficie Produccin
3,7 12
4,3 14
4,1 11
5 15
5,5 16
3,8 12
8 24
5,1 15
5,7 18
6 20
3 8
7 20
5,4 16
4,4 14
5,5 18
5 15
5,9 18
5,6 17
5 15
7,2 22
Estime la produccin media y total mediante los estimadores de razn y m.a.s., calcule sus
respectivos lmites para el error de estimacin y comprelos.
Solucin
" produccin (toneladas, tm)"
X "superficie plantada (hectreas, ha)"
Y =
=
i
x
i
y
2
i
x
2
i
y
i i
x y
3,7 12
13,69 144 44,4
4,3 14
18,49 196 60,2
4,1 11
16,81 121 45,1
5 15
25 225 75
5,5 16
30,25 256 88
3,8 12
14,44 144 45,6
8 24
64 576 192
5,1 15
26,01 225 76,5
5,7 18
32,49 324 102,6
6 20
36 400 120
3 8
9 64 24
7 20
49 400 140
5,4 16
29,16 256 86,4
4,4 14
19,36 196 61,6
5,5 18
30,25 324 99
67
5 15
25 225 75
5,9 18
34,81 324 106,2
5,6 17
31,36 289 95,2
5 15
25 225 75
7,2 22
51,84 484 158,4
TOTALES 105,2 320 581,96 5398 1770,2
Del enunciado y de la tabla anterior obtenemos
20 750 socios 3.840 ha
x
n N = = =
2 2
1 1 1 1 1
105, 2 320 581, 96 5398 1770, 2
n n n n n
i i i i i i
i i i i i
x y x y x y
= = = = =
= = = = =
( )
2
2
2 2 2
1 1 1
1 105, 2 1 1 581, 96
5, 26 5, 26 1, 4304
20 20
n n n
i x i i
i i i
x x s x x x x
n n n
= = =
= = = = = = =
( )
2
2
2 2 2
1 1 1
1 320 1 1 5398
16 16 13, 9
20 20
n n n
i y i i
i i i
y y s y y y y
n n n
= = =
= = = = = = =
( )( )
( )
1 1
1 1 1770, 2
5, 26 16 4, 35
20
n n
xy i i i i
i i
s x x y y x y x y
n n
= =
= = = =
Si queremos calcular las cuasivarianzas, a partir de las varianzas se tiene:
2 2 2 2
20 20
1, 4304 1, 5057 13, 9 14, 6316
1 19 1 19
x x y y
n n
S s S s
n n
= = = = = =
y hallando las races cuadradas obtenemos las desviaciones
( )
,
x y
s s y cuasidesviaciones
tpicas
( )
,
x y
S S .
Los anteriores clculos que se han realizado a mano o con ayuda de una calculadora bsica se
simplifican notablemente si utilizamos una calculadora cientfica de uso comn. Estas
calculadoras nos proporcionan los valores de un grupo de funciones estadsticas
2
1 n n
x x
x x x s S = =
de forma inmediata.
1 n n
x x
s desviacin tpica S cuasidesviacin tpica = = = =
La relacin entre las variables es alta
4, 35
0, 9756
1,196 3, 728
xy
xy
x y
s
r
s s
| |
= = =
|
|
\ .
. Esto junto con la
informacin auxiliar que disponemos de la variable X justifica el uso de estimadores de razn.
Por otra parte, dado el contexto, es lgico que la relacin pase por el origen (a 0 ha de
superficie le corresponde una produccin de 0 tm).
68
20
1
20
1
320
3, 042 tm/ha
105, 2
3, 042 3.840 11.680, 6 tm
i
i
i
i
y x
y
r
x
r
=
=
= = =
= = =
3840
5,12 /
750
x
ha socio
x
N
= = =
3, 042 5,12 15, 57 tm/socio
y x
r = = =
( )
20 20 20 20
2 2 2 2 2
1 1 1 1
1 1
2 0, 706
1 1
r i i i i i i
i i i i
S y rx y r x r x y
n n
= = = =
| |
= = + =
|
\ .
( ) ( )
2
0, 0344 2 0, 37 tm/socio
r
y y
S N n
V B V
n N
| |
= = = =
|
\ .
2 2 2
2
2
( ) 19.326, 75 2 ( ) 278, 04 tm
x r r
y y
x
S N n S N n
V N B V
n N n N
| | | |
= = = = =
| |
\ . \ .
o 750 750 0, 37 277, 5 B B tm
= = = (no coinciden los dos procedimientos por los errores
de redondeo en el valor de B
).
A continuacin lo estimaremos utilizando muestro aleatorio simple.
( )
2
320 14, 63 750 20
16 / 0, 712
20 20 750
S N n
y tm socio V y
n N
| | | |
= = = = =
| |
\ . \ .
2 0, 712 1, 69 / B tm socio
= =
320
750 12.000
20
Ny tm = = =
( ) 400.539,47
750
20 750
20
63 , 14
750
2
2
2
= |
.
|
\
|
= |
.
|
\
|
=
N
n N
n
S
N V
2 400.539, 47 1.265,76 B tm
= = o 750 B B
=
Observemos que el lmite del error de estimacin es mucho mayor que el cometido utilizando
estimadores de razn.
4.2.2 Determinacin del tamao muestral
Tamao muestral mnimo para que la estimacin de la razn, la media y el total no supere una
cota de error de magnitud B
ND
N
n
r
r
+
=
2
2
69
donde para estimar:
la razn:
4
2 2
x
B
D
=
la media:
4
2
B
D =
el total:
2
2
4N
B
D =
Comentarios:
2
r
se estima utilizando una muestra previa (tamao ' n ):
2 2
r r
S = .
Si
x
es desconcocido,
2 2
x
x
=
Ejemplo 4.3 (Ejercicio 2, relacin tema 4, apartado (b))
Supongamos que queremos reducir el lmite para el error de estimacin (LEE) de la media a
0,25 tm/socio y el LEE del total no debe superar las 200 tm a cuntos socios se les debe tasar
su produccin antes de realizar una nueva estimacin?
Solucin
MEDIA:
2
2
2
2
750 0, 706
0, 25
0, 706 750
4
42, 6 43 socios
4
r
r
N
n
B
N
=
| |
+
|
\ .
= =
+
TOTAL:
2 2
2 2 2
2 2
2
750 0, 706
37, 7 38 socios
200
0, 706
4 4 4 750
r r
r r
N N
n
B B
N
N N
= = = =
| |
+ + +
|
\ .
Necesitamos al menos 43 socios para cumplir con ambos niveles de error.
4.3 Estimacin de regresin
El uso del estimador de razn es ms efectivo cuando la relacin entre las variables X e Y es
lineal y pasa por el origen de coordenadas (en este caso proporciona estimadores insesgados).
En caso de relacin lineal que no pase por el origen de coordenadas es preferible utilizar
estimadores de regresin.
En el modelo lineal simple bX a Y + = , el mtodo de mnimos cuadrados permite estimar a y
b de la siguiente forma:
70
( )( )
( )
1
2 2
2
1
n
i i
xy xy
i
n
x x
i
i
y y x x
s S
b
s S
x x
a y bx
=
=
= = =
donde
( ) ( )
( )( ) ( )( )
2 2
2 2
1 1
1 1 1
1 1
;
1
1 1 1
1
n n
x i x i
i i
n n n
xy i i xy i i i i
i i i
S x x s x x
n n
S x x y y s x x y y x y x y
n n n
= =
= = =
= =
= = =
4.3.1 Estimacin de la media y el total poblacionales
ESTIMADOR DE LA MEDIA: ( )
yL x x x
a b y bx b y b x = + = + = +
VARIANZA ESTIMADA DE
yL
: ( )
|
.
|
\
|
=
N
n N
n
S
V
L
yL
2
siendo
2
L
S la varianza residual en el modelo lineal simple:
( )
( ) ( )
( )
2
2
2 2 2 2
2
1
1
1
2 2 2
n
xy
L i i y y xy
i
x
s
n n
S y y b x x s s r
n n s n
=
| |
= + = =
|
|
\ .
ESTIMADOR DEL TOTAL:
yL yL
N =
VARIANZA ESTIMADA DE
yL
: ( ) ( )
yL yL
V N V
2
=
Comentario. En este caso para estimar el total es necesario conocer el tamao de la poblacin
N. No se puede estimar como
x yL
b a
27, 7284
xy
s =
La relacin entre las variables es fuerte: 0, 8336
xy
r = .
( )
2
27, 7284
10, 341
2, 6814
138, 314 138.314
yL x
xy
x
yL yL yL
y b x
s
b
s
N
= +
= = =
= = =
( )
2 2 2
1
1 141, 6
2
L y xy
n
S S r
n
= =
( )
2
7, 73
L
yL
S N n
V
n N
| |
= =
|
\ .
( )
2 5, 56
yL
B V
= = 1.000 5, 56 5.560 B N B
= = =
4.3.2 Determinacin del tamao muestral
Tamao muestral mnimo necesario para que al estimar la media y el total poblacionales la
cota de error no supere la magnitud B
72
ND
N
n
L
L
+
=
2
2
donde para estimar:
la media:
4
2
B
D =
el total:
2
2
4N
B
D =
2
L
se estima utilizando una muestra previa (tamao ' n ):
2 2
L L
S =
Ejemplo 4.5 (Ejercicio 3, relacin tema 4, apartado (b))
Se quiere repetir el estudio anterior de forma que el error para la estimacin del total no supere
los 1.000 euros cul debe ser el tamao muestral?
Solucin
2
2 2
2
2 2
1000 141, 6
361, 6 362
1000
141, 6 1000
4 4 1000
L
L
N
n
B
N
N
= = =
| |
+ +
|
\ .
establecimientos.
4.4 Estimacin de diferencia
El uso del estimador de diferencia tiene un buen comportamiento (cota de error ms baja)
cuando la relacin entre las variables es lineal y la pendiente del modelo es uno.
( )
( ) y a x y y x x a y x d = + = + = =
Comnmente se emplea en procedimientos de auditora.
4.4.1 Estimacin de la media y el total poblacionales
ESTIMADOR DE LA MEDIA: ( ) d x y
x x yD
+ = + = x y d =
VARIANZA ESTIMADA DE
yD
: ( )
|
.
|
\
|
=
N
n N
n
S
V
D
yD
2
( ) ( ) ( )
= =
= +
=
n
i
i
n
i
i i D
d d
n
d x y
n
S
1
2
1
2
2
1
1
1
1
, donde
i i i
x y d = , por tanto
2
D
S es la
cuasivarianza de los
i
d .
ESTIMADOR DEL TOTAL:
yD yD
N =
73
VARIANZA ESTIMADA DE
YD
: ( ) ( )
yD yD
V N V
2
=
Ejemplo 4.6 (Ejercicio 4, relacin tema 4, apartado (a))
Para un grupo de 200 establecimientos se desea realizar un estudio sobre el gasto diario. Se
tiene informacin de que los ingresos medios diarios son de 500 euros. Se elige al azar una
muestra de 10 establecimientos y se toman datos de ingresos y gastos, obtenindose:
X=Ingresos Y=Gastos
470 405
650 585
710 650
300 240
475 410
505 435
610 550
380 320
540 480
520 460
Estime el gasto medio y el gasto total diario para los 200 establecimientos utilizando muestreo
aleatorio simple, estimadores de razn, regresin y diferencia. Obtenga el LEE en cada caso.
(Nota: en el enunciado de la relacin de problemas slo se pide mediante el estimador de
diferencia)
Solucin
Denotamos
"gasto diario (euros)"
"
"ingresos diarios (euros)
Y
X
=
Tal y como se explic en la resolucin del ejemplo 4.2 obtenemos:
2
2
2
10 establecimientos 200 establecimientos 500
516 453, 5
115, 797 13.409
115, 738 13.395, 3
14883, 7
13.396, 5
x
x x
y y
y
xy
n N
x y
s s
s s
S
s
= = =
= =
= =
= =
La relacin entre las variables es muy fuerte:
2
0, 99958 0, 99916
xy xy
r r = = .
MUESTREO ALEATORIO SIMPLE
2
2
y
14883, 7
453, 5 90.700
S
V( ) 1.413,94 B 2 V( ) 75,20 B 200 B =15.040,97
y
S
y Ny
N n
n N
=
= = = =
| |
= = = = =
|
\ .
74
ESTIMADORES DE RAZN
0, 879 200 100.000 87.900 439, 5
x x y x y x
y
r r r
x
= = = = = = = =
( )
2 2 2 2 2
1 1 1 1
1 1
2 227, 717
1 1
n n n n
r i i i i i i
i i i i
S y rx y r x r x y
n n
= = = =
| |
= = + =
|
\ .
( )
2
21, 63 9, 3
r
y
S N n
V B
n N
| |
= = =
|
\ .
=1.860 B N B
=
ESTIMADORES DE REGRESIN
( )
2
13.396, 5
0, 99907
13.409
437, 515 87.503
yL x
xy
x
yL yL yL
y b x
s
b
s
N
= +
= = =
= = =
( )
( )
2 2 2
2
1
1 14, 05
2
1, 33 2, 3104 462, 09
L y xy
L
yL
n
S S r
n
S N n
V B B NB
n N
= =
| |
= = = = =
|
\ .
ESTIMADORES DE DIFERENCIA
62, 5
437, 5 87.500
yD x
yD yD yD
d
d
N
= +
=
= = =
(con la calculadora hallamos
1 n
sobre las diferencias
i
d y lo elevamos al cuadrado)
( )
2
2
1
1
12, 5
1
n
D i
i
S d d
n
=
= =
( ) ( )
2
1,1875 2 2,179 435, 8899
D
yD yD
S N n
V B V B NB
n N
| |
= = = = = =
|
\ .
4.4.2 Determinacin del tamao muestral
Tamao muestral mnimo necesario para que la estimacin no supere un cota de error B al
estimar la media y el total poblacionales
ND
N
n
D
D
+
=
2
2
75
donde para estimar:
la media:
4
2
B
D =
el total:
2
2
4N
B
D =
2
D
se estima utilizando una muestra previa (tamao ' n ):
2 2
D D
S =
Ejemplo 4.7 (Ejercicio 4, relacin tema 4, apartado (b))
Se quiere repetir el estudio anterior utilizando un estimador de diferencia y cometiendo un
error como mximo de 300 euros al estimar el total cul debe ser el tamao muestral?
Solucin
2
2 2
2
2
200 12, 5
20 establecimientos
300
12, 5
4 4 200
D
D
N
n
B
N
N
= = =
+ +
EJERCICIOS RESUELTOS
1. (ejercicio 9, relacin tema 4) En una poblacin de 500 hogares, para la que es conocido
que el gasto total general durante un ao es de 15.000.000 , se quiere estimar el gasto
total en alimentacin durante un ao, para lo que se obtiene una muestra aleatoria simple
de 4 hogares que proporciona los siguientes valores anuales en :
Gasto en alimentacin 12.500 15.000 10.000 17.500
Gasto general 24.000 31.000 20.000 36.000
Antes de calcular el estimador, cree que es til utilizar esta informacin auxiliar?,
justifquese.
Estime con un estimador de razn el total de gasto en alimentacin mediante un intervalo
de confianza.
SOLUCIN (trabajaremos en cientos de euros)
i
x
i
y
2
i
x
2
i
y
i i
x y
240
310
200
360
125
150
100
175
57.600
96.100
40.000
129.600
15.625
22.500
10.000
30.625
30.000
46.500
20.000
63.000
1110 550 323.300 78.750 159.500
76
1
1
550
500 4 0, 4955 0, 4955 150.000 74.325
1110
n
i
i
y
x n
i
i
y
N n r r cientos de
x
=
=
= = = = = = = =
7.432.500 y =
( )
2
2 2 2 2
1 1 1 1
1 1 62, 2
2 20, 73
1 1 3
n n n n
r i i i i i i
i i i i
S y rx y r x r x y
n n
= = = =
| |
= = + = =
|
\ .
2
( ) ( ) 1.285, 4667 2 ( ) 2.267, 568
r
y y
S
V N N n V
n
= = =
( ) 72.057, 432 ; 76.592, 568
y
en cientos de
Para expresarlo en hay que multiplicarlo por cien.
2. (Ejercicio 17, relacin tema 4) Un trabajador social quiere estimar la ratio
personas/habitacin en un determinado barrio. El trabajador social selecciona una muestra
aleatoria simple de 25 viviendas de las 275 del barrio. Sea x el nmero de personas en
cada vivienda e y el nmero de habitaciones por vivienda. A partir de los datos
siguientes:
25 25 25
2 2
1 1 1
9,1; 2, 6; 2240; 169; 522
i i i i
i i i
x y x y x y
= = =
= = = = =
Estime la razn personas/habitacin en el barrio y establezca el lmite para el error de
estimacin con una confianza del 95%.
SOLUCIN (los papeles de las variables x e y deben permutarse en las expresiones
del formulario)
2
2 2 1
1
275 25 3, 5 . / . 2, 6 6, 76
n
i
i
y n
i
i
x
x
N n r pers hab y
y
y
=
=
= = = = = = =
( )
2
2 2 2 2
1 1 1 1
1 1
2 27, 34375
1 1
n n n n
r i i i i i i
i i i i
S x ry x r y r x y
n n
= = = =
| |
= = + =
|
\ .
2
2
1 ( )
( ) 0,1471 2 ( ) 0, 767
r
y
N n S
V r V r
N n
= = =
3. (Ejercicio 12, relacin tema 4) Se desea estimar el agua utilizada en la presente campaa
por una comunidad de riego constituida por 250 parcelas. Se seleccionan al azar 10
parcelas cuyo tamao y metros cbicos utilizados en riego aparecen en la siguiente tabla
3
m
600 1800 750 900 1100 1400 950 700 1000 720
Hectreas 50 150 60 70 100 120 80 60 90 60
77
Estime la media de
3
m /hectrea que utiliza la comunidad de regantes y la cota del error de
dicha estimacin.
SOLUCIN:
y = consumo de
3
m litros de agua, x = tamao de la parcela en hectreas
X Y x
2
y
2
xy
50 600 2500 360000 30000
150 1800 22500 3240000 270000
60 750 3600 562500 45000
70 900 4900 810000 63000
100 1100 10000 1210000 110000
120 1400 14400 1960000 168000
80 950 6400 902500 76000
60 700 3600 490000 42000
90 1000 8100 1000000 90000
60 720 3600 518400 43200
840 9920 79600 11053400 937200
3 1
1
9920
11' 81 /
840
n
i
i
n
i
i
y
r m hectarea
x
=
=
= = =
( )
2
2 2 2 2
1 1 1 1
1 1
2
1 1
n n n n
r i i i i i i
i i i i
S y rx y r x r x y
n n
= = = =
| |
= = + =
|
\ .
( )
1
11053400 11102297' 56 22136664 2114' 84
9
= + =
840
84
10
x
x = = =
2
2 2
1 1 240 2114' 84
( ) 0' 02877
84 250 10
r
x
N n S
V r
N n
= = =
2 ( ) 0' 3392 V r =
4. (Ejercicio 1, relacin del tema 4) Se desea estimar el consumo mensual de una ciudad. Se
sabe que los ingresos en dicha ciudad, va declaracin de la renta, ascienden a 1.502.530
euros mensuales. Se realiza una encuesta entre 12 hogares elegidos al azar y los resultados
de renta y consumo se recogen en esta tabla.
Renta Consumo
1.702,44 1.204
1.339,56 1.000
981,06 800
2.537,04 1.800
1.519,85 1.200
3.080,19 2.600
78
1.502,53 1.080
1.702,87 1.240
1.402,36 1.000
1.803,04 1.400
2.053,46 1.484
3.005,06 2.000
Estime el consumo total mensual para todos los hogares de la ciudad mediante el
estimador de razn. Obtenga el lmite para el error de estimacin.
SOLUCIN:
Denotemos por
" consumo mensual"
X "ingresos mensuales"
Y =
=
De la informacin muestral obtenemos
=
=
=
=
=
12
1
12
1
euros 46 , 629 . 22
euros 808 . 16
12
i
i
i
i
x
y
n
y como informacin auxiliar sabemos que 1.502.530
x
= euros.
Podemos comprobar que el coeficiente de correlacin lineal es alto ( 9677 , 0 = =
y x
xy
xy
s s
s
r ).
Esto junto con la informacin auxiliar nos permite utilizar muestreo con informacin
auxiliar, en concreto utilizaremos estimadores de razn.
12
1
1 2
1
0, 7 4 27
1 . 1 1 6. 0 0 2, 0 7
i
i
i
i
y x
y
r
x
r
=
=
= =
= =
2 2
2
( )
x r
Y
x
S N n
V
n N
| |
=
|
\ .
( )
12
i 1
No conocemos , pero en la ciudad hay muchos hogares, observando < 5%
i x
N x
=
( ) estimamos que < 5% 1
N n
n N
N
1.885, 79
x
x = =
( )
12 12 12 12
2 2 2 2 2
1 1 1 1
1 1
2 16.479, 7
1 1
r i i i i i i
i i i i
S y rx y r x r x y
n n
= = = =
| |
= = + =
|
\ .
( ) 871.825.002, 67 2 ( ) 59.053, 37
Y Y
V B V = = =
79
5 (Ejercicio 10, relacin tema 4) Las diferencias entre ingresos y gastos, en 5 de las 250
oficinas que tiene abiertas una agencia de seguros, en el presente mes, han sido (en euros)
570 721 650 650 569
Este mes el gasto medio para el conjunto de todas las oficinas ha sido 12764 euros, estime
el total de ingresos y el lmite para el error de estimacin.
SOLUCIN:
N=250, n=5, 12764
x
= , X=gastos, Y=ingresos
( ) con las funciones del modo SD de la calculadora :
2
632 4095, 5
D
d S = =
13396
yD x
d = + =
3349000 yD
yD
N = =
( )
2 2
2 2
( ) 50169875 2 ( ) 14166,14
D D
yD yD
N n S S
V N N N n V
N n n
= = = =
6. (Ejercicio 6, relacin del tema 4) Una cadena de electrodomsticos est interesada en
estimar el total de ganancias por las ventas de televisores al final de un periodo de tres
meses. Se tienen cifras del total de ganancias de todas las tiendas de la cadena para ese
mismo periodo de tres meses correspondiente al ao anterior, ese total es de 128.200 .
Una muestra aleatoria simple de 5 tiendas es seleccionada de las 123 tiendas de la cadena
resultando los datos de la siguiente tabla:
Oficinas Datos de 3 meses del ao anterior Datos de 3 meses del ao actual
1 550 610
2 720 780
3 1500 1600
4 1020 1030
5 620 600
Usando un estimador de razn, estime el total de ganancias con un intervalo de confianza.
SOLUCIN:
N=123, n=5, 128200
x
= , X=del ao anterior, Y=del ao actual
( ) con las funciones del modo SD de la calculadora :
5 5
2
1 1
5 5
2
1 1
882 4410 4495700
924 4620 4961400
i i
i i
i i
i i
x x x
y y y
= =
= =
= = =
= = =
i i
x y
335500
561600
2400000
1050600
372000
5
1
4719700
i i
i
x y
=
=
80
1
1
1, 047619
n
i
i
n
i
i
y
y
r
x
x
=
=
= = =
134304, 76 y
x
r = =
( )
5 5 5 5
2 2 2 2 2
1 1 1 1
1 1
2 1640, 25
1 1
r i i i i i i
i i i i
S y rx y r x r x y
n n
= = = =
| |
= = + =
|
\ .
( )
2
( ) 4761314, 071 2 ( ) 4364, 09
r
y y
S
V N N n V
n
= = =
( ) 129940, 67 , 138668, 85
y
7. (Como ejercicio 7, relacin del tema 4) Una agencia de publicidad est interesada en el
efecto de una nueva campaa de promocin regional sobre las ventas totales de un
producto en particular. Una muestra aleatoria simple de 5 tiendas es seleccionada de 452
tiendas regionales en las cuales se vende el producto. Los datos de las ventas trimestrales
son obtenidos para el periodo actual de tres meses y para el periodo de tres meses previo a
la nueva campaa.
Tienda Ventas antes de
la campaa
Ventas
actuales
1 208 239
2 400 428
3 440 472
4 259 276
5 351 363
Usando los anteriores datos para estimar los parmetros necesarios, determine el tamao
de la muestra para estimar
Y
con un lmite para el error de estimacin de 2.000,
cuando se utiliza el estimador de razn.
SOLUCIN:
N=452, n=5, X=ventas antes, Y=ventas actuales
( ) con las funciones del modo SD de la calculadora :
5 5
2
1 1
5 5
2
1 1
331, 6 1658 587146
355, 6 1778 671034
i i
i i
i i
i i
x x x
y y y
= =
= =
= = =
= = =
5
1
5
1
1, 072376
i
i
i
i
y
y
r
x
x
=
=
= = =
i i
x y
49712
171200
207680
71484
127413
5
1
627489
i i
i
x y
=
=
81
( )
5 5 5 5
2 2 2 2 2
1 1 1 1
1 1
2 109, 4775
' 1 ' 1
r i i i i i i
i i i i
S y rx y r x r x y
n n
= = = =
| |
= = + =
|
\ .
2
2
4, 8947
4
B
D
N
= =
2
2
109, 4775 r
r
S = =
2
2
21, 3 22
r
r
N
n
ND
= =
+
82
5. Muestreo sistemtico.
5.1 Seleccin de una muestra sistemtica. Usos. Ventajas.
5.2 Estimacin de la media, proporcin y total poblacionales.
5.3 Comparacin con el muestreo aleatorio simple: Poblaciones ordenadas, aleatorias
y peridicas.
5.4 Determinacin del tamao muestral.
5.1 Seleccin de una muestra sistemtica. Usos. Ventajas.
En el muestreo aleatorio simple, la seleccin de los elementos se efecta con total
aleatoriedad, todas las muestras posibles son igualmente probables y, para ello, se enumeran
los N elementos de la poblacin y despus se seleccionan al azar los n elementos que han de
formar la muestra. Esto, en general, complica el proceso de seleccin de la muestra.
En el muestreo sistemtico los elementos de la poblacin se enumeran, o se ordenan. Una
muestra sistemtica de 1 en k es la que se extrae de la siguiente forma:
1. Se selecciona aleatoriamente un elemento (llamado punto de inicio) de los primeros k
elementos de la poblacin.
2. Despus se seleccionan cada k -simo elemento hasta conseguir una muestra de
tamao n .
En general, k se toma como el nmero entero menor o igual que el cociente
n
N
:
n
N
k
Nos podemos encontrar con las siguientes situaciones:
1.
n
N
k = entero. Entonces se obtienen exactamente n observaciones.
Por ejemplo si 100 = N y 5 = n , entonces 20 = k y an tomando la ultima
observacin del primer intervalo (20), obtenemos 5 observaciones: 20, 40,, 100.
2.
n
N
no es entero. Vemoslo con un ejemplo.
Por ejemplo si 103 = N y 5 = n , entonces 6 , 20 =
n
N
y tomamos 20 = k . Segn el
punto inicial nos podemos encontrar con estas situaciones:
a. Si elegimos, por ejemplo, el 2 como punto inicial, obtendramos:
2, 22, 42, 62, 82, ...
83
Al dividir la poblacin en 5 intervalos de 20 elementos, sobran 3. Si no hay
problema de coste podramos elegir tambin el 102 y la muestra sera de
tamao 6.
b. Si se elige, por ejemplo, la observacin 18 como la inicial obtendramos una
muestra de tamao 5:
18, 38, 58, 78, 98
3. N es desconocido. En este caso, la decisin sobre el valor de k se tomar de forma
que se asegure el nmero mnimo deseado de elementos de la muestra. N se estima
por defecto, as k ser menor de lo necesario y, por tanto, el tamao muestral ser
mayor o igual de lo requerido.
Ventajas del muestreo sistemtico frente al aleatorio simple:
En la prctica el muestreo sistemtico es ms fcil de llevar a cabo y est expuesto a
menos errores del encuestador. (En el m.a.s. se nos juntara el trabajo si dos nmeros
aleatorios fueran consecutivos o muy prximos).
Por ejemplo, sera difcil escoger una m.a.s. de 50 personas entre las que pasan por la
esquina de una calle, porque no se conoce el tamao poblacional N hasta que no pasen
todas las personas; entonces seleccionaramos n elementos al azar menores o iguales a N.
Pero s sera fcil, por ejemplo, coger 1 de cada 20 personas que pasen hasta completar
la muestra ( 50 = n )
Frecuentemente con igual tamao de muestra el muestreo sistemtico proporciona
ms informacin que el muestreo aleatorio simple. Esto se debe a que la muestra
sistemtica se extiende uniformemente a lo largo de toda la poblacin, mientras que en
el muestreo aleatorio simple puede ocurrir que un gran nmero de observaciones se
concentre en una zona y descuide otras.
Por ejemplo, supongamos que en una fbrica los primeros 500 tubos de escape se
fabrican correctamente y los ltimos 500 son defectuosos por un problema en la
maquinaria. Una muestra aleatoria simple podra seleccionar un gran nmero o incluso
todos del mismo grupo, dando una mala estimacin de la proporcin de defectuosos. El
muestreo sistemtico, en cambio, selecciona el mismo nmero de tubos de ambos
grupos, dando una estimacin mejor. En este caso, donde en cierta medida hay un
orden en la poblacin, el muestreo sistemtico es mejor que el m.a.s.
84
Usos: Este tipo de muestreo es muy utilizado: en los planes de muestreo para el control de
calidad dentro del proceso de fabricacin, los auditores cuando se enfrentan a largas listas de
apuntes para comprobar y los investigadores de mercados cuando se enfrentan a personas en
movimiento.
5.2 Estimacin de la media, proporcin y el total poblacionales
ESTIMADOR DE LA MEDIA POBLACIONAL:
( 1)
1
1
n
sy i j k
j
y y
n
+
=
= =
VARIANZA ESTIMADA DE
sy
y : ( )
|
.
|
\
|
=
N
n N
n
S
y V
sy
2
Comentarios.
- Si se desconoce el tamao poblacional por su gran magnitud, entonces . 1
N
n N
- Cuando N no es mltiplo exacto de n , el estimador es sesgado.
Como se puede observar la varianza estimada del estimador de la media es igual que en el
muestreo aleatorio simple (vase 5.3 Comparacin con el muestreo aleatorio simple). Esto no
implica que las varianzas reales sean iguales:
( )
1
2
=
N
n N
n
y V
y ( ) ( ) | |
1 1
2
+ = n
n
y V
sy
donde = coeficiente de correlacin entre los elementos de una muestra sistemtica.
El tamao poblacional se desconoce en muchas situaciones prcticas, en las que se sugiere el
uso del muestreo sistemtico. Cuando N es conocida, podemos estimar el total poblacional.
ESTIMADOR DEL TOTAL POBLACIONAL:
sy
y N =
VARIANZA ESTIMADA DE : ( ) ( )
|
.
|
\
|
= =
N
n N
n
S
N y V N V
sy
2
2 2
Ejemplo 5.1 (Ejercicio 3, relacin tema 5)
Los funcionarios de un museo estn interesados en el nmero total de personas que visitaron
el lugar durante un periodo de 180 das cuando una costosa coleccin de antigedades estuvo
en exhibicin. Puesto que el control de visitantes en el museo cada da es muy costoso, los
85
funcionarios decidieron obtener estos datos cada diez das. La informacin de esta muestra
sistemtica de 1 en 10 se resume en esta tabla
Da N personas que visitan el museo
3 160
13 350
23 225
173 290
= =
= =
18
1
18
1
2
450 . 321 . 1 ; 868 . 4
i i
i i
y y
Use estos datos para estimar el nmero total de personas que visitaron el museo durante el
periodo especificado. Establezca un lmite para el error de estimacin.
Solucin
680 . 48
18
868 . 4
180 = = =
sy
y N visitantes
( )
( )
( )
2
2
2
2
S N n
V N
n N
N 180
4868
1.321.450
n
S 289, 79
n 1
V 469.461,18
| |
=
|
\ .
=
| |
|
|
\ .
= =
=
B 1.370, 34
=
Como en el muestreo aleatorio simple, las propiedades del estimador de la proporcin son
anlogas a las propiedades de la media muestral:
ESTIMADOR DE LA PROPORCIN POBLACIONAL:
( 1)
1
1
, 0, 1
n
sy i j k i
j
p y y
n
+
=
= =
VARIANZA ESTIMADA DE
sy
p : ( )
|
.
|
\
|
=
N
n N
n
q p
p V
sy sy
sy
1
Notemos, de nuevo, que las varianzas estimadas son iguales a las del muestreo aleatorio
simple. Esto no quiere decir que las varianzas reales lo sean.
Ejemplo 5.2 (Ejercicio 2 (a), relacin tema 5)
La Guardia Civil de Trfico est interesada en la proporcin de automovilistas que llevan el
permiso de conducir. Se instala un puesto de control en una carretera nacional y se detiene un
conductor de cada siete. Use los datos de la tabla adjunta para estimar la proporcin de
86
conductores que portan su licencia. Establezca un lmite para el error de estimacin. Suponga
que 2.800 autos pasan por el puesto de verificacin durante el periodo de muestreo.
Automvil Respuesta
1 1
8 1
15 0
2794 1
=
=
400
1
324
i
i
y
Solucin
81 , 0
400
324
= = =
sy sy
y p
( ) 0364 , 0 B 2 0,00033061
800 . 2
400 800 . 2
1 400
) 81 , 0 1 ( 81 , 0
1
= = |
.
|
\
|
= |
.
|
\
|
=
N
n N
n
q p
p V
sy sy
sy
Si la estratificacin de la poblacin fuese ventajosa, el muestreo sistemtico puede utilizarse
dentro de cada estrato en lugar del m.a. simple, aplicndose las frmulas del m.a. estratificado
anlogamente a como se han utilizado las del m.a. simple para aproximar el comportamiento
del muestreo sistemtico.
5.3 Comparacin con el muestreo aleatorio simple: Poblaciones ordenadas, aleatorias y
peridicas
Veamos bajo qu condiciones la varianza estimada de los estimadores en el muestreo
sistemtico se puede suponer igual a la del m.a. simple.
Segn las expresiones
( )
1
2
=
N
n N
n
y V
y ( ) ( ) | |
1 1
2
+ = n
n
y V
sy
stas sern similares cuando 1
1
N n
N
+
=
D N
N
n con
2
2
2
B
para estimar la media
4
D
B
para estimar el total
4N
Tamao muestral requerido para estimar p y con un lmite B para el error de estimacin
Npq
n
(N 1)D pq
=
+
con
2
2
2
B
para estimar p
4
D
B
para estimar el total
4N
Ejemplo 5.3 (Ejercicio 2 (b), relacin tema 5)
En un nuevo control, la Guardia Civil de Trfico espera que pasen unos 5.000 automviles por
el puesto de verificacin. Determine el tamao de muestra y k para estimar p con un error
inferior al 2%.
Solucin
0, 81 1 0,19 p q p = = =
( )
2 2
5.000 0,81 (1 0, 81)
1.176, 97 1.177
0, 02
( 1) (5.000 1) 0,81 (1 0, 81)
4 4
Npq
n automviles
B
N pq
= = =
| |
+ +
|
\ .
4, 25
N
k
n
=
89
Si tomramos k=5
5000
1000
5
n = = . Tomando k=4
5000
1250 1177
4
n = = .
EJERCICIOS RESUELTOS
1. (Ejercicio 7, relacin tema 5) La gerencia de una compaa privada con 2.000 empleados
est interesada en estimar la proporcin de empleados que favorecen una nueva poltica de
inversin. Una muestra sistemtica de 1 en 10 es obtenida de los empleados que salen del
edificio al final de un da de trabajo (las respuestas a favor se han representado como 1)
Empleado
muestreado
Respuesta
3 1
13 0
23 1
1993 1
200
1
110
i
i
y
=
=
2
2
99, 39 100 10
( 1)
N N
n k
N D n
= = = =
+
90
3. (Ejercicio 5 (a), relacin tema 5) La tabla anexa muestra el nmero de nacimientos y la
tasa de natalidad por cada 1000 individuos para Estados Unidos durante seis aos
seleccionados sistemticamente.
Ao Nac.Masculinos Nac.Femeninos Total de Nac. Natalidad
1955 2.073.719 1.973.576 4.047.295 26,0
1960 2.179.708 2.078.142 4.257.850 23,7
1965 1.927.054 1.833.304 3.760.358 19,4
1970 1.915.378 1.816.008 3.731.386 18,4
1975 1.613.135 1.531.063 3.144.198 14,6
1980 1.852.616 1.759.642 3.612.258 15,9
Estime el nmero medio de varones nacidos por ao para el periodo 1955-1980, y
establezca un lmite para el error de estimacin.
SOLUCIN
1
1 1
11.561.610 1.926.935
6
n
sy i
i
y y
n
=
= = = =
( )
( ) 957,85 4.860.693.
.871,20 37.913.412
aos 26
2
2
=
=
=
|
.
|
\
|
=
sy
sy
y V
S
N
N
n N
n
S
y V
139.437,35 B =
4. (Como ejercicio 1, relacin tema 5) La seccin de control de calidad de una empresa usa el
muestreo sistemtico para estimar la cantidad media de llenado en latas de 33cl que salen
de una lnea de produccin. Los datos de la tabla adjunta representan una muestra
sistemtica 1 en 300 de una produccin diaria de 1800 latas.
Cantidad de llenado en cl
33 32,5 33,5 33 32 31
Determine el tamao de la muestra y k para estimar el contenido medio de las latas con un
error de estimacin inferior a 0,42 cl, considerando la muestra anterior como una muestra
previa para estimar los parmetros necesarios.
SOLUCIN:
N=1800, n=6,
( ) con las funciones del modo SD de la calculadora :
2 2 2
' 1 ' 1
0, 8
n n
S S
= =
2
0, 0441
4
B
D = =
2
2
1800
17, 97 18 100
( 1) 18
N
n k
N D
= = = =
+
91
5. (Ejercicio 9, relacin tema 5) Los funcionarios de cierta sociedad profesional desean
determinar la proporcin de miembros que apoyan varias enmiendas propuestas en las
prcticas de arbitraje. Los funcionarios tomaron una muestra sistemtica de 1 en 10, a
partir de una lista en orden alfabtico de los 650 miembros registrados, obteniendo que 47
estaban a favor de los cambios propuestos. Se quiere repetir el estudio anterior con un
error de estimacin inferior al 5%. Considerando la muestra anterior como una muestra
previa para estimar los parmetros necesarios, qu tipo de muestra sistemtica deber
obtenerse? (indique n y k).
SOLUCIN:
N=650, n=65,
47
0, 7231 1 0, 7231 0, 2769
65
p q = = = =
2
0, 05 0, 000625
4
B
B D = = =
650
214, 8 215 3, 02 3
( 1) 215
Npq
n k k
N D pq
= = = =
+
92
6. Muestreo por conglomerados.
6.1 Necesidad y ventajas del muestreo por conglomerados.
6.2 Formacin de los conglomerados. Conglomerados y estratos.
6.3 Estimacin de la media, proporcin y total poblacionales.
6.4 Determinacin del tamao muestral.
6.1 Necesidad y ventajas del muestreo por conglomerados.
Una muestra por conglomerados es una muestra aleatoria en la cual cada unidad de muestreo
es una coleccin (o conglomerado) de elementos.
El muestreo por conglomerados es til para obtener informacin en las siguientes situaciones:
Es complicado disponer de una lista de los elementos de la poblacin, mientras que es
fcil lograr un marco que liste los conglomerados. (Alumnos que asisten a clase =
elemento, aulas = conglomerados)
El coste de obtencin de las observaciones es menor debido al agrupamiento de los
elementos.
6.2 Formacin de los conglomerados. Conglomerados y estratos.
Lo primero que debemos hacer es especificar los conglomerados apropiados. Si los elementos
dentro de un conglomerado presentan caractersticas similares, entonces tomar muchas
observaciones dentro de un conglomerado sera un trabajo no productivo. Sin embargo, si los
elementos de un conglomerado son diferentes entre s, una muestra con pocos conglomerados
recogera gran cantidad de informacin sobre un parmetro poblacional.
Ntese que los estratos deben ser tan homogneos como sea posible, pero un estrato debe
diferir tanto como se pueda de otro con respecto a la caracterstica que est siendo medida.
Los conglomerados, por otro lado, deben ser tan heterogneos dentro de ellos como sea
posible y un conglomerado debe ser muy similar a otro para que el muestreo por
conglomerados est indicado.
Una vez especificados los conglomerados, se selecciona una muestra aleatoria simple de
conglomerados.
6.3 Estimacin de la media, proporcin y total poblacionales.
Vamos a utilizar la siguiente notacin:
N = conglomerados en la poblacin.
n =conglomerados en la muestra.
93
i
m = elementos en el conglomerado i
i
y = suma de las observaciones en el conglomerado i
1
N
i
i
M m
=
= =
elementos en la muestra
1
1
N
i
i
M m
N
=
= =
=
=
=
= = =
La media y tiene la forma de un estimador de razn, por lo que la varianza estimada de y
toma la forma de la varianza de un estimador de razn.
2
2
1
( )
c
S N n
V y
N n
M
= donde
( )
2
2
1
1
1
n
c i i
i
S y ym
n
=
=
( M puede ser estimado por m, si se desconoce)
La varianza estimada es sesgada y sera un buen estimador de ( ) V y si n es grande ( 20 n ).
El sesgo desaparece cuando los tamaos de los conglomerados son iguales
(
1 2
...
N
m m m = = = )
Notas:
La expresin de
2
2
1
( )
c
S N n
V y
N n
M
= no se suele simplificar pues como ocurre en el
ejercicio 4, relacin del tema 6, a veces N no se conoce y en otras ocasiones como en
este ltimo ejemplo porque M es desconocido y M debe ser estimada por m.
94
Si la variable que estamos estudiando es dicotmica, hablaremos de la proporcin
poblacional p y de la proporcin muestral
Salvo esta diferencia en la notacin, todo lo anteriormente expuesto para variables
numricas es vlido para variables dicotmicas.
(B) Estimacin del total.
De la relacin entre la media y el total poblacional
M
y la varianza estimada del mismo
2
2
( ) ( ) ( )
c
S
V M V y N N n
n
= =
(sea cual sea el valor de M no afecta a la varianza ni al error del estimador, aunque s al valor
del estimador del total)
(C) Estimacin del total cuando se desconoce el tamao de la poblacin.
Frecuentemente el nmero de elementos en la poblacin no es conocido en problemas donde
se aplica el muestreo por conglomerados. En ese caso no podemos utilizar el estimador del
total M y =
2
2
( ) ( ) ( )
t
t
t
S
V N V y N N n
n
= =
donde
2
( )
t
t
S N n
V y
N n
= ,
( )
2
2
1
1
1
n
t i t
i
S y y
n
=
=
Si existe una gran variacin entre los tamaos de los conglomerados y adems los tamaos
estn altamente correlacionados con los totales de los conglomerados, la varianza de
t
N y es
generalmente mayor que la varianza de M y . Esto es debido a que el estimador
t
N y no usa la
informacin proporcionada por los tamaos de los conglomerados y por ello puede ser menos
preciso.
Cuando los tamaos de los conglomerados son iguales los dos estimadores del total coinciden,
adems el estimador de la media, y , es un estimador insesgado de la media poblacional, , y
tambin es insesgado el estimador de su varianza,
( )
2
2
2 2
1 1 1 1
2 3, 3222
n n n n
i i i i i i
i i i i
y ym y y y m y m
= = = =
= + =
2 2
1 1 1
35 255 90
n n n
i i i i
i i i
y m y m
= = =
= = =
( )
2
2
1
1 3, 3222
0, 8306
1 4
n
c i i
i
S y ym
n
=
= = =
Ya que M es desconocido, M debe ser estimada por m
1
1 35
7 /
5
n
i
i
m m hogares manzana
n
=
= = =
2
2
1
( ) 0, 003305
c
S N n
V y
N n
M
= =
2 ( ) 0,115 11, 5% V y =
b)
1
1 13
2, 6
5
n
i t
i
y y
n
=
= = =
520 t
t
N y = =
( )
2
2
2
1 1 2 1
1
0, 3
1 1
n n n
i i i t
i i i
t
y y y y
n
S
n n
= = =
| |
|
\ .
= = =
2
( )
( ) 2.340
t
t
N N n S
V
n
= =
2 ( ) 96, 75 t V =
( ) 423, 25 , 616, 75
c)
557,14 M y = =
1500
7, 5
200
M = =
2
2
1
( ) 0, 0028795
c
S N n
V y
N n
M
= =
97
2
( ) ( ) 6478, 8 V M V y = =
2 ( ) 160, 98 V =
( ) 396,16 , 718,12
Como puede observarse, el lmite para el error de estimacin es ms pequeo en b) que en c),
debido a que los tamaos de los conglomerados no estn altamente correlacionados con los
totales de los conglomerados en este ejemplo (
2
0, 08
my
r = ). En otras palabras, los tamaos de
los conglomerados proporcionan poca informacin referente a los totales de los
conglomerados.
6.4 Determinacin del tamao muestral.
Supongamos que los conglomerados ya estn formados y vamos a seleccionar el nmero de
conglomerados n para conseguir un determinado lmite para el error de estimacin B
2
2
c
c
N
n
ND
=
+
donde
2
c
se estima mediante
( )
2
2
1
1
1
n
c i i
i
S y ym
n
=
=
de una muestra previa, siendo
2
2
4
B M
D = para la estimacin de la media y
2
2
4
B
D
N
= para la estimacin del total.
Habitualmente el tamao promedio de los conglomerados de la poblacin M no se conoce y
tiene que estimarse por el tamao medio m de los conglomerados de una muestra previa.
Cuando se utiliza
t
N y para estimar el total, el nmero de conglomerados en la muestra para
obtener un determinado lmite para el error de estimacin B viene dado por
2
2
t
t
N
n
ND
=
+
2
2
4
B
D
N
= y
2
t
se estima mediante
( )
2
2
1
1
1
n
t i t
i
S y y
n
=
=
de una muestra previa (o a partir
de una estimacin del rango de los valores de
i
y como
2
2
16
t
R
= ).
Ejemplo 6.2 Suponiendo que los datos del ejemplo 6.1 representan una muestra previa, cmo
debe tomarse una nueva muestra para estimar la proporcin poblacional del apartado a) con un
lmite para el error de estimacin del 1%.
98
SOLUCIN
2
0, 8306
c
S =
1
1 35
7
5
n
i
i
M m m
n
=
= = =
2
2 2 2
0, 01 7
0, 001225
4 4
B M
D
= = =
2
2
154, 4 155
c
c
N
n
ND
= =
+
EJERCICIOS RESUELTOS
1. (Ejercicio 6, relacin tema 6) Con motivo del cuarto centenario del Quijote, el Ministerio
de Cultura desea estimar el nmero de libros comprados cada mes en una localidad. Se
selecciona una localidad con 6.200 hogares agrupados en 700 manzanas de viviendas. Se
tiene una encuesta piloto en la cual se seleccion una muestra de 4 manzanas y se
entrevistaron a todas las familias, obtenindose los siguientes resultados:
Determine, usando los datos de la encuesta piloto, cuntas manzanas debe tener una nueva
muestra si se quiere estimar los libros comprados cada mes con un error de estimacin
inferior a 140 unidades.
SOLUCIN
i
m
i
y
2
i
m
2
i
y
i i
m y
10
8
11
7
13
9
15
8
100
64
121
49
169
81
225
64
130
72
165
56
36 45 334 539 423
2
1
2
1
6.200 700 1, 25 0, 01
4
n
i
i
n
i
i
y
B
M N y D
N
m
=
=
= = = = = =
( )
2
2
2 2 2 2
1 1 1 1
1 1
2 1,125
1 1
n n n n
c c i i i i i i
i i i i
S y ym y y m y m y
n n
= = = =
| |
= = + =
|
\ .
2
2
96, 92 97
c
c
N
n
ND
= =
+
manzana libros comprados cada mes por familia
1 1 2 1 0 3 2 1 0 1 2
2 1 0 2 2 0 0 1 3
3 2 1 1 1 1 0 2 1 2 2 2
4 1 1 0 2 1 0 3
99
2. (Ejercicio 2, relacin tema 6 pero con menos datos) Una industria est considerando la
revisin de su poltica de jubilacin y quiere estimar la proporcin de empleados que
apoyan la nueva poltica. La industria consta de 57 plantas. Se selecciona una muestra
aleatoria simple de 5 plantas y se obtienen las opiniones de los empleados en estas plantas
a travs de un cuestionario. Los resultados se presentan en esta tabla:
Planta N empleados N empleados que apoyan la nueva poltica
1 51 42
2 62 53
3 49 40
4 73 45
5 101 63
a. Estime la proporcin de empleados en la industria que apoyan la nueva poltica de
jubilacin y establezca un lmite para el error de estimacin.
b. La industria modific su poltica de jubilacin despus de obtener los resultados de la
encuesta. Ahora se quiere estimar la proporcin de empleados a favor de la poltica
modificada Cuntas plantas deben ser muestreadas para tener un lmite del 5% para el
error de estimacin? Use los datos anteriores para aproximar los resultados de la nueva
encuesta.
SOLUCIN:
a) 57 5 N n = =
i
m
i
y
2
i
m
2
i
y
i i
m y
51
62
49
73
101
42
53
40
45
63
2601
3844
2401
5329
10201
1764
2809
1600
2025
3969
2142
3286
1960
3285
6363
336 243 24376 12167 17036
1
1
243
0, 7232 72, 32%
336
n
i
i
n
i
i
y
p p
m
=
=
= = = =
( )
2 2
2 2 2
1 1 1 1
1 1
2 68, 7
1 1
n n n n
c i i i i i i
i i i i
S y pm y p y m p m
n n
= = = =
| |
= = + =
|
\ .
2
2 2 336
4515,84
5
M m
| |
= =
|
\ .
2
2
1
( ) 0, 00278
c
S N n
V p
N n
M
= =
2 ( ) 0,1054 10, 54% V p =
b)
2
2 2
2 2
0, 05 4515, 84
2,8224
4 4
c c
B M
D S
= = =
2
2
17, 06 18
c
c
N
n
ND
= =
+
100
3. (Ejercicio 7, relacin tema 6) Un socilogo quiere estimar el ingreso medio por persona en
cierta ciudad pequea donde no existe una lista disponible de adultos residentes. Por esta
razn para el diseo de la encuesta utiliza muestreo por conglomerados. Se divide la
ciudad en bloques rectangulares y el socilogo decide que cada bloque rectangular va a ser
considerado como un conglomerado. Los conglomerados son numerados del 1 al 415. El
investigador tiene tiempo y dinero suficientes para hacer un muestreo de 25
conglomerados y entrevistar a cada hogar dentro de cada uno. Se seleccionan
aleatoriamente 25 conglomerados y se realizan las entrevistas, obtenindose estos datos:
Conglomerado (i) N de residentes (m
i
)
Ingreso total por
conglomerado en (y
i
)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
8
12
4
5
6
6
7
5
8
3
2
6
5
10
9
3
6
5
5
4
6
8
7
3
8
96000
121000
42000
65000
52000
40000
75000
65000
45000
50000
85000
43000
54000
49000
53000
50000
32000
22000
45000
37000
51000
30000
39000
47000
41000
151 residentes 1329000
a) Estime el ingreso medio por persona en la ciudad y establezca un lmite para el error de
estimacin.
b) Estime el ingreso total de todos los residentes de la ciudad y el lmite para el error de
estimacin, suponiendo que M es desconocido.
c) Suponiendo que existen 2.500 residentes en la ciudad, estime el ingreso total de todos los
residentes de la ciudad mediante un intervalo de confianza.
101
NOTA: Repetir este ejemplo con todos los
i
m iguales (por ejemplo, 6
i
m i = ,
supongamos conocido 6 415 2.490 M = = ) y estime el total por los dos mtodos
estudiados
( )
t
t
M y N y = =
. Observe como coinciden las dos estimaciones as como
la varianza del estimador y el lmite para el error de estimacin.
d) Tomando los anteriores datos como una muestra previa, cmo debe tomarse la muestra en
una encuesta futura para estimar el ingreso promedio por persona con un lmite para el
error de estimacin de 500.
SOLUCIN:
a) (este ejemplo no se puede resolver con una calculadora de 10 dgitos de forma exacta
por la dificultad de trabajar con cantidades muy grandes)
1
1
1.329.000
8.801, 32 /
151
n
i
i
n
i
i
y
y residente
m
=
=
= = = =
( )
2
2
2 2
1 1 1 1
2
n n n n
i i i i i i
i i i i
y ym y y y m y m
= = = =
= +
2 2
1
96.000 ... 82.039.000.000
n
i
i
y
=
= + =
2 2
1
8 ... 1.047
n
i
i
m
=
= + =
( )
1
96.000 8 ... 8.403.000
n
i i
i
y m
=
= + =
( )
2
2
1
1 15.227.502.247
634.501.213, 40
1 24
n
c i i
i
S y ym
n
=
= = =
Ya que M es desconocido, M debe ser estimada por m
1
1 151
6, 04 /
25
n
i
i
m m residente bloque
n
=
= = =
2
2
1
( ) 653.785,19
c
S N n
V y
N n
M
= =
2 ( ) 1.617,14 V y =
b)
1
1 1.329.000
53160 /
25
n
i t
i
y y bloque
n
=
= = =
22.061.400 t
t
N y = =
102
( )
2
2
2 2
1 1 1
1 1
82.039.000.000 (1.329.000) 11.389.360.000
25
n n n
i i i t
i i i
y y y y
n
= = =
| |
= = =
|
\ .
( )
2
1
( )
( ) 3.072.279.860.000
1
n
i t
i
t
y y
N N n
V
n n
= =
2 ( ) 3.505.584, 04 t V =
c)
2500
415 25 6, 0241
415
N n M = = = = 22.003.311, 26 M y = =
2
2
2
1
634.501.213, 40 ( ) 657.240, 9482
c
c
S N n
S V y
N n
M
= = =
2
( ) ( ) 4.107.755.926.250 V M V y = =
2 ( ) 4.053.519, 92 V =
( ) 17.949.791, 34 , 26.056.831,18
Como puede observarse el lmite para el error de estimacin es ms pequeo en b) que en
c) debido a que los tamaos de los conglomerados no estn altamente correlacionados con
los totales de los conglomerados en este ejemplo (
2
0, 0919
my
r = ). En otras palabras, los
tamaos de los conglomerados proporcionan poca informacin referente a los totales de
los conglomerados.
d)
2
634.501.213, 40
c
S =
2
2 2 2
500 6, 04
2.280.100
4 4
B M
D
= = =
2
2
166, 58 167
c
c
N
n
ND
= =
+
4. (Ejercicio 10, relacin tema 6) Una empresa de trabajo temporal quiere investigar las
necesidades de empleo de las empresas de un pueblo. Para ello decide seleccionar una
muestra de 10 de las 85 inscritas en el registro mercantil. El nmero de bajas en el ltimo
ao, el nmero de empleados y la respuesta de cada empresa sobre si utilizara los
servicios de la empresa de trabajo temporal fueron los siguientes:
Empresa Bajas Empleados Respuesta
1 1 7 Si
2 2 15 No
3 9 85 Si
4 0 3 No
5 2 12 No
6 0 8 No
7 1 21 Si
8 0 4 No
9 4 35 No
10 6 92 Si
103
(a) Estime el nmero de bajas en el ltimo ao en las empresas del pueblo. D el lmite
del error de estimacin.
(b) Estime la proporcin de empresas que usaran los servicios ofertados. D el lmite del
error de estimacin.
SOLUCIN:
a) Se trata de un muestreo por conglomerados (cada empresa es un conglomerado) donde
no se conoce el nmero total de empleados para toda la poblacin, por tanto para estimar
el total consideraremos un muestreo aleatorio simple tomando como elementos muestrales
las empresas.
i
y
( )
2
i t
y y
1
2
9
0
2
0
1
0
4
6
2.25
0.25
42.25
6.25
0.25
6.25
2.25
6.25
2.25
12.25
25 80.5
25
2.5 /
10
t
y bajas empresa = = 85 2.5 212.5 t bajas = =
2 2
80.5 85 10 8.94
8.94 ( ) 0.7892157 ( ) 85 ( ) 5702.08
9 85 10
t
t t t
S V y V V y
| |
= = = = = =
|
\ .
= =
b)
4
0.40 (40%)
10
p = =
85 10 0.4 0.6
( ) 0.02353
85 10 1
V p
= =
2
1 1
2
1 1
3600
60 3 60 178 10594
60
7030 16501100
n n
i i
i i
n n
i i
i i
N n M m m
y y
= =
= =
= = = = = =
= =
1
1
39, 49
n
i
i
n
i
i
y
y
m
=
=
= = =
( )
2 2
2 2 2
1 1 1 1
1 1
2 2612, 04
1 1
n n n n
c i i i i i i
i i i i
S y ym y y m y m y
n n
= = = =
| |
= = + =
|
\ .
2
2
1
( ) 0, 23 2 ( ) 0, 96
c
N n S
V y V y
N n
M
= = =
6. (Como ejercicio 4, relacin del tema 6) En un proceso de control del volumen envasado
por una fbrica de bebidas se eligen 3 de los 40 paquetes envasados en una hora, cada uno
de los cuales contiene 4 envases, y se mide el volumen que cada envase contiene. Las
observaciones se presentan en la tabla adjunta:
Paquete n Volumen envasado en cl
1 33,5 32,5 31 34
2 32,5 32 33 32,5
3 30,5 33 33 33,5
Estime el volumen medio de los envases y la cota del error de estimacin.
SOLUCIN:
N=40, n=3,
( ) con las funciones del modo SD de la calculadora :
3 3
2
1 1
4 12 48
i i
i i
M m m m
= =
= = = =
i
m
i
y
i i
m y
4
4
4
131
130
130
524
520
520
3
1
1564
i i
i
m y
=
=
105
5 5
2
1 1
130, 33 391 50961
i i t
i i
y y y
= =
= = =
5
1
5
1
32, 5833
i
i t
i
i
y
y
y cl
m
m
=
=
= = = =
( )
3 3 3 3
2 2
2 2 2
1 1 1 1
1 1
2 0, 3333
1 1
c i i i i i i
i i i i
S y ym y y m y m y
n n
= = = =
| |
= = + =
|
\ .
2
2
1
( ) 0, 006423 2 ( ) 0,1603
c
S N n
V y V y cl
N n
M
= = =
7. (Como ejercicio 1, relacin del tema 6) Un fabricante de sierras quiere estimar el coste
medio de reparacin mensual para las sierras que ha vendido a ciertas industrias. El
fabricante no puede obtener un coste de reparacin para cada sierra, pero puede obtener la
cantidad total gastada en reparacin y el nmero de sierras que tiene cada industria.
Entonces decide usar muestreo por conglomerados, con cada industria como un
conglomerado. El fabricante selecciona una muestra aleatoria simple de 5 de 100
industrias a las que da servicio. Los datos sobre coste total de reparaciones por industria y
el nmero de sierras son:
Industria N sierras Costo total de reparacin
para el mes pasado ()
1 3 50
2 7 110
3 11 230
4 9 140
5 2 60
Estime el coste medio de reparacin por sierra para el mes pasado y el lmite para el error
de estimacin.
SOLUCIN: N=100, n=5,
( ) con las funciones del modo SD de la calculadora :
2
1 1
6, 4 32 264
n n
i i
i i
M m m m
= =
= = = =
i i
m y
150
770
2530
1260
120
1
4830
n
i i
i
m y
=
=
106
2
1 1
118 590 90700
n n
i i t
i i
y y y
= =
= = =
5
1
5
1
18, 4375
i
i t
i
i
y
y
y
m
m
=
=
= = = =
( )
2
2
2 2 2
1 1 1 1
1 1
2 584, 57
1 1
n n n n
c i i i i i i
i i i i
S y ym y y m y m y
n n
= = = =
| |
= = + =
|
\ .
2
2
1
( ) 2, 7116 2 ( ) 3, 2934
c
S N n
V y V y
N n
M
= = =
8. (Como ejercicio 5, relacin del tema 6) Un peridico quiere estimar la proporcin de
votantes que apoyan a cierto candidato A, en una eleccin estatal. Ya que la seleccin y
entrevista de una muestra aleatoria simple de votantes registrados es muy costosa, se
utiliza muestreo por conglomerados, con distritos como conglomerados. Se selecciona una
muestra aleatoria de 5 distritos de un total de 495 que tiene el estado. El peridico quiere
hacer la estimacin el da de la eleccin, pero antes de que se haya hecho la cuenta final de
los votos. Es por eso que los reporteros son enviados a los lugares de votacin de cada
distrito en la muestra, para obtener la informacin pertinente directamente de los votantes.
Los resultados se muestran en esta tabla:
N votantes N votantes A
1290 680
1170 631
840 475
1620 935
1381 472
Estime la proporcin de votantes que apoyan al candidato A y el lmite para el error de
estimacin.
SOLUCIN:
N=495, n=5,
i i
m y
877200
738270
399000
1514700
651832
1
4181002
n
i i
i
m y
=
=
107
( ) con las funciones del modo SD de la calculadora :
2
1 1
2
1 1
1260, 2 6301 8270161
638, 6 3193 2183195
n n
i i
i i
n n
i i t
i i
M m m m
y y y
= =
= =
= = = =
= = =
( )
5
1
5
1
0, 506745 50, 67%
i
i t
i
i
y
y
p
m
m
=
=
= = = =
( )
2
2
2 2 2
1 1 1 1
1 1
2 17372, 505
1 1
n n n n
c i i i i i i
i i i i
S y ym y y m y m y
n n
= = = =
| |
= = + =
|
\ .
( )
2
2
1
( ) 0, 00216573 2 ( ) 0, 0930748 9, 31%
c
S N n
V p V y
N n
M
= = =
108
7. Estimacin del tamao de la poblacin.
7.1 Muestreo directo.
7.2 Muestreo inverso.
7.3 Muestreo por cuadros.
7.3.1 Estimacin de la densidad y tamao de la poblacin.
7.3.2 Muestreo por cuadros en el espacio temporal.
7.3.3 Cuadros cargados.
7.1 Estimacin del tamao de la poblacin usando muestreo directo
En el muestreo directo se realizan los siguientes pasos:
1. Se selecciona una muestra aleatoria de tamao t , se marcan y se devuelven a la
poblacin.
2. Posteriormente se selecciona una muestra aleatoria de tamao n (tamao fijado de
antemano) de la misma poblacin y se observa cuntos de ellos estn marcados
( s =nmero de elementos marcados en esta 2 muestra)
Sea p = proporcin de elementos marcados en la poblacin,
N
t
p = ,
p
t
N = , pero p es
desconocido. Entonces estimamos p mediante la proporcin muestral:
n
s
p = = proporcin de elementos marcados en la 2 muestra
Por tanto,
ESTIMADOR DE N :
s
nt
n s
t
p
t
N = = =
/
|
|
.
|
\
|
=
=
aleatoria
constantes ,
s
t n
VARIANZA ESTIMADA DE N
: ( )
3
2
) (
s
s n n t
N V
=
Comentarios
s = nmero de elementos marcados en la 2 muestra, ha de ser mayor que 0 para que
las frmulas estn bien definidas. Si en la segunda muestra no aparece ningn
elemento marcado, se aumenta el tamao muestral.
N
no es un estimador insesgado de N :
| | N
nt
t N
N N N E
+ =
) (
Cuanto mayor sean n y t menor ser el sesgo
( ) N t
N
nt
.
109
N
444, 4
27
nt
N
s
= = =
( )
2 2
3 3
( ) 100 120(120 27)
5.669, 87
27
t n n s
V N
s
= = =
( )
2 150, 60 B V N = =
7.2 Estimacin del tamao de la poblacin usando muestreo inverso
La diferencia con el muestreo directo es que aqu el tamao de la segunda muestra no est
fijado (es aleatorio), lo que se fija es s = nmero de elementos marcados en la segunda
muestra.
Los pasos para realizar este mtodo son:
1. Se selecciona una muestra inicial de t elementos, se marcan y se devuelven a la
poblacin.
2. Se selecciona una segunda muestra aleatoria hasta que se obtienen s elementos
marcados (sea n el tamao final de dicha muestra).
ESTIMADOR DE N :
s
nt
n s
t
p
t
N = = =
/
|
|
.
|
\
|
=
=
aleatoria
constantes ,
n
s t
VARIANZA ESTIMADA DE N
: ( )
) 1 (
) (
2
2
+
=
s s
s n n t
N V
Comentario. N
1.066, 67
15
nt
N
s
= = =
( )
2 2
2 2
( ) 100 160(160 15)
64.444, 44
( 1) 15 (15 1)
t n n s
V N
s s
= = =
+ +
( )
2 507, 72 B V N = =
7.3.1 Estimacin de la densidad y del tamao de la poblacin usando muestreo por
cuadros
Con este mtodo se estudia el tamao de la poblacin contenida en un rea delimitada A
conocida. Los pasos a seguir son:
1. Dividir a la poblacin en N cuadros de igual rea a . Sea
i
m = nmero de elementos en el cuadro i -simo
2. Tomar una muestra de n cuadros entre los N existentes. Se observa el nmero total
de elementos que contiene la muestra:
=
=
n
i
i
m m
1
3. Calcular la densidad de elementos en la muestra (densidad muestral):
na
m
= =
muestra la de rea
muestra la en elementos n
4. La densidad poblacional es
n elementos en la poblacin
rea de la poblacin
M M
Na A
= = =
entonces A M = . Por tanto:
ESTIMADOR DE LA DENSIDAD:
na
m
=
111
VARIANZA ESTIMADA DE
:
na n a
m
V
1
2 2
= =
ESTIMADOR DEL TAMAO POBLACIONAL:
na
m
A A M = =
VARIANZA ESTIMADA DE M
:
2 2
2
2
)
n a
m A
V A M V = =
Ejemplo 7.3 (Ejercicio 3, prctica 7)
La polica de Madrid est interesada en conocer el nmero de aficionados que se reunieron en
torno a la fuente de Neptuno para celebrar el triunfo de su equipo. Con este dato se puede
conocer la cuanta de medios materiales y humanos (polica, proteccin civil, personal
sanitario, etc.) necesaria para atender futuras concentraciones. Para estimar el nmero de
aficionados se toma una fotografa area de la zona ocupada por stos, tras lo cual se traza
sobre ella una cuadrcula que divide el rea total en 300 cuadros de 10 metros de lado cada
uno. Posteriormente se numeran y se extrae una muestra aleatoria de 20 de estos cuadros; por
ltimo se cuenta el nmero de aficionados que hay en cada uno de los cuadros seleccionados,
obtenindose los resultados de la tabla:
N del cuadro
Nmero de aficionados
en el cuadro
N del cuadro
Nmero de aficionados
en el cuadro
1
2
3
4
5
6
7
8
9
10
193
216
250
163
209
195
232
174
215
198
11
12
13
14
15
16
17
18
19
20
160
220
163
306
319
289
205
210
209
198
a) Estime la densidad de aficionados por metro cuadrado y obtenga su intervalo
de confianza.
b) Estime el nmero total de aficionados concentrados en la plaza de Neptuno y
obtenga su intervalo de confianza.
112
Solucin:
a) 10 10 100 a = =
4324
2,162
20 100
m
na
= = =
2,162
( ) 0, 001081 2 0, 001081 0, 066
2000
V B
na
= = = = =
2
2,162 (2, 096 , 2, 228) aficionados m =
b)
2
300 100 30.000 A m = =
30.000 2,162 64.860 M A aficionados = = = 30.000 0, 066 1.980 B AB
= = =
(62.880 , 66.840)
7.3.2 Muestreo en el espacio temporal
En determinadas ocasiones podemos tomar los cuadros como intervalos temporales. Vemoslo
con un ejemplo.
Ejemplo 7.4 (Ejercicio 7, relacin tema 7)
Se desea estimar el nmero total de personas que diariamente solicitan informacin en una
oficina turstica. Se observa que 114 personas solicitan informacin, durante 12 intervalos de
5 minutos cada uno, repartidos aleatoriamente entre las 8 horas que permanece abierta la
oficina. Estime el total de personas que visitan la oficina diariamente y calcule la cota del
error de estimacin.
Solucin
8 = A horas= 480 minutos n =12 intervalos = a 5 minutos m =114 personas
114
1, 9 /
5 12
personas minuto = =
912
m
M A personas
na
= =
2
2 2
( ) 7.296 170,8
A m
V M B
a n
= = =
7.3.3 Cuadros cargados
En este tipo de muestreo tambin se divide a la poblacin en cuadros, pero el mtodo se utiliza
cuando despus de hecha la divisin son muchos los cuadros que no contienen elementos y
otros contienen pocos, es decir, la densidad de elementos por unidad de superficie es muy
pequea.
Este tipo de muestreo se basa en la identificacin de la presencia o ausencia de elementos en
cada uno de los cuadros de la muestra. Un cuadro se dice cargado cuando contiene al menos
un elemento objeto de estudio.
113
Los pasos a seguir son:
1. Se divide a la poblacin en N cuadros de igual rea a .
2. Se toma una muestra de n cuadros entre los N existentes. Se observa el nmero total
de cuadros no cargados de la muestra, a este nmero de cuadros sin presencia de
elementos se le designa por y . Es importante tener en cuenta que y no puede ser cero
ni n ( n y < < 0 ). Si una vez observada la muestra 0 = y n y = , ampliaremos el
tamao muestral
3. La densidad poblacional se estima como
1
ln
a
y
n
| |
=
|
\ .
y su varianza como
ny
y n
a
V
=
2
1
)
Dado que A M = obtenemos
ESTIMADOR DEL TAMAO POBLACIONAL: |
.
|
\
|
= =
n
y
a
A
A M ln
VARIANZA ESTIMADA DE M
:
ny
y n
a
A
M V
=
2
2
)
Ejemplo 7.5 (Ejercicio 4, prctica 7)
Se desea estimar el nmero total de autobuses que, entre las 6 y las 24 horas del domingo,
circulan por un determinado punto kilomtrico de una carretera. La observacin se realiza
mediante 40 intervalos, de 10 minutos cada uno, repartidos a lo largo del periodo en estudio.
En 18 ocasiones, de las cuarenta que se estableci el control, no circul por el punto en
cuestin ningn autobs. Estimar el nmero total de autobuses que circularon entre las 6 y las
24 horas. Dar un lmite de error de estimacin.
Solucin
= A 24-6=18 horas=1.080 minutos n = 40 intervalos a =10 minutos
y =18 intervalos sin autobuses
1.080 18
ln ln 86, 24
10 40
A y
M
a n
| | | |
= = =
| |
\ . \ .
2 2
2 2
1.080 40 18
( ) 356, 4 37, 8
10 40 18
A n y
V M B
a ny
= = = =
114
EJERCICIOS RESUELTOS
1. (Ejercicio 6, relacin tema 7) En una plantacin de pinos de 200 acres, se va a estimar la
densidad de rboles que presentan hongos parsitos. Se toma una muestra de 10 cuadros
de 0,5 acres cada uno. Las diez parcelas muestreadas tuvieron una media de 2,8 rboles
infectados por cuadro.
a) Estime la densidad de rboles infectados y establezca un lmite de error de
estimacin.
b) Estime el total de rboles infectados en los 200 acres de la plantacin y
establezca un lmite de error de estimacin.
SOLUCIN:
a)
2, 8 10
5, 6 . /
10 0, 5
m
arb infectados acre
na
= = =
;
1 1
( ) 5, 6 1,12 2,1
10 0, 5
V B
na
= = = =
b)
200 5, 6 1.120; M A = = = 200 2,1 423, 32 B AB
= = =
2. (Como ejercicio 12, relacin tema 7) Se desea estimar el nmero de vehculos de un
modelo determinado que el mes prximo utilizarn el aparcamiento de Puerta Real.
Durante las 720 horas del mes se van a establecer 5 controles aleatorios de 1 hora de
duracin cada uno. Transcurrido el mes, se ha observado en los 5 controles los siguientes
resultados:
Control Nmero de vehculos de ese
modelo que usan el
aparcamiento
1 0
2 1
3 2
4 0
5 3
Estime el nmero total de vehculos del modelo en estudio que utilizaron el aparcamiento.
D el lmite del error de estimacin.
SOLUCIN:
6
720 1 5 . 0 1 2 0 3 6 . 1.2 1.2 . /
5
m
A h a h n contr m veh m veh h
a
= = = = + + + + = = = = =
1.2 720 864 . M A veh = = =
115
( )
2
124416
A
V M
an
= = = =
4. (Como ejercicio 13, relacin tema 7) El ayuntamiento de Barcelona est interesado en
conocer el nmero de aficionados que acudieron al aeropuerto para vitorear al equipo
campen. Para ello, dividieron la sala de espera, de dimensiones 100 metros de largo por
40 metros de ancho, en 100 cuadros de igual tamao y seleccionaron 20, observando que
el nmero de personas era 1.100.
Estime el nmero total de asistentes y el lmite para el error de estimacin.
SOLUCIN:
4000 40 100 20 1100 55 A a N n m m = = = = = =
5500
m
M A A
a
= = =
( )
( )
2 2
2
27500 2 331, 66
A A m
V M V M
an a n
= = = =
5. (Ejercicio 8, relacin tema 7) Un alumno de A.T.C. desea estimar el nmero de alumnos
que una determinada maana han ido a la Facultad. Para ello se basa en que dicho da una
conocida marca comercial ha repartido a primeras horas de la maana en la entrada de la
116
Facultad 500 carpetas. En un intercambio de clase, sentado en un banco del pasillo, decide
contar los alumnos que pasan hasta observar a 100 que portan la carpeta, para lo que fue
necesario contar hasta 382 alumnos.
Estime con un intervalo de confianza el nmero de alumnos que asistieron esa maana a la
Facultad.
SOLUCIN: muestreo inverso
500 382 100 t n s = = =
1910
t nt
N alumnos
s
p
= = =
( )
( )
2
2
( )
26664, 35643 2 326, 58
( 1)
t n n s
V N V N alumnos
s s
= = =
+
( ) 1910 326, 58
117
8. Anlisis cluster.
8.1 Introduccin.
8.2 Medidas de similaridad.
8.2.1 Medidas de similaridad para variables mtricas
8.2.2 Medidas de similaridad para datos binarios
8.3 Estandarizacin de datos.
8.4 Formacin de grupos: Clusters jerrquicos y clusters no jerrquicos.
8.4.1 Clusters jerrquicos.
8.4.2 Clusters no jerrquicos.
8.5 Eleccin entre los distintos tipos de anlisis cluster.
8.1 Introduccin
Supongamos que el responsable de marketing de una empresa tiene una base de datos con las
caractersticas sociodemogrficas de sus clientes: edad, nivel educativo, nivel de ingresos,
estado civil, tipo de ocupacin, nmero de hijos, etc. Este directivo se plantea si puede dividir
a sus clientes en subgrupos con caractersticas sociodemogrficas similares entre s, pero lo
ms diferente posible unos subgrupos de otros. Si esto fuera as, el directivo podra, por
ejemplo, disear campaas de publicidad distintas para cada grupo, con creatividades
diferentes.
El trmino anlisis cluster se utiliza para definir una serie de tcnicas que tienen por objeto la
bsqueda de grupos similares de individuos o de variables. Dada una muestra de individuos,
de cada uno de los cuales se dispone de una serie de observaciones, el anlisis cluster sirve
para clasificarlos en grupos de tal forma que:
o Cada grupo (cluster o conglomerado) sea lo ms homogneo posible en base a las
variables observadas, es decir, cada observacin contenida en l sea parecida a todas
las que estn incluidas en ese grupo.
o Los grupos sean lo ms distintos posible unos de otros respecto a las variables
consideradas.
Los grupos no son conocidos de antemano pero sern sugeridos por la propia esencia de los
datos (a partir de las observaciones).
Adems de encontrar agrupaciones naturales entre los elementos de la muestra, el anlisis
cluster es til para reducir la informacin e, incluso, si el anlisis genera agrupaciones
inesperadas, nos puede sugerir nuevas relaciones a investigar entre los elementos.
118
Inicialmente, el investigador dispone de n observaciones (individuos, empresas, etc.) de los
que tiene informacin sobre k variables (edad, estado civil, etc.). Los pasos lgicos que se
efectan al realizar un anlisis cluster son:
1. Establecer un indicador que nos diga en que medida cada par de observaciones se
parecen entre s. A esta medida se le denomina distancia o similaridad.
2. El siguiente paso consiste en crear grupos, de forma que cada grupo contenga aquellas
observaciones que ms se parezcan entre s, de acuerdo con la medida de similaridad
calculada antes.
3. Finalmente, el investigador debe describir los grupos que ha obtenido y compararlos
unos con otros. Para ello es til ver qu valores promedio toman las variables
utilizadas en cada uno de los grupos creados.
La nica informacin requerida en el anlisis cluster es una medida cuantitativa con la que se
pueda medir la asociacin o similitud entre elementos.
Para llevar a cabo el paso 2, existen dos tipos de tcnicas para realizar este anlisis:
Tcnicas jerrquicas. Configuran grupos con estructura arborescente, de forma
que clusters de niveles ms bajos van siendo englobados en otros niveles
superiores.
Tcnicas no jerrquicas. Asignan los casos a un nmero de grupos que se fijan
inicialmente.
A su vez, en cada tcnica se pueden utilizar distintos mtodos de agrupacin.
8.2 Medidas de similaridad
Ejemplo 8.1 (Ejercicio 1, Relacin Tema 8)
Un investigador tiene informacin sobre el presupuesto que un conjunto de empresas ha
destinado a publicidad en el ltimo ao y de las ventas que han logrado en ese mismo
ejercicio:
Nombre Empresa Inversin en publicidad Ventas
E1 16 10
E2 12 14
E3 10 22
E4 12 25
E5 45 10
E6 50 15
E7 45 25
E8 50 27
Estudie si estas empresas pueden agruparse en funcin de la rentabilidad en trminos de
ventas que han sido capaces de generar con su inversin publicitaria.
119
Solucin
La siguiente figura ilustra grficamente los datos anteriores
10 20 30 40 50
Inversion
10,00
15,00
20,00
25,00
30,00
V
e
n
t
a
s
E1
E2
E3
E4
E5
E6
E7
E8
Al haber utilizado solo dos variables se pueden distinguir de forma clara cuatro grupos de
empresa:
o Grupo E1-E2: Con una pequea inversin han obtenido pocas ventas
o Grupo E3-E4: Pese haber invertido tan poco como las empresas anteriores, han
obtenido una gran rentabilidad, en trminos de ventas, a estas inversiones.
o Grupo E5-E6: Pese a haber realizado un gran esfuerzo publicitario no han sido capaz
de obtener unas ventas razonables.
o Grupo E7-E8: Con inversiones elevadas han rentabilizado su inversin en trminos de
ventas.
Cmo se han obtenido los grupos anteriores? De forma intuitiva hemos visto que la empresa
E1 est a una distancia menor de E2 que de E3 o de cualquiera de las empresas restantes, y las
hemos puesto en el mismo grupo. De manera anloga hemos procedido con las dems
empresas. Pero qu hubiera ocurrido si en vez de tener dos variables tuvisemos 5 o 50? En
estos casos, debemos formalizar la expresin ms cerca y traducirla en alguna medida de
proximidad o similaridad entre cada par de observaciones. En funcin del tipo de variables
que se utilicen, las medidas adecuadas sern diferentes.
120
8.2.1 Medidas de similaridad para variables mtricas
En el caso en que las variables que se utilicen para caracterizar las observaciones sean
mtricas se pueden utilizar algunas de las siguientes medidas.
(A) Distancia eucldea
Si consideramos dos observaciones i y j de las n posibles y si llamamos
ip
x y
jp
x al valor
que toma la variable
p
x de las k existentes, la distancia eucldea entre ambas se calcula del
siguiente modo:
( )
2
1
k
ij ip jp
p
D x x
=
=
Ejemplo 8.2 (continuando con los datos del ejemplo 8.1)
La distancia eucldea entre E1 y E2 toma el siguiente valor:
( ) ( )
2 2
12
16 12 10 14 5, 66 D = + =
El programa SPSS calcula las distancias entre todos los pares de observaciones como paso
inicial del anlisis cluster:
Matriz de distancias euclideas
Caso
distancia eucldea
1:E1 2:E2 3:E3 4:E4 5:E5 6:E6 7:E7 8:E8
1:E1
,00 5,66 13,42 15,52 29,00 34,37 32,65 38,01
2:E2
5,66 ,00 8,25 11,00 33,24 38,01 34,79 40,16
3:E3
13,42 8,25 ,00 3,61 37,00 40,61 35,13 40,31
4:E4
15,52 11,00 3,61 ,00 36,25 39,29 33,00 38,05
5:E5
29,00 33,24 37,00 36,25 ,00 7,07 15,00 17,72
6:E6
34,37 38,01 40,61 39,29 7,07 ,00 11,18 12,00
7:E7
32,65 34,79 35,13 33,00 15,00 11,18 ,00 5,39
8:E8
38,01 40,16 40,31 38,05 17,72 12,00 5,39 ,00
Esta es una matriz de disimilaridades
(B) Distancia eucldea al cuadrado
El clculo de la raz cuadrada al que obliga la aplicacin de la distancia eucldea puede ser
demasiado exigente en trminos de capacidad de computo del ordenador. Una forma de
reducir los clculos consiste en tomar como medida de similaridad el cuadrado de la distancia
eucldea:
( )
2
1
k
ij ip jp
p
D x x
=
=
121
(C) Distancia de Minskowski
La distancia eucldea es un caso particular de la distancia de Minskowski:
1
1
k n
n
ij ip jp
p
D x x
=
(
=
(
Tomando 2 n = se obtiene la distancia eucldea.
8.2.2 Medidas de similaridad para datos binarios
En algunas ocasiones, las variables utilizadas son dicotmicas, tomando valores 0 y 1.
Ejemplo 8.3
Consideremos una base de datos formada por 5 observaciones de 4 variables dicotmicas:
Observaciones Variables
X1 X2 X3 X4
E1 1 1 0 0
E2 0 1 1 1
E3 1 1 0 1
E4 0 0 0 1
E5 1 1 1 0
Para calcular las medidas de similaridad se construye en primer lugar una matriz 22 para
cada par de observaciones. En ella se recogen las coincidencias y las divergencias entre las
distintas variables correspondientes a las dos observaciones comparadas. Por ejemplo, para las
observaciones E1 y E2:
E1
1 0
E2
1 1 2
0 1 0
E1
1 0
E2
1 a b
0 c d
Dado que la observacin E1 presenta un 1 a la vez que E2 en una sola ocasin (para la
variable X2), la celda a que recoge este hecho aparece como 1. Como para las variables X3 y
X4 el atributo est presente en E2 y ausente en E1, en la casilla b aparece un 2.
Anlogamente se calculan c y d . De este modo calcula el SPSS distintas medidas de
similitud.
122
Las medidas de similitud ms utilizadas, para dos observaciones i y j cualquiera, son las
siguientes:
(A) Distancia eucldea al cuadrado
ij
D b c = +
(B) Distancia eucldea
ij
D b c = +
(C) Diferencia de tamao
( )
( )
2
2 ij
b c
D
a b c d
=
+ + +
Ejemplo 8.4
Con los datos del ejemplo 8.3, calculamos la distancia diferencia de tamao entre las
observaciones E1 y E2:
( )
( )
2
12 2
2 1
0, 0625
1 2 1 0
D
= =
+ + +
La salida del SPSS para un anlisis cluster que utiliza como distancia la diferencia de tamao
es la siguiente:
Matriz de distancias
Caso
diferencia de tamao
1:E1 2:E2 3:E3 4:E4 5:E5
1:E1
,000 ,063 ,063 ,063 ,063
2:E2
,063 ,000 ,000 ,250 ,000
3:E3
,063 ,000 ,000 ,250 ,000
4:E4
,063 ,250 ,250 ,000 ,250
5:E5
,063 ,000 ,000 ,250 ,000
Esta es una matriz de disimilaridades
8.3 Estandarizacin de los datos
Si se analizan las medidas de distancia presentadas en la pregunta anterior, se puede
comprobar que todas ellas estn basadas en la sustraccin, para cada par de observaciones, de
los valores de las variables utilizadas en su caracterizacin. Por ello, se puede esperar que las
medidas de similaridad sean muy sensibles a las unidades en que estn medidas dichas
variables. Si pretendemos agrupar empresas en funcin de dos variables como el tamao de su
activo y el nmero de trabajadores, la primera variable contribuir mucho ms a establecer los
123
grupos que la segunda. Y esto no se debe a que, conceptualmente, una es mucho ms
importante que la otra, sino a que, con esas unidades, su valor absoluto ser siempre muy
superior.
Ejemplo 8.5
En el siguiente cuadro se recoge el tamao de los activos y el nmero de trabajadores de 8
empresas:
Nombre Empresa Activos Trabajadores
E1 10.000.000.000 100
E2 10.050.000.000 90
E3 10.000.000.000 200
E4 10.050.000.000 190
E5 20.000.000.000 200
E6 20.050.000.000 190
E7 20.000.000.000 100
E8 20.050.000.000 90
Si efectuamos un anlisis cluster con estos datos, la matriz de distancias que se obtiene es:
Matriz de distancias
,000 5,0E+07 100,000 5,0E+07 1,0E+10 1,0E+10 1,0E+10 1,0E+10
5,0E+07 ,000 5,0E+07 100,000 1,0E+10 1,0E+10 1,0E+10 1,0E+10
100,000 5,0E+07 ,000 5,0E+07 1,0E+10 1,0E+10 1,0E+10 1,0E+10
5,0E+07 100,000 5,0E+07 ,000 1,0E+10 1,0E+10 1,0E+10 1,0E+10
1,0E+10 1,0E+10 1,0E+10 1,0E+10 ,000 5,0E+07 100,000 5,0E+07
1,0E+10 1,0E+10 1,0E+10 1,0E+10 5,0E+07 ,000 5,0E+07 100,000
1,0E+10 1,0E+10 1,0E+10 1,0E+10 100,000 5,0E+07 ,000 5,0E+07
1,0E+10 1,0E+10 1,0E+10 1,0E+10 5,0E+07 100,000 5,0E+07 ,000
Caso
1:E1
2:E2
3:E3
4:E4
5:E5
6:E6
7:E7
8:E8
1:E1 2:E2 3:E3 4:E4 5:E5 6:E6 7:E7 8:E8
distancia eucldea
Esta es una matriz de disimilaridades
Este matriz muestra que los dos grupos obtenidos responden exclusivamente a la variable
activos puesto que sita en un mismo grupo a aquellas con cifras que rondan los 10.000
millones (E1, E2, E3, E4) y en otro grupo a las que tienen activos en torno a los 20.000
millones (E5, E6, E7, E8). Es decir, la influencia del nmero de trabajadores es prcticamente
nula.
Para evitar esta influencia no deseable de una variable debida exclusivamente a la unidad en
que viene medida, es necesario corregir el efecto de los datos recurriendo a un proceso de
estandarizacin. El programa SPSS ofrece distintas posibilidades, de las que detallamos las de
uso ms frecuente:
124
o Puntuaciones Z. Los datos son estandarizados restando al valor de cada observacin la
media del conjunto de observaciones y dividiendo el resultado por su desviacin tpica.
De esta forma, la variable estandarizada tiene media 0 y varianza 1.
o Rango 1. El valor de la variable en cada observacin es dividido por el rango de esa
variable para el conjunto de observaciones. De esta manera, el rango de variacin de la
variable as estandarizada queda reducido a un intervalo de valor 1.
o Rango 0 a 1. El valor de una variable para cada observacin es estandarizado
sustrayndole el valor mnimo que toma esa variable en el conjunto de las
observaciones y a continuacin se divide por el rango. De esta forma, el valor mnimo
de la variable ser 0 y el mximo 1.
Ejemplo 8.6
Estandarizamos los datos del ejemplo 8.5 utilizando el procedimiento de las puntuaciones Z:
Nombre Empresa Activos
(Pesetas)
Trabajadores Valores estand.
Activos
Valores estand.
Trabajadores
E1 10.000.000.000 100 -1,00 -0,90
E2 10.050.000.000 90 -0,99 -1,09
E3 10.000.000.000 200 -1,00 1,09
E4 10.050.000.000 190 -0,99 0,90
E5 20.000.000.000 200 0,99 1,09
E6 20.050.000.000 190 1,00 0,90
E7 20.000.000.000 100 0,99 -0,90
E8 20.050.000.000 90 1,00 -1,09
Media
Desv. Tpica
15.025.000.000
5.000.062.499
145
50,24
0
1
0
1
Si efectuamos un anlisis cluster con los datos tipificados, la matriz de distancias es:
Matriz de distancias
Caso
distancia eucldea
1:E1 2:E2 3:E3 4:E4 5:E5 6:E6 7:E7 8:E8
1:E1
,000 ,186 1,862 1,675 2,639 2,518 1,871 1,889
2:E2
,186 ,000 2,048 1,862 2,767 2,639 1,871 1,871
3:E3
1,862 2,048 ,000 ,186 1,871 1,889 2,639 2,780
4:E4
1,675 1,862 ,186 ,000 1,871 1,871 2,504 2,639
5:E5
2,639 2,767 1,871 1,871 ,000 ,186 1,862 2,048
6:E6
2,518 2,639 1,889 1,871 ,186 ,000 1,675 1,862
7:E7
1,871 1,871 2,639 2,504 1,862 1,675 ,000 ,186
8:E8
1,889 1,871 2,780 2,639 2,048 1,862 ,186 ,000
Esta es una matriz de disimilaridades
Esta matriz muestra cmo ahora aparecen 4 grupos. Por ejemplo, E1 y E2. Tiene activos en
torno a los 10.000 millones pero los separa del grupo formado por E3 y E4 porque estas
ltimas les doblan en trminos de nmero de trabajadores.
125
8.4 Formacin de los grupos: Clusters jerrquicos y clusters no jerrquicos
Una vez que, mediante el clculo de la matriz de distancias, se sabe qu observaciones estn
ms prximas entre si, es necesario formar los grupos. Esto implica tomar dos decisiones:
o Seleccionar el algoritmo de agrupacin.
o Determinar un nmero de grupos razonables.
Adoptar estas decisiones no es sencillo dado que existen decenas de algoritmos de agrupacin.
La mayora de los autores aconsejan utilizar diversos procedimientos y comparar resultados.
Si distintos mtodos aportan agrupaciones similares ser razonable suponer que existe una
agrupacin natural objetiva. Si no fuera as, habra que examinar las distintas agrupaciones a
la luz de un marco terico o de trabajos precedentes para elegir el resultado ms razonable.
Los algoritmos de agrupacin se clasifican, como se adelantaba en la introduccin, en dos
clases:
Tcnicas jerrquicas.
Tcnicas no jerrquicas.
8.4.1 Clusters jerrquicos
Los principales algoritmos de agrupamiento jerrquico son:
(A) Mtodo de agrupacin de centroides
Este mtodo comienza uniendo las dos observaciones que estn ms cercanas. A continuacin,
el grupo formado es sustituido por una observacin que lo representa y en la que las variables
toman los valores medios de todas las observaciones que constituyen el grupo representado
(centroide). En ese momento se recalcula la matriz de distancias, se unen entonces las dos
observaciones ms cercanas y se repite el proceso. ste termina cuando todas las
observaciones estn en un solo grupo
Ejemplo 8.7
Utilizando los datos sobre las 8 empresas del ejemplo 8.1, calculamos la matriz de distancias,
en este caso eucldea al cuadrado:
126
Matriz de distancias
Caso
distancia eucldea al cuadrado
1:E1 2:E2 3:E3 4:E4 5:E5 6:E6 7:E7 8:E8
1:E1
0 32 180 241 841 1181 1066 1445
2:E2
32 0 68 121 1105 1445 1210 1613
3:E3
180 68 0 13 1369 1649 1234 1625
4:E4
241 121 13 0 1314 1544 1089 1448
5:E5
841 1105 1369 1314 0 50 225 314
6:E6
1181 1445 1649 1544 50 0 125 144
7:E7
1066 1210 1234 1089 225 125 0 29
8:E8
1445 1613 1625 1448 314 144 29 0
Esta es una matriz de disimilaridades
El mtodo de agrupacin de centroides comienza uniendo las observaciones ms cercana, en
este caso E3 y E4 (13). A continuacin, el grupo formado es sustituido por una observacin
que lo representa y en la que las variables toman los valores medios de todas las
observaciones que forman el grupo representado (centroide). En este caso, E3 y E4 se
sustituyen por una empresa promedio que llamaremos E3-4 para la que el gasto en publicidad
y las ventas toman los siguientes valores:
Publicidad de E3-4
10 12
11
2
+
= =
Ventas de E3-4
22 25
23, 5
2
+
= =
Por tanto, los datos actualizados son:
Nombre Empresa Inversin en publicidad Ventas
E1 16 10
E2 12 14
E3-4 11 23,5
E5 45 10
E6 50 15
E7 45 25
E8 50 27
La matriz de distancias, ahora es
Matriz de distancias
Caso distancia eucldea al cuadrado
1:E1 2:E2 3:E3-4 5:E5 6:E6 7:E7 8:E8
1:E1
,0 32,0 207,3 841,0 1181,0 1066,0 1445,0
2:E2
32,0 ,0 91,3 1105,0 1445,0 1210,0 1613,0
3:E3-4
207,3 91,3 ,0 1338,3 1593,3 1158,3 1533,3
5:E5
841,0 1105,0 1338,3 ,0 50,0 225,0 314,0
6:E6
1181,0 1445,0 1593,3 50,0 ,0 125,0 144,0
7:E7
1066,0 1210,0 1158,3 225,0 125,0 ,0 29,0
8:E8
1445,0 1613,0 1533,3 314,0 144,0 29,0 ,0
Esta es una matriz de disimilaridades
Donde, por ejemplo, la distancia entre E1 y E3-4 se ha calculado sobre el centroide de ste
ltimo grupo:
127
( ) ( )
2 2
1, 3 4
16 11 10 23, 5 207, 3
E E
D
= + =
El programa SPSS recoge el historial de conglomeracin:
Historial de conglomeracin
Etapa Conglomerado que se combina Coeficientes
Etapa en la que el conglomerado
aparece por primera vez
Prxima
etapa
Conglomerado
1
Conglomerado
2
Conglomerado
1
Conglomerado
2
1
3 4 13,000 0 0 5
2
7 8 29,000 0 0 6
3
1 2 32,000 0 0 5
4
5 6 50,000 0 0 6
5
1 3 141,250 3 1 7
6
5 7 182,250 4 2 7
7
1 5 1227,250 5 6 0
En las cuatro primeras etapas se fusionan empresas individuales. En la etapa 5 se fusionan dos
grupos E1-2 y E3-4, aunque estos aparecen etiquetados con el nombre de uno solo de sus
integrantes (E1-2 se representa por 1, E3-4 se representa por 3). La columna de coeficientes
refleja las distancias a las que estaban los grupos que se van fusionando en cada etapa.
El historial de agrupacin tiene una traduccin grfica que es de gran utilidad para determinar
el nmero razonable de grupos que debe retenerse. A este grafico se le denomina
dendograma:
* * * H I E R A R C H I C A L C L U S T E R A N A L Y S I S * * *
Dendrogram using Centroid Method
Rescaled Distance Cluster Combine
C A S E 0 5 10 15 20 25
Label Num +---------+---------+---------+---------+---------+
E3 3
E4 4
E1 1
E2 2
E7 7
E8 8
E5 5
E6 6
Cmo sirve el dendograma para determinar el nmero razonable de grupos que debe
retenerse? Como hemos sealado, el anlisis de conglomerados jerrquicos comienza
128
considerando a cada individuo como un grupo independiente y sucesivamente se van
fusionando a los ms cercanos hasta que todos forman un solo grupo. Pero cada etapa une
individuos ms distantes, es decir, ms diferentes, menos susceptibles de formar un grupo.
En nuestro ejemplo, en la primera etapa se fusionan observaciones que distan 13 unidades y
en la etapa 5 observaciones que distan 141 unidades. Dnde cortar y dejar de fusionar? En
aquel momento en que la fusin siguiente va a unir individuos muy distintos, es decir, donde
el dendograma d un gran salto. Por tanto, en este ejemplo, formaramos dos grupos: (E3,
E4, E1, E2) (E7, E8, E5, E6) o cuatros: (E3, E4), (E1, E2), (E7, E8), (E5, E6).
(B) Mtodo del vecino ms cercano (vinculacin simple)
En este mtodo la distancia entre dos grupos es la distancia entre los miembros ms cercanos
de ese grupo.
Ejemplo 8.8
Con el ejemplo anterior, la distancia entre los grupos E1-2 y E3-4 estar representada por la
distancia entre E2 y E3, que son los ms cercanos. El historial de conglomeracin que
proporciona el SPSS es el siguiente:
Historial de conglomeracin
Etapa Conglomerado que se combina Coeficientes
Etapa en la que el conglomerado
aparece por primera vez
Prxima
etapa
Conglomerado
1
Conglomerado
2
Conglomerado
1
Conglomerado
2
1
3 4 13,000 0 0 5
2
7 8 29,000 0 0 6
3
1 2 32,000 0 0 5
4
5 6 50,000 0 0 6
5
1 3 68,000 3 1 7
6
5 7 125,000 4 2 7
7
1 5 841,000 5 6 0
En la etapa 5 el coeficiente es 68 que se corresponde con la distancia entre E2 y E3 que son
los vecinos ms cercanos de sus respectivos grupos. En la etapa 6 el coeficiente es 125 que se
corresponde con la distancia entre E6 y E7 que son los vecinos ms cercanos de sus
respectivos grupos...
129
10 20 30 40 50
Inversion
10,00
15,00
20,00
25,00
30,00
V
e
n
t
a
s
E1
E2
E3
E4
E5
E6
E7
E8
1
3
4
2
5
7
6
(C) Mtodo del vecino ms lejano (vinculacin completa)
En este mtodo la distancia entre grupos se mide por la distancia entre sus miembros ms
alejados.
Ejemplo 8.9
El historial de conglomeracin, utilizando SPSS, es:
Historial de conglomeracin
Etapa Conglomerado que se combina Coeficientes
Etapa en la que el conglomerado
aparece por primera vez
Prxima
etapa
Conglomerado
1
Conglomerado
2
Conglomerado
1
Conglomerado
2
1
3 4 13,000 0 0 5
2
7 8 29,000 0 0 6
3
1 2 32,000 0 0 5
4
5 6 50,000 0 0 6
5
1 3 241,000 3 1 7
6
5 7 314,000 4 2 7
7
1 5 1649,000 5 6 0
El coeficiente de la etapa 5 es 241, que corresponde con la distancia entre las empresas E1 y
E4.
130
10 20 30 40 50
Inversion
10,00
15,00
20,00
25,00
30,00
V
e
n
t
a
s
E1
E2
E3
E4
E5
E6
E7
E8
1
3
4
2
5
7
6
(D) Mtodo de la vinculacin promedio (vinculacin inter-grupos)
En este procedimiento, la distancia entre dos grupos se obtiene calculando la distancia
promedio entre todos los pares de observaciones que pueden formarse tomando un miembro
de un grupo y otro miembro del otro grupo.
Ejemplo 8.10
El historial de conglomeracin con este procedimiento es:
Historial de conglomeracin
Etapa Conglomerado que se combina Coeficientes
Etapa en la que el conglomerado
aparece por primera vez
Prxima
etapa
Conglomerado
1
Conglomerado
2
Conglomerado
1
Conglomerado
2
1
3 4 13,000 0 0 5
2
7 8 29,000 0 0 6
3
1 2 32,000 0 0 5
4
5 6 50,000 0 0 6
5
1 3 152,500 3 1 7
6
5 7 202,000 4 2 7
7
1 5 1323,625 5 6 0
Podemos observar como en la etapa 5 se fusiona el grupo formado por las empresas E1 y E2
(etiquetado por 1) con el formado por las empresas E3 y E4 (etiquetado por 3). El coeficiente,
es decir, la distancia entre ambos grupos es 1525, que se obtiene de la siguiente manera.
131
Todas las posibles combinaciones entre pares de puntos de estos dos grupos, su distancia y la
distancia promedio son:
Pares de observaciones Distancia Promedio
E1, E3 180
152,5
E1, E4 241
E2, E3 68
E2, E4 121
Aunque en nuestro ejemplo los cuatro mtodos de agrupacin nos han conducido al mismo
historial de conglomeracin (salvo los coeficientes) esto no ocurre siempre, pudindose
presentar distintas jerarquas de agrupacin para los diferentes mtodos.
Seleccin del nmero de conglomerados de la solucin
Como hemos visto, el anlisis cluster jerrquico ofrece al investigador la posibilidad de elegir
entre muchas opciones que difieren en cuanto al nmero de conglomerados finales que las
conforman: desde un grupo por cada observacin, hasta un nico grupo que integrara todas
las observaciones. Debemos decidir, entonces, cul es el nmero de conglomerados que
conforman una solucin razonable.
El SPSS solo ofrece el dendograma como herramienta de apoyo para tomar esta decisin.
Debe detenerse el proceso cuando los grupos que se han de unir estn a una distancia
significativamente mayor que los que previamente se han fusionado. Algunos autores
proponen realizar el clculo de las tasas de variacin entre los coeficientes de
conglomeracin obtenidos en etapas sucesivas. As, cuando una tasa sea drsticamente
superior a la anterior, ser el momento de detener las fusiones. Esta tasa no es calculada por el
SPSS, pero es fcil obtener a partir de la informacin de sus salidas.
Ejemplo 8.11
A partir de los coeficientes que se obtienen utilizando el mtodo de la vinculacin promedio
(vase ejemplo 8.10), las tasas de variacin son:
Etapa
Observaciones
que se fusionan
Grupos
Resultantes
Nmero
de
grupos
Coeficiente
Tasa de
Variacin
1 [E3,E4] [E3,E4],E1,E2,E5,E6,E7,E8 7 13 1,23
2 [E7,E8] [E3,E4][E7,E8],E1,E2,E5,E6 6 29 0,10
3 [E1,E2] [E1,E2][E3,E4][E7,E8],E5,E6 5 32 0,56
4 [E5,E6] [E1,E2][E3,E4][E5,E6][E7,E8] 4 50 2,05
5 [E1,E2][E3,E4] [E1,E2,E3,E4][E5,E6][E7,E8] 3 152,5 0,32
6 [E5,E6][E7,E8] [E1,E2,E3,E4][E5,E6,E7,E8] 2 202 5,55
7 [E1,E2,E3,E4][E5,E6,E7,E8] [E1,E2,E3,E4,E5,E6,E7,E8] 1 1323,625 -
132
Clculo de la primera tasa de variacin:
1
29 13
1, 23
13
T
= =
Hay dos opciones razonables: no ejecutar la sptima etapa del anlisis jerrquico, dado que el
coeficiente da un salto del 555%, y dividir las empresas en dos grupos
[E1,E2,E3,E4][E5,E6,E7,E8] o no ejecutar la quinta etapa del anlisis, pues el coeficiente da
un salto del 205% y dividir las empresas en cuatro grupos [E1,E2][E3,E4][E5,E6][E7,E8].
8.4.2 Clusters no jerrquicos
El anlisis cluster no jerrquico se caracteriza porque, a diferencia del jerrquico, se conoce a
priori el nmero h de grupos que se desea, y las observaciones son entonces asignadas a cada
uno de esos h conglomerados de tal forma que se maximiza la homogeneidad de los sujetos
asignados a un mismo grupo y la heterogeneidad entre los distintos conglomerados.
En la realizacin de un anlisis no jerrquico debemos dar estos pasos:
1. Determinar los centroides iniciales de los h grupos, esto es, los valores de las
variables que caracterizan las observaciones en cada uno de esos grupos. Estos
centroides iniciales, que se conocen como semillas, pueden ser fijados por el
investigador de acuerdo con informacin previa (por ejemplo, el resultado de un
cluster jerrquico) o dejar que sea el ordenador quien decida sus valores.
2. Una vez establecidas las semillas, cada observacin se asigna a aquel conglomerado,
de entre los h existentes, cuyo centroide est ms cercano a esa observacin.
3. Se recalculan entonces los centroides de los h grupos de acuerdo con las
observaciones que han sido clasificadas en cada uno de ellos. Si el cambio en los
centroides (distancia entre nuevos y viejos centroides) es mayor que un criterio de
convergencia preestablecido, entonces se vuelve al paso 2, finalizando el proceso
cuando se cumpla el criterio de convergencia o se supere un nmero prefijado de
iteraciones.
Formacin de los grupos
El programa SPSS utiliza el mtodo de las K-medias para formar los grupos. A continuacin
se detallan los pasos para su desarrollo incluyendo a lo largo de la exposicin su aplicacin
para los datos del ejemplo 8.1.
1. Calcular la distancia de cada observacin a los h centroides iniciales (E6, E4). Cada
observacin se asigna al conglomerado al que est ms cercano (utilizando distancias
euclideas)
133
Ejemplo 8.12
Observacin Inversin Ventas Distancias
Centroide 1
Distancias
Centroide 2
Conglomerado
asignado
E1 16 10 34,37 15,52 2
E2 12 14 38,01 11 2
E3 10 22 40,61 3,61 2
E4 12 25 39,29 0 2
E5 45 10 7,07 36,25 1
E6 50 15 0 39,29 1
E7 45 25 11,18 33 1
E8 50 27 12 38,05 1
2. Una vez efectuada la asignacin de observaciones a conglomerados, se recalculan los
centroides
Ejemplo 8.13
45 50 45 50 10 15 25 27
47, 5 19, 25
4 4
+ + + + + +
= =
16 12 10 12 10 14 22 25
12, 5 17, 75
4 4
+ + + + + +
= =
Centroides iniciales Centroides finales
Conglomerado Publicidad Ventas Publicidad Ventas
1 50 15 47,5 19,25
2 12 25 12,5 17,75
3. Se repite el paso 1 clasificando cada observacin en el conglomerado del que dista
menos. El proceso se detiene cuando no se produce ninguna reasignacin de
observaciones a conglomerados o hasta que se alcance un determinado nmero de
iteraciones que se puede establecer como opcin al ejecutar el anlisis.
Ejemplo 8.14
Observacin Inversin Ventas Distancias
Centroide 1
Distancias
Centroide 2
Conglomerado
asignado
E1 16 10 32,83 8,50 2
E2 12 14 35,89 3,78 2
E3 10 22 37,60 4,93 2
E4 12 25 35,96 7,27 2
E5 45 10 9,58 33,41 1
E6 50 15 4,93 37,60 1
E7 45 25 6,27 33,30 1
E8 50 27 8,14 38,62 1
En este caso, no se produce ninguna reasignacin, por lo que el proceso se detiene. El
conglomerado 1 estar formado por [E5,E6,E7,E8] y el segundo por [E1,E2,E3,E4].
En el siguiente ejemplo comentamos algunas de las salidas que ofrece el SPSS.
134
Ejemplo 8.15
Adems de mostrar los centroides iniciales:
Centros iniciales de los conglomerados
Conglomerado
1 2
Inversin
50 12
Ventas
15 25
Tambin indica qu cambios, en trminos de distancia eucldea entre los centroides iniciales y
finales, se producen en cada una de las etapas
Historial de iteraciones(a)
Iteracin
Cambio en los centros
de los conglomerados
1 2
1
4,931 7,267
2
,000 ,000
a Se ha logrado la convergencia debido a que los centros de los conglomerados no presentan ningn cambio o
ste es pequeo. El cambio mximo de coordenadas absolutas para cualquier centro es de ,000. La iteracin
actual es 2. La distancia mnima entre los centros iniciales es de 39,294.
Podemos observar que, en la primera etapa, el centroide final del conglomerado 1 dista del
inicial 4,931 unidades:
2 2
(47, 5 50) (19, 25 15) 4, 931 d = + =
donde
45 50 45 50
47, 5
4
10 15 25 27
19, 25
4
+ + +
=
+ + +
=
En la segunda iteracin, como no ha habido reasignacin, los centroides no cambian y las
distancias son 0, por lo que el proceso se detiene. En la salida tambin se indica cul es la
distancia entre las observaciones ms cercanas (en este caso solo hay 2) que conformaban el
grupo de centroides iniciales:
2 2
(50 12) (15 25) 39, 29 d = + =
La salida del programa indica tambin a qu conglomerado se ha asignado cada observacin,
sealando adems lo que dista cada observacin del centro de ese conglomerado:
135
Pertenencia a los conglomerados
Nmero de caso VAR00001 Conglomerado Distancia
1
E1 2 8,504
2
E2 2 3,783
3
E3 2 4,931
4
E4 2 7,267
5
E5 1 9,582
6
E6 1 4,931
7
E7 1 6,270
8
E8 1 8,143
Tambin se obtiene la salida con los centroides finales:
Centros de los conglomerados finales
Conglomerado
1 2
Inversin
47,50 12,50
Ventas
19,25 17,75
Esta informacin es fundamental para caracterizar a los grupos obtenidos, ya que la misin del
analista no es slo determinar qu observaciones van a cada conglomerado, sino obtener las
caractersticas de los mismos. El cuadro anterior nos indica que hay dos tipos de empresas que
se diferencian porque unas, las del conglomerado 1 necesitan mucha ms inversin
publicitaria para alcanzar niveles similares de ventas, es decir, obtienen mucha menor
rentabilidad de su inversin que las del conglomerado 2.
El SPSS ofrece tambin una serie de ANOVAS donde el factor es la pertenencia al
conglomerado y las variables dependientes son, sucesivamente, cada una de las utilizadas para
caracterizar a los grupos:
ANOVA
Conglomerado Error
F Sig.
Media
cuadrtica gl
Media
cuadrtica Gl
Inversin
2450,000 1 7,333 6 334,091 ,000
Ventas
4,500 1 56,917 6 ,079 ,788
Las pruebas F slo se deben utilizar con una finalidad descriptiva puesto que los conglomerados han sido
elegidos para maximizar las diferencias entre los casos en diferentes conglomerados. Los niveles crticos no son
corregidos, por lo que no pueden interpretarse como pruebas de la hiptesis de que los centros de los
conglomerados son iguales.
Por las razones expuestas al pie de la tabla, estas pruebas solo deben utilizarse con finalidad
descriptiva. Se puede observar que las diferencias entre las inversiones publicitarias de los dos
grupos son muy grandes, pero no as las ventas. Esto confirma la interpretacin de los
conglomerados expuesta anteriormente.
Nota: En el ejemplo que hemos utilizado, el nmero de observaciones en cada conglomerado
es pequeo y la media de cada variable en los dos conglomerados es informacin suficiente
136
para caracterizarlos. Sin embargo, si contsemos con muchas ms observaciones tendra
inters tratar de determinar qu variables toman valores medios claramente distintos en los
diferentes conglomerados y utilizar slo esas variables para efectuar la caracterizacin.
8.5 Eleccin entre los distintos tipos de anlisis cluster.
Como se ha comentado a lo largo del captulo, existen dos grandes enfoques en el anlisis
cluster (jerrquicos y no jerrquicos) y, dentro de los jerrquicos existen distintos mtodos de
conglomeracin, pero cul ofrece mejores resultados?cul es ms adecuado para los
objetivos de una investigacin determinada? Responder a estas preguntas no es sencillo y no
existe respuestas categricas, ya que sta depende de los objetivos del estudio y de las
propiedades de los distintos mtodos. Sin embargo, se pueden dar algunas indicaciones
Eleccin entre anlisis cluster jerrquico y no jerrquico
La decisin entre ambos tipos de anlisis no debe ser disyuntiva, pues un enfoque
complementa al otro. Si el investigador sospecha de cul puede ser el nmero de grupos
naturales en los que se unen sus observaciones, el anlisis no jerrquico sera una buena
opcin. Sin embargo, este enfoque requiere que se suministren los centroides iniciales de esos
grupos y stos rara vez estn disponibles. Existen varios trabajos que demuestran que el
resultado final de un anlisis cluster no jerrquico depende de lo cercana a la realidad que sea
la semilla inicial, no siendo siempre recomendable que el ordenador la elija aleatoriamente.
La mejor forma de obtener una buena aproximacin de cul es el nmero razonable de
conglomerados (si el investigador no tiene ninguna opcin a priori) y de conseguir
simultneamente una semilla fiable, pasa por efectuar en primer lugar un anlisis jerrquico,
utilizar las herramientas que ste nos ofrece para seleccionar el nmero de grupos y alimentar
con esta informacin la realizacin de un anlisis no jerrquico que nos permitir maximizar
la homogeneidad dentro de cada grupo y la heterogeneidad entre grupos.
Eleccin entre los distintos mtodos de agrupacin en el anlisis jerrquico
Aunque se han realizado numerosos estudios comparando los distintos procedimientos de
agrupacin, los resultados a los que se han llegado no son concluyentes. Esto nos lleva a ser
partidarios de probar varios mtodos en un mismo estudio. Si los resultados son coherentes,
habremos dado con agrupaciones naturales, si no es as, habr que elegir entre los distintos
resultados reteniendo aquel que le parezca ms razonable al investigador o est de acuerdo
con trabajos previos.
137
9. Componentes principales.
9.1 Introduccin.
9.2 Componentes principales.
9.2.1 Componentes principales a partir de variables estandarizadas.
9.1 Introduccin.
El anlisis de componentes principales (ACP) es un mtodo estadstico multivariante de
simplificacin o reduccin de la dimensin de una tabla de variables cuantitativas, obteniendo
otra de menor nmero de variables, combinacin lineal de las primitivas, que se denominan
componentes principales. Su aplicacin es directa sobre cualquier conjunto de variables sin
que el investigador haya previamente establecido jerarquas entre ellas (var. dependientes o
independientes), normalidad de su distribucin, ...
Podra decirse que el objetivo principal que persigue el ACP es la representacin de las
medidas numricas de varias variables en un espacio de pocas dimensiones donde nuestros
sentidos puedan percibir relaciones que de otra manera permaneceran ocultas en dimensiones
superiores. Dicha representacin debe ser tal que al desechar dimensiones superiores la
prdida de informacin sea mnima.
La utilidad de la tcnica de componentes principales es doble:
1. Por un lado, el anlisis de componentes principales permite resumir de forma ptima la
informacin proporcionada por las variables originales mediante las componentes.
El nmero total de posibles componentes coincide con el nmero total de variables.
Quedarse con todas las componentes no simplificara el problema, por lo que el
investigador deber seleccionar el nmero de ellas que expliquen una proporcin aceptable
de la informacin global (o varianza de la nube de puntos).
2. Permite transformar las variables originales, en general correladas (solapamiento en la
informacin), en nuevas variables incorreladas, facilitando la interpretacin de los
datos. Un anlisis de componentes principales a menudo revela relaciones que
previamente no se sospechaban y permiten interpretaciones que no resultan de forma
ordinaria.
La reduccin de muchas variables a pocas componentes puede simplificar la aplicacin sobre
estas ltimas de otras tcnicas multivariantes (regresin, clusters,)
138
9.2 Componentes principales.
En el anlisis de componentes principales se dispone de una muestra de tamao n acerca de
p variables numricas aleatorias
p
X X X ,..., ,
2 1
inicialmente correladas, para posteriormente
obtener a partir de ellas un nmero q p de variables incorreladas
i
Y .
Como veremos, las componentes principales dependen slo de la matriz de covarianza S (o
de la matriz de correlacin, R ) de
p
X X X ,..., ,
2 1
. Su desarrollo no requiere una hiptesis de
normalidad multivariante.
Sea un vector aleatorio | |
p
X X X X ,..., , '
2 1
= con matriz de covarianzas S con valores propios
1 2
0
p
y vectores propios
1 2
, , ,
p
( )
1
,...,
i i ip
= . Habitualmente, para
evitar el peso excesivo de alguna de las variables en el anlisis, se trabaja con variables
tipificadas (o estandarizadas), y por tanto S R = .
Consideremos las combinaciones lineales
'
1 1 11 1 12 2 1
'
2 2 21 1 22 2 2
'
1 1 2 2
p p
p p
p p p p pp p
Y X X X X
Y X X X X
Y X X X X
= = + + +
= = + + +
= = + + +
Se puede demostrar que
'
'
( ) , 1, 2,...,
( , ) 0, , 1, 2,...,
i i i i
i k i k
Var Y S i p
Cov Y Y S i k p
= = =
= = =
(9-1)
Las componentes principales son aquellas combinaciones lineales incorreladas
p
Y Y Y ,..., ,
2 1
cuyas varianzas en (9-1) son las mayores posibles, es decir, renen la mxima cantidad de
informacin posible.
Por tanto, definimos:
Primera componente principal = combinacin lineal
'
1
X que maximiza
'
1
( ) Var X sujeta a
'
1 1
1. =
Segunda componente principal = combinacin lineal
'
2
X que maximiza
'
2
( ) Var X sujeta a
'
2 2
1 = y
' '
1 2
( , ) 0 Cov X X = .
139
Y en el paso i-simo: i-sima componente principal = combinacin lineal
'
i
X que
maximiza
'
( )
i
Var X sujeta a
'
1
i i
= y
' '
( , ) 0
i k
Cov X X k i = < .
Resultado 9.1 Sea S la matriz de covarianza asociada con el vector aleatorio
| |
p
X X X X ,..., , '
2 1
= . Supongamos que S tiene pares de valores y vectores propios
( ) ( ) ( )
1 1 2 2
, , , ,..., ,
p p
donde . 0
2 1
p
La i-sima componente principal est
dada por
'
1 1 2 2
, 1, 2,...,
i i i i ip p
Y X X X X i p = = + + + =
con esta eleccin
'
'
( ) , 1, 2,...,
( , ) 0,
i i i i
i k i k
Var Y S i p
Cov Y Y S i k
= = =
= =
NOTA: Si hay
i
iguales, la eleccin de los correspondientes vectores de coeficientes
i
, y
por tanto las
i
Y no son nicos.
Resultado 9.2 Sea | |
p
X X X X ,..., , '
2 1
= con matriz de covarianzas S , con pares de valores y
vectores propios ( ) ( ) ( )
1 1 2 2
, , , ,..., ,
p p
donde . 0
2 1
p
Sean
' ' '
1 1 2 2
, , ...,
p p
Y X Y X Y X = = = las componentes principales. Entonces
11 22 1 2
1 1
( ) ( )
p p
pp i p i
i i
s s s Var X Var Y
= =
+ + + = = + + + =
.
La proporcin de la varianza total explicada por la k -esima componente principal es
p k
p
k
,..., 2 , 1 ,
1
=
+ +
Si mucha (por ejemplo, 80% o 90%) de la varianza total, puede ser atribuida a la primera, a las
dos primeras o a las tres primeras de las componentes, entonces estas componentes pueden
reemplazar las p variables originales sin mucha perdida de informacin (varianza).
Cada componente del vector de coeficientes
( )
'
1
,..., ,...,
i i ik ip
= tambin merece atencin.
La magnitud de
ik
mide la importancia de la k -esima variable en la i -sima componente. En
particular, si las variables
i
X estn tipificadas,
ik
es proporcional al coeficiente de
correlacin entre
i
Y y
k
X .
140
Resultado 9.3 Si
' ' '
1 1 2 2
, ,...,
p p
Y X Y X Y X = = = son las componentes principales
obtenidas a partir de la matriz de covarianza S , entonces
,
, , 1, 2,...,
i k
ik i
Y X
kk
r i k p
s
= =
es el coeficiente de correlacin entre la componente
i
Y y la variable
k
X .
Ejemplo 9.1
Veamos cmo se aplica la transformacin de componentes principales a un conjunto de datos
que presentan cierta correlacin. En la siguiente figura mostramos los datos sobre los que se
va a efectuar la transformacin. Como se observa, las variables
1
X y
2
X presentan una
correlacin positiva.
Calculamos el vector medio y de la matriz de covarianza de los datos.
3.50 1.9 1.1
;
3.50 1.1 1.1
x S
| | | |
= =
| |
\ . \ .
Calculamos los valores propios de S . Como p = 2 habr dos valores propios asociados a la
matriz de covarianza (
1
,
2
), que sern las soluciones de la ecuacin 0 S I = . En
particular,
1.9 1.1 1 0 1.9 1.1
0 0
1.1 1.1 0 1 1.1 1.1
| | | |
= =
| |
\ . \ .
o lo que es igual,
2
3 0.88 0 + =
y las soluciones son:
1
= 2.67 y
2
= 0.33
141
Calculamos los vectores propios asociados a esos valores. El vector propio
1
,
correspondiente a
1
= 2.67 se calcula como sigue. El vector propio
1
es la solucin a
( )
1 1
0. S I = Esto es,
11 11
12 12
1.9 1.1 1 0 0.77 1.1
2.67 0 0
1.1 1.1 0 1 1.1 1.57
| | | | | | | | | | | |
= =
| | | | | |
\ . \ . \ . \ . \ . \ .
o lo que es igual,
11 12
11 12
0.77 1.10 0
1.10 1.57 0
+ =
=
Tomando cualquiera de ellas se deduce que
11 12
1.43 . =
Como nos hemos restringidos a vectores con longitud 1
( )
1 1
1 = , imponemos tambin que
2 2
11 12
1 + = , por lo que el sistema de ecuaciones a resolver es:
11 12
1.43 . =
2 2
11 12
1 + =
y su solucin
1
0.82
0.57
| |
=
|
\ .
El vector propio
2
, correspondiente a
2
0.33 = se calcula de manera similar:
2
0.57
0.82
| |
=
|
\ .
.
Como hemos impuesto, los vectores propios son de longitud 1. Efectivamente,
2 2 2 2
11 12
2 2 2 2
21 22
0.82 0.57 1
( 0.57) 0.82 1
+ = + =
+ = + =
Las componentes de un vector propio indican la direccin de los nuevos ejes respecto al
sistema de coordenadas original. La interpretacin geomtrica del nuevo sistema de
coordenadas ( )
1 2
, Y Y respecto al original ( )
1 2
, X X en base a los vectores propios
1
y
2
se
detalla en la siguiente figura
142
Calculamos las componentes principales.
( )
( )
1 1
1 1 1 2
2 2
1
2 1 2
2
' 0.82 0.57 0.82 0.57
0.57 0.82 0.57 0.82
X X
Y X X
X X
X
Y X X
X
| | | |
= = = +
| |
\ . \ .
| |
= = +
|
\ .
Aplicamos esta transformacin a los datos. El resultado se muestra en la siguiente figura.
Por ltimo, observemos que la matriz de covarianza
Y
S es diagonal y contiene los valores
propios asociados a S .
2.67 0
0 0.33
Y
S
| |
=
|
\ .
Al comparar las dos matrices de covarianza:
1.9 1.1 2.67 0
;
1.1 1.1 0 0.33
Y
S S
| | | |
= =
| |
\ . \ .
observamos que:
143
a) Las variables
1
Y e
2
Y estn incorreladas
( )
1 2
0
y y
r = mientras que las variables
1
X y
2
X
estn (fuertemente) correladas:
1 2
12
11 22
( ) 1.1
0.76
( ) ( ) 1.9 1.1
x x
s X
r
s X s X
= = =
b) La transformacin aplicada ha tenido el efecto de maximizar la varianza. La varianza
en el primer eje principal,
1
Y , es 2.67, bastante mayor que en
1
X , 1.9. Adems, no
existe ningn otro eje en el que haya una varianza mayor.
De manera grfica puede verse como en la componente se maximiza la variabilidad.
Aunque serviran cualquier par de puntos, en la siguiente figura, hemos proyectado los
datos con menor y mayor valor de la variable X
1
sobre los ejes X
1
e Y
1
.
c) La transformacin realizada preserva la varianza global:
( )
2
1
2 2
1 1
( ) 1.9 1.1 3
( ) ( ) 2.67 0.33 3
i x
i
i Y i
i i
Var X tr S
Var Y tr S
=
= =
= = + =
= = = + =
d) La proporcin de la varianza total explicada por la primera componente es
1
1 2
2.67
0.89
3
= =
+
En este caso la primera componente podra reemplazar a las dos variables originales con
una pequea perdida de informacin.
Adems, dado que
1 1
1 2
11 1
,
11
12 1
,
22
0.82 2.67
0.97
1.9
0.57 2.67
0.89
1.1
Y X
Y X
r
s
r
s
= = =
= = =
144
concluimos que
1
X y
2
X son importantes en la primera componente principal. Las
correlaciones con la segunda componente no se calculan porque sta componente no es
importante
Para la obtencin de las componentes principales mediante el paquete estadstico SPSS se
realiza con los comandos del anlisis factorial. Los pasos a seguir son:
1. Elije en los mens AnalizarReduccin de datosAnalisis factorial y selecciona las
variables y las especificaciones para el anlisis.
2. En el botn Descriptivos podemos:
a. Elegir los Estadsticos: Descriptivos univariados
b. Elegir en Matriz de correlaciones, la opcin Coeficientes.
3. En el botn Extraccin:
a. En Mtodo elegimos Componentes principales
b. En Analizar elegimos la Matriz de correlaciones o la Matriz de covarianza
c. En Mostrar elegimos Solucin factorial sin rotar
Una vez realizadas las especificaciones se pulsa en el botn Aceptar.
Ejemplo 9.2
Las salidas que nos interesan del SPSS con los datos del ejemplo anterior son las siguientes:
Estadsticos descriptivos
Media
Desviacin
tpica N del anlisis
VAR00001
3,5000 1,37840 6
VAR00002
3,5000 1,04881 6
Varianza total explicada
Componente Autovalores iniciales(a)
Total
% de la
varianza % acumulado
Bruta 1
2,670 89,016 89,016
2
,330 10,984 100,000
Mtodo de extraccin: Anlisis de Componentes principales.
En la tabla anterior encontraremos los valores propios de la matriz de covarianza y el
porcentaje de varianza total explicado por las dos componentes.
145
Matriz de componentes(a)
Bruta Reescalada
Componente Componente
1 1
VAR00001
1,338 ,971
VAR00002
,938 ,894
Mtodo de extraccin: Anlisis de componentes principales.
a 1 componentes extrados
Para obtener los coeficientes de la primera componente
ik
(que es la que explica el 89,016%
de la varianza) hay que dividir los nmeros de la tabla de Matriz de componentes, columna
Bruta, entre la raiz cuadrada del valor propio de la componente, dado que la componente bruta
es igual a
ik i
. En nuestro caso:
11
12
1, 338
0,82
2, 67
0, 938
0, 57
2, 67
= =
= =
La columna Reescalada nos da las correlaciones entre la primera componente y las variables
originales,
1
1 1
,
k
k
Y X
kk
r
s
= , por tanto es igual a la columna Bruta dividida por la desviacin
tpica de las variables
k
X . Por ejemplo, 1.338/1.378=0,971.
NOTA: Cuando trabajamos con la matriz de correlacin de las variables
k
X , SPSS slo da
una columna por componente. La Bruta y la Reescalada coinciden y los coeficientes dados
son las correlaciones entre las componentes y las variables originales.
9.2.1 Componentes principales a partir de variables estandarizadas
Las componentes principales pueden ser obtenidas a partir de variables estandarizadas
( )
( )
( )
1 1
1
11
2 2
2
22
p p
p
pp
X
Z
s
X
Z
s
X
Z
s
146
Se puede demostrar que | | 0 E Z = y ( ) Cov Z R = . Las componentes principales de Z pueden
ser obtenidas a partir de los vectores propios de la matriz de correlacin R de X . Todos los
resultados previos se pueden aplicar, con algunas simplificaciones ya que la varianza de cada
i
Z es la unidad. Denotaremos las componentes principales muestrales de igual manera que
antes (
i
Y ), sin distinguir si es obtenida a partir de S o de R . Las componentes construidas a
partir de S y R no son las mismas, pero ser claro, segn el contexto, la matriz usada.
Tambin es conveniente etiquetar los valores y vectores propios por ( ) ,
i i
para ambas
situaciones.
Resultado 9.4 La i-esima componente principal de las variables estandarizadas ( )
p
Z Z Z ,..., '
1
=
con ( ) Cov Z R = , est dada por
1 1 2 2
, 1,...,
i i i ip p
Y Z Z Z i p = + + + =
Adems,
= =
= =
p
i
i i
p
i
p Z Var Y Var
1 1
) ( ) (
y
,
, , 1,...,
i k
Y Z ik i
r i k p = =
En este caso ( ) ( )
1 1
, ,..., ,
p p
son los pares de valores y vectores propios para R con
0
1
p
.
La varianza total es p , la suma de los elementos diagonales de la matriz R . En este caso, la
proporcin de varianza total explicada por la k -esima componente principal de Z es
p
k
,
para
p k ,..., 1 =
, donde
k
son los valores propios de R .
Ejemplo 9.3
Consideremos la matriz de covarianzas
1 4
4 100
S
| |
=
|
\ .
y la matriz de correlacin derivada de ella
1 0.4
0.4 1
R
| |
=
|
\ .
.
Se van a obtener las componentes principales utilizando estas dos matrices.
147
Los valores y vectores propios de S son
( )
( )
'
1 1
'
2 2
100.16 0.040, 0.999
0.84 0.999, 0.040
= =
= =
Por tanto, las componentes principales son:
1 1 2
2 1 2
0.040 0.999
:
0.999 0.040
Y X X
S
Y X X
= +
=
Ya que su varianza es mayor,
2
X domina completamente la primera componente determinada
por S . Adems la primera componente explica una proporcin de
1
1 2
100.16
0.992
101
= =
+
de la varianza total.
Veamos la correlacin de las componentes y las variables originales:
1 1
1 2
11 1
,
11
12 1
,
22
0.4
0.999 100.16
0.999
100
Y X
Y X
r
s
r
s
= =
= = =
Los valores y vectores propios de R son
( )
( )
'
1 1
'
2 2
1.4 0.707, 0.707
0.6 0.707, 0.707
= =
= =
y las componentes principales utilizando la matriz de correlacin son:
( ) ( )
( ) ( )
1 1 2 2
1 1 2
1 1 2 2
1 1 2 2
2 1 2
1 1 2 2
0.707 0.707 0.707 0.707
1 10
0.707 0.0707
:
0.707 0.707 0.707 0.707
1 10
0.707 0.0707
X X
Y Z Z
X X
R
X X
Y Z Z
X X
| | | |
= + = +
| |
\ . \ .
= +
| | | |
= =
| |
\ . \ .
=
Cuando las variables estn estandarizadas, sin embargo, las variables resultantes contribuyen
de igual forma a las componentes principales determinadas a partir de R . Vemoslo:
1 1
1 2
, 11 1
, 12 1
0.707 1.4 0.837
0.707 1.4 0.837
Y Z
Y Z
r
r
= = =
= = =
148
En este caso, la primera componente explica una proporcin de
1
1.4
0.7
2 p
= = de la varianza
total.
Vemos entonces que la importancia relativa de las variables sobre, por ejemplo, la primera
componente principal est muy afectada por la estandarizacin. Cuando la primera
componente obtenida a partir de R se expresa en trminos de
1
X y
2
X , las magnitudes
relativas de las ponderaciones 0.707 y 0.0707 estn en directa oposicin con las ponderaciones
0.040 y 0.999 conseguidas en las componentes principales de S
El ejemplo anterior demuestra que las componentes principales derivadas de S son diferentes
de las derivadas de R . Esto sugiere que la estandarizacin no es intrascendente.
Las variables deberan ser estandarizadas si son medidas en escalas con rangos muy diferentes
o si las unidades de medidas no son proporcionadas. Por ejemplo, si
1
X representa las ventas
anuales en el rango 10.000 y 350.000 y
2
X es la razn ingresos anuales netos / valores
totales, que caen en el rango 0.01 y 0.6, entonces la variacin total ser dada casi
exclusivamente por los euros de las ventas. En este caso, podramos esperar una nica
componente principal con una ponderacin muy fuerte de
1
X . Alternativamente, si las dos
variables estn estandarizadas, sus magnitudes subsecuentes estarn en el mismo orden y
2
X
(o
2
Z ) jugar un papel importante en la construccin de las componentes. Este
comportamiento fue observado en el ejemplo 9.3.
Ejemplo 9.4
Un censo reciente proporciona informacin sobre 5 variables socio-econmicas. Los datos
sobre 14 regiones estn dados en la siguiente tabla:
Regiones Poblacin
total
(miles)
Aos
medios
en escuela
Empleo
total
(miles)
Empleo en
Sanidad
(cientos)
Ingresos medio en
hogar
(10.000)
1 5,935 14,2 2,265 2,27 2,91
2 1,523 13,1 0,597 0,75 2,62
3 2,599 12,7 1,237 1,11 1,72
4 4,009 15,2 1,649 0,81 3,02
5 4,687 14,7 2,312 2,50 2,22
6 8,044 15,6 3,641 4,51 2,36
7 2,766 13,3 1,244 1,03 1,97
8 6,538 17,0 2,618 2,39 1,85
9 6,451 12,9 3,147 5,52 2,01
10 3,314 12,2 1,606 2,18 1,82
11 3,777 13,0 2,119 2,83 1,80
149
12 1,530 13,8 0,798 0,84 4,25
13 2,768 13,6 1,336 1,75 2,64
14 6.585 14.9 2.763 1.91 3.17
Estos datos proporcionan los siguientes estadsticos:
| |
' 4.32 14.01 1.95 2.17 2.45
4.308 1.683 1.803 2.155 0.253
1.683 1.768 0.588 0.177 0.176
1.803 0.588 0.801 1.065 0.158
2.155 0.177 1.065 1.970 0.357
0.253 0.176 0.158 0.357 0.504
x
S
=
| |
|
|
| =
|
|
|
\ .
Se puede resumir la variacin muestral mediante una o dos componentes principales?
Como los valores de las variables se mueven en un rango parecido, utilizaremos la matriz de
covarianzas.
COEFICIENTES PARA LAS COMPONENTES PRINCIPALES
(Coeficiente correlacin entre parntesis)
Variable
1
2
3
4
5
Poblacin Total 0.781 (0.99) -0.71 (-0.04) 0.004 0.542 -0.302
Aos medios Escuela 0.306 (0.61) -0.764 (-0.76) -0.162 -0.545 -0.010
Empleo Total 0.334 (0.98) 0.083 (0.12) 0.015 0.050 0.937
Empleo Sanidad 0.426 (0.80) 0.579 (0.55) 0.220 -0.636 -0.173
Ingresos Medios -0.054 (-0.20) -0.262 (-0.49) 0.962 -0.051 0.024
Varianza (
i
) 6.931 1.786 0.390 0.230 0.014
Porcentaje acumulado
de la varianza total
74.1 93.2 97.4 99.9 100
La primera componente principal explica el 74.1% de la varianza muestral total. Las dos
primeras componentes explican el 93.2%. En consecuencia, la variacin muestral se resume
muy bien mediante dos componentes y la reduccin en los datos va de 14 observaciones de 5
variables a 14 observaciones de dos componentes.
Fijndonos en los coeficientes, la 1 componente es una media ponderada de las 4 primeras
variables. En la 2 componente aparece contraste entre el empleo en sanidad y una media
ponderada de la poblacin total, los aos medios en el colegio y los ingresos medios.
Las salidas del SPSS, utilizando la matriz de covarianza, son las siguientes:
150
Matriz de componentes(a)
Bruta Reescalada
Componente Componente
1 1
PobTotal
2,057 ,991
AosMedios
,805 ,605
EmpleoTotal
,881 ,984
EmpleoSanidad
1,122 ,799
IngresosMedios
-,143 -,201
Mtodo de extraccin: Anlisis de componentes principales.
a 1 componentes extrados
Dividiendo estas cantidades entre las raz cuadrada de primer valor propio (6,931) obtenemos
los coeficientes de la primera componente principal. La correlacin entre la primera
componente y las variables originales las podemos leer en la columna denominada
reescalada. El porcentaje de varianza que explica esta varianza es la siguiente:
Varianza total explicada
Componente
Sumas de las saturaciones al cuadrado
de la extraccin
Total
% de la
varianza % acumulado
Bruta 1
6,931 74,133 74,133
Mtodo de extraccin: Anlisis de Componentes principales.
Si centramos la atencin en una interpretacin de las componentes principales, las
correlaciones
,
i k
y x
r pueden ser una gua ms fiable que los coeficientes de las componentes.
Por ejemplo, en el ejemplo 9.3 el coeficiente de
2
Z en
1
Y es muy pequeo 0,0707 pero sin
embargo el coeficiente de correlacin lineal entre ambas variables es 0,837.
Ejemplo 9.5
En un estudio de tortugas se les mide la longitud, la anchura y la altura del caparazn (en
milmetros). Los datos son los siguientes:
Longitud Anchura Altura
98 81 38
103 84 38
103 86 42
105 86 42
109 88 44
123 92 50
123 95 46
133 99 51
133 102 51
133 102 51
134 100 48
136 102 49
151
138 98 51
138 99 51
141 105 53
147 108 57
149 107 55
153 107 56
155 115 63
155 117 60
158 115 62
159 118 63
162 124 61
177 132 67
Los datos sugieren un anlisis en trminos de logaritmos (suaviza la serie).
Las salidas del SPSS son:
Estadsticos descriptivos
Media
Desviacin
tpica N del anlisis
lnLONGITUD
4,9007 ,16250 24
lnANCHURA
4,6229 ,12724 24
lnALTURA
3,9403 ,15792 24
Varianza total explicada
Componente Autovalores iniciales(a)
Total
% de la
varianza % acumulado
Bruta 1
,066 98,060 98,060
2
,001 1,134 99,194
3
,001 ,806 100,000
Mtodo de extraccin: Anlisis de Componentes principales.
Matriz de componentes(a)
Bruta Reescalada
Componente Componente
1 2 1 2
lnLONGITUD
,161 ,015 ,992 ,094
lnANCHURA
,126 ,008 ,987 ,059
lnALTURA
,156 -,022 ,990 -,138
Mtodo de extraccin: Anlisis de componentes principales.
Resumimos a continuacin los resultados para la primera componente:
COEFICIENTES DE LAS COMPONENTES PRINCIPALES
(Entre parntesis los coeficientes de correlacin)
Variable
1
(
1 i
Y X
r )
Ln(longitud) 0.627 (0.99)
Ln(anchura) 0.490 (0.99)
Ln(altura) 0.607 (0.99)
Varianza (
i
) 0,066
Porcentaje acumulado
de la varianza total
98.06
152
La 1 componente principal, que explica el 98,06% de la varianza total, tiene una interesante
interpretacin:
( )
1
0.627 0.490 0.603
0.627ln( ) 0.490ln( ) 0.603ln( )
ln
y long anchura altura
long anchura altura
= + +
=
La primera componente principal puede ser vista como el ln(volumen) de una caja con
dimensiones ajustadas. Por ejemplo, la altura ajustada es
0.607
altura , lo cual tiene en cuenta,
en algn sentido, la forma redondeada del caparazn.
Es muy frecuente que la primera componente haga referencia al tamao (todos los coeficientes
de la combinacin lineal son posistivos) y la segunda a la forma (se enfrentan coeficientes
negativos y positivos en la combinacin lineal, como ocurre aqu con la segunda componente).
Un inusual valor pequeo en el ltimo valor propio para la matriz de covarianzas o la matriz
de correlacin puede indicar una dependencia lineal no anunciada en el conjunto de los datos.
Si esto ocurre, una o ms de las variables son redundantes y pueden ser eliminadas.
Consideremos una situacin donde
2 1
, x x y
3
x son puntuaciones de test y la puntuacin total
4
x es la suma
3 2 1
x x x + + . Entonces, aunque la combinacin lineal
1 2 3 4
x x x x + + es siempre
cero, errores de redondeo en los clculos pueden dar valores pequeos distintos de cero. Si la
expresin lineal que relaciona
4
x con ) , , (
3 2 1
x x x se obvi inicialmente, el valor propio menor
podra dar una pista de su existencia.
Por ello, aunque los valores propios grandes y sus vectores son importantes en un anlisis de
componentes principales, los valores propios muy cercanos a cero no deben ser ignorados. Los
vectores propios asociados a estos valores cercanos a cero pueden reflejar dependencias
lineales en el conjunto de datos que pueden causar problemas computacionales e
interpretativos en anlisis posteriores.
Ejemplo 9.6
Veamos un caso en el que uno de los autovalores es cero y estudiaremos sus consecuencias.
Supongamos que la matriz de covarianza ya est calculada, y es:
4.5 1.5
1.5 0.5
S
| |
=
|
\ .
Sus valores propios son
1
5 = y
2
0 = . Los vectores propios asociados a estos valores son:
1
0.95
0.32
| |
=
|
\ .
2
0.32
0.95
| |
=
|
\ .
153
La interpretacin geomtrica del nuevo sistema de coordenadas (
1
Y ,
2
Y ) respecto al original
(
1
X ,
2
X ) en base a los vectores propios se detalla en la siguiente figura
Calculamos las componentes principales:
1 1 2
2 1 2
0.95 0.32
0.32 0.95
Y X X
Y X X
= +
=
Observemos que la matriz de covarianza de Y es diagonal y contiene los valores propios
asociados a S :
5 0
0 0
Y
S
| |
=
|
\ .
Las componentes principales preservan la varianza global:
( )
( )
4.5 0.5 5
5 0 5
Y
tr S
tr S
= + =
= + =
Observe que en este caso, al ser
2
0 = significa que la varianza de los datos en
2
Y es cero lo
que se interpreta como que los datos estn perfectamente alineados en la direccin de
1
Y . En
otras palabras, el eje
2
Y es innecesario.
154
155
EJERCICIOS
156
2. Muestreo Aleatorio Simple
1. Un auditor examina las cuentas abiertas con diferentes clientes de una empresa. Suponga
que existen 1.000 cuentas de las cuales se examinan 300. La media muestral de las cuentas
fue 1.040 y = y la varianza muestral (cuasivarianza) es S
2
=45.000
2
. Estime el
promedio de la deuda y el total de la deuda por cobrar para las 1.000 cuentas abiertas con
un intervalo de confianza al 95%.
Solucin: ( ) ( ) 1.040 20, 49 1.019, 51 , 1.060, 49 =
( ) ( ) 1.040.000 20.490 1.019.510 , 1.060.490 =
2. Se toma una muestra aleatoria simple de 100 estudiantes de un centro con 900 estudiantes
para estimar
La proporcin que votarn a un determinado representante de centro.
La proporcin de ellos que tienen algn tipo de trabajo.
Sean , ( 1,...,100)
i i
y z i = las respuestas del i-simo estudiante seleccionado ( 0
i
y =
cuando responden NO, 1
i
y = cuando responden SI, anlogamente para
i
z ).
Segn la muestra
100 100
1 1
70 25
i i
i i
y z
= =
= =
Usando los datos de la muestra, estime
1
p (proporcin de estudiantes que votarn a un
determinado representante)
2
p (proporcin y nmero de estudiantes con algn tipo de
trabajo) y los lmites para los errores de estimacin correspondientes.
Solucin
100 100
1 1
1 2
0, 70 (70%) 0, 25 (25%)
100 100
i i
i i
y z
p p
= =
= = = =
1 2
2 ( ) 0, 0868 (8, 68%) 2 ( ) 0, 0821 (8, 21%) V p V p = =
2 2
2
900 0, 25 225 2 ( ) 900 0, 0821 73, 89 N p V = = = = =
3. Encuentre el tamao de muestra necesario para estimar el valor total de 1.000 cuentas por
cobrar con un lmite para el error de estimacin de 10.000. Aunque no se cuenta con
datos anteriores para estimar la varianza poblacional pero se sabe que la mayora de las
cuentas caen dentro del intervalo (600, 1.400).
Solucin: 615, 62 616 n =
4. Los alumnos de TAM de una facultad con 3.000 estudiantes desean realizar una encuesta
para determinar la proporcin de estudiantes que estn a favor de hacer exmenes en
157
sbado con un lmite para error de estimacin del 10%. La informacin previa disponible
indica que el 60% preferan los exmenes en sbado. Tambin se quiere estimar la
proporcin de estudiantes que apoyan al equipo decanal con un error mximo de
estimacin del 5%. Determinar el tamao muestral que se requiere para estimar ambas
proporciones con los lmites de error especificados.
Solucin: 354 04 , 353 = n
5. Un dentista est interesado en la efectividad de una nueva pasta dental. Un grupo de 1.000
nios de escuela particip en el estudio. Los registros de un estudio anterior mostraron que
haba un promedio de 2,2 caries cada seis meses para el grupo. Despus de un ao de
iniciado el estudio, el dentista muestre 10 nios para determinar cunto haban
progresado con la nueva pasta dental. Usando los datos de la siguiente tabla:
Nio
Nmero de caries
en seis meses
1 0
2 4
3 2
4 3
5 2
6 0
7 3
8 4
9 1
10 1
Se puede decir que la incidencia media de las caries ha disminuido?
Solucin: ( ) No 94 , 2 , 06 , 1 2 , 2
6. Un psiclogo desea estimar el tiempo de reaccin medio para un estmulo en 200
pacientes de un hospital especializado en trastornos nerviosos. Una muestra aleatoria
simple de 20 pacientes fue seleccionada, y fueron medidos sus tiempos de reaccin, con
los resultados siguientes: 1 , 2 = y segundos y 4 , 0 = S segundos. Estime la media poblacional
y establezca un lmite para el error de estimacin.
Solucin: 1697 , 0 ; 1 , 2 = = B
7. En un estudio sociolgico, realizado en una pequea ciudad, se hicieron llamadas
telefnicas para estimar la proporcin de hogares donde habita por lo menos una persona
mayor de 65 aos de edad. La ciudad tiene 621 hogares, segn la gua de telfonos ms
reciente. Una muestra aleatoria simple de 60 hogares fue seleccionada de la gua. Al
terminar la investigacin de campo, de los 60 hogares muestreados, en 11 habita al menos
una persona mayor de 65 aos. Estime la proporcin poblacional y establezca un lmite
para el error de estimacin.
158
Solucin: 0958 , 0 ; 1833 , 0 = = B p
8. El gerente de un taller de maquinaria desea estimar el tiempo medio que necesita un
operador para terminar una tarea sencilla. El taller tiene 45 operadores. Se seleccionaron
aleatoriamente 5 operadores y se les tom el tiempo. Los resultados obtenidos son los
siguientes:
Tiempo(minutos) 4,2 5,1 7,9 3,8 5,3
Se puede aceptar la hiptesis de que el tiempo medio que necesitan los operarios del
taller para terminar dicha tarea es inferior a 6 minutos?
Solucin: ( ) . . : 3, 91min., 6, 61min. INTERV CONF Valores mayores e igual a 6 minutos
pertenecen al intervalo de confianza, por tanto no podemos aceptar esa hiptesis.
9. Un investigador est interesado en estimar el nmero total de rboles mayores de un cierto
tamao especfico en una plantacin de 1.500 acres. Esta informacin se utiliza para
estimar el volumen total de madera en la plantacin. Una muestra aleatoria simple de 100
parcelas de 1 acre fue seleccionada, y cada parcela fue examinada en relacin con el
nmero de rboles de tamao grande. La media muestral para las 100 parcelas de 1 acre
fue 2 , 25 = y rboles, con una varianza muestral de 136
2
= S . Estime el nmero total de
rboles de tamao grande en la plantacin. Establezca un lmite para el error de
estimacin.
Solucin: 9408 , 379 . 3 ; 800 . 37 = = B
10. Usando los datos del ejercicio anterior, determine el tamao de muestra requerido para
estimar el nmero total de rboles grandes en la plantacin, con un lmite para el error de
estimacin de 1.500 rboles.
Solucin: 400 413 , 399 = n
11. Con objetivos benficos, una asociacin filantrpica ha solicitado firmas para una peticin
en 700 hojas. Cada hoja tiene espacio suficiente para 40 firmas pero en muchas de las
hojas se ha obtenido un nmero menor. Contando el nmero de firmas por hoja en una
muestra aleatoria de 50 hojas se han observado los siguientes resultados:
50 50
2
1 1
1.450; 54.496
i i
i i
Y Y
= =
= =
Cul sera la previsin ms optimista y ms pesimista en cuanto al nmero total de
firmas recogidas para la peticin?
Solucin: ( ) ( ) 20.300 3.040, 66 17.259, 34 , 23.340, 66 =
Previsin ms optimista: 23.340 ; previsin ms pesimista: 17.259
159
12. Una muestra aleatoria de 30 familias fue extrada de una zona de cierta ciudad que
contiene 14.848 familias. El nmero de personas por familia en la muestra obtenida fue el
siguiente:
5 6 3 3 2 3 3 3 4 4 3 2 7 4 3
5 4 4 3 3 4 3 3 1 2 4 3 4 2 4
Estimar el nmero total de personas en la zona, construyendo un intervalo de confianza al
95%.
Solucin: ( ) 04 , 104 . 58 , 09 , 842 . 44
13. Un hipermercado desea estimar la proporcin de compras que los clientes pagan con su
Tarjeta de Compras. Durante una semana observaron al azar 200 compras de las cuales
35 fueron pagadas con la tarjeta.
a) Estime con un intervalo de confianza la proporcin de compras pagadas con dicha tarjeta.
b) Cuantas compras deberan observarse para estimar, con un error inferior al 3%, la
proporcin de compras pagadas con la tarjeta? (Consideren los datos anteriores como una
muestra previa)
c) Este mismo hipermercado desea estimar tambin el valor medio de las compras realizadas
con su Tarjeta de Compras. Basndose en los anteriores datos observa que el valor total
de las compras hechas con la tarjeta fue de 5.600 (siendo la cuasivarianza de los datos
625). Estime el valor medio de las compras pagadas con la tarjeta y el error de estimacin
asociado.
Solucin: a) ( ) 12,11%, 22, 89% p . b) 641, 6 642
pq
n
D
= =
.
c)
1
1 5600
160
35
n
i
i
y y
n
=
= = =
2 ( ) 8, 45 B V y = =
14. Entre todas las oficinas bancarias de una pequea ciudad se tienen concedidos 2000
prstamos hipotecarios. Existen razones para pensar que el prstamo hipotecario de menor
cuanta es de algo ms de 1200 euros, siendo de casi 11000 euros el de mayor cuanta.
cul es el tamao muestral necesario para estimar estos dos parmetros:
- la cuanta media de los prestamos cometiendo un error de estimacin menor de 400
euros y
- la proporcin de prstamos pendientes de amortizar ms de la mitad de la deuda
cometiendo un error mximo del 5%?
Solucin: 139, 65 140 333, 47 334 n n = =
160
15. Se desea estimar el salario medio entre los empleados de una empresa y la proporcin de
empleados que apoyan a la actual directiva. La empresa tiene 110 empleados y se sabe que
el salario est comprendido entre los 1500 y 1800 euros mensuales. Cul debe ser el
tamao muestral para que al estimar el salario medio la cota de error se site en 10 euros y
al estimar la proporcin de los que apoyan a la actual directiva el error mximo cometido
sea del 2%?
Solucin: 74,1 75 n = 105, 4 106 n =
16. Una empresa de trabajo temporal quiere investigar las necesidades de empleo de las
empresas de un pueblo. Para ello decide seleccionar una muestra de 5 de las 25 inscritas en
el registro mercantil. El nmero de bajas en el ltimo ao, el nmero de empleados y la
respuesta de cada empresa sobre si utilizara los servicios de la empresa de trabajo
temporal fueron los siguientes:
Empresa Bajas Empleados Respuesta
1 1 7 Si
2 2 15 No
3 9 85 Si
4 0 3 No
5 2 12 No
a) Estime el nmero de bajas en el ltimo ao en las empresas del pueblo. Calcule
el lmite para el error de estimacin.
b) Estime el nmero de empresas que usaran los servicios ofertados. Calcule el
lmite para el error de estimacin.
Solucin: a)
70 2 ( ) 71, 2741 N y B V = = = =
b)
10 2 ( ) 10, 9545 N p B V = = = =
17. Se han entrevistado 1.000 vecinos, elegidos aleatoriamente de entre los ms de cien mil
habitantes de una ciudad para conocer su opinin sobre los nuevos impuestos municipales.
655 manifestaron su opinin desfavorable. Estime la proporcin de vecinos que estn en
contra de los nuevos impuestos y establezca el lmite para el error de estimacin. Se
puede afirmar que la mayora de los habitantes estn en contra?
Solucin: (62, 49%, 68, 51%) 50% ... p p si se puede afirmar >
18. El Centro de Estadstica desea estimar el salario medio de los trabajadores de los
invernaderos de una regin. Se decide clasificarlos en dos estratos, los que poseen contrato
fijo y los que tienen un contrato temporal. El salario de los contratos fijos est
comprendido entre los 1.200 y 2.200 euros mensuales, el salario de los contratos
temporales est comprendido entre 500 y 1.700 euros mensuales. Cul debe ser el tamao
muestral total y su asignacin para que se estime el salario medio de los contratos fijos con
161
un error inferior a 100 y el salario medio de los contratos temporales con un error inferior
a 120?
Solucin:
1
25 n =
2
25 n =
1 2
50 n n n = + =
19. Se selecciona una m.a.s. de 9 compras de clientes de un centro comercial para estimar el
valor medio de las compras por cliente.
VALOR en
33,5 32 52 43 40 41 45 42,5 39
a) Obtener un intervalo de confianza para el valor medio de las compras.
b) Podemos aceptar que la compra media es de 45?
c) Qu tamao muestral deberamos tomar para que el LEE sea de 2?
Solucin: a) ( ) ( ) 40, 89 3, 98 ; 40, 89 3, 98 36, 91; 44, 87 + =
b) No porque ( ) 45 36, 91; 44, 87 c) 35, 67 36 n compras =
20. En un estudio sociolgico, realizado en una pequea ciudad, se hicieron llamadas
telefnicas para estimar la proporcin de hogares donde habita por lo menos una persona
mayor de 65 aos de edad. La ciudad tiene 5000 hogares, segn la gua de telfonos ms
reciente. Una muestra aleatoria simple de 300 hogares fue seleccionada de la gua. Al
terminar la investigacin de campo, de los 300 hogares muestreados, en 51 habita al
menos una persona mayor de 65 aos. Contraste la hiptesis de que en el 25% de los
hogares de esa ciudad habita al menos una persona mayor de 65 aos.
Solucin: ( ) ( ) 25% 17% 4, 21% 12, 79%, 21, 21% = luego se rechaza la hiptesis de
que en el 25% de los hogares de esa ciudad habita al menos una persona mayor de 65
aos.
21. El consumo medio de combustible de los taxis de una ciudad es 5,6 litros cada 100 Km.
Puesto que se considera que el consumo es demasiado elevado, en 600 taxis se monta un
dispositivo para disminuirlo. Pasado cierto tiempo se toma una muestra aleatoria de 20
taxis, elegidos entre los 600 que colocaron el dispositivo. El consumo en litros de
combustible por cada 100 Km se recoge en la siguiente tabla
Taxi nConsumo Taxi n Consumo Taxi n Consumo Taxi n Consumo
1 5,4 6 6,3 11 3,6 16 5,4
2 5,5 7 5,4 12 6,7 17 4,8
3 6,9 8 5 13 5,2 18 4,7
4 3,9 9 4,5 14 5,1 19 5,8
5 4,5 10 4,4 15 5,4 20 6,2
a) Estmese mediante un intervalo de confianza la proporcin de taxis con un
consumo inferior a 5,6 litros/100 Km.
b) Cuantos taxis deben observarse para estimar la anterior proporcin con un error
menor o igual que un 10%?
162
Solucin: (a) ( ) 55' 47%, 94' 53% (b) 66, 77 67 n =
3. Muestreo Aleatorio Estratificado
1. Un distribuidor de productos de limpieza desea conocer el consumo por hogar durante un
ao de un determinado producto en una comarca formada por cuatro municipios. Para
estimar de paso tambin el consumo en cada municipio decide usar muestreo estratificado
tomando cada municipio como un estrato. Se sabe que el 20% de la poblacin de la
comarca vive en el municipio 1, el 30% en el municipio 2, el 25% en el municipio 3 y el
25% restante en el municipio 4. El distribuidor tiene medios suficientes para controlar y
obtener datos sobre el consumo anual de 20 hogares.
Dado que no tiene informacin previa respecto a las varianzas de los estratos y porque el
coste del muestreo es el mismo en cada municipio, aplica asignacin proporcional, la cual
conduce a
1
1
20 0, 20 4
N
n n
N
= = = de forma similar
2 3 4
6 5 5 n n n = = = .
Obteniendo los resultados de la tabla siguiente (consumo expresado en valor en euros).
Estrato 1 Estrato 2 Estrato 3 Estrato 4
470
510
500
550
490
500
470
520
550
500
540
480
500
470
470
450
560
460
440
580
2
1 1
507, 5 1091, 67 y S = =
2
2 2
505 750 y S = =
2
3 3
492 870 y S = =
2
4 4
498 4420 y S = =
Estime el consumo anual medio por hogar y fije un lmite para el error de estimacin.
Solucin:
4
1
500, 5
i
st i
i
N
y y
N
=
= =
2 ( ) 18, 79
st
V y =
2. Una gran empresa sabe que el 40% de las facturas que emite son al por mayor y el 60% al
por menor. Sin embargo, identificar las facturas individuales sin consultar un archivo es
complicado. Un auditor desea muestrear 100 de sus facturas para estimar el valor medio
de las facturas de la empresa (Nota para estimar el total necesitaramos conocer N). Una
muestra aleatoria simple present 70 facturas al por mayor y 30 al por menor. Los datos
163
son separados en facturas al por mayor y al por menor despus del muestreo, con los
siguientes resultados en :
Por mayor Por menor
Valor total facturas=36400
1 1 1
70 520 210 n y S = = =
Valor total facturas=8400
2 2 2
30 280 90 n y S = = =
Estime el valor medio de las facturas de la empresa, y fije un lmite para el error de
estimacin.
Solucin: 376; 28,14
st
y B = =
3. Una inspectora de control de calidad debe estimar la proporcin de circuitos integrados de
ordenador defectuosos que provienen de dos diferentes operaciones de ensamble. Ella
sabe que de entre los circuitos integrados que van a ser inspeccionados, 60% procede de la
operacin de ensamble A y 40% de la operacin de ensamble B. En una muestra aleatoria
de 100 circuitos integrados resulta que 20 provienen de la operacin A y 80 de la
operacin B. De entre los circuitos integrados muestreados de la operacin A, 2 son
defectuosos. De entre las piezas muestreadas de la operacin B, 16 son defectuosas.
a) Considerando nicamente la muestra aleatoria simple de 100 circuitos
integrados, estime la proporcin de los defectuosos en el lote, y establezca un
lmite para el error de estimacin.
b) Estratifique la muestra, despus de la seleccin, en circuitos integrados
provenientes de la operacin A y B, estime la proporcin de los defectuosos en
la poblacin, y fije un lmite para el error de estimacin.
c) Qu respuesta encuentra ms aceptable? Por qu?
Solucin:
a.
18
0,18 (18%)
100
p = =
( ) 2 ( ) 0, 0772 7, 72% V p =
b.
( )
1 1
1 2 16
0, 60 0, 40 0,14 14%
20 80
L L
i
i st i i
i i
N
p N p p
N N
= =
| | | |
= = = + =
| |
\ . \ .
( ) 2 ( ) 0, 0901 9, 01%
st
V p =
c) Aunque en el conjunto de la poblacin hay ms elementos que proceden de A (60%)
que de B (40%), la muestra global no representa adecuadamente este hecho,
predominando los elementos de B (80) frente a los de A (20), esto ocasiona que en el
apartado a. la estimacin est sesgada hacia el valor de B (
2
0, 20 p = ) frente al de A
164
(
1
0,10 p = ). En el apartado b. este hecho se corrige dando a
1
p y
2
p las
ponderaciones 0,60 y 0,40 respectivamente para estimar p.
4. Una cadena de restaurantes tiene 100 establecimientos en Madrid, 70 en Barcelona y 30
en Sevilla. La direccin est considerando aadir un nuevo producto en el men. Para
contrastar la posible demanda de este producto, lo introdujo en el men de muestras
aleatorias de 10 restaurantes de Madrid, 5 de Barcelona y 5 de Sevilla. Usando los ndice
1, 2 y 3 para designar Madrid, Barcelona y Sevilla, respectivamente, las medias y las
desviaciones tpicas muestrales del nmero de pedidos de este producto recibidos por
restaurante en las tres ciudades durante una semana fueron:
1 1
2 2
3 3
21, 2 12
13, 3 11
26,1 9
y S
y S
y S
= =
= =
= =
a) Estimar el nmero medio de pedidos semanales por restaurante para los
restaurantes de la cadena. Dar un lmite del error de estimacin.
b) Determinar el tamao muestral y la asignacin para repetir el estudio anterior
cometiendo un error inferior a 3 pedidos.
Solucin:
a.
1
1 3834
19,17 /
200
L
i st i
i
y N y pedidos semana
N
=
= = =
2 ( ) 5, 02 /
st
V y pedidos semana =
b.
2
9
2, 25
4 4
B
D = = =
2
1
2 2
1
43, 52
( )
L
i i
i
L
i i
i
N
n
N D N
=
=
= =
+
1 2 3
23, 31 24 14, 96 15 5, 24 6 45 n n n n = = = =
5. De las 1.395 universidades de Estados Unidos, 364 imparten estudios universitarios de
dos aos y 1.031 estudios universitarios de cuatro aos. Se recogieron de manera
independiente, una muestra aleatoria simple de 40 universidades con estudios de dos aos
y otra de 60 con estudios de 4 aos. Las medias muestrales y las desviaciones tpicas del
nmero de estudiantes matriculados el pasado ao en asignaturas de estadstica aparecen a
continuacin.
Carreras de 2 aos Carreras de 4 aos
Media 154,3 411,8
Desviacin tpica 87,3 219,9
165
a) Estimar el nmero total de estudiantes matriculados en asignaturas de estadsticas. Dar
un lmite de error de estimacin.
b) En el estudio del ejercicio anterior, se investig tambin en qu proporcin de las
universidades la asignatura de estadstica para economistas era impartida por
miembros del departamento de economa. En la muestra se hall que en 7 de las
universidades con carreras de dos aos y en 13 de las que tienen carreras de cuatro
aos suceda esto. Estimar la proporcin de universidades en las que esta asignatura es
impartida por profesores del departamento de economa. Dar un lmite de error de
estimacin.
Solucin: (a) 84 , 594 . 57 ; 731 . 480 = = B
st
(b) 0826 , 0 ; 2058 , 0 = = B p
st
6. Una compaa de autobuses est planeando una nueva ruta para dar servicio a cuatro
barrios. Se tomaron muestras aleatorias de hogares en cada barrio y se solicit a los
miembros de la muestra que valorasen en una escala de 1 (totalmente opuesto) a 5
(totalmente a favor) su opinin sobre el servicio propuesto. Los resultados se resumen en
la tabla adjunta:
Barrio
1 2 3 4
i
N
240 190 350 220
i
n
25 25 25 25
i
y
3,5 3,6 3,9 3,8
i
S
0,8 0,9 1,2 0,7
a) Halle un intervalo de confianza para la opinin media de los hogares que dispondrn
del nuevo servicio.
b) Si se asigna la muestra de 100 hogares de la mejor forma, determine cuntos
perteneceran al barrio 3. (Suponga iguales los costes de observacin)
Solucin: (a) 3, 725; 0,1973; (3, 5277 ; 3, 9223)
st
y B = = (b)
3
44, 82 45 n =
7. Una universidad tiene 152 profesores ayudantes, 127 profesores asociados y 208
profesores titulares. Una reportera del peridico de los estudiantes quiere averiguar si los
profesores estn realmente en sus despachos durante las horas de tutoras. Decide
investigar muestras de 40 profesores ayudantes, 40 asociados y 50 titulares. Algunos
estudiantes voluntarios llamaron a la puerta de los profesores de la muestra durante sus
horas de tutoras. Se hall que 31 de los profesores ayudantes, 29 de los asociados y 34 de
los titulares se encontraban realmente en sus despachos. Hallar un intervalo de confianza
para la proporcin de profesores que permanecen en sus despachos durante las horas de
tutoras.
Solucin: 0685 , 0 ; 7214 , 0 = = B p
st
166
8. Un auditor quiere estimar el valor medio de las facturas por cobrar de una compaa. La
poblacin se divide en cuatro estratos que contienen 500, 400, 300 y 200 facturas,
respectivamente. Basndose en una experiencia previa, se estima que las desviaciones
tpicas en estos estratos son de 15, 20, 30 y 40 euros, respectivamente. Determinar el
tamao muestral y la asignacin para estimar el valor medio de las facturas por cobrar
cometiendo un error de como mucho 5 euros.
Solucin: 55 , 80 ; 83 , 19 ; 31 , 22 ; 83 , 19 ; 59 , 18
4 3 2 1
= = = = = n n n n n
9. Un ayuntamiento est interesado en ampliar las instalaciones de un centro de atencin
diurna para nios. Se va a realizar una encuesta para estimar la proporcin de familias con
nios que utilizarn las instalaciones ampliadas. Las familias estn dividas en aquellas que
en la actualidad usan las instalaciones y las que an no la usan. Aproximadamente el 90%
de los que usan las instalaciones y el 50% de los que no las usan van a utilizar las nuevas
instalaciones. Los costos por efectuar la observacin de un cliente actual es de 4 y de 8
para uno que no lo es. Registros existentes nos dan que existen 97 familias que en la
actualidad utilizan las instalaciones y 145 que no lo hacen.
a) Encuentre el tamao muestral aproximado y la asignacin necesaria para estimar la
proporcin poblacional con un lmite de 0,05 para el error de estimacin.
b) Suponga que el costo total de muestreo se fija en 400 . Elija el tamao de la
muestra y la asignacin que minimiza la varianza del estimador para este costo fijo.
Solucin: (a)
1 2
47; 83; 130 n n n = = = (b) 61 ; 39 ; 22
2 1
= = = n n n
10. De una ciudad con 350 casas, se sabe que 164 de ellas tienen calefaccin elctrica. Al
realizar una encuesta sobre el consumo de energa (en kilovatios-hora) se obtuvieron los
siguientes resultados:
Tipo Calefaccin N casas Media muestral Cuasivarianza muestral
Elctrica 24 972 202,396
No elctrica 36 463 96,721
a) Obtenga una estimacin del nmero medio de kilovatios-hora utilizado en la ciudad.
D un lmite para el error de estimacin.
b) Obtenga una estimacin del nmero medio de kilovatios-hora utilizado por las casas
que no tienen calefaccin elctrica. D un lmite para el error de estimacin.
Solucin: a. 701, 50
st
y = 2 2,19 2, 96 = b.
2
463 y = 2 2,17 2, 94 =
11. Un analista de la opinin pblica tiene un presupuesto de 20.000 euros para realizar una
encuesta sobre el nmero medio de coches por hogar. Se sabe que de los 10.000 hogares
de la ciudad, 9.000 tienen telfono. Las entrevistas por telfono cuestan 10 euros por
hogar llamado y las entrevistas personales cuestan 30 euros por hogar visitado. Suponga
167
que las varianzas en los estratos con y sin telfono son iguales. Con el objetivo de
minimizar el lmite de error de estimacin Cuntos hogares deben ser entrevistados en
cada estrato si los hogares que cuentan con servicio telefnico son entrevistados por
telfono y los hogares sin telfono son entrevistados personalmente?
Solucin:
1 2 1 2
1677, 2 1677 107, 59 107 1784 n n n n n = = = + =
12. Se desea conocer el nmero de fines de semana que las familias de una gran ciudad salen
fuera de ella. Se sabe que el 425% de las familias tienen de 0 a 2 hijos, el 30% tienen de
3 a 5 hijos y el 275% tienen ms de 5 hijos. Se realiz un muestreo segn el nmero de
hijos y se pregunt a las familias sobre los fines de semana que pasan fuera, obtenindose
los siguientes datos:
Nmero de hijos
i
n
=
n
i
i
y
1
2
i
S
0-2 25 239 6076
3-5 19 174 6301
Mas de 5 16 78 7824
Estimar el nmero medio de fines de semana que las familias pasan fuera de la ciudad y
dar el lmite de error de estimacin. Omitir el corrector por poblacin finita. Solucin:
8,15
st
y = 2 1,107 2,1 =
13. En una poblacin compuesta por aproximadamente igual nmero de hombres que de
mujeres se desea estimar el gasto medio mensual por habitante en ocio. Se lleva a cabo la
encuesta por telfono mediante una muestra aleatoria simple de 500 nmeros de telfono
del citado municipio. Despus de obtenidos los datos se observa que slo 100 de los
encuestados fueron hombres y el resto mujeres. Por ello se decide llevar a cabo una
estratificacin despus de seleccionar la muestra obtenindose los siguientes datos
HOMBRES MUJERES
i
N 2.500 2.700
i
n 100 400
i
y
120 250
2
i
S
9.000 16.000
Estime la media poblacional de gasto mensual en ocio y su cota de error, mediante
muestreo aleatorio estratificado despus de seleccionar la muestra.
Solucin: 187, 5
st
y = 2 29,16 10, 8 =
14. En una poblacin compuesta por aproximadamente igual nmero de hombres que de
mujeres se desea estimar la proporcin de individuos que ven un determinado programa
de televisin. Se lleva a cabo la encuesta por telfono mediante una muestra aleatoria
simple de 300 nmeros de telfono. Despus de obtenidos los datos se observa que slo
168
50 de los encuestados fueron hombres y el resto mujeres. Por ello se decide llevar a cabo
una estratificacin despus de seleccionar la muestra obtenindose los siguientes datos
HOMBRES MUJERES
Encuestados 50 250
Ven el programa 12 130
Estime la proporcin de la poblacin que ven el programa de televisin y su cota de error,
mediante muestreo aleatorio estratificado despus de seleccionar la muestra.
Solucin:
0, 38 38%
st st
p p = =
2 ( ) 0, 0687 6, 87%
st
V p =
15. Una corporacin desea estimar el nmero total de horas perdidas debido a accidentes de
sus empleados, en un determinado mes. Ya que los obreros, tcnicos y administrativos
tienen diferentes tasas de accidentes, la corporacin decide usar muestreo estratificado,
formando con cada grupo un estrato. Datos de aos previos sugieren las cuasivarianzas
mostradas en la siguiente tabla para el nmero de horas perdidas por empleado en los tres
grupos, y de datos actuales se obtienen los tamaos de los estratos. No habiendo
diferencia entre los costes de observacin de cada grupo, determine la mejor asignacin
para una muestra de 40 empleados.
Obreros Tcnicos Administrativos
2
i
S 36 25 9
i
N
132 92 27
Solucin:
1 2 3
40 0, 5941 23, 8 24 40 0, 3451 13,8 14 40 0, 0608 2, 4 2 n n n = = = = = =
16. Se dispone de la siguiente informacin sobre tamaos poblacionales de los estratos, costes
de observacin y estimaciones de las proporciones
Tamao del estrato Coste de observacin Proporciones en %
ESTRATO 1 5000 9 90
ESTRATO 2 2000 25 55
ESTRATO 3 3000 16 70
Determine la mejor asignacin para una muestra de 200 observaciones.
Solucin:
1 2 3
200 0, 4795 95, 9 96 200 0,1909 38, 2 38 200 0, 3296 65, 9 66 n n n = = = = = =
17. En una ciudad se sabe que el 30% de los hogares tienen calefaccin elctrica. Al realizar
una encuesta sobre el consumo de energa (valor en euros de la factura bimensual) se
obtuvieron los siguientes resultados:
Tipo Calefaccin N casas Valor total de las facturas desviacin tpica muestral
Elctrica 60 5730 200
No elctrica 40 2080 90
169
Obtenga una estimacin del valor medio de la factura de electricidad en la ciudad. D un
lmite para el error de estimacin.
Solucin:
2 2
1 1
1
65, 05
i
i st i i
i i
N
y N y y
N N
= =
= = =
2 ( ) 25,24
st
V y =
18. Para la comercializacin de un producto se le clasifica, atendiendo al calibre, en tres
categoras: pequea, mediana y grande. Un establecimiento dispone de 300 piezas
pequeas, 500 medianas y 200 piezas grandes. Para estimar el peso total de producto
almacenado se decide tomar una muestra aleatoria que contenga piezas de todas las
categoras, resultando
Categora N de piezas Peso en gramos
Pequea 5 12, 14, 12, 15, 12
Mediana 6 16, 22, 24, 20, 20, 18
Grande 4 30, 33, 31, 34
Considerando los anteriores datos como una muestra previa, obtenga el nmero de
unidades que cada categora debe aportar a la muestra para que el error en la estimacin
del peso total no supere el medio kilo.
Solucin:
2
2
250.000
0, 0625
4 4.000.000
B
D
N
= = =
2
1
2 2
1
71, 66
( )
L
i i
i
L
i i
i
N
n
N D N
=
=
= =
+
1 2 3
13, 79 14 45, 99 46 11, 87 12 72 n n n n = = = =
19. La produccin de piezas de una factora se realiza en dos mquinas. El 40% de las piezas
las produce la mquina A y el 60% restante la mquina B. Se les pas control de calidad a
200 piezas; 67 producidas por la mquina A y dos de ellas resultaron defectuosas; las 133
restantes procedan de la mquina B, siendo 6 de ellas defectuosas. Estime la proporcin
de piezas defectuosas de la factora y d el lmite del error de estimacin. Omita el
coeficiente corrector por poblacin finita.
Solucin: % 74 , 2 %; 9 , 3 = = B p
20. Una empresa especializada en seguros est pensando en ofrecer sus servicios a las
empresas de los polgonos industriales de una ciudad. Para ajustar sus tarifas desea
estimar el gasto de dichas empresas en pequeas reparaciones de mantenimiento (objeto
del seguro). Se clasifican las empresas en funcin de su tamao. El nmero de empresas
de cada tipo, el coste de obtencin de esta informacin en cada empresa as como los
valores mnimos, medios y mximos de un estudio similar hecho hace dos aos se
expresan en la siguiente tabla (los costes y gastos estn expresados en euros)
170
Tipo de
empresa
Nmero de
empresas
Costes de
observacin
Gastos de reparacin
Mnimo Media Mximo
A 100 16 400 500 600
B 500 9 240 300 360
C 700 4 70 100 130
Si la empresa de seguros dispone de hasta 600 para llevar a cabo la estimacin, cuntas
empresas de cada tipo tiene que observar para conseguir que sea mnimo el error de
estimacin asociado?
Solucin: ) 578 4 36 9 34 6 8 ( 78 ; 36 ; 34 ; 8
3 2 1
= + + = = = = x x x n n n n
21. En un centro escolar se quiere realizar una encuesta para conocer la proporcin de padres
que estaran dispuestos a participar en actividades. Se quiere estimar la proporcin de
padres tanto a nivel global como para cada grupo de edad de los alumnos por lo que se
decide estratificar segn la edad de los alumnos. A partir de la informacin proporcionada
por la siguiente tabla, obtener el nmero ptimo de padres que, de cada estrato, hay que
encuestar para que la proporcin de participacin de los padres con hijos de edades entre 6
y 8 aos sea estimada con un error menor o igual al 10%. (Suponemos que cada padre
tiene un solo hijo en el centro)
Aos Alumnos
matriculados
Porcentaje de participacin en aos
anteriores
Coste de encuestar a un
elemento
4-6 150 40% 4
6-8 130 30% 9
8-12 120 25% 16
12-14 100 20% 25
Sol. 21 65 , 20 ; 34 53 , 33 ; 52 27 , 51 ; 95 84 , 94 ; 3 , 200
4 3 2 1
= = = = = n n n n n 202 = n
22. El coste de transportar mercancas en avin depende del peso. Un determinado embarque
de una fbrica consista en las mquinas producidas por la citada fbrica a lo largo de las
dos ltimas semanas. Se decide estratificar basndose en las semanas, con el fin de
observar si existe variacin semanal en la cantidad producida. Las muestras aleatorias
simples de los pesos (en kilos) de las mquinas transportadas en el embarque, para las dos
semanas, mostraron las siguientes mediciones:
Semana A Semana B
58,3 59,2
60,4 60,1
59,3 59,6
58,7 59,2
59,1 58,8
59,6 60,5
171
a. Estimar el peso total del embarque de maquinaria, sabiendo que el nmero total de
mquinas producidas ha sido de 162 en la semana A y de 170 en la semana B.
b. Obtenga un intervalo de confianza para el peso total del embarque de maquinaria.
c. Determinar el tamao de la muestra y su asignacin, en el caso de que se quiera
estimar el peso total del embarque, con un lmite para el error de estimacin de 50
kg. Las dispersiones en los pesos se suponen diferentes de una semana a otra.
Considere las muestras anteriores como muestras previas para estimar los
parmetros necesarios.
Solucin: (a) 13 , 722 . 19 = (b) ) 56 ' 850 . 19 , 71 ' 593 . 19 (
(c) 67 32 30 , 31 ; 35 37 , 34 ; 67 , 65
2 1
= = = = n n n n
23. Una cadena de almacenes est interesada en estimar la proporcin de cuentas no cobradas.
La cadena est formada por 4 almacenes, siendo el coste de muestreo igual para todos. Se
usa muestreo aleatorio estratificado, con cada tienda como un estrato.
Estrato I Estrato II Estrato III Estrato IV
N cuentas por cobrar
65
1
= N 42
2
= N 93
3
= N 25
4
= N
Tamao muestra
14
1
= n 9
2
= n 21
3
= n 6
4
= n
N cuentas no cobradas 4 2 8 1
a. Estime la proporcin de cuentas no cobradas para la cadena y fije un lmite para el
error de estimacin.
b. Utilice los datos anteriores para determinar la asignacin y el tamao de la muestra
necesarios para estimar la proporcin de cuentas no cobradas, con un lmite del
error de estimacin del 5%.
Solucin: (a) 1173 , 0 ; 30 , 0 = = B p
(b) 13 17 , 12 ; 59 98 , 58 ; 23 80 , 22 ; 39 35 , 38 ; 30 , 132
4 3 2 1
= = = = = n n n n n 134 = n
24. Una escuela desea estimar la calificacin media que puede obtener en el examen final de
matemticas en este curso. Los estudiantes de la escuela se agrupan en tres estratos segn
el tipo de aprendizaje, clasificado como N=Normal, A=Avanzado, L=Lento. En el
presente curso, la distribucin de los alumnos segn el tipo de aprendizaje es 50 normal,
30 avanzado y 20 lento, la calificacin media de los estudiantes segn el tipo de
aprendizaje fue en el primer examen parcial: 75 para el normal, 89 para el avanzado y 70
para el lento, con unas cuasivarianzas de 80, 30 y 40 respectivamente.
Para actualizar esta informacin, se tom una muestra aleatoria de estudiantes, se les hizo
el examen final de matemticas y se obtuvieron las siguientes calificaciones (entre
parntesis, el tipo de aprendizaje de cada estudiante):
172
70(L) 88(A) 72(N) 85(N) 90(N) 82(A) 61(N) 92(N) 65(L) 87(A)
91(A) 81(N) 79(N) 63(L) 82(N) 75(N) 78(A) 71(L) 61(L)
Se pide:
a. Estime la calificacin media en el examen final de matemticas. De una medida del
error de estimacin.
b. Qu ocurre si no se tiene en cuenta el tipo de aprendizaje? Compare los resultados
de ambos mtodos de estimacin, as como determine la ganancia en precisin.
c. Se desea mejorar la estimacin de la nota media del examen final en matemticas,
teniendo en cuenta ms informacin. Usando estos resultados como muestra
previa, qu tamaos muestrales en cada estrato son necesarios para un error
mximo admisible de 2 puntos, utilizando asignacin proporcional.
d. Estime, con un intervalo de confianza, el nmero de estudiantes con aprendizaje
normal que han superado los 80 puntos. Si se pudiera planificar de nuevo la
muestra, qu tamao de muestra sera necesario para que esta misma estimacin
tuviera un error mximo admisible de 10 estudiantes?
Solucin: (a) 78, 59; 3, 21 B = = (b) 25 , 4 ; 53 , 77 = = B
(c) 38 8 26 , 7 ; 11 89 , 10 ; 19 15 , 18 ; 31 , 36
3 2 1
= = = = = n n n n n
(d) 17 8 , 16 ); 69 , 43 , 87 , 11 ( = n
25. Se desea estimar el salario medio de los empleados de una empresa. Se decide
clasificarlos en dos estratos: los que tienen contrato fijo y los que poseen un contrato
temporal. Los primeros son 143 y su salario vara entre 1500 y 2500 euros mensuales. Los
contratos temporales son 320 y su salario est comprendido entre 700 y 1800 euros
mensuales. Cul debe ser el tamao de la muestra y su asignacin para que al estimar el
salario medio mensual el error de estimacin sea inferior a 100 euros?
Solucin:
1 2
26, 91 7, 77 8 19,14 20 28 Neyman n n n n = = = =
173
4. Estimacin de Razn, Regresin y Diferencia
1. Se desea estimar el consumo mensual de una ciudad. Se sabe que los ingresos en dicha
ciudad, va declaracin de la renta, ascienden a 1.502.530 euros mensuales. Se realiza una
encuesta entre 12 hogares elegidos al azar y los resultados de renta y consumo se recogen
en esta tabla.
Renta Consumo
1.702,44 1.204
1.339,56 1.000
981,06 800
2.537,04 1.800
1.519,85 1.200
3.080,19 2.600
1.502,53 1.080
1.702,87 1.240
1.402,36 1.000
1.803,04 1.400
2.053,46 1.484
3.005,06 2.000
Estime el consumo total mensual para todos los hogares de la ciudad mediante el
estimador de razn. De el LEE.
Solucin: 1.116.002, 07; 59.053, 37
y
B = =
2. Mediante una tasacin previa se desea estimar la produccin media y la produccin total
de los 750 socios de una cooperativa agrcola. Se sabe que el total de superficie plantada
es de 3.840 hectreas. Se realiz un sorteo entre los socios para elegir a 20 de ellos a los
que se les pregunt por la superficie plantada y se les tas su produccin. Los resultados
fueron:
Superficie Produccin
3,7 12
4,3 14
4,1 11
5 15
5,5 16
3,8 12
8 24
5,1 15
5,7 18
6 20
3 8
7 20
5,4 16
4,4 14
174
5,5 18
5 15
5,9 18
5,6 17
5 15
7,2 22
a) Estimar la produccin media y total mediante los estimadores de razn y m.a.s. Dar
sus respectivos LEE y compararlos.
b) Supongamos que queremos reducir el LEE de la media a 0,25 toneladas y el LEE del
total no debe superar las 200 toneladas a cuntos socios se les debe tasar su
produccin antes de realizar una nueva estimacin?
Solucin:
(a) : 15, 57 ; 0, 37 ; 11.680, 61 ; 278,14
y y
razn tm B tm tm B tm
= = = =
. . . : 16 ; 1, 69 ; 12.000 ; 1.265, 76 ma s y tm B tm tm B tm
= = = = =
(b) 43 socios para estimar la media, 38 socios para estimar el total, se toma el mximo
n=43.
3. Para un grupo de 1.000 pequeos establecimientos se desea realizar un estudio sobre la
media y el total de ventas diarias. Se tiene informacin de que, por trmino medio, el
gasto en publicidad es de 5 euros. Se elige al azar una muestra de 18 establecimientos y se
les toma dato de su gasto en publicidad diaria y sus ventas diarias. Los resultados son:
Gastos Ventas
3,7 120
4,3 140
4,1 135
5 150
5,5 160
3,8 120
8 160
5,1 150
5,7 125
6 130
0 80
7 150
5,4 150
4,4 120
5,5 140
5 150
5,9 150
6,6 170
a) Estimar la media y el total de ventas diarias utilizando estimadores de
regresin. Dar LEE.
175
b) Se quiere repetir el estudio anterior de forma que la estimacin del total no
supere los 1.000 euros cul debe ser el tamao muestral?
Solucin: (a) 76 , 559 . 5 ; 38 , 314 . 138 ; 56 , 5 ; 31 , 138 = = = =
B B
yL yL
(b) 362 67 , 361 = n establecimientos
4. Para un grupo de 200 establecimientos se desea realizar un estudio sobre el gasto diario.
Se tiene informacin de que los ingresos medios diarios son de 500 euros. Se elige al azar
una muestra de 10 establecimientos y se toman datos de ingresos y gastos, obtenindose:
Ingresos Gastos
470 405
650 585
710 650
300 240
475 410
505 435
610 550
380 320
540 480
520 460
a) Estime el gasto medio y el gasto total diario para los 200 establecimientos
utilizando muestreo aleatorio simple, estimadores de razn, regresin y
diferencia. Obtenga el LEE en cada caso.
b) Se quiere repetir el estudio anterior utilizando un estimador de diferencia y
cometiendo un error mximo de 300 euros al estimar el total cul debe ser el
tamao muestral?
Solucin: (a)
Muestreo aleatorio simple
453, 5 90.700
= = = =
= = =
Estimadores de razn
0, 879 87.900 439, 5
y x y x
y
r r r
x
= = = = = =
9, 3 B
= 1.860,46 B
=
Estimadores de regresin
437, 515 87.503
yL yL yL
N = = =
2, 3104 462, 09 B B NB
= = =
Estimadores de diferencia
437, 5 87.500
yD yD yD
N = = =
176
( )
3349000 yD
yD
N = =
( )
2 2
2 2
( ) 50169875 2 ( ) 14166,14
D D
yD yD
N n S S
V N N N n V
N n n
= = = =
11. Se desea conocer las ventas medias (en euros / habitante) en este ao de un determinado
producto en un municipio formado por un pueblo A con 291 habitantes y un pueblo B con
200 habitantes. Se sabe que las ventas medias en ese municipio el ao pasado fueron de
170 euros / habitante. Tomamos una muestra aleatoria de 4 habitantes del pueblo A y otra
de 3 habitantes del pueblo B para los que se conoce su consumo del producto bajo estudio
(expresado en euros), este ao (Y) y el ao pasado (X):
179
Pueblo A Pueblo B
x
i
y
i
x
i
y
i
204 210 137 150
143 160 189 200
82 75 119 125
256 280
a. Sin hacer distincin entre pueblos, estime las ventas medias para este ao
utilizando un estimador de razn. D un lmite para el error de estimacin.
b. Qu se obtiene si no se tiene en cuenta los datos del ao pasado pero si el
pueblo?
c. Qu se obtiene si no se tiene en cuenta los datos del ao pasado ni se hace
distincin entre pueblos?
d. Compare los estimadores que se obtienen en cada caso justificadamente.
Solucin: (a) 69 , 5 ; 53 , 180 = = B (b) 81 , 53 ; 91 , 171 = = B (c) 53 , 49 ; 43 , 171 = = B
(d) La mejor estimacin es en la que se usa el estimador de razn, por la fuerte relacin
entre las variables. El muestreo estratificado se comporta mal porque los estratos no son
homogneos.
12. Se desea estimar el agua utilizada en la presente campaa por una comunidad de riego
constituida por 250 parcelas. Se seleccionan al azar 10 parcelas cuyo tamao y litros
utilizados en riego aparecen en la siguiente tabla
Litros 600 1800 750 900 1100 1400 950 700 1000 720
Hectreas 50 150 60 70 100 120 80 60 90 60
Estime la media de litros/hectrea que utiliza la comunidad de regantes y la cota del error
de dicha estimacin.
Solucin: 11' 81 / r litros hectarea =
2 ( ) 0' 3392 V r =
13. Se est investigando la eficacia de una nueva dieta alimenticia en la crianza de conejos.
Los investigadores piensan que hay razones para creer que el comportamiento es diferente
dependiendo de la zona de crianza. Por este motivo, deciden formar estratos observndose
el peso de los conejos antes de introducir la nueva dieta (X) y el peso resultante al cabo de
un mes de tratamiento (Y). Se obtuvieron los siguientes resultados:
6 ; 8 ; 10 ; 40 ; 60 ; 80
3 2 1 3 2 1
= = = = = = n n n N N N
Zona A Zona B Zona C
X Y X Y X Y
3,2 4,1 3,1 3,9 2,8 3,8
3,0 4,0 3,0 4,0 2,9 3,7
180
2,9 4,1 3,1 3,8 2,9 3,8
2,8 3,9 3,2 4,0 3,0 3,6
3,1 3,7 3,0 3,8 3,1 3,8
3,2 4,1 3,2 4,1 3,0 3,7
2,9 4,2 2,9 3,7
2,8 4,0 3,0 3,8
3,1 3,9
2,8 3,8
a. Estimar el peso medio estratificado de los conejos al principio y al final del
tratamiento. Dar una estimacin del error.
b. Si se le permite un error de estimacin de 0,01 para estimar el peso medio
estratificado al final del tratamiento, cules deben ser los nuevos tamaos
muestrales? Usar asignacin proporcional.
c. Sabiendo que el peso medio de los conejos antes de introducir la nueva dieta era de
3,2 kilogramos, estimar el peso medio de los conejos al final del tratamiento
utilizando un estimador de razn. Dar el lmite de error de estimacin.
d. Estimar el peso medio de los conejos al final del tratamiento utilizando muestreo
aleatorio simple. Comentar los resultados.
Solucin: (a) 0523 , 0 ; 8944 , 3 ; 0516 , 0 ; 0008 , 3 = = = = B B
y x
(b) 147 33 1 , 32 ; 49 15 , 48 ; 65 2 , 64 ; 4 , 144
3 2 1
= = = = = n n n n n
(c) 0793 , 0 ; 1467 , 4 = = B
y
(d) 0617 , 0 ; 8875 , 3 = = B
14. En una escuela de 560 alumnos, se desea estimar la calificacin media que puede
obtenerse en el examen final de matemticas en el curso 00/01. Se toma como informacin
auxiliar la calificacin de los mismos alumnos en el examen final de matemticas del
curso 99/00 con una nota media de 75. A partir de una muestra aleatoria de estudiantes
para los cuales se observ la nota del examen final en el curso 00/01 y la calificacin de
dicho alumno en la prueba correspondiente al curso 99/00. Los resultados fueron los
siguientes:
Nota curso
99/00
Nota curso
00/01
80 87
78 65
98 86
45 47
181
61 67
83 94
79 67
56 67
Estimar la calificacin media del curso 00/01 utilizando como informacin auxiliar la
calificacin obtenida en el curso 99/00 mediante un estimador de razn. Dar una
estimacin del error de muestreo.
Solucin: 45 , 7 ; 75 = = B
y
15. Un director de recursos forestales est interesado en estimar el nmero de abetos muertos
por una plaga en una zona de 300 hectreas. Usando una fotografa area, el director
divide la zona en 200 parcelas de hectrea y media. Se toma una muestra aleatoria de 10
parcelas. El nmero total de abetos muertos, obtenidos segn la cantidad en fotografa es
4200.
Parcela 1 2 3 4 5 6 7 8 9 10
Cantidad en fotografa 12 30 24 24 18 30 12 6 36 42
Cantidad en terreno 18 42 24 36 24 36 14 10 48 54
a. Estime la razn poblacional y obtenga su intervalo de confianza.
b. Estime el nmero total de abetos muertos en el rea de 300 hectreas y fije un
lmite para el error de estimacin.
c. Cul ha de ser el tamao de la muestra necesario para estimar el total de abetos
muertos, con un lmite de error de estimacin de 200 abetos?
Solucin: (a) ) 4097 ' 1 , 2057 ' 1 ( ; 3077 , 1 = r (b) 44 , 428 ; 31 , 492 . 5 = = B
y
) (c) 39 9 , 38 = n
16. De una poblacin de 40 hogares, para la que es conocido que el gasto total general durante
un periodo de un ao, en general, es de 12.000.000 um., se obtiene una muestra aleatoria
simple de tamao 4 que proporciona los siguientes valores anuales (en um):
Gasto en alimentacin 125000 150000 100000 175000
a. Estimar el gasto total en alimentacin para los 40 hogares mediante un intervalo de
confianza.
b. Supongamos que de esos 4 hogares tenemos tambin los valores anuales de su
gasto general (en um):
Gasto General 250000 300000 200000 350000
Antes de calcular otro estimador, obtendramos mejores resultados si
utilizamos esta informacin auxiliar?Por qu?
182
c. Estimar mediante un estimador de razn el total de gasto en alimentacin,
utilizando la informacin auxiliar del apartado b.
d. Corroborar la respuesta del apartado b indicando qu estimador es mejor, el del
apartado a o el del apartado c.
Solucin: (a) ) 744 . 724 . 6 , 255 . 275 . 4 ( (b) 1 = (c) 000 . 000 . 6 =
y
(d) 0 = B (lmite del error de
estimacin del apartado (c)
17. Un trabajador social quiere estimar la ratio personas/habitacin en un determinado barrio.
El trabajador social selecciona una muestra aleatoria simple de 25 viviendas de las 275 del
barrio. Sea x el nmero de personas en cada vivienda e y el nmero de habitaciones por
vivienda. A partir de los datos siguientes:
25 25 25
2 2
1 1 1
9,1 2, 6 2240 169 522
i i i i
i i i
x y x y x y
= = =
= = = = =
estime la razn personas/habitacin en el barrio y establezca el lmite para el error de
estimacin con una confianza del 95%.
Solucin: 3, 5 0, 767 r B = =
18. En una universidad se realiz una prueba de conocimientos matemticos antes del ingreso
a 486 estudiantes. Se consideraron dichas calificaciones como una variable auxiliar de la
variable calificacin final en clculo. Teniendo en cuenta que 291 eran chicos y las
calificaciones medias del examen previo fueron de 47 para los chicos y 52 para las chicas,
a partir de los datos de la tabla siguiente, se pide:
CHICOS CHICAS
Examen previo Examen de clculo Examen previo Examen de clculo
39 65 57 92
43 78 47 89
21 52 28 73
64 82 75 98
34 56
52 75
a. Sin tener en cuenta el sexo, estima la calificacin media en el examen final de
clculo utilizando un estimador de razn. De una medida del error de estimacin.
b. Qu ocurre si no se tiene en cuenta la informacin auxiliar pero si el sexo?
c. Qu ocurre si no se tiene en cuenta la informacin auxiliar ni el sexo?
d. Compare los estimadores que se obtienen en cada caso justificadamente.
183
Solucin: (a) 54 , 10 ; 97 , 80 = = B
y
(b) 5 , 9 ; 76 , 73 = = B (c) 46 , 9 ; 76 = = B
5. Muestreo Sistemtico
1. La seccin de control de calidad de una empresa usa el muestreo sistemtico para estimar
la cantidad media de llenado en latas de 12 onzas que sale de una lnea de produccin. Los
datos de la tabla adjunta representan una muestra sistemtica 1 en 50 de la produccin de
un da.
Cantidad de llenado (en onzas)
12,00 11,97 12,01 12,03 12,01 11,80
11,91 11,98 12,03 11,98 12,00 11,83
11,87 12,01 11,98 11,87 11,90 11,88
12,05 11,87 11,91 11,93 11,94 11,89
11,72 11,93 11,95 11,97 11,93 12,05
11,85 11,98 11,87 12,05 12,02 12,04
a. Estime , y establezca un lmite para el error de estimacin. Suponga que N=1.800.
b. Determinar el tamao de muestra requerido para estimar dentro de 0,01 unidades.
Solucin: (a) 0259 , 0 ; 94 , 11 = = B
sy
(b) 218 1 , 217 = n
2. La Guardia Civil de Trfico est interesada en la proporcin de automovilistas que llevan
el permiso de conducir. Se instala un puesto de control en una carretera nacional y se
detiene un conductor de cada siete.
a. Use los datos de la tabla adjunta para estimar la proporcin de conductores que portan
su licencia. Establezca un lmite para el error de estimacin. Suponga que 2.800 autos
pasan por el puesto de verificacin durante el periodo de muestreo.
Automvil Respuesta
1 1
8 1
15 0
2794 1
=
=
400
1
324
i
i
y
b. En un nuevo control, la Guardia Civil de Trfico espera que pasen unos 5.000
automviles por el puesto de verificacin. Determine el tamao de muestra y k para
estimar p con un error inferior al 2%.
184
Solucin: (a) 0364 , 0 ; 8100 , 0 = = B p
sy
(b) 1.176, 97 1177 4 n k = =
3. Los funcionarios de un museo estn interesados en el nmero total de personas que visitan
el lugar durante un periodo de 180 das cuando una costosa coleccin de antigedades est
en exhibicin. Puesto que el control de visitantes en el museo cada da es muy costosa, los
funcionarios deciden obtener estos datos cada dcimo da. La informacin de esta muestra
sistemtica de 1 en 10 se resume en esta tabla
Da N personas que visitan el museo
3 160
13 350
23 225
173 290
= =
= =
18
1
18
1
2
450 . 321 . 1 ; 868 . 4
i i
i i
y y
Use estos datos para estimar el nmero total de personas que visitan el museo durante el
periodo especfico. Establezca un lmite para el error de estimacin.
Solucin: 34 , 370 . 1 ; 48680 = = B
sy
4. Los funcionarios de cierta sociedad profesional desean determinar la proporcin de
miembros que apoyan varias enmiendas propuestas en las prcticas de arbitraje. Los
funcionarios toman una muestra sistemtica de 1 en 10, a partir de una lista en orden
alfabtico de los 650 miembros registrados. Sea 1 =
i
y si la i-sima persona muestreada
favorece los cambios propuestos e 0 =
i
y si se opone a los cambios. Use los siguientes
datos de la muestra para estimar la proporcin de miembros en favor de los cambios
propuestos. Establezca un lmite para el error de estimacin.
=
=
65
1
48
i
i
y
Solucin: 1042 , 0 ; 7385 , 0 = = B p
sy
5. La tabla anexa muestra el nmero de nacimientos y la tasa de natalidad por cada 1000
individuos para Estados Unidos durante seis aos seleccionados sistemticamente.
(a) Estime el nmero medio de varones nacidos por ao para el periodo 1955-1980, y
establezca un lmite para el error de estimacin.
(b) Estime la tasa media anual de natalidad para el periodo 1955-1980, y establezca un
lmite para el error de estimacin.
(c) Cree usted que el muestreo sistemtico es mejor que el muestreo aleatorio simple
para los problemas de los apartados (a) y (b)?Por qu?
185
Ao Nac.Masculinos Nac.Femeninos Total de Nac. Natalidad
1955 2.073.719 1.973.576 4.047.295 26,0
1960 2.179.708 2.078.142 4.257.850 23,7
1965 1.927.054 1.833.304 3.760.358 19,4
1970 1.915.378 1.816.008 3.731.386 18,4
1975 1.613.135 1.531.063 3.144.198 14,6
1980 1.852.616 1.759.642 3.612.258 15,9
Solucin: (a) 35 , 437 . 139 ; 935 . 926 . 1 = = B
sy
; (b) 17 , 3 ; 67 , 19 = = B
sy
;
(c) Si. Observando la tendencia de las muestras se puede decir que las poblaciones en
estudio estn ordenadas de forma decreciente.
6. En la tabla anexa se presentan los datos sobre las tasas de divorcio (por cada 1000
personas) en Estados Unidos para una muestra sistemtica de los aos de 1900-1980.
Estime la tasa media anual de divorcios para tal periodo y establezca un lmite para el
error de estimacin. Es en este caso el muestreo sistemtico mejor o peor que el muestreo
aleatorio simple?Por qu?
Ao Tasa Ao Tasa
1900 0,7 1945 3,5
1905 0,8 1950 2,6
1910 0,9 1955 2,3
1915 1,0 1960 2,2
1920 1,6 1965 2,5
1925 1,5 1970 3,5
1930 1,6 1975 4,8
1935 1,7 1980 5,2
1940 2,0
Solucin: 57 , 0 ; 26 , 2 = = B
sy
. Mejor, se observa, en general, una tendencia creciente en
los datos de la muestra, aunque se rompa ese orden parcial en los aos 1945-1955.
7. La gerencia de una compaa privada con 2.000 empleados est interesada en estimar la
proporcin de empleados que favorecen una nueva poltica de inversin. Una muestra
sistemtica de 1 en 10 es obtenida de los empleados que salen del edificio al final de un da
de trabajo (las respuestas a favor se han representado como 1)
Empleado
muestreado
Respuesta
3 1
13 0
23 1
1993 1
200
1
110
i
i
y
=
=
186
Se quiere repetir el anterior estudio con un error de estimacin inferior al 5% (considerando
la muestra anterior como una muestra previa para estimar los parmetros necesarios). Qu
tipo de muestra sistemtica deber obtenerse? (indique n y k).
Solucin: 330, 7 331 6, 04 6 n k k = = =
8. Un auditor se enfrenta a una larga lista de 1.000 cuentas por cobrar de una empresa. El
valor de cada una de estas cuentas no suele superar los 21.000 . El auditor quiere estimar
el valor total de las deudas por cobrar con un error inferior a 1.000.000 con una
confianza del 95%. Para ello decide tomar una muestra sistemtica de 1 en k . Determine
el valor de k.
Solucin: 10 k =
9. Los funcionarios de cierta sociedad profesional desean determinar la proporcin de
miembros que apoyan varias enmiendas propuestas en las prcticas de arbitraje. Los
funcionarios tomaron una muestra sistemtica de 1 en 10, a partir de una lista en orden
alfabtico de los 650 miembros registrados, obteniendo que 47 estaban a favor de los
cambios propuestos. Se quiere repetir el estudio anterior con un error de estimacin
inferior al 5%. Considerando la muestra anterior como una muestra previa para estimar los
parmetros necesarios, qu tipo de muestra sistemtica deber obtenerse? (indique n y k).
Solucin:
625
214, 8 215 3, 02 3
( 1) 215
Npq
n k k
N D pq
= = = =
+
6. Muestreo por Conglomerados.
(Se recomienda realizar con el ordenador los ejercicios 1, 2, 3, 5 y 7 dado el elevado nmero
de datos y resolver a mano, verificando la solucin con el ordenador, una versin con menos
datos)
1. Un fabricante de sierras quiere estimar el coste medio de reparacin mensual para las
sierras que ha vendido a ciertas industrias. El fabricante no puede obtener un coste de
reparacin para cada sierra, pero puede obtener la cantidad total gastada en reparacin y el
nmero de sierras que tiene cada industria. Entonces decide usar muestreo por
conglomerados, con cada industria como un conglomerado. El fabricante selecciona una
muestra aleatoria simple de 20 de 96 industrias a las que da servicio. Los datos sobre coste
total de reparaciones por industria y el nmero de sierras son:
187
Industria N sierras Costo total de reparacin
para el mes pasado ()
1 3 50
2 7 110
3 11 230
4 9 140
5 2 60
6 12 280
7 14 240
8 3 45
9 5 60
10 9 230
11 8 140
12 6 130
13 3 70
14 2 50
15 1 10
16 4 60
17 12 280
18 6 150
19 5 110
20 8 120
a. Estime el costo medio de reparacin por sierra para el mes pasado, y establezca un
lmite para el error de estimacin.
b. Estime la cantidad total gastada por las 96 industrias en la reparacin de sierras.
Establezca un lmite para el error de estimacin.
c. Despus de verificar sus registros de ventas, el fabricante se percata de que ha vendido
un total de 710 sierras a esas industrias. Usando esta informacin adicional, estime la
cantidad total gastada en reparacin de sierras por estas industrias, y establezca un
lmite para el error de estimacin.
Solucin: (a) 78 , 1 ; 73 , 19 = = B (b) 07 , 175 . 3 ; 312 . 12 = = B
(c) 78 , 110 . 1 ; 85 , 008 . 14 = = B
2. Una industria est considerando la revisin de su poltica de jubilacin y quiere estimar la
proporcin de empleados que apoyan la nueva poltica. La industria consiste en 87 plantas
separadas localizadas en todo Estados Unidos. Ya que los resultados deber ser obtenidos
rpidamente y con poco dinero, la industria decide usar muestreo por conglomerados, con
cada planta como un conglomerado. Se selecciona una muestra aleatoria simple de 15
plantas y se obtienen las opiniones de los empleados en estas plantas a travs de un
cuestionario. Los resultados se presentan en esta tabla:
Planta N empleados N empleados que apoyan la nueva poltica
1 51 42
2 62 53
188
3 49 40
4 73 45
5 101 63
6 48 31
7 65 38
8 49 30
9 73 54
10 61 45
11 58 51
12 52 29
13 65 46
14 49 37
15 55 42
a) Estime la proporcin de empleados en la industria que apoyan la nueva poltica de
jubilacin y establezca un lmite para el error de estimacin.
b) La industria modific su poltica de jubilacin despus de obtener los resultados de
la encuesta. Ahora se quiere estimar la proporcin de empleados a favor de la
poltica modificada Cuntas plantas deben ser muestreadas para tener un lmite del
2% para el error de estimacin? Use los datos anteriores para aproximar los
resultados de la nueva encuesta.
Solucin: (a) % 81 , 4 %; 91 , 70 = = B p ) (b) 48 6 , 47 = n
3. Se disea una encuesta econmica para estimar la cantidad media gastada en servicios
para los hogares en una ciudad. Ya que no se encuentra disponible una lista de hogares, se
usa muestreo por conglomerados, con barrios formando los conglomerados. Se selecciona
una muestra aleatoria de 20 barrios de la ciudad de un total de 60. Los entrevistadores
obtienen el gasto en servicios de cada hogar en los barrios seleccionados; los gastos totales
se muestran en esta tabla:
Barrio N hogares Cantidad total gastada en servicios ()
1 55 2210
2 60 2390
3 63 2430
4 58 2380
5 71 2760
6 78 3110
7 69 2780
8 58 2370
9 52 1990
10 71 2810
11 73 2930
12 64 2470
13 69 2830
14 58 2370
15 63 2390
16 75 2870
189
17 78 3210
18 51 2430
19 67 2730
20 70 2880
a. Estime la cantidad media de gastos en servicios por hogar en la ciudad y establezca un
lmite para el error de estimacin.
b. En la encuesta anterior se desconoce el nmero de hogares en la ciudad. Estime la
cantidad total gastada en servicios por todos los hogares de la ciudad y establezca un
lmite para el error de estimacin.
c. La encuesta econmica se va a llevar a cabo en una ciudad vecina de estructura
similar. El objetivo es estimar la cantidad total gastada en servicios por los hogares de
la ciudad, con un lmite de 5.000 para el error de estimacin. Use los datos anteriores
para encontrar el nmero aproximado de conglomerados que se necesitan para obtener
ese lmite.
Solucin: (a) 64 , 0 ; 17 , 40 = = B (b) 88 , 927 . 6 ; 020 . 157 = = B (c) 30 4 , 29 = n
4. Un inspector quiere estimar el peso medio de llenado para cajas de cereal empaquetadas
en una fbrica. El cereal est en paquetes que contienen 12 cajas cada uno. El inspector
selecciona aleatoriamente 5 y mide el peso de llenado de cada caja en los paquetes
muestreados, con los resultados (en onzas) que se muestran:
Paquete Onzas de llenado
1 16,1 15,9 16,1 16,2 15,9 15,8 16,1 16,2 16,0 15,9 15,8 16,0
2 15,9 16,2 15,8 16,0 16,3 16,1 15,8 15,9 16,0 16,1 16,1 15,9
3 16,2 16,0 15,7 16,3 15,8 16,0 15,9 16,0 16,1 16,0 15,9 16,1
4 15,9 16,1 16,2 16,1 16,1 16,3 15,9 16,1 15,9 15,9 16,0 16,0
5 16,0 15,8 16,3 15,7 16,1 15,9 16,0 16,1 15,8 16,0 16,1 15,9
Estime el peso medio de llenado para las cajas empaquetadas por esta fbrica, y establezca
un lmite para el error de estimacin. Suponga que el nmero total de cajas empaquetadas
por la fbrica es lo suficientemente grande para que no se tome en cuenta la correccin por
poblacin finita.
Solucin: 0215 , 0 ; 0050 , 16 = = B
5. Un peridico quiere estimar la proporcin de votantes que apoyan a cierto candidato A en
una eleccin estatal. La seleccin y entrevista de una muestra aleatoria simple de votantes
registrados es muy costosa por lo que se utiliza muestreo por conglomerados. Se
selecciona una muestra aleatoria de 50 distritos (conglomerados) de un total de 497 que
tiene el estado. El peridico quiere hacer la estimacin el da de la eleccin, pero antes de
que se haya hecho la cuenta final de los votos. Es por eso que los reporteros son enviados
a los lugares de votacin de cada distrito en la muestra, para obtener la informacin
pertinente directamente de los votantes. Los resultados se muestran en esta tabla:
190
N votantes N votantes A N votantes N votantes A N votantes N votantes A
1290 680 1893 1143 843 321
1170 631 1942 1187 1066 487
840 475 971 542 1171 596
1620 935 1143 973 1213 782
1381 472 2041 1541 1741 980
1492 820 2530 1679 983 693
1785 933 1567 982 1865 1033
2010 1171 1493 863 1888 987
974 542 1271 742 1947 872
832 457 1873 1010 2021 1093
1247 983 2142 1092 2001 1461
1896 1462 2380 1242 1493 1301
1943 873 1693 973 1783 1167
798 372 1661 652 1461 932
1020 621 1555 523 1237 481
1141 642 1492 831 1843 999
1820 975 1957 932
a. Estime la proporcin de votantes que apoyan al candidato A, y establezca un lmite
para el error de estimacin.
b. El peridico quiere realizar una encuesta similar durante la siguiente eleccin. Cmo
de grande debe ser la muestra para estimar la proporcin de votantes a favor de un
candidato similar con un lmite del 5% para el error de estimacin?
Solucin: 0307 , 0 ; 5701 , 0 = = B p (b) 21 1 , 20 = n
6. Con motivo del cuarto centenario del Quijote, el Ministerio de Cultura desea estimar el
nmero de libros comprados cada mes en una localidad. Se selecciona una localidad con
6.200 hogares agrupados en 700 manzanas de viviendas. Se tiene una encuesta piloto en la
cual se seleccion una muestra de 4 manzanas y se entrevistaron a todas las familias,
obtenindose los siguientes resultados:
manzana libros comprados cada mes por familia
1 1 2 1 0 3 2 1 0 1 2
2 1 0 2 2 0 0 1 3
3 2 1 1 1 1 0 2 1 2 2 2
4 1 1 0 2 1 0 3
Determine, usando los datos de la encuesta piloto, cuntas manzanas debe tener una nueva
muestra si se quiere estimar los libros comprados cada mes con un error de estimacin
inferior a 140 unidades.
Solucin: 96, 92 97 n =
7. Un socilogo quiere estimar el ingreso medio por persona en cierta ciudad pequea donde
no existe una lista disponible de adultos residentes. Por esta razn para el diseo de la
191
encuesta utiliza muestreo por conglomerados. Se divide la ciudad en bloques rectangulares
y el socilogo decide que cada bloque rectangular va a ser considerado como un
conglomerado. Los conglomerados son numerados del 1 al 415. El investigador tiene
tiempo y dinero suficientes para hacer un muestreo de 25 conglomerados y entrevistar a
cada hogar dentro de cada uno. Se seleccionan aleatoriamente 25 conglomerados y se
realizan las entrevistas, obtenindose estos datos:
Conglomerado (i) N de residentes (m
i
)
Ingreso total por
conglomerado en (y
i
)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
8
12
4
5
6
6
7
5
8
3
2
6
5
10
9
3
6
5
5
4
6
8
7
3
8
96000
121000
42000
65000
52000
40000
75000
65000
45000
50000
85000
43000
54000
49000
53000
50000
32000
22000
45000
37000
51000
30000
39000
47000
41000
151 residentes 1329000
a) Estime el ingreso medio por persona en la ciudad y establezca un lmite para el error
de estimacin.
b) Estime el ingreso total de todos los residentes de la ciudad y el lmite para el error de
estimacin, suponiendo que M es desconocido.
c) Suponiendo que existen 2.500 residentes en la ciudad, estime el ingreso total de
todos los residentes de la ciudad mediante un intervalo de confianza.
NOTA: Repetir este ejemplo con todos los
i
m iguales (por ejemplo, 6
i
m i = ,
supongamos conocido 6 415 2.490 M = = ) y estime el total por los dos mtodos
192
estudiados
( )
t
t
M y N y = =
. Observe como coinciden las dos estimaciones as como
la varianza del estimador y el lmite para el error de estimacin.
d) Tomando los anteriores datos como una muestra previa, cmo debe tomarse la
muestra en una encuesta futura para estimar el ingreso promedio por persona con un
lmite para el error de estimacin de 500.
Solucin: a)
c) ( ) 17.949.791, 34 , 26.056.831,18
d) 166, 58 167 n =
8. Un empresario quiere estimar el nmero de tubos de dentfrico usados por mes en una
comunidad de 4000 hogares divididos en 400 bloques. Se selecciona una muestra aleatoria
simple de 4 bloques que proporciona los siguientes resultados:
Bloque tubos gastados por hogar
1 1 2 1 3 3 2 1 4
2 1 3 2 2 3 1 4 1 1
3 2 1 1 1 3 2 2
4 1 1 3 2 1 5 1 3
Estime de distintas formas el nmero total de tubos gastados, obtenga el lmite para el
error de estimacin en cada caso y comente los resultados.
Solucin: Muestreo por conglomerados 85 , 562 ; 8000 = = B Muestreo aleatorio simple
78 , 1077 ; 6400 = = B
9. En un proceso de control del volumen envasado por una fbrica de bebidas se eligen 5 de
los 40 paquetes que tiene la fbrica, cada uno de los cuales contiene 4 envases, y se mide
el volumen que cada envase contiene. Las observaciones se presentan en la tabla adjunta:
Paquete n Volumen envasado en cm
3
1 33 32,5 31,7 34,2
2 32 32,6 33,8 32,5
3 30,9 33,1 33 33,4
4 34,1 33,1 32,5 33,2
5 32 32,1 32,6 33,6
Estime el volumen medio por envase y dar la cota de error de estimacin.
Solucin: 22 , 0 ; 80 , 32 = = B
10. Una empresa de trabajo temporal quiere investigar las necesidades de empleo de las
empresas de un pueblo. Para ello decide seleccionar una muestra de 10 de las 85 inscritas
en el registro mercantil. El nmero de bajas en el ltimo ao, el nmero de empleados y la
respuesta de cada empresa sobre si utilizara los servicios de la empresa de trabajo
temporal fueron los siguientes:
193
Empresa Bajas Empleados Respuesta
1 1 7 Si
2 2 15 No
3 9 85 Si
4 0 3 No
5 2 12 No
6 0 8 No
7 1 21 Si
8 0 4 No
9 4 35 No
10 6 92 Si
a. Estime el nmero de bajas en el ltimo ao en las empresas del pueblo. D el
lmite del error de estimacin.
b. Estime la proporcin de empresas que usaran los servicios ofertados. D el
lmite del error de estimacin.
Solucin: (a) 02 , 151 ; 5 , 212 = = B (b) % 68 , 30 %; 40 = = B p
11. Cierto tipo de tableros posee 12 microcircuitos cada uno. De un pedido de 50 tableros se
seleccionan 10 de ellos para su estudio. El nmero de microcircuitos defectuosos por
tablero fue
2 0 1 3 2 0 0 1 3 4
Estime la proporcin de microcircuitos defectuosos en la poblacin y establezca una cota
para el error de estimacin.
Solucin: 0674 , 0 ; 1333 , 0 = = B p
12. En una pequea ciudad se quiere estimar el nmero total de horas diarias que sus
residentes dedican a ver el programa ``Gran Hermano'', emitido las 24 horas del da por un
canal Digital. Dicha ciudad est dividida en 200 manzanas de viviendas. Se extrae una
muestra aleatoria simple de 10 manzanas, y se interroga a cada familia acerca de si estn
conectados a Va Digital y cuntas horas ven el programa. Los datos de la encuesta se
encuentran en la siguiente tabla:
Manzana N hogares con
canal Digital
N total horas que
ven programa
1 8 13
2 7 13
3 9 14
4 6 13
5 5 0
6 9 10
7 6 6
194
8 8 14
9 9 16
10 6 4
a. Estimar el nmero total de horas que se ve el programa ``Gran Hermano'' a travs
de Canal Digital.
b. Obtener un intervalo de confianza para el nmero total de horas.
c. Determinar cuntas manzanas se deberan muestrear para estimar el total
poblacional, con un lmite para el error de estimacin de magnitud 20. Considere la
muestra anterior como una muestra previa para estimar los parmetros necesarios.
Solucin: (a) 2060 = ; (b) ) 70 , 2704 , 30 , 1415 ( (c) 197 4 , 196 = n
13. En una urbanizacin se quiere estimar la proporcin de hogares interesados en contratar el
sistema de televisin digital, para lo cual se considera la ciudad dividida en 200 manzanas
de viviendas. Se extrae una muestra aleatoria simple de 10 manzanas y se interroga a cada
familia acerca de si estara interesada en contratar la televisin digital. Los datos de la
encuesta se encuentran en la tabla:
Manzana N hogares en la
manzana
N hogares
interesados
1 8 3
2 7 3
3 9 4
4 6 3
5 5 2
6 9 4
7 6 3
8 8 3
9 9 4
10 6 2
a. Estimar la proporcin de hogares interesados en contratar la televisin digital.
b. Obtenga un intervalo de confianza para la citada proporcin.
c. Determinar cuntas manzanas se deberan muestrear para estimar la proporcin
poblacional con un lmite para el error de estimacin del 1%. Considere la muestra
anterior como una muestra previa para estimar los parmetros necesarios.
Solucin: (a) 4247 , 0 = p (b) ) 4547 ' 0 , 3947 ' 0 ( (c) 65 28 , 64 = n
14. En un municipio de 5000 familias se pretende estimar el porcentaje de las que poseen
ordenador. Se consideran 1000 conglomerados de 5 familias cada uno, y se elige una
195
muestra aleatoria de 10 conglomerados, en los que el nmero de familias con ordenador
es:
2 1 5 3 0 1 4 3 5 0
Estimar la proporcin de familias que poseen ordenador y la varianza del estimador usado
para estimar dicha proporcin.
Solucin: 0143 , 0 ) (
; 48 , 0 = = p V p
15. Se desea conocer la proporcin de empleados de una empresa que no estn dispuestos a
trasladarse a una nueva planta de produccin. Realizada una encuesta a los empleados de 5
factoras elegidas al azar entre las 50 que tiene la empresa, los resultados han sido:
Factora N empleados Dispuestos
1 250 225
2 190 175
3 210 190
4 400 350
5 150 120
Estimar la proporcin de empleados que no estn dispuestos a trasladarse a la nueva
factora. Obtenga una estimacin de la varianza del estimador empleado.
Solucin: 0002 , 0 ) (
; 1167 , 0 = = p V p
16. Un gran embarque de mariscos congelados es empaquetado en cajas, conteniendo cada
una 24 paquetes de 5 kilos. Hay 100 cajas en el embarque. Un inspector del gobierno
determina el peso total de mariscos daados para cada una de las 5 cajas muestreadas. Los
datos son:
9 6 3 10 2
a. Estime el peso total de mariscos daados en el embarque y establezca un lmite
para el error de estimacin.
b. Determine el tamao de la muestra necesario para estimar el peso total de mariscos
daados en el embarque, con un lmite de error de 275.
Solucin: (a) 600; 308, 22 B = = (b) 6, 20 7 n =
196
7. Estimacin del Tamao de la Poblacin.
1. Un club deportivo se interesa por el nmero de truchas de ro en un arroyo. Durante un
periodo de varios das, sea atrapan 100 truchas, se marcan y se devuelven al arroyo.
Obsrvese que la muestra representa 100 peces diferentes, ya que cualquier pez atrapado
en esos das, que ya haba sido marcado, se devolva inmediatamente. Varias semanas
despus se atrap una muestra de 120 peces y se observ el nmero de peces marcados.
Supongamos que este nmero fue de 27 en la segunda muestra. Estime el tamao total de
la poblacin de truchas y d un lmite de error de estimacin.
Solucin: 60 , 150 ; 4 , 444
= = B N
2. Ciertos bilogos de poblaciones salvajes desean estimar el tamao total de la poblacin de
codorniz comn en una seccin del sur de Florida. Se usa una serie de 50 trampas. En la
primera muestra se atrapan 320 codornices. Despus de ser capturadas, cada ave es
retirada de la trampa y marcada con una banda de metal en su pata izquierda. Luego se
sueltan todas las aves. Varios meses despus se obtiene una segunda muestra de 515
codornices. Suponga que 91 de estos pjaros estn marcados. Estimar el tamao total de la
poblacin de codornices y dar un lmite de error de estimacin.
Solucin: 51 , 344 ; 99 , 1810
= = B N
3. Expertos en pesca estn interesados en estimar el nmero de salmones de una reserva. Se
atrapa una muestra aleatoria de 2876 salmones. Cada uno es marcado y soltado. Un mes
despus se atrapa una segunda muestra de 2562. Supongamos que 678 tienen marcas en la
segunda muestra. Estime el tamao de la poblacin total y establezca un lmite del error de
estimacin.
Solucin: 82 , 715 ; 72 , 867 . 10
= = B N
4. Los regentes de una ciudad estn preocupados por las molestias que causan las palomas
alrededor del ayuntamiento. A fin de cuantificar el problema contratan un equipo de
investigadores para que estime el nmero de palomas que ocupan el edificio. Con varias
trampas se captura una muestra de 60 palomas, se marcan y se sueltan. Un mes despus se
repite el proceso, usando 60 palomas, de las que 18 estn marcadas. Estimar el tamao
total de la poblacin de palomas y dar un lmite de error de estimacin.
Solucin: 88 , 78 ; 200
= = B N
5. Una zologa desea estimar el tamao de la poblacin de tortugas en determinada rea
geogrfica. Ella cree que el tamao de la poblacin est entre 500 y 1000; por lo que una
197
muestra inicial de 100 parece ser suficiente. Las 100 tortugas son capturadas, marcadas y
liberadas. Toma una segunda muestra un mes despus y decide continuar muestreando
hasta que se recapturen 15 tortugas marcadas. Atrapa 160 tortugas antes de obtener las 15
marcadas. Estime el tamao total de la poblacin de tortugas y establezca un lmite de
error de estimacin.
Solucin: 72 , 507 ; 67 , 066 . 1
= = B N
6. En una plantacin de pinos de 200 acres, se va a estimar la densidad de rboles que
presentan hongos parsitos. Se toma una muestra de 10 cuadros de 0,5 acres cada uno. Las
diez parcelas muestreadas tuvieron una media de 2,8 rboles infectados por cuadro.
a) Estime la densidad de rboles infectados y establezca un lmite de error de
estimacin.
b) Estime el total de rboles infectados en los 200 acres de la plantacin y
establezca un lmite de error de estimacin.
Solucin: (a) 1 , 2 ; 6 , 5
= = B M
7. Se desea estimar el nmero total de personas que diariamente solicitan informacin en una
oficina turstica. Se observa que 114 personas solicitan informacin, durante 12 intervalos
de 5 minutos cada uno, repartidos aleatoriamente entre las 8 horas que permanece abierta
la oficina. Estimar el total de personas que visitan la oficina diariamente y dar la cota de
error de estimacin.
Solucin: 8 , 170 ; 912
= = B M
8. Un alumno de A.T.C. desea estimar el nmero de alumnos que una determinada maana
han ido a la Facultad. Para ello se basa en que dicho da una conocida marca comercial ha
repartido a primeras horas de la maana en la entrada de la Facultad 500 carpetas. En un
intercambio de clase, sentado en un banco del pasillo, decide contar los alumnos que pasan
hasta observar a 100 que portan la carpeta, para lo que fue necesario contar hasta 382
alumnos.
Estime con un intervalo de confianza el nmero de alumnos que asistieron esa maana a la
Facultad.
Solucin: muestreo inverso ( ) 1910 326, 58
9. El hermano de un alumno de T.A.M. est pensando en abrir una farmacia de 24 horas.
Para saber si los ingresos compensaran los gastos de esta inversin deciden observar un
establecimiento similar para estimar los ingresos diarios. Este asiduo alumno de T.A.M.
conoce perfectamente que es una prdida de tiempo innecesaria observar el flujo de
198
clientes las 24 horas del da por lo que decide observar de forma sistemtica media hora
cada 3 horas, obteniendo los datos de la siguiente tabla
clientes
10:00-10:30
13:00-13:30
16:00-16:30
19:00-19:30
22:00-22:30
01:00-01:30
04:00-04:30
07:00-07:30
35
20
19
30
25
9
12
18
Sabiendo que el gasto medio por cliente es de 20, estime los ingresos diarios de la
farmacia observada y el correspondiente lmite para el error de estimacin utilizando
diferentes mtodos.
Solucin: Muestreo por cuadros 76 , 110 . 3 ; 160 . 20 = = B Ingresos ; Muestreo aleatorio
simple 22 , 402 . 5 ; 160 . 20 = = B Ingresos
10. Se desea estimar el nmero total de palomas en la glorieta de una ciudad. Se capturan 80
palomas, se marcan y se devuelven a la poblacin. Se realiza una segunda muestra hasta
encontrar 30 palomas marcadas, se han tenido que capturar para ello 300 aves. Estimar el
tamao total y el lmite de error de estimacin.
Solucin: 62 , 272 ; 800
= = B N
11. Se desea estimar el nmero total de pinginos en una determinada zona. Se obtiene una
muestra de tamao 60, se marcan y se devuelven a la poblacin. Al da siguiente se elige
otra muestra de tamao 400 y en ella se encuentran 12 marcados. Estimar el nmero total
de pinginos y dar la cota de error de estimacin.
Solucin: 25 , 137 . 1 ; 000 . 2
= = B N
12. Se desea estimar el nmero de vehculos de un modelo determinado que el mes prximo
utilizarn el aparcamiento de Puerta Real. Durante las 720 horas del mes se van a
establecer 5 controles aleatorios de 1 hora de duracin cada uno. Transcurrido el mes, se
ha observado en los 5 controles los siguientes resultados:
Control Nmero de vehculos de ese
modelo que usan el aparcamiento
1 1
2 1
3 2
4 1
5 3
Estimar el nmero total de vehculos del modelo en estudio que utilizaron el aparcamiento.
199
Solucin: 59 , 814 ; 1152
= = B M
13. El ayuntamiento de Madrid est interesado en conocer el nmero de aficionados que
acudieron al aeropuerto a vitorear al equipo campen de la Champion League. Para ello,
dividieron la sala de espera, de dimensiones 100 metros de largo por 35 metros de ancho,
en 100 cuadros de igual tamao y seleccionaron 40, observando que el nmero de
personas era 2100.
a. Estime la densidad de asistentes por metro cuadrado mediante un intervalo de
confianza del 95%.
b. Estime el nmero total de asistentes, y fije un lmite para el error de
estimacin.
Solucin: (a) ) 6 , 1 , 4 , 1 ( (b) 229 13 , 229 ; 250 . 5
= = B M
14. Se toman peridicamente muestras del aire en un rea industrial de la ciudad. La densidad
de cierto tipo de partculas dainas es el parmetro de inters para el sector industrial. A
partir de 15 muestras de 1
3
cm , se obtuvo un promedio de 210 partculas/
3
cm . Estimar la
densidad de las partculas dainas en dicha zona, as como dar una estimacin del error de
dicha estimacin.
Solucin: 48 , 7 ; / 210
3
= = B cm part
15. Se desea conocer cuntas personas asistieron a la inauguracin del pabelln de Portugal en
la Expo de Lisboa. Se sabe que el pabelln tiene forma cuadrada de 35 metros de lado y se
traza una malla que divide el rea total en 100 cuadros de igual tamao. Se selecciona una
muestra aleatoria de 40 cuadros, observando que el nmero de personas es de 750.
a. Estime la densidad de asistentes por metro cuadrado y obtenga su intervalo de
confianza.
b. Estime el nmero total de asistentes a la inauguracin y fije un lmite para el error
de estimacin.
Solucin: (a) ) 6424 ' 1 , 4188 ' 1 ( ; 5306 , 1
= = B M
16. Un equipo de eclogos quiere medir la efectividad de un frmaco para controlar el
crecimiento de la poblacin de palomas. Se quiere conocer el tamao de la poblacin de
este ao para compararlo con el del ao pasado. Se atrapa una muestra inicial de 600
palomas y se les da el frmaco, a la vez que se aprovecha para marcarlas en una pata. En
fechas posteriores se atrapa otra muestra de 100 palomas de las cuales 48 tienen marca.
a. Estime el tamao de la poblacin con un intervalo del 95% de confianza.
200
b. Para reducir el lmite de error de estimacin a la mitad, en qu proporcin deben
ser mayores las cantidades 100 y 48 observadas en la segunda muestra?, se
deberan observar el doble de las cantidades anteriores, es decir, 200 y 96?, el
triple?, el cudruplo?,...
Solucin: (a) ( ) 989' 79, 1510' 21 (b) el cudruplo
8. Anlisis cluster
1. Un investigador tiene informacin sobre el presupuesto que un conjunto de empresas ha
destinado a publicidad en el ltimo ao y de las ventas que han logrado en ese mismo
ejercicio:
Nombre Empresa Inversin en publicidad Ventas
E1 16 10
E2 12 14
E3 10 22
E4 12 25
E5 45 10
E6 50 15
E7 45 25
E8 50 27
Estudie si estas empresas pueden agruparse en funcin de la rentabilidad en trminos de
ventas que han sido capaces de generar con su inversin publicitaria.
2. El director de ventas de una cadena de electrodomsticos con implantacin nacional est
estudiando el plan de incentivos de sus vendedores. Considera que los incentivos deben
estar ajustados a las dificultades de las distintas zonas de ventas, siendo necesario fijar
incentivos ms altos en aquellas zonas geogrficas en que las condiciones de vida de sus
habitantes hacen ms difcil las ventas. Por este motivo quiere determinar si las
comunidades autnomas se pueden segmentar en grupos homogneos respecto al
equipamiento de los hogares. Para ello dispone de los siguientes datos:
CC.AA.
Porcentaje de hogares que poseen
Automvil TV color Vdeo Microondas Lavavajillas Telfono
Espaa 69,0 97,6 62,4 32,3 17,0 85,2
Andaluca 66,7 98,0 62,7 24,1 12,7 74,7
Aragn 67,2 97,5 56,8 43,4 20,6 88,4
Asturias 63,7 95,2 52,1 24,4 13,3 88,1
Baleares 71,9 98,8 62,4 29,8 10,1 87,9
201
Canarias 72,7 96,8 68,4 27,9 5,80 75,4
Cantabria 63,4 94,9 48,9 36,5 11,2 80,5
Cast. Y Leon 65,8 97,1 47,7 28,1 14,0 85,0
C. La Mancha 61,5 97,3 53,6 21,7 7,10 72,9
Catalua 70,4 98,1 71,1 36,8 19,8 92,2
Com. Valenciana 72,7 98,4 68,2 26,6 12,1 84,4
Extremadura 60,5 97,7 43,7 20,7 11,7 67,1
Galicia 65,5 91,3 42,7 13,5 14,6 85,9
Madrid 74,0 99,4 76,3 53,9 32,3 95,7
Murcia 69,0 98,7 59,3 19,5 12,1 81,4
Navarra 76,4 99,3 60,6 44,0 20,6 87,4
Pas Vasco 71,3 98,3 61,6 45,7 23,7 94,3
La Rioja 64,9 98,6 54,4 44,4 17,6 83,4
Fuente: Panel de hogares de la Unin Europea. INE.
3. Con el archivo Mundo 95.sav clasifica a los paises segn las siguientes variables:
a. Esperanza de vida femenina
b. Mortalidad infantil
c. Ingesta diara de calorias
d. Tasa de mortalidad
e. Casos SIDA por cada 100.000 habitantes.
Para ello, realiza los siguientes pasos:
i. Realiza un anlisis jerrquico utilizando el mtodo del vecino ms
lejano. No olvides tipificar las variables (Puntuaciones Z)
ii. Realiza un anlisis no jerarquico imponiendo el nmero de grupos
aconsejado por el mtodo anterior. No olvides tipificar las variables.
4. Con el archivo Europa.sav clasifica los paises segn las siguientes variables:
a. Habitantes por Km2
b. Personas alfabetizadas
c. Producto Interior Bruto
d. Tasa natalidad
e. Fertilidad
5. Teniendo en cuenta los siguientes datos
Ciudadanos Ingresos Edad
Pepe 175 44
Juan 182 55
Pedro 184 41
Pablo 186 32
Maria 185 35
Juana 198 41
Toi 194 32
Tere 183 32
Carmen 125 23
202
Elena 107 22
Luisa 97 24
Beln 88 27
Nicols 116 28
Csar 121 33
Alberto 100 29
Carlos 175 21
Divide los ciudadanos segn ingresos y edad.
9. Componentes principales.
1. Con el archivo Mundo 95.sav realiza un anlisis de componentes principales con las
siguientes variables:
Esperanza de vida femenina
Mortalidad infantil (muertes por 1000 nacimientos vivos)
Personas Alfabetizadas (%)
Tasa de natalidad (por 1.000 habitantes)
Fertilidad: nmero promedio de hijos
Habitantes en ciudades (%)
Log(10) de PIB_CAP
Tasa de mortalidad (por 1.000 habitantes)
2. Con el archivo Europa.sav realiza un anlisis de componentes principales con las
siguientes variables:
Habitantes por Km2
Personas alfabetizadas
Producto Interior Bruto
Tasa natalidad
Fertilidad
203
PRE-PRCTICAS
204
INTRODUCCIN.
Sera deseable que el alumno construyera hojas de clculo como las del fichero PRCTICAS
partiendo de hojas en blanco. Dado el escaso nmero de horas de prcticas y para que dicho
tiempo se dedique a los aspectos ms relacionados con la asignatura, se han confeccionado
unas PRE-PRCTICAS donde la base de la plantilla como lneas, colores, etiquetas,...
permanece en las hojas y falta por completar aquellas expresiones que hemos considerado
ms interesantes.
Los comentarios que siguen no pretenden ser un manual sobre el uso de Excel que se supone
conocido por el alumno, sencillamente se recuerda y aconseja sobre la forma de utilizarlo. Se
pretende as que el alumno conozca mejor cmo se han construido estas hojas para que haga
un uso correcto de ellas y, si fuera el caso, sea capaz de modificarlas y adaptarlas a nuevas
situaciones.
Al faltar el valor de determinadas celdas, otras que dependen de las anteriores aparecern con
mensajes de error de clculo. Esos errores de clculo se irn resolviendo a medida que se
vayan completando las primeras. Todas las celdas, salvo las que el alumno debe completar,
estn protegidas.
Una vez resuelta cada PRE-PRCTICA su contenido debe coincidir con la hoja
correspondiente del fichero PRCTICAS.
205
PRE-PRCTICA 1
Muestreo aleatorio simple en poblaciones infinitas
En esta pre-prctica completaremos todas las expresiones (celdas amarillas) del caso numrico
y aquellas del caso no numrico que son diferentes de las anteriores.
Las expresiones o funciones ms habituales estn en Excel y nos podemos referir a ellas
simplemente indicando su nombre. As para calcular la media aritmtica, en lugar de escribir
la expresin de la suma de las celdas donde estn los datos y dividir por el nmero datos,
usaremos la funcin PROMEDIO.
Para contar el nmero de datos de la muestra usaremos la funcin CONTAR y para hallar la
cuasivarianza utilizaremos VAR.
Todas las funciones de Excel van precedidas por el signo =. Cuando una funcin, como las
anteriores, se refiere a los datos contenidos en un rango de celdas (conjunto continuo de
celdas), indicaremos la primera y ltima celda separadas por dos puntos (p.e.,
=CONTAR(C21:C100)). Si el rango de celdas ocupa ms de una columna, se indicar la
primera celda de la primera columna y la ltima celda de la ltima columna.
Para completar las expresiones de las celdas C12, C13, C14, C15, C18, D11, D12 Y D18 nos
basaremos en las expresiones estudiadas para este tipo de muestreo que aparecen en los
apuntes y en el formulario. Recordemos que debemos empezar siempre con el signo =, que las
operaciones aritmticas habituales estn representadas por los conocidos smbolos del teclado
206
+ , , * , / . Para la raz cuadrada utilizaremos la funcin RAIZ (p.e. =RAIZ(D11)) y para las
potencias el smbolo del acento circunflejo francs ^ (p.e., para elevar B3 al cuadrado:
=B3^2).
PRE-PRCTICA 2
Muestreo aleatorio simple en poblaciones finitas
El muestreo aleatorio simple en poblaciones finitas es anlogo en sus expresiones al caso
infinito tratado anteriormente salvo por dos hechos: el coeficiente corrector para poblaciones
finitas que aparece en la expresin de la varianza del estimador de la media
2
-
( )
S N n
V y
n N
(
| |
=
| (
\ .
y la novedad de que no slo se puede estimar la media sino tambin el
total.
Utilizando las relaciones de la estimacin del total y su varianza con los correspondientes
valores para la media
( )
2
, ( ) ( ) N y V N V y = =
completaremos las celdas D10 y D12.
207
La varianza para el estimador de la media (y proporcin) en C12 (y E12) es anloga a la del
caso infinito salvo el coeficiente corrector para poblaciones finitas:
2
-
( )
S N n
V y
n N
| |
=
|
\ .
,
-
( )
1
pq N n
V p
n N
| |
=
|
\ .
.
En las celdas C18, D18, E18 y F18 calculamos el tamao de la muestra n segn las
expresiones que aparecen en el formulario. Debe decirse en este punto que debemos usar los
parntesis necesarios para que el orden de las operaciones sea el correcto.
2
2
( 1)
N
n
N D
=
+
2
( )
4
B
D media =
2
2
( )
4
B
D total
N
=
( 1)
Npq
n
N D pq
=
+
2
( )
4
B
D proporcin =
2
2
( )
4
B
D total
N
=
Para facilitar la escritura en Excel de algunas expresiones del fichero PRCTICAS, stas se
han simplificado previamente y lo que aparece no es la trascripcin fiel de cmo estn en los
apuntes de clase y en el formulario.
La cota del error de estimacin y los extremos de los intervalos de confianza tienen en este
tipo de muestreo y en los que siguen la misma expresin que se ha visto para el muestreo
aleatorio simple en poblaciones infinitas por lo que no volveremos a recalcularlos en cada una
de las pre-prcticas.
PRE-PRCTICA 3
Muestreo aleatorio estratificado
Trabajaremos sobre el modelo de tres estratos, caso numrico. Los modelos de dos y cuatro
estratos as como el caso no numrico se han construido de forma anloga.
Este tipo de muestreo se basa en repetir para cada uno de los estratos un muestreo aleatorio
simple por lo que sern vlidas las expresiones construidas para este tipo de muestreo en la
pre-prctica anterior. Tambin sern tiles las funciones copiar y pegar para no tener que
repetir una por una todas las expresiones en cada uno de los estratos.
En primer lugar y para ilustrar lo ltimo dicho, observemos que en la pre-prctica aparece en
la parte superior (donde calculamos los estimadores y sus errores) slo las expresiones para el
primer estrato (segn el muestreo aleatorio simple). Si se observa se ver que dichas
expresiones hacen referencia a los datos de la columna C (estrato y muestra 1). Anlogas
208
expresiones pero referidas a la columna E necesitamos para el estrato 2 y referidas a la
columna G para el estrato 3. Para evitar la tediosa tarea de rescribir cada una de esas
expresiones dos o ms veces, dependiendo del nmero de estratos, usaremos las acciones
copiar y pegar.
Marcaremos el rango de celdas que va de C9 a D15, seleccionaremos copiar, marcaremos el
rango E9:F15 (o slo la primera de las celdas, E9) y con la opcin pegar se copiarn las
expresiones del estrato 1 en el estrato 2 pero, como puede comprobarse, referidas a la columna
E en lugar de C. Repetiremos lo mismo para el estrato 3.
Con las acciones anteriores tenemos completado lo que se refiere a las estimaciones a nivel de
cada estrato pero no de la poblacin global (columnas I y J). Dadas las conocidas relaciones
entre la media y el total (trabajado en la pre-prctica anterior) nos vamos a centrar en la media
y concretamente en las expresiones que son diferentes de todo lo que hasta aqu se ha visto.
Para calcular en I8 el tamao total de la poblacin (igual en I9 para el tamao total de la
muestra) debemos sumar los correspondientes tamaos en cada estrato. Para eso se puede usar
el smbolo + o la funcin SUMA ( =C8+E8+G8 o =SUMA(C8:G8)). Cuando usemos la
funcin SUMA con celdas o expresiones que no ocupan posiciones contiguas sustituiremos
los dos puntos por punto y coma (por ejemplo, =A5+B15+F3 es igual a
=SUMA(A5;B15;F3)). Esto ltimo es lo que se ha hecho en las expresiones de I10 y I12 que
se podran igualmente haber escrito usando el smbolo + sencillamente.
209
Para facilitar la construccin de las expresiones correspondientes a las distintas asignaciones
se calculan previamente en la franja intermedia de color blanco los elementos que aparecen en
esas sumatorias. Como las expresiones son las mismas para cada estrato, pero referidas a los
datos de cada uno, escribiremos primero las correspondientes al estrato 1 (C16, C17, C18 y
C19) y posteriormente como se hizo antes, las marcaremos, seleccionaremos copiar y
pegaremos en las celdas E16, E17, E18 y E19 para el segundo estrato y en G16, G17, G18 y
G19 para el tercero.
Dada la analoga de las expresiones para las distintas asignaciones en el caso de la media y
total (como puede consultarse en el formulario y en el fichero PRACTICAS en Excel), nos
centraremos en el caso de la media.
TAMAO
MUESTRAL
MEDIA y TOTAL
ASIGNACIN
PTIMA
1 1
2 2
1
( )
L L
i i
i i i
i i
i
L
i i
i
N
N c
c
error fijo B n
N D N
= =
=
=
+
1
1
( )
L
i i
i
i
L
i i i
i
N
C
c
coste fijo C n
N c
=
=
=
1
j j
j
j L
i i
i
i
N
c
N
c
=
=
ASIGNACIN DE
NEYMAN
2
1
2 2
1
( )
L
i i
i
L
i i
i
N
n
N D N
=
=
=
+
1
j j
j L
i i
i
N
N
=
=
ASIGNACIN
PROPORCIONAL
2
1
2
1
1
L
i i
i
L
i i
i
N
n
ND N
N
=
=
=
+
j
j
N
N
=
210
D
2
( )
4
B
D media =
2
2
( )
4
B
D total
N
=
De acuerdo a las expresiones de n para cada tipo de asignacin, confeccionaremos las celdas
I22, I23, I24 Y I25, a continuacin calcularemos los tamaos de las muestras de cada estrato
segn la expresin
i i
n n = en las correspondientes celdas de las columnas C, E y G. Los
coeficientes de asignacin son similares para cada estrato por lo que los escribiremos para el
estrato 1 en la columna C y lo copiaremos en los otros estratos.
Una novedad en relacin a las copias que se han hecho antes es que aparece el smbolo $
precediendo bien la letra o el nmero que definen la posicin de una celda. Este smbolo tiene
la propiedad de fijar el valor de la columna (letra) o fila (nmero) a la hora de hacer copias.
Como es conocido, cuando copiamos la expresin de una celda en otra, todas las letras y
nmeros relativos a la posicin de las celdas referenciadas en la expresin cambian avanzando
o retrocediendo tantas filas y/o columnas como separan la celda de partida de la celda donde
copiamos. Para que esto no sea as (cuando nos convenga, como el caso que nos ocupa de las
asignaciones) con el smbolo $ fijaremos las posiciones de las celdas que no queramos que
cambien en la copia.
Nota: se recuerda que el hecho de que aparezca el smbolo $ en la referencia a una celda no
cambia en absoluto su valor.
Segn las anteriores aclaraciones escribiremos
i i
n n = en las celdas C22, C23, C24 y C25
(observe que el valor de
i
es el mismo en C22 y C25, en ambos casos usamos la asignacin
ptima), y posteriormente lo copiaremos en E22, E23, E24 y E25 para el estrato 2 y en G22,
G23, G24 y G25 para el estrato 3.
En la siguiente pantalla se pueden observar algunos de los anteriores comentarios.
1 1
1
j j
j
L
i i
i
i
N
c
n n n
N
c
=
= =
$I22=n C19=
1 1
1
N
c
$C19+$E19+$G19=
3
1
i i
i
i
N
c
Los parntesis que aparecen en la expresin de la celda C22 y en otras
(=$I22*(C19/($C19+$E19+$G19))) garantizan que las operaciones se llevan a cabo en el
orden adecuado.
211
PRE-PRCTICA 4
Estimadores de razn, regresin y diferencia
En esta pre-prctica estimaremos la razn R y la media utilizando estimadores de razn ,
regresin y diferencia (no nos ocuparemos de las expresiones para el total que son inmediatas
a partir de la media).
212
Los valores de los estimadores as como de sus varianzas se expresan fcilmente en las celdas
C12, C13, D12, D13, F12, F13, H12 y H13. Slo un detalle digno de mencin: debido a los
ceros que aparecen en las columnas E (
i
rx ), F (
2
( )
i i
y rx ), H (
i i i
d y x = ) e I (
2
i
d ) cuando se
opera sobre valores inexistentes de las columnas C y D, se tiene que utilizar en H12 la
expresin =SUMA(H22:H100)/C11 en lugar de =PROMEDIO(H22:H100) (el uso de la
funcin PROMEDIO incluira a todos los ceros como datos, obteniendo un valor falso para
dicha media).
Por esta misma razn, al hallar las varianzas residuales C17 y H17 se han usado las
expresiones:
( )
2
2
1
1
1
n
r i i
i
S y rx
n
=
=
C17 =SUMA(F22:F100)/(C11-1)
( ) ( )
2
2
2 1
2 1 1
2 2
2 1
1 1
1 1
( )
1 1 1 1
n
i n n
i
i i
n
i i
i n n
i
D i i i i i i
i i
d
d d n
n
d
n
S y x d d d d y x
n n n n
=
= =
=
= =
| |
|
| |
|
|
| \ .
|
\ .
= + = = = =
En la anterior lnea aparecen distintas formas de escribir la cuasivarianza de las diferencias.
En las PRCTICAS hemos utilizado la ltima.
H17 =(SUMA(I22:I100)-(C11*((SUMA(H22:H100)/C11)^2)))/(C11-1)
Nota: Mucho cuidado, no confunda
2
1
n
i
i
d
=
y
2
1
n
i
i
d
=
| |
|
\ .
.
Ese problema de ceros inexistentes no hubiese aparecido si en los mencionados clculos de las
columnas E, F, H e I se hubiese utilizado la funcin =SI(condicin; accin si cierta; accin si
falsa), como veremos en la prctica 6. A pesar de esta posible solucin se ha dejado as esta
hoja de prcticas para que seamos conscientes del peligro de esos falsos ceros que aparecen
cuando se opera de esta forma.
La complicada expresin de la varianza residual para los estimadores de regresin (F17) se
ve facilitada porque su raz cuadrada (desviacin tpica residual) es la funcin de Excel
=ERROR.TIPICO.XY.
Nota: Cuidado al escribir los argumentos de esta funcin. En primer lugar se colocan las
celdas con los valores de la variable Y (D22:D100) y a continuacin despus del punto y
213
coma los valores de la variable X: =ERROR.TIPICO.XY(D22:D100;C22:C100). Hacerlo al
revs supondra calcular la desviacin tpica residual para la recta de regresin de X/Y
( )
x a by = +
que no es la recta utilizada en el modelo de los estimadores de regresin.
Si observamos el formulario, los tamaos muestrales (tanto para la media como para el total)
para conseguir un determinado error de estimacin mximo, son similares salvo que cada tipo
de estimador considera su varianza residual.
2 2 2
2 2 2
r L D
r L D
N N N
n n n
ND ND ND
= = =
+ + +
Basndonos en el anterior comentario y utilizando para copiar el smbolo $ donde sea
necesario, bastar con crear las expresiones D19 y E19 y copiarlas en F19, G19 y H19, I19.
A la hora de determinar el tamao muestral para estimar el total se ha tenido en cuenta la
siguiente simplificacin en las anteriores expresiones:
2 2
2
4 4
B B
ND N
N N
= = ,
por ejemplo E19 =($C8*C17)/(C17+((E18^2)/(4*$C8))).
La expresin C19 es algo distinta y no se puede copiar directamente de las anteriores
expresiones, es exactamente igual a D19 salvo el valor
2 2
4
x
B
D
= .
Para completar las columnas E, F, H e I, escribiremos las expresiones en las celdas E22, F22,
H22 e I22,
(E22=$C$12*C22, F22=(D22-E22)^2, H22=D22-C22, I22=H22^2)
posteriormente copiaremos desde E22 hasta E100 (colocando el ratn en la esquina inferior-
derecha de E22 y arrastrando hasta E100) y repetiremos para las columnas F, H e I de igual
forma. Dado que usamos el valor r de la celda C12 en todas las expresiones de E22 a E100
habr que fijar con el smbolo $ dicha celda (no es necesario fijar C anteponindole el $,
aunque aparece as en la prctica, basta con escribir C$12 puesto que al copiar no nos
movemos de columna, slo nos movemos de fila).
En G22 y G23 se recogen dos formas alternativas de calcular la pendiente de la recta de
regresin. En G22 la calcularemos, segn nuestros apuntes, a partir de la covarianza y
varianza. En G23 aparece segn la funcin de Excel que nos da dicho valor. Con esta
coincidencia se quiere mostrar que en este caso, como en otros, puede haber distintas
alternativas para calcular un mismo valor.
214
G22 =COVAR(C22:C100;D22:D100)/VARP(C22:C100)
G23 =PENDIENTE(D22:D100;C22:C100)
Notas: La misma advertencia que se hizo con la funcin
=ERROR.TIPICO.XY(D22:D100;C22:C100) vale aqu. Las celdas en las que se encuentran
los valores de Y y de X deben aparecer en la funcin PENDIENTE en dicho orden pues si se
altera estaramos calculando la pendiente de la recta de regresin de X/Y. En algunas
funciones bidimensionales como es el caso de la covarianza (COVAR) el orden en que
aparezcan las celdas con los valores de X e Y es indiferente. Se sugiere escribir estas
funciones cambiando el orden de las celdas que aparecen como argumentos para comprobarlo.
La funcin VARP es la varianza de los datos de la muestra mientras que la funcin VAR es la
cuasivarianza de la muestra.
PRE-PRCTICA 5
Muestreo sistemtico
Los clculos para este tipo de muestreo se basan en el muestreo aleatorio simple para
poblaciones finitas que ya se ha estudiado. La nica novedad que presenta respecto a ste es el
clculo de k, el cual se ilustra en la PRACTICA 5 RESUELTA.
215
PRE-PRCTICA 6
Muestreo por conglomerados
En esta pre-prctica haremos uso de la funcin =SI a la que hacamos referencia ms arriba
en la pre-prctica 4. Recordemos su formato,
=SI(condicin; accin si cierta; accin si falsa)
De las celdas cuya expresin vamos a completar en esta pre-prctica
C13, C19, D12 y D13 se construyen utilizando la anterior funcin =SI que nos permite
realizar dos clculos (o acciones) distintos dependiendo de una condicin. En nuestro caso
concreto la condicin va a ser el conocimiento o no del tamao de la poblacin M o lo que es
equivalente el conocimiento o no del tamao medio de los conglomerados de toda la
poblacin
M
M
N
= . Si el contenido de la celda C8 es vaco (C8=) se entender que no se
conoce M y se proceder de una manera (accin si cierta), en cambio si la celda C8 no est
vaca se utilizar dicha informacin y se proceder de otra forma (accin si falsa).
En C13 y C19 las dos formas de proceder consisten en usar 11 m C = o
8
9
C
M
C
=
(aparece
subrayado).
C13 =SI(C8="";(C9-C10)*C17/(C10*C9*(C11^2));(C9-C10)*C17/(C10*C9*((C8/C9)^2)))
216
En D12 y D13 (tambin en D14, D15 y D16) dejaremos la celda en blanco () si no tenemos
la informacin de C8 o bien utilizaremos las expresiones correspondientes cuando tengamos
esa informacin, D12 =SI(C8="";"";C12*C8)
El resto de celdas de esta pre-prctica (C12, C17, D19, E12, E13, E17 y E19) se resuelven
fcilmente a partir de las correspondientes expresiones del formulario.
La funcin =SI se podra haber utilizado en el clculo de las celdas E23 a E100 y F23 a F100
para evitar la aparicin de ceros falsos como se anunci en la pre-prctica 4. En la celda
E23 escribiramos =SI(C23=;;C$12*C23) y copiaramos su contenido hasta la celda
E100. En la celda F23 escribiramos =SI(D23=;;(D23-E23)^2) y copiaramos su
217
contenido hasta la celda F100. Como puede comprobarse, de esta manera no aparecen ceros
falsos y los problemas que comentbamos en la pre-prctica 4.
PRE-PRCTICA 7
Estimacin del tamao de la poblacin
Utilizando las operaciones algebraicas bsicas, potencias y logaritmos neperianos (=LN) se
completan sin ningn tipo de nueva dificultad, a partir del formulario, las celdas C17, C18,
D17, D18, E17, E18, E23, E24, F17, F18, F23 y F24. La cota del error de estimacin y los
intervalos de confianza se completan a partir de las anteriores celdas igual que en el resto de
tipos de muestreo.
218
219
PRCTICAS
220
INTRODUCCIN
Se han diseado unas hojas de clculo en Excel que permiten calcular todas las expresiones
sobre muestreo que se estudian en la asignatura.
Aunque el formato de cada hoja es distinto dependiendo de los clculos que en ella se
realizan, hay unas caractersticas comunes que vamos a describir en primer lugar:
Las celdas en las que debemos introducir los datos de la muestra son de color gris.
Las celdas en las que calculamos el valor de las expresiones (coeficientes, ndices,
estadsticos,...) son de color amarillo.
Las dems celdas de distintos colores (por motivos meramente estticos) se
corresponden con etiquetas para identificar los valores que aparecen en la hoja.
En la parte superior de cada hoja se calculan los estimadores y errores asociados
(adems de otros valores necesarios y relativos como los intervalos de confianza,...)
por debajo de estas filas y separadas por una o ms filas de color blanco se calcula el
tamao de la muestra (o muestras) necesario para que se pueda hacer la estimacin con
un error mximo fijado de antemano, COTA DEL ERROR DE ESTIMACION
DESEADA (o un coste total mximo, vase el muestreo estratificado)
Para evitar que involuntariamente alteremos las expresiones de estas hojas de clculo se ha
protegido el contenido de todas las celdas salvo las de introduccin de datos (celdas grises).
Si se quiere modificar una celda protegida seleccionaremos Herramientas / Proteger /
Desproteger hoja o bien copiaremos la hoja del fichero original (PRACTICAS) en una
nueva hoja no protegida (se aconseja esta segunda opcin).
En el desarrollo de la asignatura se propone a los alumnos la realizacin de 7 prcticas con la
ayuda del fichero PRACTICAS.
Para que puedan comprobar la correcta resolucin de las mismas, se ofrecen resueltas en los
ficheros: PRACTICA 1 RESUELTA,..., PRACTICA 7 RESUELTA. Las hojas de estos
ficheros estn protegidas para evitar que se modifiquen involuntariamente pero pueden
modificarse si se desprotegen previamente segn se indica en el prrafo anterior. Una vez
resueltos los ejercicios que aparecen en el enunciado de estas 7 prcticas (que se han
seleccionado como representativos de las diversas posibilidades que pueden plantearse) el
alumno debe resolver cuantos problemas pueda de las relaciones de ejercicios, resueltos o no,
que se le han facilitado.
221
Cuando se vaya a utilizar el fichero PRACTICAS, se debe borrar, antes de introducir los
datos del problema, el contenido de todas las celdas de datos (celdas grises), pues dejar datos
de ejercicios previos podra dar lugar a resultados errneos. Cuando se borren los datos de las
celdas grises aparecern errores de clculo en las celdas donde se evalan las expresiones
sobre dichos datos (#DIV/0!, #VALOR!, #NUM!, ..., dado que se evala la expresin
considerando cero el valor de las celdas vacas). Estos errores desaparecern en cuanto se
introduzcan los correspondientes nuevos datos. En las celdas donde permanezcan dichos
errores son expresiones que no se pueden calcular con la informacin de que disponemos y
por tanto no podemos conocer.
En algunas ocasiones ser necesario introducir la informacin del problema en celdas distintas
a las habituales (grises), para ello desprotegeremos previamente la hoja. Destacamos aqu, por
ser muy frecuente, el hecho de que en ejercicios de clase sobre muestreo aleatorio simple y
muestreo estratificado en lugar de disponer de todos los datos que forman las muestras slo
tenemos la informacin resumida del tamao, media y varianza (en variables numricas) o del
tamao y proporcin (en variables dicotmicas), en ese caso en las correspondientes celdas
(marcadas con un color amarillo ms intenso) escribiremos dichos valores, quedando vacas
las celdas grises correspondientes a los datos muestrales.
(Nota: en la hoja Razn, regresin y diferencia se utilizan distintos tonos de amarillo slo
con fines estticos, no por los motivos indicados aqu para el muestreo aleatorio simple y
estratificado).
El aspecto de las pantallas de Excel puede variar ligeramente dependiendo de la versin del
programa y de la configuracin de las barras de herramientas, zoom,..., de hecho en este
documento se pueden apreciar formatos distintos en las pantallas que se presentan pero ello no
resta generalidad ni validez a los comentarios que se acompaan.
Para cada una de las prcticas que siguen se han elegido ejercicios representativos, algunos
estn resueltos en los ejemplos y ejercicios contenidos en el desarrollo de los captulos. Sera
conveniente resolver todos ellos a mano antes de hacerlo con el ordenador, eso ayudar a una
mejor comprensin de cmo se ha construido la plantilla para la prctica y de la potencialidad
del ordenador para resolver este tipo de problemas.
Con la anterior sugerencia se quiere poner de manifiesto que no hay ejercicios especiales que
se resuelven con la ayuda del ordenador y otros a mano, sino que todos los ejercicios que hay
222
en las relaciones de cada captulo se pueden resolver (salvo puntuales excepciones) de ambas
formas y deberan resolverse cmodamente una vez que se dominen estas prcticas tras
resolver los ejemplos que siguen.
Las prcticas 8 y 9 sobre anlisis cluster y componentes principales se realizarn con la
ayuda del programa SPSS. Previo a estas prcticas se ofrece una Introduccin al SPSS
para aquellos alumnos no familiarizados con el programa y en Internet se ha dejado una
Guia breve de SPSS para aquellos otros que quieran profundizar ms en su uso.
223
PRCTICA 1
Muestreo Aleatorio Simple en poblaciones infinitas
(o con reemplazamiento)
1. Con objeto de estimar la media poblacional de dos poblaciones infinitas, realizamos
un muestreo aleatorio simple sobre ambas poblaciones, recogiendo en la primera una
muestra de tamao 36 y en la segunda una muestra de tamao 45
MUESTRA 1 MUESTRA 2
26,3
28,5
31,6
25,5
24,6
32,3
35,5
29
27,3
34,6
29,5
28,8
26,6
27,5
35,4
38
29
27
31,5
30,2
29,4
30,6
31,4
25
26
24
29,2
25,5
27,8
26
24
26
31,5
35,3
32,2
34,1
1
0
1
1
0
0
1
1
0
1
1
1
0
0
1
1
0
1
1
0
0
0
1
0
1
0
1
0
0
0
1
1
1
0
1
0
1
0
1
1
0
0
0
0
1
Obtenga en ambos casos:
a. La media muestral.
b. La cuasivarianza muestral.
c. Lmite para el error de estimacin (95% de confianza)
d. Intervalo de confianza para la media poblacional (nivel de confianza del 95%)
Solucin:
MUESTRA 1 MUESTRA 2
a) Media muestral
29, 35 y =
51,11% p =
b) Cuasivarianza muestral
2
1
13, 38
n
S
=
2
1
0, 2556
n
S
=
c) Lmite para el error de estimacin 1,22 0,1507
d) Intervalo de confianza (28,13 , 30,57) (36,04% , 66,18%)
Seleccionamos del fichero Excel PRACTICAS la hoja MAS infinito (Muestreo aleatorio
simple en poblaciones infinitas) y antes de nada, tal y como se aconseja en la
INTRODUCCIN A LAS PRCTICAS EN EXCEL debemos borrar toda la informacin
numrica que hubiera en las celdas grises. Este primer paso comn a todas las prcticas que
siguen no se repetir en la explicacin de cada una para no aumentar innecesariamente la
longitud del documento
224
Dado que los datos de la muestra 1 son numricos los escribiremos en la columna
correspondiente a Datos numricos (columna C) y la muestra 2 por ser dicotmica la
escribiremos en la columna D
Obtenindose la solucin del apartado a) en C10 y D10, del apartado b) en C11 y D11, del
apartado c) en C13 y D13, del apartado d) en C14, C15, D14 y D15.
225
2. Un hipermercado desea estimar la proporcin de compras que los clientes pagan con
su Tarjeta de Compras. Durante una semana observaron al azar 300 compras de las
cuales 35 fueron pagadas con la tarjeta.
e) Estime con un intervalo de confianza la proporcin de compras pagadas
con dicha tarjeta.
f) Cuantas compras deberan observarse para estimar, con un error inferior al
2%, la proporcin de compras pagadas con la tarjeta. (Consideren los
datos anteriores como una muestra previa)
g) Si no se tuviera ninguna informacin acerca de los clientes que utilizan la
tarjeta, cuntas compras deberamos observar para asegurar que la anterior
estimacin se realiza con un error inferior al 2%.
Solucin: a) (7,95%, 15,38%), b) n=1.030,61.031, c) n=2.500.
Desprotegemos la hoja para poder modificar el valor de las celdas en amarillo ms intenso
(Herramientas/Proteger/Desproteger hoja...).
Puesto que se trata de una variable dicotmica trabajaremos sobre la columna D. Escribimos
en D9 el tamao de la muestra (300) y en D10 el valor de la proporcin muestral (=35/300)
226
Obtenindose en D14 y D15 la solucin al apartado a): (0,0795 , 0,1538).
Si deseamos ver el valor de una o varias celdas con ms decimales, seleccionaremos stas y
pulsaremos en el botn aumentar decimales de la barra de herramientas formato tantas
veces como decimales se quieran aadir. Anlogamente, con el botn disminuir decimales
redondearemos el resultado con un menor nmero de decimales. (Si la hoja est protegida no
nos permitir hacer este tipo de acciones).
227
En casi todas las hojas (MAS infinito, MAS finito, 2 Estratos, 3 Estratos, 4
Estratos, Razn, regresin y diferencia y Conglomerados) se ha adoptado un esquema
similar: en la parte alta de la plantilla (etiquetas de color rosa) se obtienen las estimaciones y
los errores de estimacin asociados (y clculos relacionados con los anteriores) en la parte
inferior (etiquetas de color naranja y separadas de las anteriores por una banda blanca) se
determina el tamao de la muestra para un lmite del error de estimacin fijado (deseado).
Para esta parte inferior de la plantilla se necesita como informacin, para realizar los clculos,
la cota del error de estimacin deseada y en el caso numrico la varianza muestral que puede
obtenerse de una muestra previa cuyos datos deben aparecer bajo la etiqueta Muestra o bien
a partir del rango (como veremos en el ejercicio 5 de la prctica 2). En el caso dicotmico la
varianza muestral depende de
p puede
obtenerse de una muestra previa que aparecera bajo la etiqueta Muestra, introducirse
directamente si se conoce su valor (como en el apartado b de este ejemplo,
35/ 300 p = ), o
bien, darle el valor 0.5 cuando no se tenga ninguna informacin acerca de su valor (como en el
apartado c).
NOTA: No debe confundirse el tamao muestral que aparece etiquetado en rosa que
corresponde al tamao de una muestra que hemos observado, que ya tenemos, del tamao
muestral que aparece etiquetado en naranja y que nos dice cmo debe ser la muestra que
debemos tomar, por tanto an no se tiene, para conseguir que las estimaciones tengan
228
como mximo un determinado error de estimacin. Asimismo no debemos confundir la
cota del error de estimacin etiquetada en rosa que se refiere al error asociado a una
estimacin hecha con la muestra que hemos observado y por tanto su valor no lo
decidimos nosotros, con la cota del error de estimacin etiquetada en naranja que la
fijamos de antemano.
Para resolver el apartado b) escribiremos 0,02 (es decir, el 2%) en D17 COTA DEL
ERROR DE ESTIMACION DESEADA y en D18 se obtiene la solucin: n=1030,6
Por ltimo, para resolver el apartado c), dado que no se tiene informacin sobre la proporcin
de clientes que utilizan la tarjeta (es decir, desconocemos el valor de la celda D10=0,1167),
suponemos que ese valor es =0,50.
229
En las celdas D11, D12, D13, D14 y D15 aparecen errores en el clculo de dichas expresiones
debido a que entienden que el tamao muestral en D10 es cero, pero dichas celdas no afectan
al clculo de la expresin D18 donde aparece el tamao muestral necesario para que el error
de estimacin no supere el 2% (D17=0,02)
3. Este mismo hipermercado desea estimar tambin el valor medio de las compras
realizadas con su Tarjeta de Compras. Basndose en los anteriores datos observa
que el valor total de las compras hechas con la tarjeta fue de 4.500 (siendo la
cuasivarianza de los datos 615,15). Estmese el valor medio de las compras pagadas
con la tarjeta y el error de estimacin asociado.
Solucin:
128, 57 8, 38 B = =
Aunque en el mismo contexto que el ejercicio 2 de esta prctica, en este caso trabajamos con
una variable numrica donde el tamao de la muestra no es 300 sino 35 (clientes observados
que pagaron con la tarjeta).
En lugar de facilitarnos los 35 datos de la muestra nos dan el resumen de dichos datos
mediante su media (la calculamos como la suma de las compras dividida entre el nmero de
ellas, 4500/35) y cuasivarianza muestral. Como en el ejemplo anterior desprotegemos la hoja
de clculo para poder introducir directamente en las celdas color amarillo intenso los
anteriores valores que la hoja de clculo hubiese obtenido si le diramos los datos de la
muestra.
La estimacin de la media y el error de estimacin asociado pueden leerse en las celdas C10 y
C13.
230
PRCTICA 2
Muestreo Aleatorio Simple en poblaciones finitas.
Como vamos a ver, el muestreo aleatorio simple en poblaciones finitas es similar al caso de
poblaciones infinitas estudiado anteriormente y presenta anlogas posibilidades y/o
dificultades. Nos podemos encontrar con variables de tipo numrico (ejercicios 1, 2 y 3) y
dicotmicas (ejercicios 3 y 4). Situaciones en las que conocemos explcitamente los datos de
la muestra (ejercicios 1 y 3), o bien, otras donde nos dan resumidos los valores de la muestra
en su media, varianza y tamao muestrales (caso numrico, ejercicio 2) o en su proporcin y
tamao muestrales (caso dicotmico, ejercicio 4).
En cuanto a las diferencias entre un tipo de muestreo y otro, sealar que en el muestreo
aleatorio simple en poblaciones finitas tiene sentido la estimacin del total poblacional (como
sabemos, a partir de la media o de la proporcin) hecho que no se trata en el muestreo
aleatorio simple en poblaciones infinitas. Debido a esto, las columnas donde se recogen las
estimaciones, errores de estimacin e intervalos de confianza, tanto en el caso numrico como
dicotmico, se han desdoblado para calcular los correspondientes valores relativos a la
estimacin de la media (o proporcin) y del total. Dado que nos enfrentamos a una poblacin
finita debemos introducir el valor finito del tamao de la poblacin en C8 o E8. Cuando
algunos valores (tamao poblacional, tamao muestral,..., datos muestrales) son comunes a la
estimacin de la media y del total se fusionan las celdas de las dos columnas para evitar
repeticiones innecesarias. Los anteriores comentarios pueden constatarse en la siguiente
pantalla que muestra el aspecto de la plantilla para el muestreo aleatorio simple en
poblaciones finitas.
231
9. Una muestra aleatoria simple de 6 deudas de clientes de una farmacia es seleccionada
para estimar la cantidad total de deuda de las 100 cuentas abiertas. Los valores de la
muestra para estas seis cuentas son los siguientes:
Dinero adeudado ()
35,50
32,00
43,00
41,00
44,00
42,50
a. Estime el total del dinero adeudado y establezca un lmite para el error de
estimacin.
b. Cuntas cuentas deberan observarse para estimar el total de deuda con un error
inferior a 200? (considere los anteriores datos como una muestra previa)
Solucin: a) 3966,6 =
2 ( ) 381, 02 V =
b) 18, 96 19 n =
En este sencillo ejercicio slo tenemos que borrar los datos de las celdas grises e introducir la
informacin del enunciado. No es necesario desproteger la hoja porque no se modifica
ninguna de las expresiones de las celdas amarillas.
232
Los valores pedidos en a) se pueden leer en D10 y D13. Escribiendo el mximo error de
estimacin que deseamos en la celda D17 se obtiene el tamao muestral necesario en D18,
(si el error de estimacin se refiere a la media, ste debe introducirse en C17).
10. Una muestra aleatoria simple de 50 contadores de agua es controlada dentro de una
comunidad de regantes para estimar el promedio de consumo de agua diario (en m
3
)
durante un periodo estacional seco. La media y varianzas muestrales fueron
3
10, 31 y m = y
2 6
2, 25 s m = . Hay en total 750 regantes en la comunidad.
a) Estime el consumo medio diario de toda la comunidad y establezca un
lmite para el error de estimacin.
b) Estime con un intervalo de confianza la cantidad total de litros de agua
empleada diariamente.
Solucin: a)
3 3
10, 31 0, 41 y m B m = = , b) (7.425.090 litros , 8.039.910 litros).
En este caso no disponemos de los 50 valores de la muestra por lo que tendremos que
desprotegerla para escribir en C9, C10 y C11 el tamao, la media y varianza muestrales,
adems de no olvidar el tamao de la poblacin en la celda C8. En C10 y C13 est la
respuesta al apartado a y en D14, D15 la respuesta a b (observe que los valores estn
expresados en m
3
y la respuesta la piden en litros por lo que se multiplicarn por 1000).
233
11. Para estimar el nmero de alumnos de un grupo de la asignatura Tcnicas para el
Anlisis del Mercado que tienen acceso a Internet en su casa, se ha preguntado a los
15 alumnos de un grupo de prcticas de la asignatura. La respuesta se recoge en la
siguiente tabla
1-SI
2-SI
3-NO
4-SI
5-NO
6-NO
7-SI
8-SI
9-SI
10-NO
11-NO
12-NO
13-SI
14-SI
15-NO
a) Estime, mediante un intervalo de confianza, cuntos de los 150 alumnos
que hay en ese grupo tienen acceso en casa a Internet.
b) Le parece fiable la prediccin?.
c) A cuantos alumnos se tendra que preguntar para que la estimacin se
realizara con un error inferior a 10 alumnos.
Solucin: a) (42,05 , 117,95), b) No, el error es muy grande (37,95) y por tanto el
intervalo de confianza muy amplio, c) n=90,191.
Este ejercicio es un sencillo ejemplo de datos dicotmicos donde se conocen los valores de la
muestra, slo tenemos que introducirlos en la columna correspondiente, etiquetando como 1
aquella respuesta cuya proporcin o total queremos estimar (en este caso SI=1, NO=0).
Como el apartado a me pide que estime el total de alumnos, buscaremos en la columna F y en
la filas 14 y 15 la respuesta. El valor de la cota del error de estimacin del total que vemos en
F13=37,95 es importante si lo comparamos con la estimacin del total F10=80 (casi la mitad),
por lo que se concluye la poca fiabilidad de la estimacin. Escribiendo el mximo error de
estimacin que deseamos cometer al estimar el total en la celda F17 obtenemos en F18 el
tamao muestral necesario para conseguirlo.
234
4. Una muestra aleatoria simple de 180 estudiantes (de un total de 300) fue entrevistada
para determinar la proporcin de estudiantes que est a favor del cambio del sistema
semestral al anual. Treinta y cinco de los estudiantes respondieron afirmativamente.
Estime la proporcin de estudiantes que est a favor del cambio y establezca un lmite
para el error de estimacin.
Solucin:
= =
(se utiliza que la desviacin tpica en variables normales es aproximadamente la cuarta
parte del rango o recorrido de los datos observados)
Solucin: 615, 62 616 n =
En primer lugar, sealar que se trata de un problema con datos numricos (valor de las
cuentas) y que estamos interesados en la estimacin del total. Segn se sugiere en la nota,
escribiremos en la celda C11 la expresin =((1400-600)^2)/16 ,o bien =(800^2)/16, que como
puede observarse vale 40000. En D17 introduciremos el mximo error de estimacin que
queremos cometer al estimar el valor total de las cuentas y en D18 se tiene la respuesta
236
237
PRCTICA 3
Muestreo Aleatorio Estratificado.
En el fichero Excel de las prcticas de la asignatura hay tres hojas con las plantillas para los
clculos necesarios en el muestreo aleatorio estratificado de 2, 3 y 4 estratos, tanto para datos
numricos como dicotmicos. Para un mayor nmero de estratos se puede confeccionar la
plantilla fcilmente copiando las dos columnas de un estrato tantas veces como se quiera e
incluyendo los valores de los nuevos estratos en las sumatorias y expresiones de las dos
columnas de toda la poblacin donde se recopila la informacin del conjunto de todos los
estratos (vase las notas sobre las preprcticas).
El muestreo aleatorio estratificado consiste en un muestreo aleatorio simple en cada uno de los
estratos, por lo que en cada estrato (en la parte superior de la plantilla) se han copiado,
exactamente, las mismas expresiones que aparecen en el muestreo aleatorio simple. La
determinacin del tamao muestral y su asignacin (parte inferior de la plantilla) son mucho
ms complejas que en el muestreo aleatorio simple y no guardan relacin con l.
Al igual que el muestreo aleatorio simple, el muestreo aleatorio estratificado puede hacerse
sobre poblaciones finitas e infinitas. Nosotros hemos supuesto el modelo con tamaos
poblacionales de los estratos finitos (que aparecen en la fila 8), pero como veremos en algunos
ejemplos ( ejercicios 4 y 8) se puede aplicar tambin al caso de tamaos poblacionales
infinitos.
Para simplificar las expresiones de la parte inferior de la plantilla (determinacin del tamao
muestral y asignacin) se han hecho unos clculos previos en la banda blanca intermedia que
aparecen en un negro menos intenso y carecen de una interpretacin directa.
1. Se est interesado en determinar la audiencia de la publicidad televisiva en una
cadena local de un municipio, se decide realizar una encuesta por muestreo para
estimar el nmero de horas por semana que se ve la televisin en las viviendas del
municipio. ste est formado por tres barrios con diferentes perfiles socio-culturales
que afectan a la audiencia televisiva. Hay 210 hogares en el barrio A, 84 en el barrio
B y 126 en el barrio C. La empresa publicitaria tiene tiempo y dinero suficientes
como para entrevistar 30 hogares y decide seleccionar muestras aleatorias de
tamaos: 15 del barrio A, 6 del barrio B, y 9 del barrio C.
Se seleccionan las muestras aleatorias simples y se realizan las entrevistas. Los
resultados, con mediciones del tiempo que se ve la televisin en horas por semana, se
238
muestran en la siguiente tabla:
BARRIO A BARRIO B BARRIO C
36
39
38
28
29
34
38
37
41
37
26
32
29
35
41
20
30
14
41
39
25
14
15
21
20
24
22
17
11
14
Estime el tiempo medio que se ve la televisin, en horas por semana, para:
e) Los hogares del barrio A.
f) Los hogares del barrio B.
g) Los hogares del barrio C.
h) Todos los hogares
Para todos los casos fije un lmite para el error de estimacin.
i) Qu tipo de asignacin se ha utilizado?
NOTA: Obsrvese que debido al tipo de asignacin utilizado,
st
y y = .
st
y aparece en la celda I10=28,23. y lo podemos calcular, por ejemplo en la celda B28,
escribiendo la funcin =PROMEDIO(C28:G100) que calcula la media aritmtica de
todos los datos incluidos en las tres muestras (columnas C, E y G), obtenindose
B28=28,23.
Debido a los traslados necesarios no cuesta lo mismo obtener una observacin en un
barrio que en otro. Se estima que el coste de una observacin del barrio A es de 1, 9
para el barrio B y 4 para el barrio C.
j) Cuntos hogares deberan entrevistarse para estimar el nmero medio de horas a
la semana que se ve la televisin en los hogares del municipio con un error
inferior a 1 hora. (Tmese los anteriores datos como una muestra previa para
estimar los parmetros necesarios).
NOTA: Para comprobar que la asignacin ptima y de Neyman coinciden cuando los
costes son iguales, escriba en las celdas C21, E21 y G21 el mismo valor para los tres
costes y observar que las filas 22 y 23 de la tabla (asignacin ptima y de Neyman)
coinciden.
k) Supngase que se tiene slo 600 para gastar en el estudio, determine el tamao
de la muestra y la asignacin que minimizan el error de estimacin. (Como en el
apartado anterior, tmese los datos de la tabla como una muestra previa para
estimar las varianzas de los estratos).
239
Solucin: a) 34, 67 2, 40
A
y B = = b) 28,17 8, 35
B
y B = =
c) 17, 56 2, 82
C
y B = = d) 28, 23 2, 22
st
y B = = e) proporcional
f)
1 2 3
n=124,88 n =79,71 80 n =23,39 24 n =21,78 22 n=80+24+22=126 . En
el caso de no querer sobrepasar un mximo error de estimacin siempre redondearemos
por exceso.
g)
1 2 3
n=198,56 n =126,74 126 n =37,19 37 n =34,63 34 n=126+37+34=197 .
Cuando no queramos superar un determinado presupuesto redondearemos por defecto,
hacindolo as : (1 126) (9 37) (4 34) 595 coste total = + + =
sin embargo: (1 127) (9 38) (4 35) 609 coste total = + + =
Estamos ante el caso ms sencillo de estratos con datos numricos donde slo tenemos que
introducir la informacin que tenemos en las celdas grises. No hace falta desproteger la hoja
3 Estratos salvo para los clculos del apartado e (motivo por el que lo resolveremos al final).
Para responder a los apartados a, b, c y d , escribiremos los tamaos poblacionales de los
estratos en la fila 8 y los valores de las muestras en las columnas C, E y G bajo las etiquetas
Muestra 1, Muestra 2 y Muestra 3.
NOTA: No olvide pulsar Enter despus de escribir el ltimo dato pues en caso contrario
la hoja de clculo no lee ste.
La estimacin para la media y su lmite para el error de estimacin en cada uno de los estratos
(barrios) pueden verse en C10, C13; E10, E13; G10, G13 y la estimacin para el conjunto de
todos los hogares de la poblacin en I10, I13.
240
Para contestar al apartado f, escribiremos los costes de observacin en C21, E21 y G21 y el
mximo error de estimacin que queremos cometer al estimar la media en I20 (si
pretendiramos estimar el total de horas con un determinado error utilizaramos la celda J20).
En las filas 22, 23 y 24 estn los tres tipos de asignacin estudiados. Nos fijaremos en los
valores que aparecen en las columnas correspondientes a la media de cada estrato y de la
poblacin porque ha sido sobre la estimacin de la media donde hemos impuesto la condicin
de que el error no supere 1 hora. A los valores que hay a la derecha de stos y que se refieren
al total no hay que prestarles atencin, se han calculado suponiendo que queremos estimar el
total con un error cero (celda J20 en blanco) y carecen de sentido, obsrvese que en el caso de
la asignacin ptima deberamos observar 453 elementos de un total de 420 que hay en toda
la poblacin, con la asignacin de Neyman habra que observar en el estrato 2 a 130
elementos, sin embargo slo hay 84 en ese estrato.
Hechas estas aclaraciones nos queda an la decisin de cul de las tres asignaciones debemos
tomar. Salvo que se pregunte por una asignacin concreta en el enunciado del ejercicio,
debemos utilizar siempre que se pueda la asignacin ptima, fila 22, pues como su nombre
indica es la mejor. Cuando no conozcamos los costes de observacin (brrese estos de la fila
21) no se podr obtener la asignacin ptima, la hoja de clculo nos dar errores de divisin
por cero.
241
En el apartado g debemos resolver la mejor forma de seleccionar una muestra dado un
presupuesto o coste total fijo, en este caso 600. Para ello utilizamos la asignacin ptima
para un coste total fijo, fila 25. La solucin la tenemos en la pantalla que aparece en la pgina
19 de este documento (celdas C25, E25, G25, I25). La celda B21 incluye dos etiquetas, la
primera COSTE DE UNA OBSERVACIN se refiere a lo que cuesta una observacin en
cada estrato y debemos escribirlo en C21, E21 y G21, la segunda etiqueta COSTE TOTAL
hace referencia al presupuesto total para tomar la muestra y su valor debe colocarse en I21.
La determinacin y asignacin de las muestras en los apartados f y g utilizan las estimaciones
de las varianzas de los datos en cada estrato (varianza muestral, fila 11) a partir de las
muestras previas de 15, 6 y 9 elementos que disponemos en los respectivos estratos, tal y
como se indica en el enunciado.
En el apartado e vamos a verificar que se ha utilizado la asignacin proporcional en la
muestra observada. Para comprobarlo hay que ver que
3 1 2
1 2 3
n n n n
N N N N
= = = o
equivalentemente
3 1 2
1 2 3
N N N N
n n n n
= = = . Para ello en cualesquiera tres celdas en blanco
calcularemos: =C8/C9, =E8/E9, =G8/G9 y observaremos que coinciden.
Nota: Para hacer esos clculos en esta hoja habr que desprotegerla. Si coinciden estos
tres valores no es necesario comprobar la igualdad con =I8/I9.
Consecuencia de haber utilizado la asignacin proporcional es que
st
y y = . Ese hecho se ha
comprobado calculando y en B28 y observando que coincide con
st
y en I10 (vase pantalla
de la pgina 19).
2. En el caso anterior, tambin se desea saber qu proporcin de hogares ven un
determinado programa, para decidir la conveniencia de insertar un anuncio en los
intermedios del mismo. La respuesta a la pregunta de si ven dicho programa por los
hogares de la muestra anterior se recoge a continuacin:
BARRIO A BARRIO B BARRIO C
SI
SI
NO
NO
SI
NO
SI
NO
SI
NO
SI
SI
NO
NO
NO
SI
NO
SI
SI
SI
SI
NO
SI
SI
NO
SI
SI
SI
SI
NO
a) Estime con un intervalo de confianza la proporcin de hogares del municipio
donde se ve el programa.
b) Cuntos hogares deberan entrevistarse si se quisiera hacer dicha estimacin con
un error inferior al 5%. (Supngase que se realiza la entrevista por telfono y el
242
coste de las observaciones es el mismo para todos los casos al no ser necesarios los
traslados. Tmese los anteriores datos como una muestra previa para estimar los
parmetros necesarios)
c) Respndase a la pregunta anterior pero suponiendo que no se tiene ninguna
informacin previa sobre la proporcin de hogares donde se ve el programa.
Solucin: a) (42,7% , 77,3%)
b)
1 2 3
n=188,98 n =101,29 102 n =30,27 31 n =57,42 58 n=102+31+58=191
c)
1 2 3
n=204,88 n =102,44 103 n =40,98 41 n =61,46 62 n=103+41+62=206
Los apartados a y b son similares a los apartados d y f del ejercicio anterior salvo que aqu
trabajamos con datos dicotmicos. Seleccionaremos en la hoja 3 Estratos la plantilla que
hay a la derecha para datos dicotmicos e introduciremos la informacin en las celdas grises
(no es necesario desproteger la hoja) codificando las respuestas SI como 1 y los NO como 0.
En el enunciado de este ejercicio no se repiten los tamaos poblacionales de los estratos
porque se sobreentiende que son los mismos al no cambiar de poblacin en estudio.
Tras introducir los datos, en S14 y S15 tenemos los extremos del intervalo de confianza
pedido en el apartado a.
Obsrvese que aunque se dice que los costes de observacin por telfono son los mismos,
stos son desconocidos por lo que la fila 21 aparece en blanco y no se puede obtener la
243
asignacin ptima. Pero sabemos, como se ha comprobado en la nota al apartado f del
ejercicio anterior, que las asignaciones ptima y de Neyman coinciden si los costes de
observacin son iguales (se conozcan o no). Se sugiere escribir unos costes de observacin
(los que se quieran) iguales para los tres estratos y comprobar que la asignacin ptima nos
dara los mismos valores que la asignacin de Neyman (M23, O23, Q23 y S23) que son la
solucin al apartado b.
Cuando, como en el apartado c, no se tienen datos previos para estimar la proporcin en cada
estrato y a partir de ella la varianza de los datos en cada estrato, suponemos que el valor de la
proporcin es 0,5 en cada uno de los estratos (hay que desproteger la hoja para poder escribir
en M10, O10 y Q10 dicho valor) y borramos los datos muestrales de las columnas
MUESTRA 1, MUESTRA 2 y MUESTRA3.
Al no introducir datos muestrales (por tanto, tamao muestral = 0) aparecen errores de clculo
en las filas 11, 12, 13, 14 y 15, pero esos valores no afectan a la determinacin del tamao
muestral que slo tiene en cuenta los tamaos de los estratos (fila 8) y la estimacin de la
proporcin (fila 10). Adems se observa que al ser la proporcin igual en los tres estratos y
por tanto la varianza de los estratos, las asignaciones de Neyman y proporcional coinciden y
son la solucin al apartado c.
244
2. Una multinacional desea obtener informacin acerca de la efectividad de una mquina
comercial. Se va a entrevistar por telfono a un nmero de jefes de divisin, para
pedirles que califiquen la maquina con base en una escala numrica. Las divisiones
estn localizadas en Norteamrica, Europa y Asia. Es por eso que se usa muestreo
estratificado. Los costes son mayores para las entrevistas de los jefes de divisin
localizados fuera de Norteamrica. La tabla siguiente proporciona los costes por
entrevista, varianzas aproximadas de las calificaciones y nmero de jefes de divisin
en cada zona.
Estrato I
(Norteamrica)
Estrato II
(Europa)
Estrato III
(Asia)
112
25 , 2
9 $
1
2
1
1
=
=
=
N
c
68
24 , 3
25 $
2
2
2
2
=
=
=
N
c
39
24 , 3
36 $
3
2
3
3
=
=
=
N
c
La multinacional quiere estimar la calificacin media con un error inferior a 1 punto.
Encuentre el tamao apropiado de la muestra que conduce a este error para el estimador y
su asignacin.
Solucin:
1 2 3
n=11,26 n =6,84 7 n =2,99 3 n =1,43 2 n=7+3+2=12
En la hoja 3 Estratos, tras borrar toda la informacin de las celdas grises, escribimos el valor
de los costes de observacin en la fila 21, las varianzas de los estratos en la fila 11 (hay que
desproteger la hoja) y los tamaos de los estratos en la fila 8. El mximo error de estimacin
que se quiere cometer al estimar la media se sustituye en I20. La solucin sera la asignacin
ptima (fila 22), valen los mismos comentarios hechos en el ejercicio 1, apartado f.
245
4. Una inspectora de control de calidad debe estimar la proporcin de circuitos integrados
de ordenador defectuosos que proceden de tres mquinas diferentes de produccin.
Ella sabe que de los circuitos integrados que van a ser inspeccionados, el 50%
proceden de la mquina A, el 30% de la mquina B y el 20% de la mquina C. En una
muestra aleatoria de 200 circuitos integrados, 80 provienen de la mquina A, 70 de la
B y 50 de la C. De los circuitos integrados muestreados: son defectuosos 10 de la
mquina A, de la B son defectuosos 6 y de la C son 5 defectuosos. Estratifique la
muestra en circuitos integrados provenientes de las mquinas A, B y C, estime la
proporcin de defectuosos en la poblacin y fije un lmite para el error de estimacin
(omita los coeficientes correctores para poblaciones finitas en todos los casos).
NOTA: Para resolver este problema tenemos que eliminar los coeficientes correctores
para poblaciones finitas
i i
i
N n
N
10,82% 4, 56%
st
p B = =
Al no disponer de las observaciones muestrales sino de los tamaos de las muestras (
1
9 80 n M = = ,
2
9 70 n O = = ,
3
9 50 n Q = = ) y proporciones muestrales en cada estrato
( 10 10/ 80 M = , 10 6/ 70 O = , 10 5/ 50 Q = ), desprotegeremos la hoja y escribiremos esa
informacin en las filas 9 y 10. No se conocen los tamaos poblacionales de los estratos por lo
grandes que son estos (podemos considerarlos infinitos) pero s se conoce la relacin de estos
tamaos con el de toda la poblacin
3 1 2
100 50%, 100 30%, 100 20%
N N N
N N N
| |
= = =
|
\ .
.
246
Como se indicaba en la introduccin a la prctica 3, las plantillas para el muestreo aleatorio
estratificado se han construido sobre el muestreo aleatorio simple en poblaciones finitas, pero
estas plantillas pueden utilizarse tambin para el caso de muestreo aleatorio estratificado con
tamaos poblacionales de los estratos infinitos (tan grandes que su tamao es desconocido).
La clave para hacerlo est en la anterior nota. La diferencia entre las expresiones del muestreo
aleatorio simple en poblaciones finitas e infinitas est en que en el primero aparece
multiplicando el coeficiente corrector para poblaciones finitas
N n
N
y en el segundo no (o lo
que es lo mismo, 1
N n
N
= ). As, borrando
i i
i
N n
N
y
no exactamente 1. Si se quiere una mejor aproximacin a la solucin debemos escribir
mayores valores en M8, O8 y Q8, lo que se consigue simplemente aadiendo ms ceros a
dichas cifras (ojo, el mismo nmero en todas!).
5. El Ministerio de Medio Ambiente quiere estimar el nmero total de hectreas
plantadas de rboles en las fincas de una comarca. Ya que el nmero de hectreas de
rboles vara considerablemente con respecto al tamao de la finca, decide estratificar
sobre la base del tamao de las fincas. Las 240 fincas de la comarca son clasificadas
en 4 categoras de acuerdo al tamao. Una muestra aleatoria estratificada de 40 fincas,
seleccionada mediante asignacin proporcional, dio como resultado el nmero de
hectreas plantadas de rboles que se muestra en la siguiente tabla:
248
Estrato I Estrato II Estrato III Estrato IV
0-200 ha. 201-400 ha. 401-600 ha. +600 ha.
86
1
= N 72
2
= N 52
3
= N 30
4
= N
14
1
= n 12
2
= n 9
3
= n 5
4
= n
97 67 125 155 142 256 167 655
42 125 67 96 310 440 220 540
25 92 256 47 495 510 780
105 86 310 236 320 396
27 43 220 352 196
45 59 142 190
53 21
a) Estime el nmero total de hectreas plantadas de rboles en las fincas de
la comarca y fije el lmite para el error de estimacin.
b) Este estudio se quiere hacer anualmente con un lmite para el error de
estimacin de 5.000 hectreas. Encuentre el tamao muestral y su
asignacin para garantizar dicho lmite de error si se usa la asignacin de
Neyman.
Solucin: a) 50505, 60 8663,12 B = =
b)
1 2 3 4
n=59,7 n =6,9 7 n =16,7 17 n =16,4 17 19, 7 20 n=7+17+17+20=61 n =
Este ejercicio es del mismo tipo que el ejercicio 1: datos numricos y conocemos las
observaciones muestrales, pero en este caso el nmero de estratos es 4. Salvo esa diferencia
(por lo que seleccionaremos en este caso la hoja 4 Estratos) no presenta ninguna dificultad
nueva a las encontradas en el ejercicio 1. Sin necesidad de desproteger la hoja, escribiremos
los tamaos poblacionales de los estratos en la fila 8 y las observaciones muestrales en las
columnas de cada estrato (nota: no es necesario escribir en la fila 9 los tamaos de las
muestras pues la hoja de clculo los obtiene al contar las observaciones muestrales que se han
escrito debajo).
En L10 y L13 est la solucin al apartado a. Escribiendo en L20 el mximo error que se quiere
cometer al estimar el total de hectreas, se puede leer en la fila 23 (asignacin de Neyman,
dado que no tenemos informacin sobre costes para poder calcular la asignacin ptima) la
respuesta del apartado b (si queremos obtener la solucin con un decimal podemos utilizar el
botn disminuir decimales como se indic en el ejercicio 2 de la prctica 1). Recordemos,
dado que se va a estimar el total, que debemos leer de la fila 23 slo la informacin de las
celdas bajo las columnas TOTAL.
249
6. Para la comarca del ejercicio anterior, el gobierno tambin desea conocer la proporcin
de fincas que han sufrido algn incendio en los ltimos diez aos. Para ello, en la
misma muestra se pregunta sobre el referido asunto, obtenindose las siguientes
respuestas
Estrato I Estrato II Estrato III Estrato IV
0-200 ha. 201-400 ha. 401-600 ha. +600 ha.
86
1
= N 72
2
= N 52
3
= N 30
4
= N
14
1
= n 12
2
= n 9
3
= n 5
4
= n
NO NO SI NO NO NO NO NO
SI SI NO SI SI NO SI NO
NO NO NO NO NO NO NO
NO NO NO NO NO NO
SI SI NO NO SI
NO NO NO SI
NO NO
Estmese con un intervalo de confianza la proporcin de fincas de la comarca que han
sufrido algn incendio en los ltimos diez aos.
Solucin: (11,9% , 38,21%)
250
Este ejercicio es igual que el apartado a del ejercicio 2 pero con 4 estratos. Seleccionaremos
en la hoja 4 Estratos la plantilla que hay a la derecha para datos dicotmicos e
introduciremos la informacin en las celdas grises (no es necesario desproteger la hoja)
codificando las respuestas SI como 1 y los NO como 0.
7. Una psicloga que est trabajando con un grupo de adultos con retraso mental, desea
estimar su tiempo medio de reaccin a un cierto estmulo. Ella considera que varones y
mujeres probablemente presentarn una diferencia en tiempos de reaccin, por lo que
desea estratificar con base en los sexos. El grupo de 96 personas tiene 43 varones. En
estudios previos de este tipo de investigaciones se ha encontrado que los tiempos
presentan una amplitud de variacin de 5 a 20 segundos para varones y de 3 a 14
segundos para mujeres. Los costes del muestreo son los mismos en ambos estratos.
Usando la asignacin ptima, encuentre el tamao muestral necesario para estimar el
tiempo medio de reaccin para el grupo, con un lmite de error de un segundo.
Solucin:
1 2
28, 48 14, 96 15 13, 52 14 15 14 29 n n n n = = = = + =
N=96, N
1
=43, por tanto N
2
=53 .
Como en el ejercicio 5 de la prctica 2 estimaremos la varianza de los datos en cada
estrato a partir del rango o recorrido de los mismos. En el primer estrato escribiremos en la
251
celda C11
( )
2
2
2
20 5
14, 06
16 16
R
= = . Anlogamente en el estrato 2,
( )
2
2
14 3
E11= 7, 56
16 16
R
= = .
Como en el apartado b del ejercicio 2, los costes de observacin en cada estrato son los
mismos. Podemos optar por escribir el mismo coste de observacin en C21 y E21
(cualquier valor, por ejemplo aqu hemos considerado 1) y leer la solucin en las filas 22 y
23, o bien dejar esas celdas en blanco (C21 y E21) y tomar como solucin la asignacin de
Neyman en la fila 23 (la asignacin ptima en la fila 22 dara errores de clculo, divisin
por cero, en este caso)
8. Una verificacin de control de calidad estndar para bateras de automviles consiste
simplemente en registrar su peso. Un embarque particular de una fbrica consisti en
las bateras producidas en dos meses diferentes, con el mismo nmero de bateras
producidas en cada mes. El investigador decide estratificar con base en meses para el
muestreo de inspeccin a fin de observar la variacin mensual. Las muestras aleatorias
simples de los pesos de las bateras para los dos meses dieron las siguientes
mediciones (en libras):
252
Mes A Mes B
61,5 64,5
63,5 63,8
63,5 63,5
64,0 66,5
63,8 63,5
64,5 64,0
a) Estime el peso medio de las bateras del embarque (poblacin), y fije un
lmite para el error de estimacin. Descarte el coeficiente corrector para
poblaciones finitas.
b) El estndar de la fbrica para este tipo de bateras es de 69 libras.
Considera usted que el embarque cumple el estndar promedio?
c) Cree usted que la estratificacin del ejercicio anterior es deseable, o ser
suficiente con muestreo aleatorio simple?
Solucin: a) 63, 88 0, 63
st
y B = =
b) No, 69 no pertenece al intervalo (63,26 , 64,51)
c) Considerando que los 12 datos constituyen una muestra aleatoria simple se obtendra
63, 88 0, 65 y B = = , que es muy similar a lo obtenido en a) (las medias coinciden por ser
la asignacin proporcional). Esta pequea diferencia entre los errores del muestreo
aleatorio simple y del estratificado se debe a que los estratos no estn formados por datos
ms homogneos que el conjunto de la poblacin, como puede verse al comparar sus
varianzas muestrales
2 2 2
1 2
1, 07 1, 30 1, 27 S S S = = = , por tanto no estara justificado
estratificar basndose en la produccin por meses.
La produccin de bateras no es conocida exactamente debido a su alto nmero, slo nos dice
el enunciado que la produccin es la misma en cada mes. Por tanto hemos de suponer los
tamaos de los estratos infinitos e iguales. Este hecho se confirma cuando en el apartado a se
sugiere que se descarte o haga igual a 1 el coeficiente corrector para poblaciones finitas. Este
problema ya se ha abordado en el ejercicio 4 y siguiendo los consejos que entonces se dieron
vamos a resolver este otro.
As, daremos a los tamaos de los estratos en C8 y E8 valores elevados pero iguales
253
La solucin al apartado a se puede leer en G10 y G13. Para responder al apartado b nos
fijamos en los extremos del intervalo de confianza para la media (G14, G15), dado que el
valor 69 no est entre ambos concluimos que nuestros datos rechazan la afirmacin de que el
peso medio de la produccin de bateras examinada sea de 69 libras.
Para el apartado c juntaremos las muestras de los dos estratos en una nica muestra aleatoria
simple y la analizaremos con la ayuda de la hoja MAS infinito. Observamos que la
estimacin de la media tiene una cota de error de estimacin similar a la del apartado a
(analizando los datos segn un muestreo estratificado). Tal y como se indica en los
comentarios a la solucin del apartado c ms arriba, esto es debido a la falta de homogeneidad
de los datos dentro de cada estrato, hecho que se confirma comparando las varianzas de las
muestras de los dos estratos (celdas C11 y E11 de la anterior pantalla) y de la muestra fusin
de ambas (celda C11 de la siguiente pantalla).
254
255
PRCTICA 4
Estimadores de Razn, Regresin y Diferencia.
En esta plantilla slo tenemos que introducir los valores que aparecen en las celdas grises, no
tenemos que modificar ninguna expresin. No es necesario, por tanto, desproteger la hoja.
Se deber tener cuidado en no confundir los papeles de las variables X e Y cuyos datos
muestrales colocaremos en las columnas C y D respectivamente (a partir de C22 y D22). La
variable X es la variable auxiliar en la que nos apoyamos para conseguir mejores estimaciones
sobre la variable Y. Por consiguiente, una forma sencilla de establecer claramente el papel de
las variables es fijarnos en sobre qu variable debemos estimar el valor de su media y/o total
(variable Y).
Habitualmente slo nos darn el valor de la media poblacional de X o del total poblacional de
X, pero no ambos, dado que fcilmente se puede calcular uno a partir del otro
x
x x x
N
N
| |
= =
|
\ .
, en cualquier caso debemos completar el valor de los dos como se ha
hecho en la siguiente pantalla
8 15000
9 75
10 200
C
C
C
| |
= = =
|
\ .
y volveremos a ver en el ejercicio 1
de esta prctica.
256
Si se quiere realizar alguna de las estimaciones con un error de estimacin inferior a un
determinado valor B, escribiremos ste en la celda correspondiente de la fila 18. Para obtener
el tamao muestral necesario para conseguir dicho nivel de error tenemos que conocer
adems de ste (fila 18), el tamao poblacional (C8) y la varianza residual asociada al modelo
(fila 17), para estimar esta ltima necesitamos una muestra previa que debe aparecer en las
columnas C y D.
Nota: El valor del coeficiente b de la recta de regresin se ha obtenido en G22 y G23
utilizando dos expresiones distintas. Con esto se quiere mostrar al alumno que ste y otros
valores que se calculan en estas hojas pueden en muchos casos obtenerse de diferentes formas.
En esta plantilla, como haremos en la prctica 6, utilizamos la funcin condicional =SI()
para el clculo de expresiones que tienen distinta forma o no se pueden calcular dependiendo
de la informacin que se tenga.
La funcin condicional SI tiene la siguiente estructura:
=SI(condicin; accin si la condicin es cierta; accin si la condicin es falsa)
En C13 se ha utilizado para calcular la varianza del estimador r, donde se utiliza la media
muestral de X
( )
( 22: 100) x PROMEDIO C C = o la media poblacional ( ) 9
x
C = ,
dependiendo de que esta ltima se conozca o no (si no se conoce se deja la celda C9 en
blanco, esto se expresa en la condicin abriendo y cerrando comillas () sin escribir nada
dentro de ellas). Para destacarlo hemos subrayado las dos opciones.
=SI(C9="";(C8-C11)*C17/(C11*C8*(PROMEDIO(C22:C100)^2));(C8-C11)*C17/(C11*C8*(C9^2)))
En C19 se ha utilizado para calcular el tamao muestral necesario para conseguir una
determinada cota del error de estimacin de r. Como en el caso anterior, para destacarlo
subrayamos las dos opciones.
=SI(C9="";(C8*C17)/(C17+(C8*((C18*PROMEDIO(C22:C100)/2)^2)));(C8*C17)/(C17+(C8*((C18*C9/2)^2))))
Como en D12 ( ) =SI(C9="";"";C12*C9) , en las columnas D, F, G, H e I (filas 12 a 16) hemos
utilizado la funcin SI para que no se realice ningn clculo () si no conocemos
x
(C9=) o s se realice en caso de que este se conozca y aparezca en C9.
Lo mismo que se dice en el anterior prrafo vale para la columna E (filas 12 a 16), pero en
este caso dependiendo de que se conozca o no el valor del total poblacional de X ( ) 10
x
C = .
Por ltimo, se ha utilizado la funcin SI para que en las columnas E ( )
i
rx , F ( )
( )
2
i i
y rx y H
( )
i i i
d y x = no aparezcan falsos ceros en las filas donde no hay informacin muestral de
X e Y.
257
1. Los auditores frecuentemente estn interesados en comparar el valor intervenido de los
artculos con el valor asentado en el libro. Generalmente, los valores en el libro son
conocidos para cada artculo en la poblacin, y los valores intervenidos son obtenidos
con una muestra de esos artculos. Los valores en el libro entonces pueden utilizarse para
obtener una buena estimacin del valor intervenido total o medio para la poblacin.
Supngase que una poblacin contiene 180 artculos inventariados con un valor
establecido en el libro de 13.320. Una muestra aleatoria simple de 10 artculos nos dio
los siguientes resultados:
Valor intervenido
i
y Valor en el libro
i
x
9
14
7
29
45
109
40
238
60
170
10
12
8
26
47
112
36
240
59
167
Estime el valor intervenido medio, mediante un estimador de razn, un estimador de
regresin y un estimador de diferencia. Obtenga el intervalo de confianza en cada caso.
Solucin: Estimador de razn (72,79 , 76,03).
Estimador de regresin (72,80 , 75,97).
Estimador de diferencia (72,86 , 75,94)
NOTA: Si utilizamos x en lugar de
x
cuando queremos estimar la media de la variable Y
mediante un estimador de razn, regresin o diferencia, obtendramos que
y yL yD
y = = = , es decir, estimaramos la media de la variable Y slo mediante su
media muestral y no estaramos utilizando informacin auxiliar alguna. Si hacemos
B22=PROMEDIO(D22:D100)= y y en C9=PROMEDIO(C22:C100)= x se observa que
y yL yD
y = = = (D12=F12=H12=B22)
En el enunciado del ejercicio est indicado quien es cada variable. Si no lo fuera as,
utilizando la estrategia sugerida ms arriba de que Y es la variable sobre la que se quiere hacer
la estimacin, es claro que Y = valor intervenido y por tanto X = valor en el libro.
Conocemos C8=N=180 y C10= 13320
x
= , escribiremos tambin
13320
9
180
x
x
C
N
= = = ,
colocaremos las muestras de las variables X e Y en sus respectivas columnas y en la siguiente
pantalla se lee la solucin en las columnas de la estimacin de la media, filas 15 y 16.
258
En cuanto a la nota sobre no usar x en lugar de
x
cuando estimemos la media de Y, se
aclara con la siguiente pantalla.
259
Hemos escrito en C9 la media muestral de X
( )
=promedio(C22:C100) x en lugar de la media
poblacional de X
13320
74
180
x
x
N
| |
= = =
|
\ .
. Se ha calculado en B22 la media muestral de Y
( )
=promedio(D22:D100) y para comprobar que si se utiliza x en lugar de
x
, la media de Y
se estimara, mediante los tres mtodos, sencillamente por y .
2. Una encuesta de consumo fue realizada para determinar la razn de dinero gastado en
alimentos sobre el ingreso por ao, para las familias de una pequea comunidad. Una
muestra aleatoria de 8 familias fue seleccionada de entre 100. Los datos de la muestra se
presentan en la siguiente tabla:
Familia Ingreso Total Gasto en alimentos
1 25100 3800
2 32200 5100
3 29600 4200
4 35000 6200
5 34400 5800
260
6 26500 4100
7 28700 3900
8 28200 3600
Estime la razn poblacional, y establezca un lmite para el error de estimacin.
Solucin: 0,1531; 0, 0118 r B = =
Al no conocer
x
en este ejemplo, dejaremos en blanco la celda C9. Tampoco conocemos el
total poblacional de X por lo que tambin dejaremos en blanco C10.
Para identificar las variables X e Y recordemos que la razn se define como el cociente del total
de Y sobre el total de X. Por tanto, en este ejemplo donde se quiere estimar la razn o
proporcin de dinero gastado en alimentos en relacin al ingreso total por ao, Y = gasto en
alimentos, X = ingreso total.
261
PRCTICA 5
Muestreo Sistemtico.
El muestreo sistemtico, bajo determinadas condiciones (muy generales), se comporta como el
muestreo aleatorio simple e incluso en ocasiones proporciona estimadores con menor error de
estimacin. Debido a esto, tras razonar que nos encontramos bajo esas condiciones,
utilizaremos la plantilla del muestreo aleatorio simple en poblaciones finitas para resolver los
problemas de muestreo sistemtico.
2. La gerencia de una compaa privada est interesada en estimar la proporcin de
empleados que favorecen una nueva poltica de inversin. Una muestra sistemtica de
1 en 10 es obtenida de los empleados que salen del edificio al final de un da de
trabajo en particular. Use los datos de la tabla siguiente para estimar la proporcin a
favor de la nueva poltica, y establezca un lmite para el error de estimacin. Suponga
que hay un total de 2.000 empleados.
Empleado
muestreado
Respuesta
3 1
13 0
23 1
1993 1
=
=
200
1
132
i
i
y
Solucin:
66% 6, 37%
sy
p B = =
262
Dado que no conocemos explcitamente los 200 valores de la muestra (y aunque se conocieran
sera largo escribirlos) pero si conocemos la suma de ellos, =
=
200
1
132
i
i
y , introduciremos
directamente la estimacin de p en E10
132
200
p
| |
=
|
\ .
y el tamao muestral en E9 (para lo que es
preciso desproteger primero la hoja). El tamao muestral se obtiene dividiendo el tamao
poblacional N=2000 entre 10 (muestra sistemtica de 1 en 10) o sencillamente observando el
ndice superior de la sumatoria =
=
200
1
132
i
i
y .
3. Con los datos del ejercicio anterior, determine el tamao de muestra requerido para
estimar p, con un lmite para el error de estimacin del 4,8%. Qu tipo de muestra
sistemtica deber obtenerse?
Solucin: 326, 2 327 n = . Sera suficiente con tomar una muestra sistemtica de 1-en-6
donde
2000
333, 3 333 334
6
n o = = .
La hoja del muestreo aleatorio simple en poblaciones finitas nos da el tamao muestral
necesario, en la celda E18 (326,2), para que la estimacin de p no supere la cota B=0,048
(4,8%), pero no obtenemos directamente el valor de k que es slo caracterstico del muestreo
sistemtico.
El valor de k se puede obtener fcilmente calculando en cualquier celda en blanco el cociente
entre el tamao poblacional y el tamao muestral (por ejemplo,
8
22 6,13
18
N E
B
n E
= = = ) y
quedndonos con la parte entera (6) o hallando directamente la parte entera de dicho cociente
como se ha hecho en
8
23 6
18
N E
B ENTERO ENTERO
n E
| | | |
= = =
| |
\ . \ .
263
264
PRCTICA 6
Muestreo por Conglomerados.
En esta plantilla utilizamos la funcin condicional SI para el clculo de expresiones que tienen
diferentes formas (o sencillamente no se pueden calcular) dependiendo de la informacin que
tengamos.
La funcin condicional SI cuya forma general es:
=SI(condicin; accin si la condicin es cierta; accin si la condicin es falsa)
la hemos usado de la siguiente forma: en C13 para calcular la varianza del estimador de la
media, si conocemos
8
9
C
M
C
= (tamaos medio de todos los conglomerados de la poblacin)
se har segn
2
2
1
( )
c
S N n
V y
N n
M
= , pero si no se conoce lo estimaremos mediante 11 m C =
(tamao medio de los conglomerados de la muestra). As, en la condicin preguntamos si la
celda C8 est vaca (si es igual a: abrimos y cerramos comillas sin escribir nada entre ellas) en
cuyo caso no es conocido
8
9
C
M
C
= y utilizaremos 11 m C = (accin si la condicin de no
conocer M es cierta) y utilizaremos el valor de
8
9
C
M
C
= cuando C8 contenga el valor de M,
es decir, no est vaca (accin cuando la condicin de C8 vaca sea falsa). Observe que las
dos acciones son iguales salvo esta diferencia que hemos subrayado.
=SI(C8="";(C9-C10)*C17/(C10*C9*(C11^2));(C9-C10)*C17/(C10*C9*((C8/C9)^2)))
265
En C19, para la determinacin del tamao muestral, se ha hecho igual que en C13.
=SI(C8="";(C9*C17)/(C17+(C9*((C18*C11/2)^2)));(C9*C17)/(C17+(C9*((C18*(C8/C9)/2)^2))))
En la parte inferior izquierda se ha calculado el coeficiente de correlacin lineal entre los
tamaos de los conglomerados y los totales por conglomerado para justificar la conveniencia
de estimar el total considerando el tamao de los conglomerados (TOTAL(M conocido),
columna D) o sin utilizar dicha informacin (columna E). Cuando esta correlacin es fuerte el
mtodo de estimacin del total en la columna D nos proporciona mejores estimaciones (con
menor error de estimacin). La anterior pantalla recoge una situacin donde la correlacin es
dbil (los mayores tamaos de los conglomerados no estn asociados con los mayores totales,
ni los menores con los menores) y como puede verse el mtodo de estimacin del total en la
columna D tiene un error asociado, 188218,94, mayor que el obtenido en la columna E,
184099,44. Lgicamente, cuando no podamos estimar el total por ambos mtodos, todos estos
comentarios sobran.
Tambin se ha utilizado la funcin SI en las expresiones de la estimacin del total cuando M
es conocido (columna D). Obviamente, stas no pueden calcularse cuando M es desconocido.
En este caso la accin cuando la condicin (no conocemos M=C8) es cierta es que no se
calcula nada (escribimos para dejar la celda vaca: abrir y cerrar comillas sin nada entre ellas)
y si conocemos M=C8 (la condicin es falsa) la accin es el clculo de la correspondiente
expresin (en D12 la estimacin del total y en D13, D14, D15 y D16 el resto de valores
asociados a dicha estimacin)
D12 =SI(C8=;;C12*C8)
En la anterior pantalla, donde M=1500, aparecen los valores para la estimacin del total
cuando M es conocido, sin embargo, en la siguiente donde C8 est en blanco (desconocemos
el tamao de la poblacin) dichas celdas estn vacas.
266
1. En una pequea ciudad se quiere estimar la proporcin de hogares interesados en
contratar el sistema de televisin digital, para lo cual se considera la ciudad dividida
en 200 manzanas de viviendas. Se extrae una muestra piloto de 5 manzanas y se
interroga a cada familia acerca de si estara interesada en contratar la televisin
digital. Los datos de la encuesta se encuentran en la tabla:
Manzana N hogares en la manzana N hogares interesados
1 8 2
2 7 2
3 9 3
4 6 3
5 5 3
a) Estime la proporcin de hogares interesados en contratar el sistema de televisin
digital. Calcule el lmite para el error de estimacin.
b) Con un intervalo de confianza estime el nmero de hogares interesados en
contratar dicho sistema.
c) Responda al apartado b) suponiendo que el nmero de hogares en la ciudad es
1500.
d) Suponiendo que los datos de la tabla representan una muestra previa, cmo debe
tomarse una nueva muestra para estimar la proporcin poblacional del apartado a)
con un lmite para el error de estimacin del 1%.
267
Solucin: a)
120 92, 95 N B = =
2. Se desea estimar la poblacin de ardillas en un parque. Para ello se capturan 50
ardillas que se devuelven al parque marcadas. Se toma una segunda muestra hasta
que se consigue encontrar 5 marcadas, para lo cual fue necesario capturar 70 de ellas.
Estime, usando un intervalo con el 95% de confianza, el nmero de ardillas que
viven en el parque.
Solucin: (149, 24 , 1.250, 76)
3. La polica de Madrid est interesada en conocer el nmero de aficionados que se
reunieron en torno a la fuente de Neptuno para celebrar el triunfo de su equipo. Con
este dato se puede conocer la cuanta de medios materiales y humanos (polica,
proteccin civil, personal sanitario, etc.) necesaria para atender futuras
concentraciones. Para estimar el nmero de aficionados se toma una fotografa area
de la zona ocupada por stos, tras lo cual se traza sobre ella una cuadrcula que
divide el rea total en 300 cuadros de 10 metros de lado cada uno. Posteriormente se
numeran y se extrae una muestra aleatoria de 20 de estos cuadros; por ltimo se
cuenta el nmero de aficionados que hay en cada uno de los cuadros seleccionados,
obtenindose los resultados de la tabla:
272
N del cuadro
Nmero de aficionados
en el cuadro
N del cuadro
Nmero de aficionados
en el cuadro
1
2
3
4
5
6
7
8
9
10
193
216
250
163
209
195
232
174
215
198
11
12
13
14
15
16
17
18
19
20
160
220
163
306
319
289
205
210
209
198
c) Estime la densidad de aficionados por metro cuadrado y obtenga su intervalo de
confianza.
d) Estime el nmero total de aficionados concentrados en la plaza de Neptuno y
obtenga su intervalo de confianza.
Solucin: a)
2
2,16 (2,1 , 2, 23) aficionados m =
b)
86, 24 37, 8 M B = =
Con estos cuatro ejemplos se ilustran las cuatro tcnicas de estimacin del total que
estudiamos en este captulo.
En el primer y segundo ejercicios slo tenemos que identificar si se trata de muestreo directo o
inverso (dependiendo de si se ha fijado el tamao de la segunda muestra o sta se toma hasta
conseguir un nmero de elementos marcados). Es claro que el primer ejercicio se trata de un
caso de muestreo directo y el segundo de muestreo inverso.
273
En el muestreo por cuadros y por cuadros cargados se puede considerar una poblacin en una
superficie (ejercicio 3) o en un espacio temporal (ejercicio 4).
El ejercicio 3 trata de un muestreo por cuadros: conocemos y es importante el nmero de
elementos observados en cada cuadro de la muestra. El rea total se calcula multiplicando 300
cuadros por el rea de cada uno (10x10), y el nmero total de elementos observados en la
muestra,
1
n
i
i
m m
=
=
s
a
r
1
3
:
N
i
c
o
l
a
s
1
5
:
A
l
b
e
r
t
o
1
2
:
B
e
l
e
n
1
1
:
L
u
i
s
a
1
0
:
E
l
e
n
a
9
:
C
a
r
m
e
n
1
6
:
C
a
r
l
o
s
2
:
J
u
a
n
5
:
M
a
r
i
a
7
:
T
o
i
8
:
T
e
r
e
4
:
P
a
b
l
o
6
:
J
u
a
n
a
3
:
P
e
d
r
o
1
:
P
e
p
e
1
X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
2
X X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
3
X X X X X X X X X X X X X X X X X X X X X X X X X X X X X
4
X X X X X X X X X X X X X X X X X X X X X X X X X X X X
5
X X X X X X X X X X X X X X X X X X X X X X X X X X X
6
X X X X X X X X X X X X X X X X X X X X X X X X X X
7
X X X X X X X X X X X X X X X X X X X X X X X X X
8
X X X X X X X X X X X X X X X X X X X X X X X X
9
X X X X X X X X X X X X X X X X X X X X X X X
10
X X X X X X X X X X X X X X X X X X X X X X
11
X X X X X X X X X X X X X X X X X X X X X
12
X X X X X X X X X X X X X X X X X X X X
13
X X X X X X X X X X X X X X X X X X X
14
X X X X X X X X X X X X X X X X X X
15
X X X X X X X X X X X X X X X X X
El diagrama de tmpanos nos indica grficamente el orden de las distintas agrupaciones.
Dependiendo del nmero de agrupaciones que se quiera, se mira en la fila adecuada y las X
que estn contiguas, sin ningn espacio en blanco, indican agrupaciones.
2.- ANLISIS NO JERRQUICOS (ALGORITMO DE LAS K-MEDIAS)
Los pasos para llevar a cabo este algoritmo en SPSS son los siguientes:
1. Elige en los mens Analizar Clasificar Conglomerado de k medias y selecciona las
variables y las especificaciones para el anlisis.
La estandarizacin previa (procedimiento Descriptivos) de las variables puede ser
importante, si las variables utilizan diferentes escalas (euros, aos,..) los resultados
podran ser equvocos.
2. El algoritmo requiere especificar el nmero de conglomerados, para ello siempre es til
realizar un anlisis jerrquico previo. Este procedimiento supone que se ha seleccionado el
nmero apropiado de conglomerados y que se han incluido todas las variables relevantes.
Si no es as, los resultados podran ser errneos.
294
3. En Etiquetar los casos mediante se puede especificar una variable cuyos valores sean
utilizados para etiquetar los resultados por casos.
4. En Mtodo se puede elegir uno de los dos mtodos disponibles para clasificar:
a. Iterar y clasificar. Actualiza los centroides de forma iterativa.
b. Slo clasificar. El algoritmo corre solo una vez.
5. En Centros de los conglomerados se permite al usuario especificar sus propios centros
iniciales para los conglomerados (Leer iniciales) o guardar los centros finales para anlisis
subsiguientes (Escribir finales).
6. En el botn Opciones podemos:
a. Elegir los Estadsticos ms relevantes relativos a las variables que ofrecer el
anlisis:
i. Centros de conglomerados iniciales
ii. Tabla de ANOVA. Aunque los resultados sern oportunistas (el
procedimiento trata de formar grupos que, de hecho, difieran), el
tamao relativo de los estadsticos proporciona informacin acerca de la
contribucin de cada variable a la separacin de los grupos.
iii. Informacin del conglomerado para cada caso
b. En valores perdidos se elige la forma de su exclusin:
i. Excluir casos segn lista
ii. Excluir casos segn pareja
7. El botn Iterar (slo disponible si se ha seleccionado el mtodo Iterar y clasificar en el
cuadro de dialogo principal) nos permite elegir:
a. El nmero mximo de iteraciones limita el nmero de iteraciones en el
algoritmo, de modo que el proceso se detiene despus de ese nmero de
iteraciones, incluso si no se ha satisfecho el criterio de convergencia. Este
nmero debe estar entre 1 y 999.
b. El criterio de convergencia determina cundo cesa la iteracin y representa una
proporcin de la distancia mnima entre los centros iniciales de los
conglomerados, por lo que debe ser mayor que 0 y menor que 1. Por ejemplo,
si el criterio es igual a 0.02, la iteracin cesar si una iteracin completa no
mueve ninguno de los centros de los conglomerados en una distancia superior
al dos por ciento de la distancia menor entre cualquiera de los centros iniciales.
c. La opcin Usar medias actualizadas permite solicitar la actualizacin de los
centros de los conglomerados tras la asignacin de cada caso. Si no se
295
selecciona esta opcin, los nuevos centros de los conglomerados se calcularn
despus de la asignacin de todos los casos.
8. El botn Guardar permite guardar informacin sobre la solucin como nuevas variables
para que puedan ser utilizadas en anlisis subsiguientes. Estas variables son:
a. Conglomerado de pertenencia. Se crea una nueva variable que indica el
conglomerado final al que pertenece cada caso.
b. Distancia desde centro del conglomerado. Indica la distancia eucldea entre
cada caso y su centro de clasificacin.
9. El botn Pegar genera la sintaxis del comando a partir de las selecciones del cuadro de
dilogo y pega dicha sintaxis en la ventana de sintaxis designada. Para poder pulsar en
Pegar, debe seleccionar al menos una variable.
10. En todos los cuadros de dialogo, el botn Restablecer permite restablecer todas las
opciones por defecto del sistema y elimina del cuadro de dialogo todas las asignaciones
hechas con las variables.
11. Una vez hechas las opciones especificadas se pulsa el botn Aceptar.
A continuacin veremos el procedimiento con los mismos datos del ejemplo anterior.
Ejemplo 2
(Ejercicio 5 de la relacin del tema 8. Fichero de datos Ej5RelT8.sav)
Con los datos del ejemplo anterior divide los ciudadanos segn ingresos y edad utilizando un
anlisis no jerrquico.
Seguimos el siguiente procedimiento:
1. Las variables de inters son Ingreso y Edad, pero previamente vamos a estandarizarlas.
Para ello elegimos en el men Analizar Estadsticos Descriptivos Descriptivos y
elegimos la opcin Guardar los valores tipificados como variables. Con ello se generan
las variables Zingresos y Zedad. A continuacin se elige en el men
Analizar Clasificar Conglomerado de k medias y se seleccionan estas dos nuevas
variables.
2. La mejor forma de elegir el nmero de conglomerados, si no se tiene informacin a priori,
es realizar previamente un anlisis jerrquico como el realizado en el ejemplo 1. Vamos a
dividir la poblacin en dos grupos. En este caso como slo tenemos dos variables tambin
nos podemos ayudar del grfico de dispersin. Para ello en el men elijo:
Grficos Dispersin/Puntos Dispersin Simple. En el eje X situamos Zedad y en el Y
296
Zingresos. En Etiquetar casos mediante situamos la variable Individuos y en el botn
Opciones marcamos Mostrar el grfico con las etiquetas de caso. El grfico resultante es
el siguiente:
-1,00000 0,00000 1,00000 2,00000
Puntua(edad)
-2,00000
-1,00000
0,00000
1,00000
P
u
n
t
u
a
(
i
n
g
r
e
s
o
s
)
Pepe
Juan
Pedro
Pablo
Maria
Juana
Toi
Tere
Carmen
Elena
Luisa
Belen
Nicolas
Csar
Alberto
Carlos
Se ve que los datos se pueden agrupar en dos grupos.
3. En Etiquetar los casos mediante seleccionamos la variable Individuos
4. En Mtodo elegimos Iterar y clasificar.
5. En Centros de los conglomerados no seleccionamos ninguna opcin.
6. En el botn opciones marcamos las tres opciones de Estadsticos.
7. El botn Iterar seleccionamos como nmero mximo de iteraciones 99 y como criterio de
convergencia 0.02. Esto significa que la iteracin cesar si una iteracin completa no
mueve ninguno de los centros en una distancia superior al 2% de la distancia menor entre
cualquiera de los centros iniciales. Tambin sealamos la opcin de usar medias
actualizadas.
8. Con el botn Guardar vamos a guardar informacin sobre Conglomerado de pertenencia.
9. Una vez hechas las opciones especificadas se pulsa el botn Aceptar.
297
Las salidas obtenidas con el SPSS son las siguientes:
Centros iniciales de los conglomerados
Conglomerado
1 2
Puntua(ingresos)
-1,08020 ,76105
Puntua(edad)
-1,13976 2,46379
En el conglomerado 1 el centro es Elena y en el conglomerado 2 el centro es Juan. La
distancia eucldea entre los centros iniciales es:
( ) ( )
2 2
0, 76105 ( 1, 08020) 2, 46379 ( 1,13976) 4, 047 + =
Como solo hay dos conglomerados, la distancia menor entre los centros iniciales es 4047. Las
iteraciones pararn cuando no se mueva ninguno de los centros en una distancia superior al
2% de 4047, es decir, 008094.
298
Historial de iteraciones(a)
Iteracin
Cambio en los centros
de los conglomerados
1 2
1
,426 1,555
2
,047 ,173
3
,005 ,019
a Se ha logrado la convergencia debido a que los centros de los conglomerados no presentan ningn cambio o
ste es pequeo. El cambio mximo de coordenadas absolutas para cualquier centro es de ,019. La iteracin
actual es 3. La distancia mnima entre los centros iniciales es de 4,047.
Las cantidades que se dan en la tabla anterior son las distancias euclideas entre los centros
elegidos en las sucesivas iteraciones. Observemos que en la segunda iteracin el centro del
primer conglomerado vara una distancia de 0,047 respecto del centro en la primera iteracin.
Esta cantidad es menor que 0,08094. Pero no ocurre lo mismo con el centro del segundo
conglomerado que respecto a la primera iteracin vara 0,173. Por tanto, las iteraciones deben
continuar. En la tercera, ambas distancias son menores que 0,08094.
Pertenencia a los conglomerados
Nmero de caso Individuo
Conglomer
ado Distancia
1
Pepe 2 ,606
2
Juan 2 1,747
3
Pedro 2 ,221
4
Pablo 2 ,767
5
Maria 2 ,440
6
Juana 2 ,368
7
Toi 2 ,792
8
Tere 2 ,770
9
Carmen 1 ,382
10
Elena 1 ,478
11
Luisa 1 ,512
12
Beln 1 ,701
13
Nicols 1 ,233
14
Csar 1 ,788
15
Alberto 1 ,523
16
Carlos 1 1,540
Vamos a calcular las distancias euclideas de Carlos y los dos centros finales de los
conglomerados (en la siguiente tabla). As comprobaremos que efectivamente es ms pequea
la existente entre Carlos y el conglomerado 1, aunque en el grfico parezca lo contrario.
Carlos: (0.58920, -1.24896)
Centro conglomerado 1: (-0.85618, -0.71661)
Centro conglomerado 2: (0.85618, 0.71661)
299
Distancia eucldea entre Carlos y el primer centro:
( ) ( )
2 2
0, 58920 ( 0, 85618) 1, 24896 ( 0, 71661) 1, 540 + =
Distancia entre Carlos y el segundo centro:
( ) ( )
2 2
0, 58920 0, 85618 1, 24896 0, 71661 1, 984 + =
Por tanto, Carlos es asignado al primer conglomerado.
Centros de los conglomerados finales
Conglomerado
1 2
Puntua(ingresos)
-,85618 ,85618
Puntua(edad)
-,71661 ,71661
Sera interesante dibujar los centros finales en el grfico de dispersin
Distancias entre los centros de los conglomerados finales
Conglomerado 1 2
1
2,233
2
2,233
Son las distancias euclideas entre los centros finales de los dos conglomerados
ANOVA
Conglomerado Error
F Sig.
Media
cuadrtica gl
Media
cuadrtica gl
Puntua(ingresos)
11,729 1 ,234 14 50,195 ,000
Puntua(edad)
8,217 1 ,485 14 16,958 ,001
Las pruebas F slo se deben utilizar con una finalidad descriptiva puesto que los conglomerados han sido
elegidos para maximizar las diferencias entre los casos en diferentes conglomerados. Los niveles crticos no son
corregidos, por lo que no pueden interpretarse como pruebas de la hiptesis de que los centros de los
conglomerados son iguales.
Observando los estadsticos del ANOVA, vemos que los ingresos participan ms en la
separacin de los conglomerados. .
Nota. Realizar el anlisis cluster de nuevo pero con 4 conglomerados y ver como Carlos y
Juan forman cada uno un conglomerado (Mirar grfico de dispersin).
Nota En los casos donde existe un gran tamao muestral, para obtener la mxima eficacia,
tome una muestra de casos y utilice el mtodo Iterar y clasificar para determinar los centros de
los conglomerados. Seleccione Escribir finales en Archivo. Despus restaure el archivo de
datos completo y seleccione el mtodo Slo clasificar. Pulse en Centros y pulse en Leer
iniciales de Archivo para clasificar el archivo completo utilizando los centros estimados a
partir de la muestra.
300
PRCTICA 9
Componentes Principales
El anlisis de componentes principales es un mtodo de estimacin (extraccin) de los
factores comunes de un anlisis factorial, por lo que en el programa SPSS aparece dentro del
Anlisis factorial. En todo lo que sigue el trmino factor (salvo un cambio de escala) coincide
con el de componente principal.
Elija en los mens de SPSS:
Analizar Reduccin de datos Anlisis factorial
Seleccione las variables para el anlisis factorial. Las variables deben ser cuantitativas. Los
datos categricos (como la religin o el pas de origen) no son adecuados para el anlisis
factorial. Los datos para los cuales razonablemente se pueden calcular los coeficientes de
correlacin de Pearson, deberan ser los adecuados para el anlisis factorial. Para seleccionar
casos para el anlisis: Seleccione una variable de seleccin. Pulse en Valor para introducir un
nmero entero como valor de seleccin. En el anlisis, slo se usarn los casos con ese valor
para la variable de seleccin.
En el cuadro de dilogo Anlisis factorial, pulse en Extraccin:
Mtodo: Permite especificar el mtodo de extraccin factorial. Nosotros utilizaremos el de
Componentes principales (Mtodo para la extraccin de factores utilizado para formar
combinaciones lineales independientes de las variables observadas. La primera componente
tiene la varianza mxima. Las componentes sucesivas explican progresivamente proporciones
menores de la varianza y no estn correlacionadas las unas con las otras. El anlisis de
componentes principales se utiliza para obtener la solucin factorial inicial. Puede utilizarse
cuando una matriz de correlaciones es singular).
Analizar: Permite especificar matriz de correlaciones o matriz de covarianzas.
Matriz de correlaciones. Es til si las variables del anlisis se miden sobre escalas
distintas.
Matriz de covarianzas. Se usar en caso contrario.
301
Extraer: Se pueden retener todos los factores cuyos autovalores excedan un valor especificado
o retener un nmero especfico de factores.
Mostrar: Permite solicitar la solucin factorial sin rotar y el grfico de sedimentacin de los
autovalores.
N mximo de iteraciones para convergencia: Permite especificar el nmero mximo de pasos
que el algoritmo puede seguir para estimar la solucin.
En el cuadro de dilogo Anlisis factorial, pulse en Descriptivos:
Estadsticos: Los descriptivos univariados incluyen la media, la desviacin tpica y el nmero
de casos vlidos para cada variable. La solucin inicial muestra las comunalidades iniciales
(iguales a 1 en un anlisis de componentes principales), los autovalores y el porcentaje de
varianza explicada.
Matriz de correlaciones: De las opciones disponibles usaremos: coeficientes, niveles de
significacin y determinante.
En el cuadro de dilogo Anlisis factorial, pulse en Rotacin:
Mtodo: Seleccionaremos ninguno, pues estamos realizando un anlisis de componentes
principales.
Mostrar: Si seleccionamos Grficos de saturaciones obtenemos el diagrama de las
saturaciones factoriales que es una representacin tridimensional de las saturaciones
factoriales para los tres primeros factores. Para una solucin de dos factores, se representa un
diagrama bidimensional. No se muestra el grfico si slo se extrae un factor.
En el cuadro de dilogo Anlisis factorial, pulse en Puntuaciones:
Guardar como variables: Crea una nueva variable para cada factor en la solucin final.
Nosotros utilizaremos el mtodo de regresin. En el caso de componentes principales
(tipificadas) la varianza es siempre igual a 1 y las puntuaciones (componentes principales)
estn incorrelacionadas.
Mostrar matriz de coeficientes de las puntuaciones factoriales: Muestra los coeficientes por
los cuales se multiplican las variables para obtener puntuaciones factoriales. Tambin muestra
las correlaciones entre las puntuaciones factoriales.
302
En el cuadro de dilogo Anlisis factorial, pulse en Opciones:
Valores perdidos: Permite especificar el tratamiento que reciben los valores perdidos. Las
selecciones disponibles son: excluir casos segn lista, excluir casos segn pareja y
reemplazar por la media.
Excluir segn lista excluye los casos que tienen valores perdidos en cualquiera de las
variables utilizadas en cualquiera de los anlisis.
Excluir segn pareja excluye del anlisis los casos que tengan valores perdidos en
cualquiera (o en ambas) de las variables de una pareja implicada en el clculo de un
estadstico especfico.
Formato de presentacin de los coeficientes: Permite controlar aspectos de las matrices de
resultados. Los coeficientes se ordenan por tamao y se suprimen aquellos cuyos valores
absolutos sean menores que el valor especificado.
Ejemplo 1
Vamos a resolver el ejercicio 1 de la relacin del captulo 9 con ayuda del SPSS.
Con el archivo Mundo 95.sav realiza un anlisis de componentes principales con las
siguientes variables:
Esperanza de vida femenina
Mortalidad infantil (muertes por 1000 nacimientos vivos)
Personas Alfabetizadas (%)
Tasa de natalidad (por 1.000 habitantes)
Fertilidad: nmero promedio de hijos
Habitantes en ciudades (%)
Log(10) de PIB_CAP
Tasa de mortalidad (por 1.000 habitantes)
En primer lugar elegimos en los mens del SPSS: Analizar Reduccin de datos
Anlisis factorial y seleccionamos las variables: espvidaf, mortinf, alfabet, tasa_nat, fertilid,
urbana, log_pib y tasa_mor.
303
En el botn Descriptivos: en estadsticos seleccionamos descriptivos univariados y solucin
inicial, en matriz de correlaciones marcamos coeficientes, niveles de significacin y
determinante.
En el botn Extraccin seleccionamos: el mtodo de componentes principales, en Analizar
elegimos matriz de correlaciones, en Extraernmero de factores = 2 y en Mostrar
marcamos solucin factorial sin rotar y grfico de sedimentacin.
En el botn Rotacin marcamos: el Mtodo ninguno y en Mostrar seleccionamos grfico de
saturaciones.
En el botn Puntuaciones: sealamos la opcin mostrar matriz de coeficientes de las
puntuaciones factoriales.
Por ltimo en el botn Opciones marcamos excluir casos segn lista.
Se obtiene la siguiente salida del programa SPSS para las opciones marcadas:
304
Matriz de correlaciones(a)
Esperanza de
vida femenina
Mortalidad
infantil
(muertes por
1000
nacimientos
vivos)
Personas
Alfabetizadas
(%)
Tasa de
natalidad (por
1.000
habitantes)
Fertilidad:
nmero
promedio de
hijos
Habitantes en
ciudades (%)
Log(10) de
PIB_CAP
Tasa de
mortalidad
(por 1.000
habitantes)
Correlacin Esperanza de vida
femenina
1,000 -,962 ,865 -,865 -,847 ,766 ,833 -,703
Mortalidad infantil
(muertes por 1000
nacimientos vivos)
-,962 1,000 -,901 ,870 ,844 -,744 -,824 ,636
Personas Alfabetizadas
(%)
,865 -,901 1,000 -,870 -,866 ,654 ,731 -,485
Tasa de natalidad (por
1.000 habitantes)
-,865 ,870 -,870 1,000 ,975 -,635 -,783 ,384
Fertilidad: nmero
promedio de hijos
-,847 ,844 -,866 ,975 1,000 -,608 -,713 ,424
Habitantes en ciudades
(%)
,766 -,744 ,654 -,635 -,608 1,000 ,785 -,523
Log(10) de PIB_CAP
,833 -,824 ,731 -,783 -,713 ,785 1,000 -,401
Tasa de mortalidad (por
1.000 habitantes)
-,703 ,636 -,485 ,384 ,424 -,523 -,401 1,000
Sig. (Unilateral) Esperanza de vida
femenina
,000 ,000 ,000 ,000 ,000 ,000 ,000
Mortalidad infantil
(muertes por 1000
nacimientos vivos)
,000 ,000 ,000 ,000 ,000 ,000 ,000
Personas Alfabetizadas
(%)
,000 ,000 ,000 ,000 ,000 ,000 ,000
Tasa de natalidad (por
1.000 habitantes)
,000 ,000 ,000 ,000 ,000 ,000 ,000
Fertilidad: nmero
promedio de hijos
,000 ,000 ,000 ,000 ,000 ,000 ,000
Habitantes en ciudades
(%)
,000 ,000 ,000 ,000 ,000 ,000 ,000
Log(10) de PIB_CAP
,000 ,000 ,000 ,000 ,000 ,000 ,000
Tasa de mortalidad (por
1.000 habitantes)
,000 ,000 ,000 ,000 ,000 ,000 ,000
a Determinante = 2,07E-006
305
Estadsticos descriptivos
Media
Desviacin
tpica N del anlisis
Esperanza de vida femenina
69,94 10,695 105
Mortalidad infantil (muertes por 1000 nacimientos vivos)
43,317 38,3699 105
Personas Alfabetizadas (%)
78,14 23,056 105
Tasa de natalidad (por 1.000 habitantes)
26,124 12,3582 105
Fertilidad: nmero promedio de hijos
3,551 1,8909 105
Habitantes en ciudades (%)
57,02 24,010 105
Log(10) de PIB_CAP
3,4086 ,62725 105
Tasa de mortalidad (por 1.000 habitantes)
9,62 4,277 105
Comunalidades
Inicial Extraccin
Esperanza de vida femenina
1,000 ,965
Mortalidad infantil (muertes por 1000 nacimientos vivos)
1,000 ,942
Personas Alfabetizadas (%)
1,000 ,862
Tasa de natalidad (por 1.000 habitantes)
1,000 ,952
Fertilidad: nmero promedio de hijos
1,000 ,899
Habitantes en ciudades (%)
1,000 ,688
Log(10) de PIB_CAP
1,000 ,769
Tasa de mortalidad (por 1.000 habitantes)
1,000 ,935
Mtodo de extraccin: Anlisis de Componentes principales.
Varianza total explicada
Componente
Autovalores iniciales
Sumas de las saturaciones al cuadrado
de la extraccin
Total
% de la
varianza % acumulado Total
% de la
varianza % acumulado
1
6,208 77,596 77,596 6,208 77,596 77,596
2
,804 10,056 87,652 ,804 10,056 87,652
3
,523 6,534 94,186
4
,194 2,425 96,610
5
,167 2,085 98,695
6
,063 ,789 99,485
7
,027 ,333 99,818
8
,015 ,182 100,000
Mtodo de extraccin: Anlisis de Componentes principales.
La columna Total de Autovalores iniciales contiene los valores propios
i
ordenados de
mayor a menor. Cada uno de ellos representa la varianza de la correspondiente componente.
En la columna % de la varianza aparece el porcentaje de la varianza total de los datos
tipificados ( 18 variables =8 ) recogida por dicha componente, por ejemplo
6, 208
77, 6 100
8
= .
306
8 7 6 5 4 3 2 1
Nmero de componente
7
6
5
4
3
2
1
0
A
u
t
o
v
a
l
o
r
Grfico de sedimentacin
Matriz de componentes(a)
Componente
1 2
Esperanza de vida femenina
,975 -,122
Mortalidad infantil (muertes por 1000 nacimientos vivos)
-,970 ,046
Personas Alfabetizadas (%)
,917 ,147
Tasa de natalidad (por 1.000 habitantes)
-,923 -,318
Fertilidad: nmero promedio de hijos
-,906 -,281
Habitantes en ciudades (%)
,809 -,181
Log(10) de PIB_CAP
,871 ,100
Tasa de mortalidad (por 1.000 habitantes)
-,625 ,737
Mtodo de extraccin: Anlisis de componentes principales.
a 2 componentes extrados
La tabla Matriz de componentes incluye los coeficientes de correlacin,
i k
y x
r , entre las
componentes,
i
Y i=1,2 , y las variable originales,
i
X .
307
0,9 0,6 0,3 0,0 -0,3 -0,6 -0,9
Componente 1
0,9
0,6
0,3
0,0
-0,3
-0,6
-0,9
C
o
m
p
o
n
e
n
t
e
2
tasa_mor
log_pib
urbana
fertilid
tasa_nat
alfabet
mortinf
espvidaf
Grfico de componentes
Matriz de coeficientes para el clculo de las puntuaciones en las componentes
Componente
1 2
Esperanza de vida femenina
,157 -,151
Mortalidad infantil (muertes por 1000 nacimientos vivos)
-,156 ,057
Personas Alfabetizadas (%)
,148 ,183
Tasa de natalidad (por 1.000 habitantes)
-,149 -,395
Fertilidad: nmero promedio de hijos
-,146 -,349
Habitantes en ciudades (%)
,130 -,224
Log(10) de PIB_CAP
,140 ,125
Tasa de mortalidad (por 1.000 habitantes)
-,101 ,916
Mtodo de extraccin: Anlisis de componentes principales.
La Matriz de coeficientes para el clculo de las puntuaciones en las componentes recoge los
coeficientes de las combinaciones lineales que definen a las componentes principales
tipificadas, es decir,
ik
i
= .
Matriz de covarianza de las puntuaciones de las componentes
Componente 1 2
1
1,000 ,000
2
,000 1,000
Mtodo de extraccin: Anlisis de componentes principales.
308
Como puede verse en la Matriz de covarianzas se trabaja con componentes principales
tipificadas que adems estn incorreladas.
309
FORMULARIOS
310
MUESTREO ALEATORIO SIMPLE EN POBLACIONES INFINITAS
(O CON REEMPLAZAMIENTO)
MEDIA
PROPORCION
ESTIMADOR
1
1
n
i
i
y y
n
=
=
1
1
, 0, 1
n
i i
i
p y y
n
=
= =
CUASIVARIANZA
MUESTRAL
( )
2
2
1
1
1
n
i
i
S y y
n
=
=
2
2 1
2 1
1
n
i
n
i
i
i
y
y
n
S
n
=
=
| |
|
\ .
( )
2
2
1
1
1 1
n
i
i
n pq
S y y
n n
=
= =
1 q p =
VARIANZA DEL
ESTIMADOR
2 2
( ) ( )
S
V y V y
n n
= =
( ) ( )
1
pq pq
V p V p
n n
= =
LIMITE DEL ERROR DE
ESTIMACIN = B
2 ( ) 2
S
V y
n
=
2 ( ) 2
1
pq
V p
n
=
INTERVALO DE
CONFIANZA
2 , 2
S S
y y
n n
| |
+
|
\ .
2 , 2
1 1
pq pq
p p
n n
| |
|
+
|
\ .
TAMAO MUESTRAL
2
2 ( ) 2 V y B
n
= =
2 2 2
2
,
4
4
B
n D
B D
= = =
2 ( ) 2
pq
V p B
n
= =
2
2
,
4
4
pq pq B
n D
B D
= = =
311
MUESTREO ALEATORIO SIMPLE EN POBLACIONES FINITAS
SIN REEMPLAZAMIENTO
MEDIA
TOTAL
PROPORCION
TOTAL
ESTIMADOR
1
1
n
i
i
y y
n
=
=
1
n
i
i
N
N y y
n
=
= =
1
1
, 0, 1
n
i i
i
p y y
n
=
= =
N p =
VARIANZA DEL
ESTIMADOR
2
( )
S N n
V y
n N
=
2
2
( ) ( ) ( ) ( )
S
V V N y N V y N N n
n
= = =
( )
1
pq N n
V p
n N
2
( ) ( ) ( ) ( )
1
pq
V V N p N V p N N n
n
= = =
LIMITE DEL ERROR
DE ESTIMACIN = B
2 ( ) V y
2 ( ) 2 ( ) V N V y =
2 ( ) V p
2 ( ) 2 ( ) V N V p =
INTERVALO DE
CONFIANZA
2 ( ) , 2 ( ) ( ) y V y y V y +
2 ( ) , 2 ( ) ( ) V V + =
2 ( ) , 2 ( ) ( ) ( ) ( ) N y V y N y V y = +
2 ( ) , 2 ( ) ( ) p V p p V p +
2 ( ) , 2 ( ) ( ) V V + =
2 ( ) , 2 ( ) ( ) ( ) ( ) N p V p N p V p = +
TAMAO MUESTRAL
2
2
( 1)
N
n
N D
=
+
2
( )
4
B
D media =
2
2
( )
4
B
D total
N
=
( 1)
Npq
n
N D pq
=
+
2
( )
4
B
D proporcion =
2
2
( )
4
B
D total
N
=
312
MUESTREO ALEATORIO ESTRATIFICADO
MEDIA
TOTAL
PROPORCION
TOTAL
ESTIMADOR
1
1
L
i st i
i
y N y
N
=
=
1
L
st
i st i
i
N y N y
=
= =
1
1
L
i st i
i
p N p
N
=
=
1
L
st
i st i
i
N p N p
=
= =
VARIANZA DEL
ESTIMADOR
2
2
1
1
( ) ( )
L
i st i
i
V y N V y
N
=
= =
2
2
2
1
1
L
i i i
i
i i i
S N n
N
N n N
=
=
2
2 2
1
( ) ( )
L
i i i
st
i st
i i i
S N n
V N V y N
n N
= =
2
2
1
1
( ) ( )
L
i st i
i
V p N V p
N
=
= =
2
2
1
1
1
L
i i i i
i
i i i
p q N n
N
N n N
=
2 2
1
( ) ( )
1
L
i i i i
st
i st
i i i
p q N n
V N V p N
n N
= =
TAMAO
MUESTRAL
MEDIA
TOTAL
PROPORCION
TOTAL
FORMULACIN
GENERAL
2 2
1
2 2
1
L
i i
i i
L
i i
i
N
n
N D N
=
=
=
+
2
1
2
1
L
i i i
i i
L
i i i
i
N p q
n
N D N p q
=
=
=
+
313
MUESTREO ALEATORIO ESTRATIFICADO
TAMAO
MUESTRAL
MEDIA
TOTAL
PROPORCION
TOTAL
ASIGNACIN
PTIMA
1 1
2 2
1
( )
L L
i i
i i i
i i
i
L
i i
i
N
N c
c
error fijo B n
N D N
= =
=
=
+
1
1
( )
L
i i
i
i
L
i i i
i
N
C
c
coste fijo C n
N c
=
=
=
1
j j
j
j L
i i
i
i
N
c
N
c
=
=
1 1
2
1
L L
i i
i i i i i
i i i
L
i i i
i
p q
N p q c N
c
n
N D N p q
= =
=
=
+
1
1
L
i i
i
i i
L
i i i i
i
p q
C N
c
n
N p q c
=
=
=
1
j j
j
j
j
L
i i
i
i i
p q
N
c
p q
N
c
=
=
ASIGNACIN DE
NEYMAN
2
1
2 2
1
( )
L
i i
i
L
i i
i
N
n
N D N
=
=
=
+
1
j j
j L
i i
i
N
N
=
=
2
1
2
1
( )
L
i i i
i
L
i i i
i
N p q
n
N D N p q
=
=
=
+
1
j j j
j L
i i i
i
N p q
N p q
=
=
ASIGNACIN
PROPORCIONAL
2
1
2
1
1
L
i i
i
L
i i
i
N
n
ND N
N
=
=
=
+
j
j
N
N
=
1
1
1
L
i i i
i
L
i i i
i
N p q
n
ND N p q
N
=
=
=
+
j
j
N
N
=
D
2
( )
4
B
D media =
2
2
( )
4
B
D total
N
=
2
( )
4
B
D proporcion =
2
2
( )
4
B
D total
N
=
314
ESTIMACIN DE RAZN
RAZN
MEDIA
TOTAL
ESTIMADOR
1
1
n
i
i
n
i
i
y
y
r
x
x
=
=
= =
y x
r =
y
x
r =
VARIANZA RESIDUAL
( )
2
2
1
1
1
n
r i i
i
S y rx
n
=
=
VARIANZA DEL
ESTIMADOR
2
2
1
( )
r
x
N n S
V r
N n
=
2
2
( ) ( )
r
y x
N n S
V V r
N n
= =
2
2 2
( ) ( )
r
y
x
N n S
V V r N
N n
= =
DETERMINACIN DEL
TAMAO MUESTRAL
2
2
2
2
r
r
r
r
N
n S de una muestra previa
ND
= =
+
2 2
( )
4
x
B
D para estimar R
=
2 2
2
( ) ( )
4 4
y y
B B
D para estimar D para estimar
N
= =
315
ESTIMACIN DE REGRESIN
MEDIA
TOTAL
VARIANZA, COVARIANZA
Y COEF. DE
CORRELACIN
MUESTRALES
( ) ( )
2 2
2 2 2 2
1 1
1 1
( 1)
1
n n
x i x i x x
i i
S x x s x x n S ns
n n
= =
= = =
( )( ) ( )( )
1 1 1
1 1 1
1
n n n
xy i i xy i i i i
i i i
S x x y y s x x y y x y x y
n n n
= = =
= = =
2 2
2
2 2 2 2
xy xy
xy
x y x y
S s
r
S S s s
= =
ESTIMADOR
( )( )
( )
1
2 2
2
1
( )
n
i i
xy xy
i
yL x n
x x
i
i
x x y y
S s
y b x b
S s
x x
=
=
= + = = =
yL
yL
N =
VARIANZA RESIDUAL
ERROR TPICO DE
ESTIMACIN
( ) ( )
( )
2
2
2 2 2 2
2
1
1
( ) 1
2 2 2
n
xy
L i i y y xy
i
x
s
n n
S y y b x x s s r
n n s n
=
| |
= + = =
|
|
\ .
2
L L
S S =
VARIANZA DEL
ESTIMADOR
2
( )
L
yL
N n S
V
N n
=
2
( ) ( ) yL
yL
V N V =
DETERMINACIN DEL
TAMAO MUESTRAL
2
2
2
2
L
L
L
L
N
n S de una muestra previa
ND
= =
+
2 2
2
( ) ( )
4 4
y y
B B
D para estimar D para estimar
N
= =
316
ESTIMACIN DE DIFERENCIA
MEDIA
TOTAL
ESTIMADOR
( )
yD x x
y x d d y x = + = + =
yD
yD
N =
VARIANZA RESIDUAL
( ) ( )
2 2
2
1 1
1 1
( )
1 1
n n
D i i i i i i
i i
S y x d d d d y x
n n
= =
= + = =
VARIANZA DEL ESTIMADOR
2
( )
D
yD
N n S
V
N n
=
2
( ) ( ) yD
yD
V N V =
DETERMINACIN DEL
TAMAO MUESTRAL
2
2
2
2
D
D
D
D
N
n S de una muestra previa
ND
= =
+
2 2
2
( ) ( )
4 4
y y
B B
D para estimar D para estimar
N
= =
317
MUESTREO POR CONGLOMERADOS
MEDIA o PROPORCIN
TOTAL (M conocido)
TOTAL
NOTACIN
conglomerados en la poblacin N = conglomerados en la muestra n =
i
elementos en el conglomerado i m =
i
suma de las observaciones del conglomerado i y =
1
N
i
i
elementos en la poblacin M m
=
= =
1
n
i
i
elementos en la muestra m m
=
= =
1
1
N
i
i
tamao medio de los conglomerados de la poblacin M m
N
=
= =
1
1
n
i
i
tamao medio de los conglomerados de la muestra m m
n
=
= =
ESTIMADOR
1
1
n
i
i
n
i
i
y
y
m
=
=
= =
M y =
1
1
n
i t
i
y y
n
=
=
t
t
N y =
VARIANZA
DEL
ESTIMADOR
( )
2
2
1
1
1
n
c i i
i
S y ym
n
=
=
2
2
1
( )
c
S N n
V y
N n
M
=
2
2
( ) ( ) ( )
c
S
V M V y N N n
n
= =
( )
2
2
1
1
1
n
t i t
i
S y y
n
=
=
2
( )
t
t
S N n
V y
N n
=
2
2
( ) ( ) ( )
t
t
t
S
V N V y N N n
n
= =
TAMAO
MUESTRAL
2
2
2
2
c
c
c
c
de una muestra previa
N
n S
ND
= =
+
2
2
( )
4
B M
D media =
2
2
( )
4
B
D total
N
=
2
2
2
2
t
t
t
t
de una muestra previa
N
n S
ND
= =
+
2
2
( )
4
B
D total
N
=
318
ESTIMACIN DEL TAMAO DE LA POBLACIN
MUESTREO DIRECTO
MUESTREO INVERSO
NOTACIN
elementos marcados t =
total de elementos en la muestra de recaptura n =
elementos marcados en la muestra de recaptura s =
ESTIMADOR
t nt
N
s
p
= =
t nt
N
s
p
= =
PROPIEDADES DEL
ESTIMADOR
( )
( ) N N t
E N N
nt
= +
( )
2
3
( ) t n n s
V N
s
=
( )
E N N =
( )
2
2
( )
( 1)
t n n s
V N
s s
=
+
319
ESTIMACIN DEL TAMAO DE LA POBLACIN
MUESTREO POR CUADROS
DENSIDAD
TOTAL
NOTACIN
rea total A =
rea de cada cuadro a =
nmero de cuadros en la muestra n =
nmero medio de elementos por cuadro en la muestra m =
ESTIMADOR
m
a
=
M A =
VARIANZA DEL
ESTIMADOR
( )
V
an
=
( )
( )
2
2
A
V M A V
an
= =
CUADROS CARGADOS
DENSIDAD
TOTAL
NOTACIN
rea total A =
rea de cada cuadro a =
nmero de cuadros en la muestra n =
y = nmero total de cuadros no cargados
ESTIMADOR
1
ln
y
a n
| |
=
|
\ .
ln
A y
M A
a n
| |
= =
|
\ .
VARIANZA DEL
ESTIMADOR
( )
2
1 n y
V
a ny
=
( )
( )
2
2
2
A n y
V M A V
a ny
= =