UNIVERSIDAD ANDINA DEL CUSCO

FACULTAD DE INGENIERIA
PROGRAMA ACADEMICO PROFESIONAL DE INGENIERIA INDUSTRIAL TEMA:

MUESTREO
CURSO : ESTUDIO DE TRABAJO II

DOCENTE : ING. MACEDO RUEDA ALUMNA : VANESSA BEDOYA LICUONA

CUSCO - 2013

MUESTREO
CONCEPTO E IMPORTANCIA Es la actividad por la cual se toman ciertas muestras de una poblacin de elementos de los cuales vamos a tomar ciertos criterios de decisin, el muestreo es importante porque a travs de l podemos hacer anlisis de situaciones de una empresa o de algn campo de la sociedad. Una parte fundamental para realizar un estudio estadstico de cualquier tipo es obtener unos resultados confiables y que puedan ser aplicables. Como ya se coment anteriormente, resulta casi imposible o imprctico llevar a cabo algunos estudios sobre toda una poblacin, por lo que la solucin es llevar a cabo el estudio basndose en un subconjunto de sta denominada muestra. Sin embargo, para que los estudios tengan la validez y confiabilidad buscada es necesario que tal subconjunto de datos, o muestra, posea algunas caractersticas especficas que permitan, al final, generalizar los resultados hacia la poblacin en total. Esas caractersticas tienen que ver principalmente con el tamao de la muestra y con la manera de obtenerla. El muestreo es una herramienta de la investigacin cientfica. Su funcin bsica es determinar que parte de una realidad en estudio (poblacin o universo) debe examinarse con la finalidad de hacer inferencias sobre dicha poblacin. El error que se comete debido a hecho de que se obtienen conclusiones sobre cierta realidad a partir de la observacin de slo una parte de ella, se denomina error de muestreo. Obtener una muestra adecuada significa lograr una versin simplificada de la poblacin, que reproduzca de algn modo sus rasgos bsicos. MUESTRA En todas las ocasiones en que no es posible o conveniente realizar un censo, lo que hacemos es trabajar con una muestra, entendiendo por tal una parte representativa de la poblacin. Para que una muestra sea representativa, y por lo tanto til, debe de reflejar las similitudes y diferencias encontradas en la poblacin, ejemplificar las caractersticas de la misma. Cuando decimos que una muestra es representativa indicamos que rene aproximadamente las caractersticas de la poblacin que son importantes para la investigacin. Los estadsticos emplean la palabra muestra para describir una porcin escogida de la poblacin. Matemticamente, podemos describir muestras y poblaciones al emplear mediciones como la Media, Mediana, la moda, la desviacin estndar. Cuando estos trminos describen una muestra se denominan estadsticas.

Una estadstica es una caracterstica de una muestra, los estadsticos emplean letras latinas minsculas para denotar estadsticas y muestras.

TIPOS DE MUESTREO Los autores proponen diferentes criterios de clasificacin de los diferentes tipos de muestreo, aunque en general pueden dividirse en dos grandes grupos: mtodos de muestreo probabilsticos y mtodos de muestreo no probabilsticos. 1. Muestreo probabilstico Los mtodos de muestreo probabilsticos son aquellos que se basan en el principio de equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente, todas las posibles muestras de tamao n tienen la misma probabilidad de ser elegidas. Slo estos mtodos de muestreo probabilsticos nos aseguran la representatividad de la muestra extrada y son, por tanto, los ms recomendables. Dentro de los mtodos de muestreo probabilsticos encontramos los siguientes tipos: Muestreo aleatorio simple Muestreo estratificado Muestreo sistemtico Muestreo polietpico o por conglomerados

El mtodo otorga una probabilidad conocida de integrar la muestra a cada elemento de la poblacin, y dicha probabilidad no es nula para ningn elemento. 2. Los mtodos de muestreo no probabilisticos no garantizan la representatividad de la muestra y por lo tanto no permiten realizar estimaciones inferenciales sobre la poblacin. (En algunas circunstancias los mtodos estadsticos y epidemiolgicos permiten resolver los problemas de representatividad aun en situaciones de muestreo no probabilistico, por ejemplo los estudios de caso-control, donde los casos no son seleccionados aleatoriamente de la poblacin.)

Ventajas e inconvenientes de los distintos tipos de muestreo probabilstico: Para calcular el tamao de una muestra hay que tomar en cuenta tres factores: 1. El porcentaje de confianza con el cual se quiere generalizar los datos desde la muestra hacia la poblacin total.

2. El porcentaje de error que se pretende aceptar al momento de hacer la generalizacin. 3. El nivel de variabilidad que se calcula para comprobar la hiptesis. La confianza o el porcentaje de confianza es el porcentaje de seguridad que existe para generalizar los resultados obtenidos. Esto quiere decir que un porcentaje del 100% equivale a decir que no existe ninguna duda para generalizar tales resultados, pero tambin implica estudiar a la totalidad de los casos de la poblacin. Para evitar un costo muy alto para el estudio o debido a que en ocasiones llega a ser prcticamente imposible el estudio de todos los casos, entonces se busca un porcentaje de confianza menor. Comnmente en las investigaciones sociales se busca un 95%. El error o porcentaje de error equivale a elegir una probabilidad de aceptar una hiptesis que sea falsa como si fuera verdadera, o la inversa: rechazar a hiptesis verdadera por considerarla falsa. Al igual que en el caso de la confianza, si se quiere eliminar el riesgo del error y considerarlo como 0%, entonces la muestra es del mismo tamao que la poblacin, por lo que conviene correr un cierto riesgo de equivocarse.

Comnmente se aceptan entre el 4% y el 6% como error, tomando en cuenta de que no son complementarios la confianza y el error. La variabilidad es la probabilidad (o porcentaje) con el que se acept y se rechaz la hiptesis que se quiere investigar en alguna investigacin anterior o en un ensayo previo a la investigacin actual. El porcentaje con que se acept tal hiptesis se denomina variabilidad positiva y se denota por p, y el porcentaje con el que se rechaz se la hiptesis es la variabilidad negativa, denotada por q. Hay que considerar que p y q son complementarios, es decir, que su suma es igual a la unidad: p+q=1. Adems, cuando se habla de la mxima variabilidad, en el caso de no existir antecedentes sobre la investigacin (no hay otras o no se pudo aplicar una prueba previa), entonces los valores de variabilidad es p=q=0.5. Una vez que se han determinado estos tres factores, entonces se puede calcular el tamao de la muestra como a continuacin se expone. Hablando de una poblacin de alrededor de 10,000 casos, o mnimamente esa cantidad, podemos pensar en la manera de calcular el tamao de la muestra a travs de las siguientes frmulas. Hay que mencionar que estas frmulas se pueden aplicar de manera aceptable pensando en instrumentos que no incluyan preguntas abiertas y que sean un total de alrededor de 30.

Vamos a presentar dos frmulas, siendo la primera la que se aplica en el caso de que no se conozca con precisin el tamao de la poblacin, y es:

Dnde: n es el tamao de la muestra; Z es el nivel de confianza; p es la variabilidad positiva; q es la variabilidad negativa; E es la precisin o error. Hay que tomar nota de que debido a que la variabilidad y el error se pueden expresar por medio de porcentajes, hay que convertir todos esos valores a proporciones en el caso necesario. Tambin hay que tomar en cuenta que el nivel de confianza no es ni un porcentaje, ni la proporcin que le correspondera, a pesar de que se expresa en trminos de porcentajes. El nivel de confianza se obtiene a partir de la distribucin normal estndar, pues la proporcin correspondiente al porcentaje de confianza es el rea simtrica bajo la curva normal que se toma como la confianza, y la intencin es buscar el valor Z de la variable aleatoria que corresponda a tal rea. Por ejemplo: Si se quiere un porcentaje de confianza del 95%, entonces hay que considerar la proporcin correspondiente, que es 0.95. Lo que se buscara en seguida es el valor Z para la variable aleatoria z tal que el rea simtrica bajo la curva normal desde -Z hasta Z sea igual a 0.95, es decir, P(-Z<z<Z)=0.95. Utilizando las tablas, o la funcin DISTR.NORM.ESTAND.INV() del Excel, se puede calcular el valor de Z, que sera 1.96 (con una aproximacin a dos decimales). Esto quiere decir que P (-1.96<z<1.96)=0.95. En el caso de que s se conozca el tamao de la poblacin entonces se aplica la siguiente frmula:

Dnde: n es el tamao de la muestra; Z es el nivel de confianza; p es la variabilidad positiva; q es la variabilidad negativa; N es el tamao de la poblacin; E es la precisin o el error. La ventaja sobre la primera frmula es que al conocer exactamente el tamao de la poblacin, el tamao de la muestra resulta con mayor precisin y se pueden

incluso ahorrarse recursos y tiempo para la aplicacin y desarrollo de una investigacin. Por ejemplo: En el Colegio de Bachilleres, una institucin de nivel medio superior, se desea realizar una investigacin sobre los alumnos inscritos en primer y segundo aos, para lo cual se aplicar un cuestionario de manera aleatoria a una muestra, pues los recursos econmicos y el tiempo para procesar la informacin resultara insuficiente en el caso de aplicrsele a la poblacin estudiantil completa. En primera instancia, suponiendo que no se conoce el tamao exacto de la poblacin, pero con la seguridad de que sta se encuentra cerca a los diez millares, se aplicar la primera frmula. Se considerar una confianza del 95%, un porcentaje de error del 5% y la mxima variabilidad por no existir antecedentes en la institucin sobre la investigacin y porque no se puede aplicar una prueba previa. Primero habr que obtener el valor de Z de tal forma que la confianza sea del 95%, es decir, buscar un valor de Z tal que P(-Z<z<Z)=0.95. Utilizando las tablas o las funciones de Excel se pueden obtener, o viendo (en este caso) el ejemplo anterior, resulta que Z=1.96. De esta manera se realiza la sustitucin y se obtiene:

Esto quiere decir que el tamao de la muestra es de 385 alumnos. Supongamos ahora que s se conoce el tamao de la poblacin estudiantil y es de 9,408, entonces se aplicar la segunda frmula. Utilizando los mismos parmetros la sustitucin queda como:

Con lo que se tiene una cota mnima de 370 alumnos para la muestra y as poder realizar la investigacin sin ms costo del necesario, pero con la seguridad de que las condiciones aceptadas para la generalizacin (confiabilidad, variabilidad y error) se mantienen. IMPORTANCIA DEL MUESTREO A lo largo del curso se hacen uso de dos tipos de razonamiento: el deductivo y el inductivo. El primero est relacionado directamente con la teora de probabilidad, que a partir de las caractersticas de la poblacin se obtienen las posibles caractersticas de una muestra. El segundo tipo de razonamiento se relaciona con la denominada inferencia estadstica: encaminado a utilizar las caractersticas de un subconjunto de la poblacin (la muestra) para hacer afirmaciones (inferir) sobre la poblacin en general. ste ser el caso de esta unidad.

El muestro, como ya se mencion, implica algo de incertidumbre que debe ser aceptada para poder realizar el trabajo, pues aparte de estudiar una poblacin resulta ser un trabajo en ocasiones demasiado grande, Wonnacott y Wonnacott ofrecen las siguientes razones extras: Recursos limitados: Es decir, no existen los recursos humanos, materiales o econmicos para realizar el estudio sobre el total de la poblacin. Es como cuando se compra un aparato, un automvil usado (por ejemplo), que se prueba unos minutos (el encendido, una carrerita, etc.) para ver si funciona correctamente y luego se adquiere, pero no se espera a probarlo toda la vida (encendindolo y apagndolo o, simplemente, dejndolo encendida) antes de realizar la adquisicin. Escasez: Es el caso en que se dispone de una sola muestra. Por ejemplo, para el estudio paleontolgico de los dinosaurios (el Tiranosaurio Rex por ejemplo) sera muy bueno contar con, al menos, muchos restos fsiles y as realizar tales investigaciones; sin embargo, se cuenta slo con una docena de esqueletos fosilizados (casi todos incompletos) de esas criaturas en todo el mundo. Pruebas destructivas: Es el caso en el que realizar el estudio sobre toda la poblacin llevara a la destruccin misma de la poblacin. Por ejemplo, si se quisiese saber el conteo exacto de hemoglobina de una persona habra que extraerletoda la sangre. El muestreo puede ser ms exacto: Esto es en el caso en el que el estudio sobre la poblacin total puede causar errores por su tamao o, en el caso de los censos, que sea necesario utilizar personal no lo suficientemente capacitado; mientras que, por otro lado, el estudio sobre una muestra podra ser realizada con menos personal pero ms capacitado. Ya que hemos mencionado la necesidad de realizar muestras, continuaremos con algunas caractersticas que deben tener stas para que, realmente, se puedan realizar inferencias (inducciones) sobre ellas hacia la poblacin total.

MUESTRA Y CENSO Aparentemente puede parecer ms conveniente inspeccionar de manera completa todos los elementos de una poblacin que estudiar una muestra. En la prctica es lo contrario es ms conveniente el muestreo que un censo por las siguientes razones: 1. La poblacin puede ser infinita en cuyo caso sera imposible efectuar un censo. 2. Una muestra puede ser ms oportuna que un censo. Esto dado en funcin del tiempo de obtener los resultados. 3. Pueden incluir ensayos destructivos. 4. El costo de efectuar un censo puede ser alto. 5. La exactitud de los resultados puede afectarse al realizar un censo. 6. El tipo de informacin puede depender de si se utiliza una muestra o censo.

Hay algunas situaciones en las que resulta ms ventajoso realizar un censo: 1. Que la poblacin sea pequea y el costo no sea alto. 2. Si el tamao de la muestra es grande en relacin al tamao de la poblacin, el esfuerzo al realizar un censo es pequeo. 3. Si se requiere exactitud completa, solo con el censo se logra. 4. Ocasionalmente se dispone de la informacin completa, por lo que no es necesario muestrear. MUESTRAS Y POBLACIONES Un censo comprende el examen de todos los elementos de un determinado grupo, mientras que el muestreo comprende el anlisis de una pequea parte de ellos. El objetivo del muestreo es establecer generalizaciones con respecto a un grupo total de elementos sin tener que examinarlos uno por uno. La parte del grupo de elementos que se examinan recibe el nombre de muestra, y el grupo total de la cual se obtuvo la muestra es la poblacin. Los elementos de una poblacin pueden ser personas, ciudades o cualquier cosa que se pueda medir, contar o jerarquizar. El fin del muestreo es generalizar con respecto a la poblacin fundamental, es axiomtico que la poblacin objetivo se deba establecer de manera que se puedan hacer generalizaciones significativas. Las poblaciones de tamao limitado se conocen como poblaciones finitas, sin embargo las de tamao ilimitado se conocen como poblaciones infinitas. Las poblaciones infinitas generalmente son de cierto tipo de proceso que produce elementos o resultados como la tirada de monedas, en el cual el nmero de resultados (caras o cruces) que se obtienen es ilimitado.

MUESTREO A PARTIR DE UNA POBLACIN FINITA Si el tamao de la muestra es pequeo en relacin con el de la poblacin, el no regresar los objetos muestreados tendr un efecto insignificante sobre las probabilidades de los objetos restantes y muestrear sin reposicin no causar serias dificultades.

Muestras relativamente grandes tiende a distorsionar las probabilidades de los elementos restantes, de esa cuenta una regla aceptada es que si la muestra excede del 5% se debe sustituir unidades. Razones del muestreo sin reposicin: 1. Los efectos son insignificantes. 2. Si se realizan ensayos destructivos, ser posible regresar los elementos muestreados a la poblacin. 3. Al regresar un objeto muestreado hay la posibilidad de incluirlo en estudios posteriores. El muestreo sin reposicin es necesario cuando el tamao de la muestra es relativamente grande en comparacin con el tamao de la poblacin. MTODOS DE MUESTREO Es el proceso por el cual se seleccionan los individuos que formarn una muestra. Para que se puedan obtener conclusiones fiables para la poblacin a partir de la muestra, es importante tanto su tamao como el modo en que han sido seleccionados los individuos que la componen. El tamao de la muestra depende de la precisin que se quiera conseguir en la estimacin que se realice a partir de ella. Para su determinacin se requieren tcnicas estadsticas superiores, pero resulta sorprendente cmo, con muestras notablemente pequeas, se pueden conseguir resultados suficientemente precisos. Por ejemplo, con muestras de unos pocos miles de personas se pueden estimar con muchsima precisin los resultados de unas votaciones en las que participarn decenas de millones de votantes. Para seleccionar los individuos de la muestra es fundamental proceder aleatoriamente, es decir, decidir al azar qu individuos de entre toda la poblacin forma parte de la muestra. Si se procede como si de un sorteo se tratara, eligiendo directamente de la poblacin sin ningn otro condicionante, el muestreo se llama aleatorio simple o irrestrictamente aleatorio. Cuando la poblacin se puede subdividir en clases (estratos) con caractersticas especiales, se puede muestrear de modo que el nmero de individuos de cada estrato en la muestra mantenga la proporcin que exista en la poblacin. Una vez fijado el nmero que corresponde a cada estrato, los individuos se designan aleatoriamente. Este tipo de muestreo se denomina aleatorio estratificado con asignacin proporcional. Las inferencias realizadas mediante muestras seleccionadas aleatoriamente estn sujetas a errores, llamados errores de muestreo, que estn controlados. Si la muestra est mal elegida no es significativa se producen errores sistemticos no controlados. DISEO DE MUESTRA

El diseo de muestra o diseo de encuesta especifica el mtodo de obtencin de la muestra. El diseo no especifica la forma de recolectar o medir los datos reales. Especifica nicamente el mtodo de recoleccin de los objetos que contienen la informacin requerida. Estos objetos se llaman elementos. Un elemento es un objeto del cual se toma una medicin. Los elementos pueden ocurrir individualmente o en grupos en la poblacin. Un grupo de elementos, como una familia o una caja de cerillos se llaman unidad de muestreo. Las unidades de muestreo son colecciones disjuntas de elementos de la poblacin. En algunos casos una unidad muestral est constituida por un solo elemento. Para seleccionar una muestra aleatoria de unidades de elementos muestrales, es necesaria una lista de todas las unidades muestrales contenidas en la poblacin. Esta lista se le denomina marco muestral. Un marco muestral es una lista de unidades mustrales. TERMINOLOGA BSICA PARA EL MUESTREO Los nuevos trminos, los cuales son frecuentemente usados en inferencia estadstica son: Estadstico: Un estadstico es una medida usada para describir alguna caracterstica de una muestra , tal como una media aritmtica, una mediana o una desviacin estndar de una muestra. Es decir los datos o medidas que se obtienen sobre una muestra y por lo tanto una estimacin de los parmetros. Parmetro: Son las medidas o datos que se obtienen sobre la distribucin de probabilidades de la poblacin, tales como la media, la varianza, la proporcin, etc. Un parmetro es una medida usada para describir alguna caracterstica de una poblacin, tal como una media aritmtica, una mediana o una desviacin estndar de una poblacin.

Cuando los dos nuevos trminos de arriba son usados, por ejemplo, el proceso de estimacin en inferencia estadstica puede ser descrito como le proceso de estimar un parmetro a partir del estadstico correspondiente, tal como usar una media muestral (un estadstico para estimar la media de la poblacin (un parmetro).Los smbolos usados para representar los estadsticos y los parmetros, en ste y los siguientes captulos, son resumidos en la tabla siguiente: Smbolos para estadsticos y parmetros correspondientes Medida Smbolo para el estadstico Smbolo para el parmetro (muestra) (Poblacin) Media X Desviacin estndar s Nmero de elementos n N Proporcin p P

NIVEL DE CONFIANZA Probabilidad de que la estimacin efectuada se ajuste a la realidad. Cualquier informacin que queremos recoger est distribuida segn una ley de probabilidad (Gauss o Student), as llamamos nivel de confianza a la probabilidad de que el intervalo construido en torno a un estadstico capte el verdadero valor del parmetro. VARIANZA POBLACIONAL Cuando una poblacin es ms homognea la varianza es menor y el nmero de entrevistas necesarias para construir un modelo reducido del universo, o de la poblacin, ser ms pequeo. Generalmente es un valor desconocido y hay que estimarlo a partir de datos de estudios previos. INFERENCIA ESTADSTICA Trata el problema de la extraccin de la informacin sobre la poblacin contenida en las muestras. Para que los resultados obtenidos de los datos muestrales se puedan extender a la poblacin, la muestra debe ser representativa de la poblacin en lo que se refiere a la caracterstica en estudio, o sea, la distribucin de la caracterstica en la muestra debe ser aproximadamente igual a la distribucin de la caracterstica en la poblacin. La representatividad en estadstica se logra con el tipo de muestreo adecuado que siempre incluye la aleatoriedad en la seleccin de los elementos de la poblacin que formaran la muestra. No obstante, tales mtodos solo nos garantizan una representatividad muy probable pero no completamente segura. Despus de estos preliminares imprescindibles es posible pasar a tratar algunas de las formas que desde el punto de vista cientfico se puede extraer una muestra. Al realizar un muestreo en una poblacin podemos hablar de muestreos probabilsticos y no probabilsticos, en nuestro caso nos referiremos a los muestreos probabilsticos y dentro del mismo estudiaremos el muestreo aleatorio simple (MAS), como mtodo bsico en la estadstica, dejando afuera el muestreo estratificado y el muestreo por racimos ya que no es parte de sta investigacin. DISTRIBUCIN EN EL MUESTREO Cuando el tamao de la muestra (n) es ms pequeo que el tamao de la poblacin (N), dos o ms muestras pueden ser extradas de la misma poblacin. Un cierto estadstico puede ser calculado para cada una de las muestras posibles extradas de la poblacin. Una distribucin del estadstico obtenida de las muestras es llamada la distribucin en el muestreo del estadstico. Por ejemplo, si la muestra es de tamao 2 y la poblacin de tamao 3 (elementos A, B, C), es posible extraer 3 muestras (AB, BC Y AC) de la poblacin. Podemos

calcular la media para cada muestra. Por lo tanto, tenemos 3 medias mustrales para las 3 muestras. Las 3 medias mustrales forman una distribucin. La distribucin de las medias es llamada la distribucin de las medias mustrales, o la distribucin en el muestreo de la media. De la misma manera, la distribucin de las proporciones (o porcentajes) obtenida de todas las muestras posibles del mismo tamao, extradas de una poblacin, es llamada la distribucin en el muestreo de la proporcin.

ERROR ESTNDAR La desviacin estndar de una distribucin, en el muestreo de un estadstico, es frecuentemente llamada el error estndar del estadstico. Por ejemplo, la desviacin estndar de las medias de todas la muestras posibles del mismo tamao, extradas de una poblacin, es llamada el error estndar de la media. De la misma manera, la desviacin estndar de las proporciones de todas las muestras posibles del mismo tamao, extradas de una poblacin, es llamada el error estndar de la proporcin. La diferencia entre los trminos "desviacin estndar" y "error de estndar" es que la primera se refiere a los valores originales, mientras que la ltima est relacionada con valores calculados. Un estadstico es un valor calculado, obtenido con los elementos incluidos en una muestra. ERROR MUESTRAL, DE ESTIMACIN O STANDARD Es la diferencia entre un estadstico y su parmetro correspondiente. Es una medida de la variabilidad de las estimaciones de muestras repetidas en torno al valor de la poblacin, nos da una nocin clara de hasta dnde y con qu probabilidad una estimacin basada en una muestra se aleja del valor que se hubiera obtenido por medio de un censo completo. Siempre se comete un error, pero la naturaleza de la investigacin nos indicar hasta qu medida podemos cometerlo (los resultados se someten a error muestral e intervalos de confianza que varan muestra a muestra). Vara segn se calcule al principio o al final. Un estadstico ser ms preciso en cuanto y tanto su error es ms pequeo. Podramos decir que es la desviacin de la distribucin muestral de un estadstico y su fiabilidad. La diferencia entre el resultado obtenido de una muestra (un estadstico) y el resultado el cual deberamos haber obtenido de la poblacin (el parmetro correspondiente) se llama el error muestral o error de muestreo. Un error de muestreo usualmente ocurre cuando no se lleva a cabo la encuesta completa de la poblacin, sino que se toma una muestra para estimar las caractersticas de la poblacin. El error muestral es medido por el error estadstico, en trminos de probabilidad, bajo la curva normal. El resultado de la media indica la precisin de la estimacin de la poblacin basada en el estudio de la muestra. Mientras ms pequeo es el error de muestras, mayor es la precisin de la estimacin. Deber hacerse notar que los errores cometidos en una encuesta por muestreo, tales

como respuestas inconsistentes, incompletas o no determinadas, no son considerados como errores mustrales. Los errores no mustrales pueden tambin ocurrir en una encuesta completa de la poblacin.

MTODOS DE SELECCIN DE MUESTRAS Una muestra debe ser representativa si va a ser usada para estimar las caractersticas de la poblacin. Los mtodos para seleccionar una muestra representativa son numerosos, dependiendo del tiempo, dinero y habilidad disponibles para tomar una muestra y la naturaleza de los elementos individuales de la poblacin. Por lo tanto, se requiere un gran volumen para incluir todos los tipos de mtodos de muestreo. Los mtodos de seleccin de muestras pueden ser clasificados de acuerdo a: 1. El nmero de muestras tomadas de una poblacin dada para un estudio. 2. La manera usada en seleccionar los elementos incluidos en la muestra. Mtodos de muestreo clasificados de acuerdo con el nmero de muestras tomadas de una poblacin. Bajo esta clasificacin, hay tres tipos comunes de mtodos de muestreo, estos son, muestreo simple, doble y mltiple: Muestreo simple: Este tipo de muestreo toma solamente una muestra de una poblacin dada para el propsito de inferencia estadstica. Puesto que solamente una muestra es tomada, el tamao de muestra debe ser lo suficientemente grande para extraer una conclusin. Una muestra grande muchas veces cuesta demasiado dinero y tiempo. Muestreo doble: Bajo este tipo de muestreo, cuando el resultado del estudio de la primera muestra no es decisivo, una segunda muestra es extrada de la misma poblacin. Las dos muestras son combinadas para analizar los resultados. Este mtodo permite a una persona principiar con una muestra relativamente pequea para ahorrar costos y tiempo. Si la primera muestra arroja una resultado definitivo, la segunda muestra puede no necesitarse. Por ejemplo, al probar la calidad de un lote de productos manufacturados, si la primera muestra arroja una calidad muy alta, el lote es aceptado; si arroja una calidad muy pobre, el lote es rechazado. Solamente si la primera muestra arroja una calidad intermedia, ser requerir la segunda muestra. Un plan tpico de muestreo doble puede ser obtenido de la Military Standard Sampling Procedures and Tables for Inspection by Attributes, publicada por el Departamento de Defensa y tambin usado por muchas industrias privadas. Al probar la calidad de un lote consistente de 3,000 unidades manufacturadas, cuando el nmero de defectos encontrados en la primera muestra de 80 unidades es de 5 o menos, el lote es considerado bueno y es aceptado; si el nmero de defectos es 9 o ms, el lote es considerado pobre y es rechazado; si el

nmero est entre 5 y 9, no puede llegarse a una decisin y una segunda muestra de 80 unidades es extrada del lote. Si el nmero de defectos en las dos muestras combinadas (incluyendo 80 + 80 = 160 unidades) es 12 o menos, el lote es aceptado si el nmero combinado es 13 o ms, el lote es rechazado. Muestreo mltiple: El procedimiento bajo este mtodo es similar al expuesto en el muestreo doble, excepto que el nmero de muestras sucesivas requerido para llegar a una decisin es ms de dos muestras.

MTODOS DE MUESTREO CLASIFICADOS DE ACUERDO CON LAS MANERAS USADAS EN SELECCIONAR LOS ELEMENTOS DE UNA MUESTRA Muestreo de juicio: Una muestra es llamada muestra de juicio cuando sus elementos son seleccionados mediante juicio personal. La persona que selecciona los elementos de la muestra, usualmente es un experto en la medida dada. Una muestra de juicio es llamada una muestra probabilstica, puesto que este mtodo est basado en los puntos de vista subjetivos de una persona y la teora de la probabilidad no puede ser empleada para medir el error de muestreo, Las principales ventajas de una muestra de juicio son la facilidad de obtenerla y que el costo usualmente es bajo. Muestreo aleatorio: Consideremos una poblacin finita, de la que deseamos extraer una muestra. Cuando el proceso de extraccin es tal que garantiza a cada uno de los elementos de la poblacin la misma oportunidad de ser incluidos en dicha muestra, denominamos al proceso de seleccin muestreo aleatorio. El muestreo aleatorio se puede plantear bajo dos puntos de vista: Sin reposicin de los elementos; Con reposicin. Muestreo aleatorio sin reposicin: Consideremos una poblacin E formada por N elementos. Si observamos un elemento particular, e E, en un muestreo aleatorio sin reposicin se da la siguiente circunstancia: La probabilidad de que e sea elegido en primer lugar es 1/N ; Si no ha sido elegido en primer lugar (lo que ocurre con una probabilidad de (N-1)/N, la probabilidad de que sea elegido en el segundo intento es de 1/(N-1) en el (i+1)-simo intento, la poblacin consta de N-i elementos, con lo cual si e no ha sido seleccionado previamente, la probabilidad de que lo sea en este momento es de1/(n-i). Si consideramos una muestra de n<N elementos, donde el orden en la eleccin de los mismos tiene importancia, la probabilidad de eleccin de una muestra cualquiera es

Lo que corresponde en el sentido de la definicin de probabilidad de Laplace a un caso posible entre las VN,n posibles n-uplas de N elementos de la poblacin. Si el orden no interviene, la probabilidad de que una muestra

Sea elegida es la suma de las probabilidades de elegir una cualquiera de sus nuplas, tantas veces como permutaciones en el orden de sus elementos sea posible, es decir

Muestreo aleatorio con reposicin: Sobre una poblacin E de tamao N podemos realizar extracciones de n elementos, pero de modo que cada vez el elemento extrado es repuesto al total de la poblacin. De esta forma un elemento puede ser extrado varias veces. Si el orden en la extraccin de la muestra interviene, la probabilidad de una cualquiera de ellas, formada por n elementos es:

Si el orden no interviene, la probabilidad de una muestra cualquiera, ser la suma de la anterior, repitindola tantas veces como manera de combinar sus elementos sea posible. Es decir, Sea n1 el nmero de veces que se repite cierto elemento e1 en la muestra; Sea n2 el nmero de veces que se repite cierto elemento e2;

Sea nk el nmero de veces que se repite cierto elemento ek, de modo que n=n1+....+nk. Entonces la probabilidad de obtener la muestra

es

es decir,

El muestreo aleatorio con reposicin es tambin denominado muestreo aleatorio simple, que como hemos mencionado se caracteriza por que cada elemento de la poblacin tiene la misma probabilidad de ser elegido, y las observaciones se realizan con reemplazamiento. De este modo, cada observacin es realizada sobre la misma poblacin (no disminuye con las extracciones sucesivas). En una muestra aleatoria simple, cada observacin tiene la distribucin de probabilidad de la poblacin: Adems todos las observaciones de la v.a. son independientes. Muestreo aleatorio simple (m.a.s.): La inferencia estadstica establece ciertos juicios despus de examinar solamente una parte o muestra de ello. As se prueba un pedazo de pastel para saber si ya est fro, el cocinero prueba la sopa para saber si necesita ms sazn. El muestreo estadstico es semejante a cada uno de los anteriores, aunque sus mtodos son ms formales y precisos y generalmente incluyen una proporcin de la probabilidad. El muestreo y la probabilidad estn unidos estrechamente constituyendo la Teora de la Inferencia. Es aquel en que cada elemento de la poblacin tiene la misma probabilidad de ser seleccionado para integrar la muestra. Una muestra simple aleatoria es aquella en que sus elementos son seleccionados mediante el muestreo aleatorio simple. En la prctica no nos interesa el individuo o elemento de la poblacin seleccionado en general, sino solo una caracterstica que mediremos u observaremos en l y cuyo valor ser el valor de una variable aleatoria que en cada individuo o elemento de la poblacin puede tomar un valor que ser un elemento de cierto conjunto de valores. De modo que una muestra simple aleatoria se puede interpretar como un conjunto de valores de variables aleatorias independientes, cada una de las cuales tiene la misma distribucin que es llamada distribucin poblacional.

Existen dos formas de extraer una muestra de una poblacin: con reposicin y sin reposicin. Una muestra aleatoria simple es seleccionada de tal manera que cada muestraposible del mismo tamao tiene igual probabilidad de ser seleccionada de la poblacin.

Un mtodo simple para obtener una muestra aleatoria simple es primero escribir el nombre o un nmero codificado de cada elemento en la poblacin sobre una tarjeta. Las tarjetas son colocadas en una caja. Una muestra entonces extrada de la caja despus de que las tarjetas han sido perfectamente mezcladas. Por conveniencia este mtodo puede ser reemplazado por una tabla de nmeros aleatorios, tales como los que se muestran adelante. La tabla se construye extrayendo cada uno de los dgitos del 0 al 9 sobre una base de igualmente probables; es decir, cada uno de los 10 dgitos tiene la misma probabilidad (1/10) de ser seleccionados. Los 10 dgitos son escritos en tarjetas separadas y son mezclados en una caja. Una tarjeta es extrada y se registra el dgito que aparece en la tarjeta. Una segunda tarjeta es extrada despus de que la primera tarjeta ha sido regresada a la caja los10 dgitos en la caja son de nuevo mezclados perfectamente. Cuando se han registrado 5 dgitos, el siguiente dgito se registra en un grupo separado hasta que se obtiene un gran nmero de grupos. Obtener una muestra aleatoria simple no es una tarea fcil o prctica bajo muchas circunstancias. Puede ser una tarea tardada o costosa y algunas veces es tericamente imposible. Cuando la poblacin es infinita, es obvio que la tarea de numerar cada elemento de la poblacin es imposible. Llamamos muestreo aleatorio simple al que se utiliza con reemplazamiento, consistente en seleccionar n elementos de entre N que componen la poblacin, de tal forma que todas las muestras de tamao n que se puedan formar tengan la misma probabilidad de salir elegidas y las mismas sean independientes, en el caso de que N sea grande no es preocupante que se haga sin reemplazamiento, ya que por ejemplo 1/N no difiere mucho de 1/N-1. Esta probabilidad es: p = n/N En la prctica equivale a numerar la poblacin objeto de estudio, sacando al azar cada uno de los nmeros que van a formar la muestra y aunque en la prctica, a pesar de ser el muestro con reemplazamiento, si el elemento (caso de que sea un individuo para hacer un test u otro caso similar) pueda volver a ser elegido este se desprecia ya que no tiene sentido entrevistar al mismo en ms de una ocasin y es por este consenso que se tiende a confundir y expresar que el muestreo aleatorio simple tiene como condicin que se hace sin reemplazamiento. Para llevar a cabo esta labor varios procedimientos como el del bombo, consistente en introducir tantas bolas como elementos tenga la poblacin en un bombo y elegir tantas bolas como elementos tenga la muestra.

Este procedimiento adems de ser muy laborioso puede inducir a error debido a defectos de las bolas, al bombo o a cualquier otro factor, por lo que es preciso sustituirlo por otro mucho ms aleatorio. El procedimiento ms utilizado es el de las tablas de nmeros aleatorios que consiste en seleccionar en una tabla de nmeros en grupos de cuatro dgitos formando filas y columnas; estas se encuentran en muchos libros de Estadstica sobre todo, los que tienen como captulo La Teora del Muestreo. OBTENCIN DE UNA MUESTRA ALEATORIA Si una poblacin es infinita, anotando los elementos en el orden en que ocurren, es posible obtener una muestra que sea representativa del proceso (muestra aleatoria). En tanto que el proceso en consideracin se mantienen estable durante el perodo en el que se hacen las observaciones (de manera que la probabilidad de cada resultado posible permanece constante), es posible considerar el proceso y la muestra resultante como aleatorias. As es exactamente como se considerar las tiradas sucesivas de una moneda normal y las de dados no cargados. Si la poblacin objetiva es finita, esencialmente hay dos formas de seleccionar una muestra aleatoria simple. Un mtodo consiste en elaborar una lista, o marco de referencia de cada uno de los elementos de la poblacin, y aplicar despus un mtodo aleatorio a la lista, para seleccionar los elementos que se habrn de muestrear. El segundo mtodo se utiliza cuando los objetos que forman la poblacin no se identifican claramente, lo que imposibilita un listado. MTODO DE SELECCIN EN EL MUESTREO ALEATORIO SIMPLE. Un procedimiento de extraer una muestra aleatoria de una poblacin finita es el de enumerar todos los elementos que conforman la poblacin, escribir esos nmeros en bolas o papelitos echarlos en un bombo o bolsa mezclarlos bien removindolos y sacar uno a uno tantos como lo indique el tamao de la muestra. En este caso los elementos de la muestra lo constituirn los elementos de la poblacin cuyos nmeros coincidan con los extrados de la bolsa o bombo. Otro procedimiento para obtener una muestra de una poblacin ya sea el muestreo con replazo o sin reemplazo es mediante la utilizacin de la tabla de nmeros aleatorios pero solamente para poblaciones finitas, la utilizacin de estas tablas puede realizarse de diferentes modos pero en el presente trabajo solo expondremos el que consideramos mas eficiente ya que no se necesita de la bsqueda de una gran cantidad innecesaria de nmeros aleatorios en la tabla, el cual ser ejemplificado. Existen diferentes tablas de nmeros aleatorios nosotros en nuestro trabajo utilizaremos como referencia la tabla de M. G. Kendall y B. Babington Smith que se encuentra en el texto de tablas estadsticas, la misma est constituida por 4 bloques de 1000 nmeros aleatorios dispuestos en 25 filas y 40 columnas. Veamos como se procede para la utilizacin de la tabla. Consideremos que se desea extraer de una poblacin de tamao N una muestra de tamao n se selecciona el bloque, la fila y la columna de la tabla que se va a comenzar, a partir de esta seleccin (que la hace el muestrista) se toman tantas columnas como

dgitos tiene N. Comenzando por el primer nmero de las columnas seleccionadas se irn incluyendo en la muestra aquellos individuos que en la lista de la poblacin ( ya sea de forma horizontal o vertical) ocupa la posicin de los n nmeros de las columnas seleccionadas que resultan menores que N, en los caso que al seleccionar un nmero en la tabla de nmeros aleatorios sea mayor que N se divide este por N y el resto de la divisin que ser un nmero entre 0 y N-1 ser la posicin del individuo a seleccionar tomando el convenio de que el resto 0 corresponde a la posicin N. Para la aplicacin de este procedimiento requiere que se fije previamente el mayor mltiplo de N que se considerar, para as garantizar que todos los restos desde 0 a N -1 tengan la misma probabilidad de ser seleccionados, por ejemplo si N = 150 y tomando 3 columnas se consideraran slo aquellos nmeros menores o iguales que 900, los nmeros mayores que 900 no sern analizados en la seleccin de la muestra. Ejemplo 1.1: Dada la siguiente poblacin formada por la edad del hijo mayor de 200 ncleos familiares de una cierta regin. Seleccione una muestra aleatoria de tamao 10 (use la tabla de nmeros aleatorios, escoja la tercera fila, tercera columna del segundo bloque de a 1000) numere la poblacin horizontalmente. 48 53 42 46 45 46 33 48 44 49 37 44 52 43 41 45 45 54 42 49 50 51 48 54 46 40 49 43 49 48 40 53 38 57 42 51 48 37 50 47 51 50 61 51 52 52 44 48 45 46 47 52 47 44 43 51 52 51 46 49 47 46 39 46 42 40 41 46 46 49 50 48 53 45 53 50 50 48 47 48 48 53 44 42 44 51 50 45 46 44 52 57 39 54 45 46 47 51 47 46 55 52 49 45 51 45 48 47 52 53 46 39 42 55 47 48 48 51 46 52 44 47 49 52 47 47 49 44 40 62 41 48 51 56 46 47 56 47 49 54 47 44 42 53 42 42 53 49 47 44 51 46 47 46 42 45 50 47 41 38 43 40 43 47 43 43 40 50 35 37 38 38 50 49 49 34 46 33 48 42 47 47 46 42 45 50 47 41 38 43

53

43

42

39

46

52

53

39

51

40

Para extraer la muestra lo primero que hacemos es disponer tres columnas en las cuales la primera se ubicaran los nmeros aleatorios, es decir los nmeros extrados de la tabla de nmeros aleatorios; en la segunda columna pondremos Los nmeros aleatorios rectificados que sern aquellos nmeros aleatorios menores que N =200 y los restos de las divisiones de los nmeros aleatorios mayores que N =200 y menores que el mayor mltiplo de N es decir 800 y en la tercera columna de encontrara los valores de la muestra. En la tabla de nmeros aleatorios la tercera fila, tercera columna del segundo bloque de a 1000 le corresponde al nmero 3 pero como tenemos que coger el nmero aleatorio de tres dgitos el primer nmero aleatorio sera el 017, los dems serian, 984, 955, 130, 850, 374, 665, 910, 288, 753, 765, 691, 496, 001, hemos escogido 14 nmeros de la tabla de nmeros aleatorios debido a que hay 4 que son mayores que 800. Veamos a continuacin como extraemos la muestra de la poblacin: Para el primer nmero aleatorio 017 se busca en la poblacin el valor que ocupa la posicin 017 leda la poblacin horizontalmente que seria la edad de 48 aos, el nmero aleatorio 984 no se contempla dentro del anlisis ya que es mayor que 800, al igual que el nmero 955, el nmero 130, le corresponde la edad de 52 aos, al nmero 850 no se contempla dentro del anlisis, el 374 como es mayor que 200 se divide por 200 y se obtiene reto 174 y este es el nmero aleatorio rectificado correspondindole la edad de 53 aos, al nmero 665 se divide por 200 y se obtiene resto 65 que es el nmero aleatorio rectificado correspondindole la edad de 44 aos en la poblacin, a continuacin presentaremos la tabla de las tres columnas a la cual nos referimos anteriormente como una va fcil y prctica para obtener la muestra deseada.

Nmero aleatorio 017 984 955 130 850 374 665

Nmero rectificado 017 --130 -174 065

aleatorio muestra 48

42

53 53

910 288 753 765 691 496 001

-088 153 165 091 096 001 44 44 39 49 51 48

Nota: obsrvese que en la muestra existen edades que se repiten esto puede pasar si el muestreo es con reemplazo si el muestreo es sin reemplazo debemos seguir buscando de la misma manera en la tabla de nmeros aleatorios seguido del nmero 001, hasta lograr tener la muestra con 10 valores de la poblacin no repetidos. Este muestreo se puede realizar utilizando Microsoft Excel siguiendo los pasos siguiente: a. Se instala la opcin de anlisis de datos para ello se va a herramienta luego a complemento y se activa en la ventana complemento la opcin herramienta para anlisis. b. Se abre una hoja Excel y se introducen los datos de la poblacin en columna. c. Se va a herramienta y se elige anlisis de datos y en esta ventana se selecciona la opcin muestra. d. En la ventana muestra se introduce el rango de entrada que sera seleccionar todos los valores de la poblacin, si al suministrar en la hoja Excel los datos de la poblacin al inicio se le designan a estos alguna variable o comentario debe activarse la opcin rtulo de lo contrario no debe ser activada, se activa la casilla de muestreo aleatorio y se introduce el tamao de muestra deseado. e. Se selecciona el rango de salida que consiste en seleccionar una celda en la hoja Excel que no est afectada por ninguna informacin ni hacia abajo ni a la derecha de la misma. Se selecciona aceptar en esta ventana y saldr el resultado deseado que sera las muestras elegidas por el programa en la poblacin. Muestreo con reemplazo: Es aquel en que un elemento puede ser seleccionado ms de una vez en la muestra para ello se extrae un elemento de la poblacin se observa y se devuelve a la poblacin, por lo que de esta forma se pueden hacer infinitas extracciones de la poblacin aun siendo esta finita. Muestreo sin reemplazo: No se devuelve los elementos extrados a la poblacin hasta que no se hallan extrados todos los elementos de la poblacin que conforman la muestra.

Muestreo equiprobabilstico: Si se selecciona una muestra de tamao n de una poblacin N unidades, cada elemento tiene una probabilidad de inclusin legal y conocida n/N. Mecanismo ideal en el muestreo aleatorio simple: Cada elemento de la poblacin tiene la misma probabilidad de ser escogido. Todas las posibles muestras del tamao muestral escogido (n) tienen la misma probabilidad de ser seleccionadas Ventajas: - Sencillo y de fcil comprensin - Clculo rpido de medias y varianza. - Se basa en la teora estadstica, y por tanto existen paquetes informticos para analizar los datos. Desventajas: - Requiere que se posea de antemano un listado completo de toda la poblacin. - Cuando se trabaja con muestras pequeas es posible que no represente a la poblacin adecuadamente.

SOFTWARE PARA EL MUESTREO

Ejemplos: Independientemente del tipo de industria que tenga, debe monitorear la calidad a fin de evitar prdidas considerables de tiempo, dinero y reputacin. Existe un nmero considerable de mtodos, como las grficas de control, que pueden ayudarle y a sus clientes a protegerse de calidad deficiente; sin embargo, no siempre es posible o apropiado aplicar estos mtodos. En estos casos, es posible que crea conveniente inspeccionar todas las partes que recibe o enva para asegurar la

calidad. Pero realizar una inspeccin del 100% no es prctico e implica mucho tiempo y dinero. El muestreo de aceptacin de Minitab es una alternativa prctica y asequible a la costosa inspeccin del 100%. Ofrece una manera eficiente para evaluar la calidad de un lote entero de un producto para decidir si aceptarlo o rechazarlo. Qu es un plan de muestreo de aceptacin? Indica la cantidad de unidades que debe contener la muestra de un lote o envo, as como el nmero de defectos que puede aceptar en esa muestra. Si descubre un nmero de defectos mayor que el lmite permitido, usted simplemente rechaza todo el lote. Cuando crea un plan de muestreo de aceptacin en Minitab, usted especifica la peor calidad que est dispuesto a aceptar regularmente (que se conoce como AQL) y el nivel de calidad que rechazar (que se conoce como RQL). A partir de los valores de AQL y RQL, Minitab calcula los requisitos de muestreo que coinciden con los riesgos que puede aceptar. Si sus estndares son demasiado bajos, es posible que malgaste dinero en un lote de calidad deficiente. Si sus estndares son demasiado altos, es posible que aleje a sus proveedores al rechazar lotes aceptables.

Creacin un plan de muestreo de aceptacin de atributos simple Supongamos que usted trabaja en un supermercado que recibe un envo semanal de 540 flores recin cortadas. Desea desarrollar un plan de muestreo para tomar una decisin sobre el lote sin inspeccionar todas las flores. Debido a que los defectos son inevitables, usted y su proveedor establecen niveles de calidad y riesgos que permiten defectos, pero mantienen el nivel de rentabilidad para ambos.

Usted decide que la peor calidad que puede aceptar regularmente es 2% de defectuosos (AQL) y que la calidad que desea rechazar regularmente es 8% de defectuosos (RQL). 1. 2. 3. 4. En Nivel de calidad aceptable (AQL), ingrese 2. En Nivel de calidad rechazable (RQL o LTPD), ingrese 8. En Tamao del lote, ingrese 540. Haga clic en Aceptar.

El riesgo del productor es el riesgo de que usted rechace un lote bueno, y el riesgo del consumidor es el riesgo de que usted acepte un lote deficiente. Plan de muestreo

Su plan de muestreo es simple. De manera aleatoria, tome una muestra de 98 flores provenientes de su envo. Si encuentra 4 o menos flores defectuosas, acepte el lote entero de flores. De lo contrario, rechace el lote entero de flores.

Curva OC

Muestra la probabilidad de que acepte lotes con niveles de calidad diferentes. Con este plan de muestreo, usted aceptar lotes con un promedio de 2% de defectuosos (AQL), el 95% de las veces, y lotes con un promedio de 8% (RQL), slo el 10% de las veces.

Comparacin de planes para hallar el ms adecuado

El plan de muestreo que sugiere Minitab de forma automtica es un buen punto de partida, pero a veces es necesario que usted ajuste el tamao de la muestra y el nmero de aceptacin. En ocasiones como sta, puede generar de forma sencilla mltiples planes al mismo tiempo para comparar las curvas OC y elegir el plan ms indicado. En este ejemplo, Minitab compara el plan de muestreo original con tres escenarios nuevos:
Tamao

de muestra ms conveniente: Los inspectores creen conveniente examinar 10 flores por cada una de las cajas del envo. Desean que usted cambie el tamao de la muestra de 98 a 90. Tamao de muestra ms pequeo: Para ahorrar tiempo, su supervisor sugiere tomar una muestra de menor tamao. Desea que usted reduzca el tamao de la muestra de 98 a 50. Nmero de aceptacin mayor: A su proveedor preocupa que sus envos se rechacen injustamente. Desea que usted aumente el nmero de aceptacin y acepte por lo menos 10 flores defectuosas antes de rechazar un lote entero.

1. Elija Estadsticas > Herramientas de calidad > Muestreo de aceptacin por atributos. 2. Elija Comparar planes de muestreo definidos por el usuario. 3. En Tamaos de muestra, ingrese 98 90 50 98. 4. En Nmeros de aceptacin, ingrese 4 4 4 10. 5. Haga clic en Aceptar. La lnea negra representa su plan de muestreo original con un tamao de muestra de 98 (nZ) y un nmero de aceptacin de 4 (c). La lnea negra representa una desviacin relativamente pequea con respecto al plan original y muestra una reduccin insignificante en el riesgo del productor, as como un leve aumento en el riesgo del consumidor. Usted decide cambiar el tamao de su muestra a uno ms conveniente para seguir las sugerencias de sus inspectores.

Las lneas verde y azul representan cambios ms significativos para el plan de muestreo, lo que produce ms riesgo del que puede aceptar. Muestre esta lnea a su superior y hgale saber que el riesgo resultante en el consumidor es muy elevado para reducir el tamao de la muestra a 50. Muestre a su proveedor que el riesgo resultante en el consumidor es muy elevado para aumentar el nmero de aceptacin a 10. Es posible que deba evaluar otros nmeros de aceptacin entre 4 y 10.