Vous êtes sur la page 1sur 57

Universidad Nacional

Federico Villarreal
Facultad de Ingeniera Industrial
Escuela de Ingeniera de Sistemas

UNIDAD I

CURSO : ESTADSTICA INFERENCIAL.


I.-PRESENTACIN DEL CURSO.
II.-MTODOS DE MUESTREO .

DOCENTE : MSC. WILLY VICTOR MANDUJANO MIESES.

LIMA JUNIO 2017


CONTENIDO DEL CURSO

UNIDAD I: MTODOS DE MUESTREO

UNIDAD II: DISTRIBUCIONES DE MUESTREO

UNIDAD III: ESTIMACIN

UNIDAD IV: PRUEBAS DE HIPTESIS

UNIDAD V: ANLISIS DE CORRELACION Y REGRESIN


Estimado participante:

En esta Primera unidad abordaremos el tema de muestreo.

OBJETIVOS ESPECFICOS
1.Utilizar el Proceso de muestreo para el diseo de muestras.

2. Conocer los requerimientos necesarios para generalizar los resultados


obtenidos a partir de una muestra.
UNIDAD I : CONTENIDO TEMTICO

Introduccin a la Estadstica Inferencial

I.- Proceso de Muestreo.

II.- Mtodos de Muestreo y seleccin de unidades muestrales


Datos a tener en cuenta:

Tamao de Muestra:

Afirmo que la muestra es pequea si ella tiene menor de 30 datos y es


una muestra grande cuando es mayor o igual que 30 datos.

Nivel de confianza()

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


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

El nivel de significacin ()

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


nula siendo verdadera)
PROCESO DE MUESTREO

I.- INTRODUCCION
II.- CONCEPTOS
III.- METODOS DE MUESTREO
1.- ALEATORIO SIMPLE
2.- SISTEMATICO
3.- ESTRATIFICADO
4.- POR CONGLOMERADOS
PROCESO DE MUESTREO

Ng = Poblacin General

N= Poblacin Objetivo

e= Error de estimacin
e= Error
e= Error de muestreo

n= Tamao de muestra

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

Definiciones Bsicas

Poblacin(NG)
Se define tradicionalmente la poblacin como el conjunto de todos los individuos
(objetos, personas, eventos, etc.) en los que se desea estudiar el fenmeno.
stos deben reunir las caractersticas de lo que es objeto de estudio. (Latorre,
Rincn y Arnal, 2003). Segn el nmero de elementos, la poblacin puede ser
finita o infinita. Cuando el nmero de elementos que integra la poblacin es muy
grande, se puede considerar a esta como una poblacin infinita.
POBLACION GENERAL Y POBLACION
OBJETIVO

Ng: Poblacin general

C
A, B,C: Subpoblaciones
A
B
B

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

CRITERIOS PARA DETERMINARLA:


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

REGISTRO/CAMPO NOMB. DE LA FARMACIA APELL. NOMBR.-DUEO DIRECCIN


0001 Sane Rapido Torres Sanches Arturo Av. Alfonzo Ugarte 1113
0002 Cruz del Sur Vasquez Ponce Eliana Av. Alfonzo Ugarte 1120
0003 La Estrellita Falcn Ruz Juan Jos Av. Grau 1900
.
.
.
.
-
.
.
.
N= 1000 24 Horas Davila Roca Joel Av.Grau 2200
2.- MUESTRA ( )
Subconjunto representativo de la poblacin objetiva , permite realizar inducciones (inferencias)
respecto de la poblacin Genera (Ng) de origeny no solo de la poblacin objetiva, a parte de cumplir
con las caractersticas de la poblacin objetiva debe tambin cumplir con las condiciones.
CONDICIONES DE UNA BUENA MUESTRA:
a) Permite minimizar el error de muestreo
Relativos al error Muestral: si n=N e=0
Si n e
si n e
b) Permite minimizar distancias, tiempos y costos
c) Amplitud Muestral : que incluyen criterios adicionales del investigador
que solo se garantizan con muestras representativas
Muestra Representativa.
Es aquella que representa adecuadamente la composicin de la poblacin, es decir, que
las diferentes categoras claves del estudio estn representadas en la muestra.
Muestreo.
Es el mtodo estadstico por medio del cual se definen los criterios y tcnicas
que deben orientar el proceso de recoleccin u obtencin de datos e
informacin. Es claro que el procedimiento de seleccin y el tamao est
cruzado por los objetivos de la investigacin, las poblaciones son en lo
general diferentes y por lo tanto, debern utilizarse criterios distintos para
seleccionar las unidades bajo estudio.
Marco Muestral.
Es un conjunto de listas de todas las unidades de muestreo, estas listas,
tambin pueden ser mapas u otras formas que sirvan de base para determinar
las unidades de muestreo. Equivale a la poblacin Objetivo N

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

Unidad de observacin o de Investigacin


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

a) MUESTREO PROBALISTICO
Mediante el la aplicacin del clculo de probabilidades y la
teora del error
b) MUESTREO NO PROBABILISTICO
Basado en la experiencia del investigador, puede ser
mediante muestras muy pequeas, el criterio y la opinin
del investigador es determinante: Ejemplo de los FOCUS
GROUP (Reunin de expertos para obtener opiniones y
tomar decisiones)
ALEATORIO SIMPLE

SISTEMTICO
PROBABILISTCO
ESTRATIFICADO
POR CONGLOMERADO

MUESTREO

DE JUICIO

NO PROBABILSTICO DE CUOTAS

DE CONVENIENCIA
BOLA DE
MUESTREO PROBALISTICO
TEORIA DEL ERROR

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

1.- ep = Error paramtrico o de estimacin

x = Media Muestral (estimador)

= Media de la Poblacin

e = X-

%ep = X - * 100



ERROR DE ESTIMACION

e = !x-! Ejemplo :
-e e = al 5%

-e +e X= 19
=20

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

AMPLITUD AMPLITUD DE LA MUESTRA SEGN SU MARGEN DE ERROR %


DE LA
POBLACION 1% 2% 3% 4% 5% 10%

500 * * * * 222 83

1000 * * * 385 286 91

N 1500 * * 638 441 361 94

n = 2000 * * 714 476 333 95

e 2 (N- 1)+1 2500 * 1,250 769 500 345 96

3000 * 1,364 811 517 353 97

3500 * 1,458 843 530 359 97

4000 * 1,538 870 541 364 98

4500 * 1,607 891 549 367 98

5000 * 1,667 909 556 370 98

6000 * 1,765 938 566 375 98

7000 * 1,842 959 574 378 99

8000 * 1,905 976 580 381 99

9000 * 1,957 989 584 383 99

1000 5,000 2,000 1,000 588 385 99

15000 6,000 2,143 1,034 600 390 99

20000 6,667 2,222 1,053 606 392 100

25000 7,143 2,273 1,064 610 395 100

50000 8,333 2,381 1,087 617 397 100

100000 9,091 2,439 1,099 631 398 100

INFINITA 10,000 2,500 1,111 625 400 100


TAMAO DE MUESTRA PARA UNA PROPORCION
o de muestra que se utiliza para este caso , esta en relacin a la importancia que tiene la
proporcin del negocio en el total de los negocios existentes de la misma lnea de actividad esto es,
como actividad empresarial
onemos que su importancia es del 30% y lo llamamos P = 0.30 para un error del 10% y
el 95% de confianza, para este caso se utiliza la siguiente expresin:
Zo 2 P (1-P)
n =
2
e

Donde :
e =(error de muestreo) 0.10
Zo = 1.96 (estadstico tabular) ; = 0.95 (nivel de confianza)
P = 0.30 (importancia del giro del negocio en el total de los
giros del Negocios)
1-P = 0.70 (probabilidad de que el negocio no corresponda al
giro de negocio en estudio
n = Tamao de muestra a utilizar
Reemplazando :
2
(1,96 ) x 0,3x 0.7
n = 2
(0,10)
Entonces :
n = 81
III: METODOS DE MUESTREO
1.- ALEATORIO SIMPLE:
Una vez elegido el tamao de muestra , segn sea el caso se procede a seleccionar las
UNIDADES MUESTRALES .
Todos los elementos de la Poblacin Objetiva N, tiene la misma probabilidad de ser elegidos.
P(Xi) = 1
N
Tecnicas Para Elegir el tamao de Muestra:
Tcnicade la URNA
Nmeros Aleatorios
Otros: Dardo, Los Primeros, los ltimos, los intermedios
Zonas donde hay mayor concentracin de UNIDADES (1)
(1) Es indispensable Contar con una base de datos de los negocios
Tabla de Nmeros Aleatorios
EJEMPLO :
Un investigador desea efectuar un estudio de la problemtica
financiera de 3453 microempresas empresas textiles en el damero
del Jr. Gamarra, para ello se encuentra en un estudio piloto,
analizando a 10 de estas microempresas, solo una de ellas es
totalmente reticente a brindar informacin. Con estos datos hallar.

a)El error de muestreo


b)El tamao de muestra.
c)Asimismo, de que manera aplicara Ud. El muestreo aleatorio .
Muestre el procedimiento a seguir para obtener solo las 10
primeras UM si debe desplazarse en columnas dentro de la tabla
de nmeros aleatorios
d)Si se aplica el muestreo sistemtico , de que manera elegira
las 10 primeras unidades muestrales
Solucion :
Error
a)

N= 3453
Piloto : 10 e% = 1x100 = 0.10 10 %
No informa : 1 10
e% = 0.1

b) n = N . n= 3453 .= 3453 = 3453 = 97.2


e2 (N-1)+1 0.01(3452)+1 3452+1 35.52

n = 97

c) El muestreo que se aplicara seria el aleatorio en columna inicando en 1048,


utilizamos como ejemplo las diez primeras Unidades Muestrales y el nmero
como estn registradas dentro de la base de datos o la poblacin objetiva
Unidad Numero de Unidad Numero de
muestral registro muestral registro

UM1 1048 UM6 1036


UM2 2236 UM7 0711
UM3 2413 UM8 0236
UM4 2891 UM9 0101
UM5 0942 UM10 0705
2.- SISTEMATICO:
Solo es aplicable cuando el marco de muestreo es
homogneo.Se toma una K = razn de muestreo
K= N
n
Ejemplo si N=1000 y se obtiene que n=50 entonces:
K=N/n = 1000/50 = 20
Entonces, Si iniciamos eligiendo la 15 ava Unidad , la siguiente
unidad muestral ser la 35 , 55, 75 , avanzaremos hasta
obtener la 50 ava unidad.
Muestreo sistemtico:

Para el ejercicio anterior

N = 3453 y n = 97

K= N = 3453 = 35.59 = 36
n 97

10 primeras Unidades muestrales: (siempre y cuando se inicie e muestreo en la unidad muestral 0001)

UM1 = 0001
UM2 = 0001+ K = 0001 + 0036 = 0037
UM3 = 0001+ 2K = 0001 + 2( 0036) = 0073
UM4 = 0001+ 3K = 0001 + 3( 0036) = 0109
UM5 = 0001+ 4K = 0001 + 4( 0036) = 0145
UM6 = 0001+ 5K = 0001 + 5( 0036) = 0181
UM7 = 0001+ 6K = 0001 + 6( 0036) = 0217
UM8 = 0001+ 7K = 0001 + 7( 0036) = 0253
UM9 = 0001+ 8K = 0001 + 8( 0036) = 0289
UM10 = 0001+ 9K = 0001 + 9( 0036) = 0325

Sucesivamente hasta llegar a obtener las 96 unidades muestrales que conforman la muestra
3.- MUESTREO ESTRATIFICADO

1 Definir la Poblacin Objetivo (N)


En este caso la Poblacin N=Total de Pobladores de una Ciudad X
se divide en estratos .En este caso se puede diferenciar caractersticas
diferentes de estrato a estrato , ej. Si tenemos la Poblacin(N)
objetiva dividida en 4 Estratos: Estrato I- Nmero de Nios (N1);
Estrato II-Numero de Jovenes (N2); Estrato III Nmero de Adultos
(N3) y Estrato IV Nmero de Ancianos (N4). Pero,los elementos en el
caso del Estrato I tienen caractersticas similares dentro de lo que se
quiera cuantificar o cualificar. Pero entre estratos y estratos las
diferencias son notorias y sus elementos tambien.
MUESTREO ESTATIFICADO
1.- MUESTREO ESTRATIFICADO PROPORCIONAL
1 Debe previamente haberse determinado la Poblacin
Objetivo (N) y el Tamao de muestra (n)
2 Debe tambin haberse elegido las sub-poblaciones (N1 ; N2 ; N3 ; y N4)
3 Hallar las Importancias relativas de cada estrato Ni respecto de la
poblacin objetiva (Pi) ; para nuestro caso Pi = Ni / N
4 Repartir n (tamao de muestra segn su importancia y determinar las
sub-muestras ni : n1 , n2 , n3, n4. Obviamente debe cumplirse que
OBSERVACIONES:
1.- N1+ N2+N3+N4 = N
2.- P1+P1+P3+P4 = 1
3.- n1+n2+n3+n4 = n
3 . M U E S T R E O E S T R A T IF I C A D O ( m s u t ili z a d o )

E n e s te c a s o

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

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

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

N 1 + N 2 + N 3 + N 4 = N ( P o b la c i n O b je t i v o )
n1
N1
n2
n1 + n2 + n3 + n4 = n
N2
N3 n 3
n4

N4
Nota: se asume que previamente debe conocerse n

N
n =
e 2 (N - 1)+1
IMPORTANCIA TAMAO DE
RELATIVA DE CADA MUESTRA PARA
ESTRATO: Pi FACTOR DE CADA ESTRATO
Pi = Ni / N PROPORCION DE LA
MUESTRA

P1 = N1 P1 x n n1
N
P2 = N2 P2 x n n2
N
P3 = N3 P3 x n n3
N
P4 = N4 P4 x n n4
N
2.-MUESTREO ESTRATIFICADO NO PROBABILISTICO(POR CUOTAS)

En este caso la importancia relativa Pi de cada estrato


lo define arbitrariamente el investigador
Ejemplo : La Importancia relativa de todos los estratos

son iguales , esto es


P1 = P2 = P3 = P4 = 0.25
Por tanto , la muestra debe dividirse en 4 partes iguales
esto es, n1 = n2 = n3 = n4;

Si = 100 ,Entonces :
n1 = n2 = n3 = n4 = / 4 = 25
Ejemplo:
Se desea introducir una nueva pasta dental al mercado; para ello se encarga a los alumnos de la universidad que llevan
el curso de estadstica II, investiguen las preferencias de una poblacin a determinar.

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


b)Sabiendo que dicha poblacin objetivo esta conformada de la siguiente manera:
1200 nios; 800 jvenes; 400 adultos y 100 ancianos. Halle la muestra relativa para cada estrato, sabiendo que las
subpoblaciones provienen de una poblacin de 100,000 habitantes, utilice un error de muestreo del 10 %.
c)Qu sucede con el tamao de la muestra si el error de muestreo se reduce al 5%.
d)Qu sucede con el tamao de la muestra si el error de muestreo se incrementa al 15.8%.
e)Qu conclusiones extraera de las preguntas c y d.

Solucin :

Los criterios son : Reproduccin de las caractersticas de la poblacin general , reduccin espacial, de concentracin ( en un mercado
a)

puede ser el Metro) , de minimizacin de distancias ,tiempos y costos. Por ultimo algunos criterios propios del investigador ,como
culturales y antropolgicos , sociales y econmicos.

b)Determinamos la poblacin objetivo N , de acuerdo a la distribucin por estratos.


Asimismo como datos adicionales tenemos :
e = 0.10
Ng = 100,000
1 ) Hallamos primero la Poblacin Objetiva N
N1 = 1200 nios
N2 = 800 jvenes
N3 = 400 nios
N4 = 100 nios
N = 2500
2) Ahora hallamos el tamao de muestra n , pero en este caso utilizaremos la
referencia de
la poblacin objetiva por que si es precisable , a diferencia de la poblacin general
e = 0.1
N = 2500
n= N . = 2500 = 96.19 = 96
e2 (N-1)+1 (0.10)2 (2499)+1
3) Ahora hallamos la importancia relativa Pi para cada estrato :

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

Adems debe cumplirse que:


P1+P2+P3+P4 = 1

4) Ahora podemos hallar las submuestras n1, n2, n3, n4, utilizando el tamao e muestra n y las importancias relativas Pi
halladas
L as submuestras sern:

n1 = P1x n = 0.48 x 96 = 46
n2 = P2x n = 0.32 x 96 = 31
n3 = P3x n = 0.16 x 96 = 15
n4 = P4x n = 0.04 x 96 = 4
n1 + n2 + n3+ n4 = n = 96
MUESTREO POR CONGLOMERADOS

Util en especial para investigaciones donde el mbito


geogrfico es predominante.
CLUSTER: Son grupos de elementos con caractersticas
similares,asimismo con predominio de una caracterstica
especial de la poblacin; pueden considerarse la
concentracin como una de las particularidades
Muestreo Aleatorio por Conglomerado
Las unidades que se presentan agrupadas pueden ser consideradas como conglomerados y pueden
servir como base para un procedimiento de muestreo.

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

En el muestreo estratificado se trata de que cada estrato sea lo ms homogneo posible.


En cambio, en el muestreo por conglomerados el ideal consiste en que contenga elementos de todas
las variedades (heterogneos) que estn mezcladas como se pueda. N Manzanas Asignacin Igual Ni
n/L n/N Ni*n/N Muy Alto 270 227 0,182 49 Alto 1940 227 0,182 353 Medio 2000 227 0,182 364 Bajo 790
227 0,182 144 Total 5000 909 Estrato Asignacin Proporcional

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


conglomerados dentro del conjunto total y procediendo a analizar a la poblacin a travs de aquellos
elementos seleccionados.
Ejemplo de aplicacin. Las unidades hospitalarias, las iglesias, los departamentos acadmicos en una
universidad, una caja de determinado producto, etc., son conglomerados naturales. Tambin existen los
conglomerados no naturales, como por ejemplo, las urnas electorales. Cuando los conglomerados son
reas geogrficas suele hablarse de muestreo de reas.
Ejemplo de aplicacin . Un diseo muestral probabilstico estratificado y
por conglomerados. En una ciudad hay N=5,000 manzanas, las manzanas
se utilizan como conglomerados, es decir son unidades muestrales de las
que obtendremos en ltima instancia a nuestros sujetos-adultos. Primero se
determin n=909 manzanas a muestrear.
Cmo distribuiremos las 909 manzanas segn los L=4 estratos
socioeconmicos, aplicando asignacin igual y proporcional?
MUESTREO NO PROBABILSTICO
B)MUESTREO NO PROBABILSTICO:

1.- M. DE JUICIO:
Abarca el juicio del experto, opiniones de especialista
2.- M. DE CUOTAS:
Se decide la estructura del marco muestral, sin tener en
cuenta la estructura del marco poblacional.
3.- M. DE TROZO:
La eleccin de los racimos no se hace al azar.
4.- M. ACCIDENTAL
Con los elementos que esten al alcance
1.- MUESTREO DE JUICIO: O INTENCIONAL

El investigador toma la muestra seleccionado los


elementos que a l le parecen representativos o tpicos
de la poblacin, por lo que depende del criterio del
investigador

Este tipo de muestreo se caracteriza por un esfuerzo


deliberado de obtener muestras "representativas"
mediante la inclusin en la muestra de grupos
supuestamente tpicos. Es muy frecuente su utilizacin
en sondeos preelectorales de zonas que en anteriores
votaciones han marcado tendencias de voto.
2.- MUESTREO POR CUOTAS
MUESTREO POR CUOTAS: Tambin denominado en ocasiones,
"accidental". Se asienta generalmente sobre la base de un buen
conocimiento de los estratos de la poblacin y/o de los individuos ms
"representativos" o "adecuados" para los fines de la investigacin.
Mantiene, por tanto, semejanzas con el muestreo aleatorio estratificado,
pero no tiene el carcter de aleatoriedad de aqul.

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


nmero de individuos que renen unas determinadas condiciones,
por ejemplo: 20 individuos de 25 a 40 aos, de sexo femenino y
residentes en Trujillo. Una vez determinada la cuota, se eligen los
primeros que se encuentren que cumplan esas caractersticas. Este
mtodo se utiliza mucho en las encuestas de opinin

Por ejemplo, la Direccin Regional de Salud desea estudiar la


incidencia de las drogas en la adolescencia. Lo que deberamos hacer
sera: conocer por los informes de la Direccin Regional de
Educacin cules son los centros ms afectados por el problema,
fijar un nmero de sujetos a entrevistar proporcional a cada uno de
los estratos (cuotas) y finalmente dejar en manos de los responsables
del trabajo de campo a qu sujetos concretos se deber entrevistar.
3.- MUESTREO DE TROZO O BOLA DE NIEVE:

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


conducen a otros, y estos a otros, y as hasta conseguir una


muestra suficiente. Este tipo se emplea muy frecuentemente
cuando se hacen estudios con poblaciones "marginales",
delincuentes, sectas, determinados tipos de enfermos, etc.
4.- MUESTREO CASUAL O ACCIDENTAL

Se usa en los casos en no es posible seleccionar los


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

Se trata de un proceso en el que el investigador selecciona


directa e intencionadamente los individuos de la poblacin. El
caso ms frecuente de este procedimiento el utilizar como
muestra los individuos a los que se tiene fcil acceso (los
profesores de universidad emplean con mucha frecuencia a sus
propios alumnos). Un caso particular es el de los voluntarios.
TAREA N 01:
1.Un investigador desea efectuar un estudio de muestreo para proponer una mejora al sistema de atencin de pasajeros del Metropolitano, en la ruta del
distrito de San Juan de Lurigancho. Se trata de plantear un modelo eficiente de recaudacin automatizada en la venta de pasajes.
a) Cual sera la poblacin general o universo
b) Cul sera la Poblacin objetiva.
c) Cmo determina el error a utilizar para calcular el tamao de muestra definitiva.
d) Con el error obtenido anteriormente hallar el tamao de muestra con un nivele de confianza del 95% y sabiendo que el desvo estndar es de
1.2
e) Asimismo, cuando aplicara Ud. El muestreo aleatorio . Muestre el procedimiento a seguir para obtener solo las 10 primeras UM si debe
desplazarse en columnas dentro de la tabla de nmeros aleatorios
f) Si se aplica el muestreo sistemtico , de que manera elegira las 10 primeras unidades muestrales.
g) Cuando y cmo aplicara el muestreo estratificado.
2.Se requiere revisar las cuentas de crdito de un Banco ZK , en ese sentido , una compaa que tiene su mbito de accin en el distrito, encuentra que de la

poblacin objetiva esta compuesta por 4000 cuentas de crdito en Soles para MYPES, el segundo estrato de cuentas corresponde al doble del primer estrato
y el tercero estrato es la mitad del primer estrato.
a) Si el parmetro que se utiliza en la medicin del error es el ingreso promedio mensual de los clientes de = 2200 y el estimador obtenido de
una muestra piloto da una medida de 2400 , con estos datos , hallar el tamao de la muestra a utilizar para el 90% de confianza
b) Halle el tamao de la muestra para cada estrato y diga que tipo de muestreo es.
c) Qu sucede con el tamao de la muestra para cada estrato si la empresa considera que cada estrato tiene la misma importancia relativa.
Asimismo, diga como se denomina este tipo de muestreo.
3.. Ud. realizar un trabajo de investigacin en Ing. de sistemas , diga : bajo que condiciones utilizara el mtodo de muestreo :
a) Aleatorio
b) Sistemtico
c) Estratificado
d) Por conglomerados
En que casos dentro de la ingeniera de sistemas podra utilizar los mtodos no Probabilsticos de muestreo:

a) De Juicio
b) De cuotas
c) Accidental
d) Bola de Nieve
c)Si en un estudio de mercado se encuentra que los autos TOYOTA utilizados para el transporte constituyen el 35% del parque automotor de autos de

Lima cercado, un investigador desea obtener una muestra par su estudio y estima 8 fuentes de error que usted ,adems debe mencionar. Asimismo,
utilice el 95% de nivel de confianza; con estos datos:
e) Hallar el tamao de muestra
f) Que sucede con el tamao de muestra si el error se incrementa a 10%
g) Cuales son la fuentes de error.

MSC. Willy Vctor Mandujano Mieses.