Ejercicio 3: Solución

6 6 Para estimar los costos totales acumulados para las 120 casas tenemos en
5 5

4 4
cuenta que el estimador lineal insesgado del total de una característica X
3 3 sobre una población viene dado por:
X̂  Nx
2 2

1 1

0 0
- E L E N A - En este caso se tiene que N=120 y la media muestral será:
12
1
x   x  32.4833
12 i 1 i

Por lo tanto: Xˆ  120  32.4833  3897.996  3898

Es decir, el coste total acumulado estimado para las 120 casas será de
3898 miles de dólares.
Procedemos a dar una estimación del error de muestreo, para ello en
primer lugar estimamos la varianza del estimador del costo total, es decir,
ˆ2
S N (N  n ) ˆ2
Vˆ(Xˆ )  N (1  f )
2
 S
n n
Calculamos la cuasivarianza muestral de los costos acumulados
12

1
12
2
 xi2  nx 2 12839.36  12  32.48332
Sˆ2    x i  x   i 1
  16.1233
11 i 1 n 1 11
120  (120  12)
Entonces: Vˆ(Xˆ )   16.1233  17413.2164
12

Y la correspondiente estimación para el error de muestreo será

1 UNASAM [email protected]
 Ejercicio 3: Solución
6 6 ˆXˆ  Vˆ(Xˆ )  131.958948 miles de dolares
5 5

4 4 El intervalo de confianza al nivel 1-α para el costo total viene dado por:
3 3

0
2

0
 Xˆ  z1 /2ˆXˆ , Xˆ  z1 /2ˆXˆ 
- E L E N A -

Si el nivel de confianza requerido es del 97% entonces α/2=0.015 y el

cuantil de la distribución normal estándar a considerar será z0.985=2.1701,
siendo el intervalo de confianza para el costo total al nivel de confianza del
97% el siguiente:
(3897.996  2.1701  131.958948, 3897.996  2.1701  131.958948)
Es decir: (3611.6318, 4254.417119)
Si deseamos reducir el error de muestreo del primer apartado en un 10% el
máximo error que estamos dispuestos a admitir, considerando el anterior
como ˆXˆ  132, es un error de muestreo de ˆXˆ  118.8. Impongamos esta
condición para determinar el tamaño de muestra óptimo necesario para
estimar el costo total con dicho error de muestreo, es decir:

N (N  n ) ˆ2 120(120  n )
ˆXˆ  18.8  S   16.1233
n n

y resolviendo la última igualdad para n, podemos decir que el tamaño de

muestra óptimo para estimar el costo total acumulado con el error de
muestreo impuesto es de 14 casas.

2 UNASAM [email protected]
 Ejercicio 3: Solución
6 6

5 5
Nos ocupamos ahora de la estimación de la proporción de casas cuyos
4 4 costes de construcción superan los 32 mil dólares. El estimador lineal e
3 3

2 2
insesgado de la proporción poblacional es su correspondiente proporción
1 1 muestral, que en este caso será:
0 0 7
- E L E N A -
Pˆ  p   0.58330
12

y por lo tanto, el 58.33% de las casas tienen un costo de construcción

superior a 32 miles de dólares. La estimación del error de muestreo en este
caso viene dado por la expresión.
n ˆˆ
ˆ2 PQ
S 1 ˆˆ N n ˆ ˆ
Vˆ(Pˆ)  (1  f )  (1  f ) n  1  (1  f ) PQ  PQ
n n n 1 N (n  1)
N n ˆ 120  12 7  7
Vˆ(Pˆ)  P (1  Pˆ)     1    1.9886  102
N (n  1) 120(12  1) 12  12 

ˆ ˆ
lo que da lugar a un error de estimación igual a V (P )  0.14102 miles de
dólares. En el caso de poder reducir el error de muestreo que acabamos de
obtener en un 20%, consideraremos como máximo error que estamos
dispuestos a admitir ˆPˆ  0.14102  0.2  0.14102  0.11282.
Impongamos esta condición para determinar el tamaño de muestra óptimo
necesario para estimar la proporción de casas cuyos costos de construcción
superan los 32 mil dólares y obtendremos:
N n 120  n 7  7
ˆPˆ  p(1  p) 0.11282     1  
N (n  1) 120(n  1) 12  12 

3 UNASAM [email protected]
 Ejercicio 3: Solución
6 6

5 5
y resolviendo para n se tiene:
120  n 0.112822  122  120
4 4

3 3
  6.2842
2 2
n 1 75
1 1

0 0
- E L E N A -

Es decir, que: 120  6.2842

n   15.611
7.2842
por lo que el tamaño de muestra óptimo en este caso es de 16 casas.

Nota:
1. El muestreo con reemplazo es equivalente a extraer muestras de
una población infinitamente grande.
2. En la formula de la varianza muestral de la media muestral para
muestreo sin reemplazo, si el factor 1-f = 1-n/N, conocido como
FACTOR DE CORRECIÓN PARA POBLACIÓN FINITA, tiende a 1,
esto es cuando f = n/N tiende a 0, no se considera la fórmula.
3. Si el muestreo se realiza sin reemplazo, pero la muestra es pequeña
con relación a la población, la muestra puede tratarse como si fuera
obtenida con reemplazo, una regla universalmente aceptable para
determinar la muestra como pequeña es:
f = n/N < 5%

4 UNASAM [email protected]
 Ejercicio 4: Solución
Para hallar el tamaño de muestra necesario para estimar la media con un
6 6

5 5
error de muestreo e igual a 2, se aplica la fórmula:
4 4
S2 NS 2 6  13, 6
3 3 n     2,17
2 2 2
S Ne  S 6.22  13, 6
2 2
e2 
1 1
N
0 0
- E L E N A - con lo que se tomará como tamaño de muestra necesario n=3, y será
necesario tomar para la muestra la mitad de la población.
Para hallar el tamaño de muestra necesario para estimar el total con un
error de muestreo e igual a 2, se aplica la fórmula:
N 2S 2 N 3S 2 N 2S 2 62  13, 6
n      5, 7
2 N 2S 2 Ne 2  N 2S 2 e 2  NS 2 22  6  13, 6
e 
N
con lo que se tomara como tamaño de muestra necesario n=6, es decir,
tomaremos como muestra toda la población (no habrá más remedio que
aumentar la tasa de error).
Si introducimos un coeficiente de confianza del 95%, los tamaños de
muestra necesarios para cometer el mismo error de muestreo e  2 al
estimar la media y el total lógicamente serán algo superiores a los
calculados anteriormente. Tendremos:
n0 12, 9 2S 2 1, 962  13, 6
Media  n    4 con n 0  a   12, 9
n0 12, 9 2 2
1 e 2
1 
N 6
N 2n1 6212, 9 2S 2 1, 962  13, 6
Total  n    5, 9 con n1  a   12, 9
1  Nn1 1  6  12, 9 e2 22
5 UNASAM [email protected]
 Ejercicio 4: Solución
6 6
Para el caso de un error relativo de muestreo igual a er  0, 48 el tamaño de
5 5 muestra necesario es el mismo para la estimación del total y de la media.
4 4
Tendremos: C 1,2x 0, 42 2 S2 13, 6
3 3
n    1, 398 con C 1,x    0, 42
2 2
C 1,2x 0, 48 20, 42 X2 5, 66662
1 1 er2  6
0 0
N
- E L E N A -
con lo que se tomará como tamaño de muestra necesario n=2.
Para el caso de un error relativo de muestreo igual a er  0, 48 con un
coeficiente de confianza del 95%, el tamaño de muestra necesario es el
mismo para la estimación del total y de la media, y lógicamente será
mayor que cuando no existe el coeficiente de confianza. Tendremos:
2C 1,2x 1, 962  0, 42
n    3, 23
C 1,2x 2
0, 48  1, 96 2 0, 42
er2  2 6
N
con lo que se tomará como tamaño de muestra necesario n=4, que evidentemente es superior
al tamaño de muestra necesario sin coeficiente de confianza.
El valor de N a partir del cual su aumento no interviene en el tamaño de muestra necesario
para cometer un error de muestreo dado al estimar la media con un coeficiente de confianza
del 95%, vendrá dado por la expresión N  n  n  1  con:
0 0

2 S 2 1, 962  13, 5

n0    12, 9
e2 22
Luego se tiene que N>12,9(12,9-1)=153,51. Por tanto, tamaños poblacionales N mayores
que 154 no tienen influencia en el valor del n necesario para cometer un error de muestreo
dado al estimar la media con un coeficiente de confianza del 95%. Si no existiese coeficiente
de confianza, el valor de no sería:

6 UNASAM [email protected]
 Ejercicio 4: Solución
S2 13, 6
6 6 n0    3, 375
5 5 ea2 22
4 4

3 3
Con lo que N>3,375(3,375-1)=8,015, es decir, tamaños poblacionales N de 9 en adelante no
2 2
tienen influencia en el valor de n necesario para cometer un error de muestreo dado al
1 1 estimar la media.
0 0
- E L E N A -
Vamos a calcular ahora los tamaños muestrales suponiendo muestreo
con reposición.
Para hallar el tamaño de muestra necesario para estimar la media con un
error de muestreo e igual a 2, se aplica la fórmula:
2 11, 33 N 1 2 61
n    2, 83 con  2  S  13, 6  11, 33
e2 22 N 6
con lo que se tomará como tamaño de muestra necesario n=3, con lo que
será necesario tomar para la muestra la mitad de la población. El valor
exacto de n es superior al de sin reposición, pero al tomar su parte entera
más uno, el tamaño de muestra coincide.
Para hallar el tamaño de muestra necesario para estimar el total con un
error de muestreo e igual a 2, se aplica la fórmula:
N 2 2 62  11, 3
n    101, 7
2 2
e 2
con lo que se tomará como tamaño de muestra necesario n=6, es decir,
tomaremos como muestra toda la población (no habrá más remedio que
aumentar la tasa de error, ya que el tamaño de muestra que se necesita,
que es mucho mayor que en el caso de sin reposición, es también muy
superior al tamaño de nuestra población).
7 UNASAM [email protected]
 Ejercicio 4: Solución
6 6
Si introducimos un coeficiente de confianza del 95%, los tamaños de
5 5 muestra necesarios para cometer el mismo error de muestreo e  2 al
4 4

3 3
estimar la media y el total lógicamente serán algo superiores a los
2 2 calculados anteriormente. Tendremos:
1 1

0 0 a2  2 1.962  11, 33

- E L E N A - Media  n    10, 87
e2 22

a2  2N 2 1.962  11, 33.62

Total  n    391, 4
e2 22
En ambos casos se obtienen tamaños de muestra superiores a los
obtenidos cuando no hay coeficiente de confianza y muy superiores al caso
de sin reposición. No habrá más remedio que aumentar la tasa de error, ya
que el tamaño de muestra que se necesita es muy superior al tamaño de
nuestra población.
Para el caso de un error relativo de muestreo igual a er  0, 48 el tamaño
de muestra necesario es el mismo para la estimación del total y de la media.
Tendremos: 2 2
Cx 0, 59  11, 33
n    1, 5 con C x    0, 59
er2 0, 482 X 5, 6666

con lo que se tomará como tamaño de muestra necesario n=2

8 UNASAM [email protected]
 Ejercicio 4: Solución
6 6 Para el caso de un error relativo de muestreo igual a er   0, 48 con un
5 5

4 4
coeficiente de confianza del 95%, el tamaño de muestra necesario es el
3 3 mismo para la estimación del total y de la media, y lógicamente será mayor
2 2

1 1
que cuando no existe el coeficiente de confianza. Tendremos:
0 0
- E L E N A -
con lo que se tomará como tamaño de muestra necesario n=6, que
evidentemente es superior al tamaño de muestra necesario sin coeficiente
de confianza.

Se observa que el tamaño de muestra necesario para cometer un error

dado en caso de existencia de coeficiente de confianza es mayor que en el
caso normal. Adicionalmente, el tamaño de muestra necesario para cometer
un error dado en el caso de reposición es siempre mayor que en el caso sin
reposición.

Dado que se puede suponer normalidad para X, los intervalos de confianza

para la media y el total al 95% según la muestra (8,4) pueden calcularse
como sigue:

x   (x ), x   (x )   (6  1, 96  2,12, 6  1, 96  2,12)  (3.15, 8.85)

 Xˆ   (Xˆ ), Xˆ   (Xˆ )   (36  1, 96  12, 71, 36  1, 96  12, 71)  (29, 43)

9 UNASAM [email protected]