MATERIAL DEL SEGUNDO CORTE

ESTADISTICA GENERAL
DISTRIBUCIN DE PROBABILIDADES BINOMIAL
La variable binomial es una variable aleatoria discreta, slo puede tomar los valores 0, 1, 2, 3, 4, ...,
n suponiendo que se han realizado n pruebas. Como hay que considerar todas las maneras
posibles de obtener k-xitos y (n-k) fracasos debemos calcular stas por combinaciones (nmero
combinatorio n sobre k).
La distribucin Binomial se suele representar por B(n,p) siendo n y p los parmetros de dicha
distribucin.
FRMULA

0 p1
Como el clculo de estas probabilidades puede resultar algo tedioso se han construido tablas para
algunos valores de n y p que nos facilitan el trabajo.
Ver Tabla de la Funcin de Probabilidad de la Binomial
Probabilidades(P)

0,10

0,20

0,3277

0,7373

0,9421

0,9933

0,9997

1,0000

0,25

0,30

0,90

P(x = 0)= 0,3277

P(x = 1)= 0,7373 0,3277 =0,4096
P(x = 2)= 0,9421 0,7373 =0,2048
P(x 3) = p(x=3) + p(x=4) + p(x=5) = 0,0579
(0,9933 - 0,9421) +
0,0512

(0,9997 - 0,9933) + (1,0000 - 0,9997)

0,0064

0,0003

= 0,0579

EJERCICIOS DE LA BINOMIAL
EJEMPLO 1
Entre 2 ciudades hay 5 vuelos diarios, si la probabilidad de que un vuelo llegue retrasado es 0,20.
a)
b)
c)
d)

Cul es la probabilidad de que ninguno de los vuelos se retrasen el da de hoy?

Cul es la probabilidad de que exactamente uno de los vuelos llegue tarde hoy?
Cul es la probabilidad de que al menos 3 vuelos se retrasen el da de hoy?
Verifique los resultados anteriores con la tabla
SOLUCIN

a) Cul es la probabilidad de que ninguno de los vuelos se retrase el da de hoy?

n=5
X=0
p = 0,20
p(x = 0) =

p(x = 0) = 0,3277x100 = 32,77% Existe un 32,77% de probabilidad de que ningn

vuelo se retrase el da de hoy.
b) Cul es la probabilidad de que exactamente uno de los vuelos llegue tarde hoy?
n=5
X=1
p = 0,20
p(x = 1) =

p(x = 1) = 0,4096x100 = 40,96% Existe un 40,96% de probabilidad de que 1 vuelo se retrase el da de hoy

c)Cul es la probabilidad de que al menos 3 vuelos se retrasen el da de hoy?

P(x 3) = p(x=3) + p(x=4) + p(x=5) = 0,0579 (Mtodo 1)

Mtodo 2 EVENTO INVERTIDO
P(x 3) = 1 - [p(x=0) + p(x=1) + p(x=2)]
P(x 3) = 1 - [0,3277 + 0,4096 + 0,2048]
0,9421
P(x 3) = 1 - 0,9421 = 0,0579
0,0579x100 = 5,79% Existe un 5,79% de probabilidad de que al menos 3 vuelo se
retrasen el da de hoy.
n

0,10

0,20

0,3277

0,7373

0,9421

0,9933

0,9997

1,0000

0,25

0,30

0,90

EJERCICIOS DE BINOMIAL
1.- La lt im a n ove la de u n au to r h a te n ido u n gran xito, h as ta e l pu n to de que e l 80%
de los lectores ya la han ledo. Un grupo de 4 amigos son aficionados a la lectura:
1

Cul es la probabilidad de que en el grupo hayan ledo la novela 2 personas?

Y cmo mximo 2?

2.- U n age n te de se gu ro s ven de p l izas a c in c o pe rso n as de l a m is m a e dad y qu e

disfrutan de buena salud. Segn las tablas actuales, la probabilidad de que una persona
en estas condiciones viva 30 aos o ms es 2/3. Hllese la probabilidad de que,
transcurridos 30 aos, vivan:
1

Las cinco personas

Al menos tres personas

Exactamente dos personas

SOLUCIN
1.- La lt im a n ove la de u n au to r h a te n ido u n gran xito, h as ta e l pu n to de que e l 80%
de los lectores ya la han ledo. Un grupo de 4 amigos son aficionados a la lectura:

Cul es la probabilidad de que en el grupo hayan ledo la novela 2 personas?

Y cmo mximo 2?

Cul es la probabilidad de que en el grupo hayan ledo la novela 2 personas?

n = 4 ; X = 2 ; p = 0.8

Existe un 15,36% de probabilidad de que en el grupo, 2 personas hayan ledo la novela

Y cmo mximo 2?

0,0016 +

0,0256

0,1536

=0,1808x100 =

18,08%
Existe un 18,08% de probabilidad de que en el grupo, como mximo 2 personas hayan ledo la
novela
2 .- U n a g e n t e d e s e g u r o s v e n d e p l i z a s a c i n c o p e r s o n a s d e l a m i s m a e d a d y q u e
disfrutan de buena salud. Segn las tablas actuales, la probabilidad de que una
persona en estas condiciones viva 30 aos o ms es 0,60. Hllese la probabilidad de
que, transcurridos 30 aos, vivan:
Soluciones:
1

Las cinco personas

n =5; X= 5; p = 0,60
p(X = 5) = 0,0778x100 = 7,78%
Existe un 7,78% de probabilidad de que las 5 personas vivan 30 aos o ms

Al menos tres personas

0,3456
68,26%

0,2592

0,0778

0,6826 x100 =

Existe un 68,26% de probabilidad de que al menos 3 personas vivan 30 aos o ms

3

Exactamente dos personas

n =5; X= 2; p = 0,60
p(X = 2) = 0,2304x100 = 23,04%
Existe un 23,04% de probabilidad de que exactamente 2 personas vivan 30 aos o ms

POISSON
Una variable aleatoria discreta de gran utilidad para medir la frecuencia relativa de un suceso por
cada unidad temporal o espacial es la distribucin de poisson.
FRMULA.

P (k;) = e-k
K
(LANDA) = El nmero de veces que se espera que ocurra el fenmeno durante un intervalo dado.
K = Nmero de ocurrencia del evento o fenmeno.
Nota: En algunas ocasiones el enunciado del problema no da el valor de , entonces es necesario
utilizar la siguiente frmula para conseguirlo:

= np
EJEMPLO 1
Supngase que estamos investigando la seguridad de un crucero muy peligroso. Los archivos de la
polica indican una media de 5 accidentes por mes en l. El nmero de accidentes est distribuido
conforme a la distribucin de poisson y la divisin de seguridad quiere calcular:
a) La probabilidad de exactamente 0, 1, 2, 3accidentes en un mes determinado
b)La probabilidad de menos de 5 accidentes en un mes determinado

SOLUCIN
a) La probabilidad de exactamente 0, 1, 2, 3accidentes en un mes determinado

P (k; ) = e-k
K
P (0;5) = e-5(5)0 = 0,0067x100 = 0,67% existe un 0,67% de
0

probabilidad de que ocurran 0 accidentes

P (1;5) = e-5(5)1 = 0,0337

1
P (2;5) = e-5(5)2 = 0,0842
2
P (3;5) = e-5(5)3 = 0,1404
3
TABLA DE POISSON
RESOLVER POR TABLA EL EJERCICIO ANTERIOR
K = 0,1,2,3
=5

0,1

0,2

0,3..0,9

0
1
2
.
.

1,0

1,5

2,0..5,0

0..0,0067
1..0,0404
2..0,1247
3..0,2650

4..0,4405
5..0,6160
b)La probabilidad de menos de 5 accidentes en un mes determinado

P(X 5) = P(X = 0) + P(X = 1) + P(X = 2) + P(X = 3) + P(X = 4) + P(X = 5)

0,0067 + 0,0337 + 0,0842 + 0,1404 +0,1755 + 0,1755 = 0,6160x100= 61,60%

P (4;5) = e-5(5)4 = 0,1755
4
P (5;5) = e-5(5)5 = 0,1755
5

EJEMPLO 2
Si ya se conoce que solo el 3% de los alumnos de contabilidad son muy inteligentes. Calcular la
probabilidad de que tomando 150 alumnos al azar 5 de ellos sean muy inteligentes?
SOLUCIN
n = 150
k=5
p = 3% = 0,030

= np

= (150)(0,030) = 4,50

P (k;) = e-k
K
P (5;4,5) = e-4,5(4,5)5 = 0,1708
5
EJERCICIOS DE POISSON
1.- Si un banco recibe en promedio 6 cheques sin fondo por da, Cules son las probabilidades de
que reciban, a) 4 cheques sin fondo un da dado, b) 10 cheques sin fondo en cualquiera de 2 das
consecutivos?

2.- La produccin de televisores de Samsung trae asociada una probabilidad de defecto del 2%, si se
toma una muestra de 85 televisores, obtener la probabilidad de que existan 4 televisores con
defecto.
3.- Si una central telefnica recibe en promedio 4 llamadas por hora, calcular las siguientes
probabilidades:
A) Que en una hora se reciba una llamada
B) Que en una hora se reciban tres llamadas
C) Que en una hora se reciba, al menos, una llamada
D) Que en una hora se reciban, como mucho, 4 llamadas

HIPERGEOMETRICA
Frecuentemente las muestras se toman sin reemplazo, siendo los eventos desigualmente probables
en este caso estamos en presencia de una distribucin hipergeomtrica.
Si se tiene un conjunto de N objetos de los cuales K son exitosos y por supuesto N-K son
fracasos se toma una muestra de tamao n, al azar sin reemplazo, donde K y n son menores que N,
sea X la variable aleatoria que mide el nmero de xitos de la muestra, entonces X tiene una
distribucin hipergeomtrica y:

con x= 0,1,2,3.min(K,n)
La expresin min(K,n) se utiliza en la definicin de recorrido de X debido a que el nmero
mximo de xitos que puede presentar la muestra es el menor entre el tamao de la muestra n y el
nmero de xitos disponibles K.
N = Tamao de la poblacin
K = Cantidad de xitos de la poblacin
X = N de xitos de la muestra
n = Tamao de la muestra
N - K = Nmeros de fracasos
EJEMPLO 1

De un lote de 10 proyectiles, 4 se seleccionan al azar y se disparan. Si el lote contiene 3 proyectiles

defectuosos que no explotarn:
a)cul es la probabilidad de que los 4 exploten?
b) Cul es la probabilidad de que al menos 2 no exploten?
SOLUCIN
a)cul es la probabilidad de que los 4 exploten?
a) p(x = 4) = ?
10 Proyectiles
N = 10
K=7
3 proyec.
n=4
defectuosos
7 Proyectiles que
explotan, ya que 3 estn
defectuosos y no van

0,1667X100 = 16,67% Existe un 16,67% de probabilidad de que los 4 proyectiles

exploten
b) Cul es la probabilidad de que al menos 2 no exploten?
b) p(x 2) = ?
N = 10
K = 3 (Es 3 porque me piden los que no explotan, y los que no explotan son los 3 defectuosos
n=4
p(x 2) = p(x=2) + p(x=3)

P(X 2)
=

P(X 2)
=

P(X 2) = 0,3000 + 0,0333 = 0,3333 X 100 = 33,33% Existe

un 33,33% de probabilidades de que al menos 2 proyectiles no
M2 EVENTO(M
INVERTIDO
exploten.
1)

P(X 2) = 1 - [P(X = 0) + P(X = 1) ]

P(X 2) =
1 -

P(X 2) =
1 -

P(X 2) =

1 -

0,1667 + 0,5000

1 - 0,6667 =

Se observa que con los 2 mtodos el resultado es igual.

EJEMPLO 2
Considerando que en la caja hay un total de 10 objetos, 3 de los cuales son defectuosos, si se
seleccionan 4 objetos al azar. Cul es la probabilidad de que 2 sean defectuosos?
Solucin

Datos
N = 10

K=3
n =4
X=2

P(2 : 10,3 : 4)

3 7
2 2
10
4

Existe un 30% de probabilidad de que de los 4 objetos que se seleccionan 2 sean defectuosos.
EJEMPLO 3
Para evitar que lo descubran en la aduana, un viajero ha colocado 6 tabletas de narctico en una
botella que contiene 9 pldoras de vitaminas que son similares en apariencia. Si el oficial de la
aduana selecciona 3 tabletas aleatoriamente para analizarlas, se pide:
a) Cul es la probabilidad de que el viajero sea arrestado por posesin de narcticos?
b) Cul es la probabilidad de que el viajero no sea arrestado por posesin de narcticos?
Solucin
Datos:
N = 6 + 9 = 15 9 tabletas
de

6 tabletas
de
narcticos

K=6
n =3
a) P(x 3)
a) P(x = 0)
a) P(x 3) = P(x = 1) + P(x = 2) + P(x = 3)

6 15 6
2 3 2
15
3

P(x 3) = 0,4747 + 0,2967 + 0,0440 = 0,8154 x 100 = 81,54%

Existe un 81,54% de que el viajero sea arrestado por posesin de narcticos
b) Cul es la probabilidad de que el viajero no sea arrestado por posesin de narcticos?

P(X=0)
=

P(X=0)
=
P(X=0) = 0,1846 X100 = 18,46% Existe un 18,46% de probabilidad de que el
viajero no sea arrestado
[otra forma de hallar la parte a) P(x 3)
P(x 3) = 1 - P(x = 0) = 1 0,1846 = 0,8154]
EJEMPLO 3

En una hacienda donde se cultivan animales se separan 12(7 cerdos y 5 vacas) para ser posiblemente
sacrificados, al final se matan solo 4 de ellos.
a) cual es la probabilidad de que se sacrifiquen exactamente 3 cerdos.
b) Cual es la probabilidad de escoger menos de 2 vacas.
c) Cual es la probabilidad de escoger ms de 2 cerdos.
Solucin:
N=12 X=cerdos
n= 4 X!=vacas

Parte a:

Parte b:

Parte c:

DISTRIBUCIN NORMAL Z
DISTRIBUCION DE PROBABILIDADES NORMAL Z
DISTRIBUCION NORMAL

La distribucin normal, tambin llamada distribucin de Gauss, es la distribucin de probabilidad que

con ms frecuencia se nos presenta en estadstica y en la teora de probabilidades. Esto se debe a
dos razones fundamentalmente:
1) Su funcin de probabilidad o funcin de densidad es simtrica y con forma de campana, lo
que permite su aplicacin como modelo para muchas variables aleatorias continuas.
2) Posee relacin con otras distribuciones y con multitud de resultados ligados a la teora de
las probabilidades gracias a sus propiedades matemticas.
1) Importancia
a) Tiene algunas propiedades que la hacen aplicable a muchas situaciones donde es preciso
hacer inferencias al seleccionar muestras.
b) Llega a encajar muy bien en las distribuciones observadas de frecuencia de multitud de
fenmenos entre ellos:

La forma de vestir de un grupo de individuos

El efecto de un medicamento en una poblacin

El consumo de determinado producto por una misma poblacin de individuos

El cociente intelectual

Errores de medicin

Valores estadsticos mustrales y otras medidas de inters para los administradores.

2) Propiedades
1) Tiene como parmetros: E(X) = ; V(X) = 2
2) La curva es asinttica; es decir, las colas de la curva nunca llegan a tocar el eje de las abscisas
3) La distribucin normal es simtrica con respecto a la ordenada mxima.
4) La curva tiene un solo pico; por consiguiente, es unimodal. Presenta una forma de campana.
5) La media, moda y mediana se encuentran en el centro de su curva normal.
6) Forma grfica de la distribucin de probabilidades normal Z.

x
0,5

0,5

3) Distribucin normal estndar. Estandarizacin

Cuando = 0 y = 1, la distribucin se conoce con el nombre de normal estndar.
Dada una variable aleatoria normal X, con media (tambin llamada Esperanza matemtica) y
desviacin tpica , si definimos otra variable aleatoria. Entonces la variable aleatoria Z tendr una
distribucin normal estndar = 0 y = 1. Se dice que se ha tipificado la variable X.
Z= X-

Donde:
X= valor de la variable aleatoria que nos interesa
= media de la distribucin de esta variable aleatoria
= desviacin estndar de la distribucin
z = nmero de desviaciones estndar de x respecto a la media de esta distribucin
4) Uso de tablas
La probabilidad de que nuestra variable aleatoria (que sigue una distribucin normal) se encuentre
entre dos valores determinados ser en general difcil de calcular (hay que usar la integral de la
funcin de probabilidad). Para ello, existen tablas distribucin normal tipificada, si bien stas se
calculan para la distribucin Normal Tipificada.
EJEMPLO Z= 1, 2 8

0,0
0,1

0,2
.
.
1,0
1,1
1,2
.
.

0,3997

PROBLEMA N 1
El tiempo promedio que empleo un suscriptor del peridico la Verdad es de 49 minutos. Suponga que
la desviacin estndar es de 16 minutos y que los tiempos de la lectura sigue una distribucin
normal.
a)
b)
c)
d)

Cual es la probabilidad de que un suscriptor tarde cuando menos 1 hora en leer el peridico?
Cual es la probabilidad de que un suscriptor tarde menos de 30 minutos en leerla?
Cual es la probabilidad de que un suscriptor tarde ms de 48 minutos en leerla?
Cual es la probabilidad de que un suscriptor tarde entre 30 y 48 minutos en leerla?

PROBLEMA N 2
Los pesos de los individuos de una poblacin se distribuyen normalmente con media de 70kg. Y una
desviacin estndar de 6kg. De una poblacin de 2.000 personas. a)Calcule cuantas personas
tendrn un peso comprendido entre 64 y 76kg? b) Se quiere saber el valor de X, si este se
encuentra a un 95,05%?
PROBLEMA N 3
Supngase que el ingreso medio de una gran comunidad se puede aproximar razonablemente
mediante una distribucin normal que tiene una media de $15.000 y una desviacin estndar de
$3000. Determine:
a) Qu porcentaje de poblacin tendr ingresos entre $14.000 y $16.000?
b) Qu porcentaje de poblacin tendr ingresos entre $17.000 y $18.000?
c) Qu porcentaje de poblacin tendr ingresos menores $16.000?
PROBLEMA N 4
El peso medio de 500 estudiantes varones de cierta universidad es de 151 libras y la desviacin
tpica es de 15 libras. Se sabe que los pesos estn normalmente distribuidos, hallar cuantos
estudiantes pesan:
a) Entre 120 y 155 libras
b) Ms de 185 libras
c) Menos de 140 libras
SOLUCIN DE LOS PROBLEMAS
PROBLEMA N 1

El tiempo promedio que emplea un suscriptor del peridico la Verdad es de 49 minutos. Suponga que
la desviacin estndar es de 16 minutos y que los tiempos de la lectura sigue una distribucin
normal.
a)Cual es la probabilidad de que un suscriptor tarde cuando menos 1 hora en leer el peridico?
b)Cual es la probabilidad de que un suscriptor tarde menos de 30 minutos en leerla?
c)Cual es la probabilidad de que un suscriptor tarde ms de 48 minutos en leerla?
d)Cual es la probabilidad de que un suscriptor tarde entre 30 y 48 minutos en leerla?
DATOS:
= 49
= 16
a) P(X 60) = ?
b) P(X 30) =?

c) P(X 48) =?

d) P( 30 X 48) = ?

a) P(X 60) = ?

49

60
0,5

X-
Z=

Z=

60 - 49
16

Z = 0,69 ENTRAMOS A LA TABLA

0,2549

P(X 60) = 0,5 0,2549 = 0,2451 X100 = 24,51% Existe un 24,51% de probabilidad de que 1
suscriptor tarde 1 hora en leer la verdad.
b)Cual es la probabilidad de que un suscriptor tarde menos de 30 minutos en leerla?

30
0,5
b) P(X 30) = ?

49

X-
Z=

Z=

30 - 49
16

-1,19

ENTRAMOS

LA

TABLA

0,3830

P(X 30) = 0,5 0,3830 = 0,1170 X100 = 11,70% Existe un 11,70% de probabilidad de que 1
suscriptor tarde menos de 30 minutos en leer la verdad.
c)Cual es la probabilidad de que un suscriptor tarde ms de 48 minutos en leerla?
c) P(X 48) = ?

48

49
0,5

X-
Z=

Z=

48 - 49
16

-0,06

ENTRAMOS

LA

TABLA

0,0239

P(X 48) = 0,5 + 0,0239 = 0,5239 X100 = 52,39% Existe un 52,39% de probabilidad de que 1
suscriptor tarde ms de 48 minutos en leer la verdad.
d)Cual es la probabilidad de que un suscriptor tarde entre 30 y 48 minutos en leerla?

d) P( 30 X 48) = ?

30

X-
Z1 =

Z1 =

X-
Z2 =

Z2 =

30 - 49
16
48 - 49
16

48

49

-1,19

ENTRAMOS

LA

TABLA

-0,06

ENTRAMOS

LA

TABLA

0,3830

0,0239

d) P( 30 X 48) = ? 0,3830 - 0,0239 = 0,3591x 100 = 35,91% Existe un 35,91%

de probabilidad de que 1 suscriptor tarde entre 30 y 48 minutos en leer la verdad.
PROBLEMA N 2
Los pesos de los individuos de una poblacin se distribuyen normalmente con media de 70kg. Y una
desviacin estndar de 6kg. De una poblacin de 2.000 personas. a)Calcule cuantas personas
tendrn un peso comprendido entre 64 y 76kg? b) Se quiere saber el valor de X, si este se
encuentra a un 95,05%?

d) P( 64 X 76) = ?

64

X-
Z1 =

Z=

X-
Z1 =

Z=

76 - 70
6

70

76

1,00

ENTRAMOS

LA

TABLA

-1,00

ENTRAMOS

LA

TABLA

0,3413

64 - 70
6

0,3413

P( 64 X 76) = 0,3413 + 0,3413 = 0,6826 x 2000 = 1.365,20 = 1.365 personas tendrn un peso
entre 64 y 76 kg
b) Se quiere saber el valor de X, si este se encuentra a un 95,05%?
b) P(X =?) = ?

45,05%

50%

70

45,05% /
100 =
0,4505

X=? 80

95,05%

Con el 0,4505 se entra dentro de la tabla de la normal y se obtiene el valor de z.

Z = 1,65

X-
Z=

Z= X-
= 79,9

X= Z+

X = (1,65)(6) + 70

T- STUDENT
a) Definicin: La distribucin t . student se utiliza cuando nos encontramos con la dificultad de no
conocer la desviacin tpica poblacional y nuestra muestra es menor de 30. Es similar a la curva
normal, pero la distribucin t student tiene mayor rea a los extremos y menos en el centro.
Sus funciones se basan en establecer un intervalo de confianza, utilizando un nivel de confianza y
los grados de libertad, obtenindose valores de una tabla dada con respecto a estas variables y
aplicarla o sustituirla en la frmula.
b) Uso de la distribucin t student
1) Para determinar el intervalo de confianza dentro del cual se puede estimar la media de una
poblacin a partir de muestras pequeas(n<30)
2) Para probar hipotesis
3) Para probar si 2 muestras provienen de la misma poblacin
c) Procedimiento para usar la tabla
Ejemplo 1
Recuerde v = n - 1
Supngase que: n = 10 y NC = 80% se busca

t/2 = ?
v

SOLUCIN
v=n1
1 = NC

v = 10 1
= 1 - NC

v=9
= 1 0,80

t/2 = t0,10 = 1,383

v

v
1
2
3
4
5
6
7

0,40

0,30

0,20

0,10

0,05

0,025

= 0,20

/ 2 = 0,10

8
9

1,383

. Ejemplo 2
Recuerde v = n - 1
Supngase que: n = 25 y NC = 90% se busca

t/2 = ?
v

SOLUCIN
v=n1

v = 25 1

1 = NC

v = 24

= 1 - NC

= 1 0,90

t/2 = t0,05 = 1, 711

v

24

0,40

0,30

0,20

0,10

0,05

1
2
3
4
5
6
7
8
9
.
24

1,711

0,025

= 0,10

/ 2 = 0,05

NOTA: Cuando dividan

0,05 / 2 esto es igual a 0,03, si tienen la calculadora en 2 decimales, este nmero no existe en la tabla t

students, por lo tanto se coloca la calculadora en 3 decimales y se hace de nuevo la divisin y esta vez el resultado es 0,025, este
nmero si existe en la tabla t students

Ejemplo 3
Recuerde v = n - 1
Supngase que: n = 20 y NC = 95% se busca

t/2 = ?
v

SOLUCIN
v=n1
1 = NC

v = 20 1
= 1 - NC

v = 19
= 1 0,95

= 0,05

/ 2 = 0,025

t/2 = t0,025 = 2,093

v

19

2.-TIPOS DE MUESTREOS
a) Muestreo probabilstico
b) Muestreo no probabilstico
a) MUESTREO PROBABILSTICO: Es cuando los elementos que integran la muestra se toman
completamente al azar, dndole as a cada uno el mismo grado de probabilidad de formar parte de la muestra;
hablndose entonces de una muestra probabilstica.
Es el mejor mtodo de muestreo estadstico y se puede tomar de 4 maneras: Simple, sistemtico,
estratificado y por conglomerado
1. Muestreo aleatorio simple: Consiste en escoger cada elemento de la muestra mediante
sorteo o cualquier otro argumento de escogencia al azar.
Ejemplo:
Vamos a generar nmeros aleatorios, utilicemos para ello mi nmero de cdula de identidad, de ella tomamos
los 3 ltimos nmeros lo elevamos al cuadrado y tomamos los 3 ltimos nmeros, esto lo hacemos varias
veces hasta obtener un total de 36 nmeros aleatorios.
Solucin
CI: 5.052.512
512
144
736
696
416
056
136

496
016
256
536
296
EJEMPLO
Supongamos que se aplica una auditora a una empresa, y encontramos que tiene un total de 500 cuentas por
cobrar a clientes, de las cuales se decide analizar una muestra de 9 clientes.
El procedimiento es el siguiente:
a) Se enumeran los clientes correlativamente desde el 1 hasta el 500
b) Tomamos 3 columnas contiguas de la tabla, tomamos 3 porque el total de clientes son 500, o sea 3 cifras, y
as tenemos posibilidad de escogerlas a todas.
c) De estas 3 columnas tomamos los 9 nmeros aleatorios que necesitamos, a partir de cualquier origen.
Supongamos que tomamos los 9 primeros. As:
512
144
736
696
416
056
136
496
016
NOTA: Para nuestra auditora analizaremos las cuentas por cobrar de 9 clientes, cuyo nmero de cuenta nos
dice la tabla de nmeros aleatorios.
No tomamos 512, 736, y 696, porque no tenemos cuenta alguna con ese nmero, puesto que el nmero total
de clientes de esta empresa es solo de 500, tampoco se toma en cuenta los repetidos, aunque esto es poco
frecuente que ocurra, as que saltamos estos nmeros.
En conclusin solamente analizaremos las cuentas del resto de los clientes o sea de los clientes nmeros
144, 416, 056, 136, 496 y 016
2. Muestreo aleatorio sistemtico: Consiste en seleccionar los elementos de la muestra siguiendo un cierto
orden, en la que se toma en cuenta el tamao de la poblacin y el de la muestra.
EJEMPLO
Vamos a suponer que queremos verificar un inventario al muestreo en una empresa, que tiene un total de
2000 artculos en sus almacenes, con sus respectivas tarjetas de inventario cada una, y queremos tomar una
muestra de solo 25 artculos.
PROCEDIMIENTO:
a) En este caso dividimos la poblacin entre el tamao de la muestra, es decir,
2000
25

= 80

b) Este cociente, llamado factor de elevacin, nos indica que debemos tomar las tarjetas de 80 en 80.
c) Esto supone que las tarjetas de inventario estarn numeradas correlativamente, desde el 0001, hasta el
2000
d) Tomamos como origen, o primera tarjeta, una cualquiera al AZAR y luego tomamos la restantes cada 80
ms.
Por ejemplo: si tomramos como primera tarjeta la nmero 12, la segunda sera la 12 + 80 = 92 y, la tercera
tarjeta habra de ser la 92 + 80 =172 y as, sucesivamente, hasta tomar las 25 tarjetas de la muestra que
necesitamos
e) En el caso de agotarse las 2000 tarjetas, antes de completarse la muestra, se regresa el conteo, desde la
tarjeta 2000, hasta la nmero 0001 y se contina dicho conteo, hasta completar las 25 tarjetas de la muestra.
12

972 + 80 = 1052

14

12 + 80 = 92
92 + 80 = 172
172 + 80 = 252
252 + 80 = 332

2
3
4
5

1052 + 80 = 1132
1132 + 80 = 1212
1212 + 80 = 1292
1292 + 80 = 1372

15
16
17
18

332 + 80 = 412
412 + 80 = 492
492 + 80 = 572
572 + 80 = 652
652 + 80 = 732

6
7
8
9
10

1372 + 80 =
1452 + 80 =
1532 + 80 =
1612 + 80 =
1692 + 80 =

1452
1532
1612
1692
1772

19
20
21
22
23

732 + 80 = 812
812 + 80 = 892

11
12

1772 + 80 = 1852
1852 + 80 = 1932

24
25

892 + 80 = 972

13

3. Muestreo aleatorio estratificado: En este mtodo de muestreo se divide primero la

poblacin en subconjunto homogneo, o estratos. Luego se toma los elementos para formar la muestra, de
cada uno de los estratos, utilizando cualquiera de los mtodos aleatorios.
Es recomendable calcular el tanto por ciento que de la poblacin representa cada estrato, para
tomar de cada uno de ellos ese mismo porcentaje de elementos para integrar la muestra.
Es decir que, si un estrato representa el 20% de la poblacin, se tomar de l el 20% de los
elementos que formarn la muestra estratificada
EJEMPLO (Muestreo estratificado)
En el caso de la auditora de las cuentas por cobrar, mencionadas en el problema anterior, formaremos
estratos, de acuerdo a las antigedades de las referidas cuentas y enseguida calcularemos qu % del total
representa cada estrato, para luego tomar de cada estrato ese mismo %, para formar la muestra deseada. Si
tomamos una muestra de 20 cuentas por cobrar, cuales son los estratos ms indicados que
seleccionaramos?
Vamos a suponer, a tal efecto, que dicha empresa tiene en cartera las siguientes cuentas por cobrar:
De 01 a 30 das

40.000 Bs

De 31 a 60 das
De 61 a 90 das
Ms de 90 das

30.000 Bs
20.000 Bs
10.000 Bs

SOLOUCIN
De 01 a 30 das

40.000,00 Bs

40%

De 31 a 60 das

30.000,00 Bs

30%

De 61 a 90 das

20.000,00 B

20%

Ms de 90 das
TOTAL

10.000,00 Bs
100.000,00 Bs

10%
100%

Si quisiramos tomar una muestra de 20 cuentas por cobrar, escogeramos los estratos indicados siguientes:
8, 6, 4 y 2 cuentas, respectivamente, en forma sistemtica o aleatoria simple
40% (20) = 8 Cuentas
30% (20) = 6 Cuentas
20% (20) = 4 Cuentas
10% (20) = 2 Cuentas
TOTAL

20 Cuentas

4. Muestreo aleatorio por conglomerado: Consiste en dividir primero la poblacin de acuerdo a reas
geogrficas o por conglomerados sociales. Este mtodo es muy recomendable en las investigaciones de
estadsticas de opinin, con fines de estudio de mercado, programas de radio y televisin, preferencias de
ciertos productos entre otros.
EJEMPLO:
Si queremos efectuar un estudio estadstico, para conocer el grado de audiencia de la emisora de radio
URBE FM 96.3, entre los estudiantes de la Universidad, procederemos as:
a) Dividimos la Universidad en 7 bloques a saber (A, B, C, D, E, F y G)
b) De estos Bloques tomaremos al AZAR 5 salones de cada Bloque
c) De entre estos salones seleccionados se entrevistan 20 estudiantes por cada saln.
b) MUESTREO NO PROBABILSTICO:
1. Muestreo accidental: Es el menos recomendable se selecciona los elementos que estn al
alcance. Es muy comn en las investigaciones arqueolgicas, histricas y en todos aquellos estudios que se
solicitan individuos voluntarios.
2. Muestreo intencional o de opinin: Las muestras de opinin no son aleatorias, son
seleccionadas o sugeridas por especialistas en la materia u objeto de estudio, que pueden reconocer con gran
acierto las unidades experimentales tpicas y representativas de la poblacin en estudio. La calidad de la
muestra esta subordinada nicamente al juicio del experto. Por ejemplo; considrese la prctica de
contabilidad de seleccionar las semanas tpicas para una auditora.
3. Muestreo por cuota: Entre los no probabilsticos es el ms importante, ampliamente usado
en encuesta de opinin y mercadeo. Est sujeto a varias limitaciones, como la imposibilidad cientfica de
determinar cul es el tamao muestral y su error muestral.

A cada encuestador se le asigna una cuota o cantidad de personas que le proporcionarn

informacin. Tcnicamente es el mismo muestreo estratificado excepto que las unidades experimentales no
son seleccionadas al azar. La naturaleza de los controles y de las instrucciones depende del juicio experto de
las personas, que practica este tipo de muestreo.

3.- TAMAO DE LA MUESTRA

Se deben tener presente 2 condiciones fundamentales.
1) Que la muestra sea realmente REPRESENTATIVA de la poblacin: Que debe poseer los mismos
atributos y caractersticas de la poblacin o universo al cual sustituye.
2) Que tal muestra sea de TAMAO apropiado: Ni muy pequea ni demasiado grande.
Segn Francisco Gmez Rondn: La muestra debe ser digna de confianza, es decir, que debe ser
suficientemente GRANDE y tomada con determinado rigor.
Existe una frmula matemtica para determinar el TAMAO recomendable que ha de tener la
muestra, cuando se debe obtener la media del tamao muestral n y es la siguiente:
Cuando la poblacin es INFINITA o el muestreo es con reemplazo
n = Z

E
Donde:
n = Tamao apropiado de la muestra
z = Nivel de confianza del intervalo
= Desviacin estndar de la poblacin
E = Error muestral mximo que se admite.
El TAMAO de la muestra tambin puede obtenerse en atencin a la PROPORCIN
POBLACIONAL, P, que se desee. En este caso, la frmula a utilizar es la siguiente:
n = Z2pq
E2
Donde:
p = Proporcin verdadera de xito o proporcin poblacional estimada
q = 1 p probabilidad de fracaso
Cuando la poblacin es FINITA o el muestreo es SIN reemplazo
Z22N

n=

E2(N 1) + Z22
Donde:

N = Tamao Poblacional
El TAMAO de la muestra tambin puede obtenerse en atencin a la PROPORCIN
POBLACIONAL, P, que se desee. En este caso, la frmula a utilizar es la siguiente:
Z2pqN

n=

E2(N 1) + Z2pq
A continuacin se muestra la tabla de Nivel de confianza o significacin o nivel de riesgo de z.
Nivel de confianza o significacin o nivel de riesgo: El que realiza la investigacin debe
establecer a priori (con anterioridad) un nivel de significacin o probabilidad respecto al cual se va a
poner a prueba el estudio.

NIVEL DE CONFIANZA (%)

99,74
99,00
98,00
96,00
95,45
95,00
90,00
80,00
68,27
50,00

COEFICIENTE DE CONFIANZA (Z)

3,00
2,58
2,33
2,05
2,00
1,96
1,645
1,28
1,00
0,6745

EJEMPLO 1:
Supongamos que el dueo de un abasto quiere saber a cunto ascendern la compra promedio de
cada uno de sus clientes (n), segn las siguientes premisas: Las ventas promedio del ltimo ao
tienen una desviacin estndar de la poblacin de B s 100,00, quiere un nivel de confianza del
99,74% y aspira un margen de error muestral de unos B s 20
SOLUCIN
Como la poblacin es infinita utilizamos la siguiente frmula
n = Z

E
n = 3(100) 2
20
n = [ 15 ]2
n = 225

Conclusin: Es decir, que este seor deber tomar una muestra compuesta de 225 de sus clientes
ms representativos.
EJEMPLO 2:
Supongamos que una gran empresa del ramo de ferretera desea tomar un INVENTARIO AL
MUESTREO, con las siguientes condiciones: que el error muestral no sea mayor del 4%, con un
nivel de confianza del 95,45% y segn la experiencia, las tarjetas con discrepancias suelen alcanzar
el 40%
SOLUCIN
Como la poblacin es infinita utilizamos la siguiente frmula
Datos:
Z=2
p = 40% = 0,40
q = 1 p = 1 0,40 = 0,60
E = 4% = 0,04
n = Z2pq
E2
n = (22)(0,40)(0,60)

= 600

(0,04)2 Se usan 3 decimales el nmero es muy pequeo

Conclusin: Para la toma del inventario al muestreo de esa empresa, ha de tomarse una muestra al
azar compuesta de 600 tarjetas de su inventario.
EJEMPLO 3:
Una determinada empresa tiene 12.000 cuentas de clientes. Esta empresa desea estimar el valor
medio por cuenta, con un error igual a 8 y una confianza del 95%. La empresa ha seleccionado una
muestra aleatoria previa y ha obtenido una desviacin tpica igual a 63,146. Calcular el tamao
muestral correspondiente
SOLUCIN
Como la poblacin es finita utilizamos la siguiente frmula
n=

Z22N
E2(N 1) + Z22

n=

(1,96)2(63,146)2(12.000)

(8)2(12.000 1) + (1,96)2(63,146)2

n=

183.816.748,3
767.936,00

15318,06

n=

183.816.748,3
783.254,06

n = 234,68
n = 235 el tamao muestral correspondiente es de 235 muestras
EJEMPLO 4
Supongamos que una gran empresa del ramo de farmacia tiene un inventario al muestreo de 235
frmacos, con las siguientes condiciones: que el error muestral no sea mayor del 5%, con un nivel
de confianza del 98,00% y segn la experiencia, los frmacos con discrepancias suelen alcanzar el
30%. Calcular el tamao muestral correspondiente
SOLUCIN
Como la poblacin es finita utilizamos la siguiente frmula
DATOS
Z = 2,33
p = 30% = 0,30
q = 1 p = 1 0,30 = 0,70
E = 5% = 0,05
N = 235
n=

Z2pqN
E2(N 1) + Z2pq

n=

(2,33)2(0,30)(0,70)( 235)
(0,05)2(235 1) + (2,33)2(0,30)(0,70)

n=

267,92
1,73

n = 154,87
n = 155 el tamao muestral correspondiente es de 155
Ejemplo 5 Si los resultados de una encuesta electoral indican que un partido iba a obtener un
porcentaje del 55% de los votos con un error muestral estimado en un 3%, con un nivel de confianza
del 80%. Cul sera el tamao de la muestra?

FORMULARIO DEL SEGUNDO CORTE

BINOMIAL
FRMULA

0 p1

POISSON

P (k;) = e-k
K
HIPERGEOMETRICA

DISTRIBUCIN NORMAL Z

0,5

z
0,5

Z= X-

Tamao de la muestra
Cuando la poblacin es INFINITA o el muestreo es con reemplazo
n = Z

E
n = Z2pq
E2
Cuando la poblacin es FINITA o el muestreo es SIN reemplazo
Z22N

n=

E2(N 1) + Z22
Z2pqN

n=

E2(N 1) + Z2pq

NIVEL DE CONFIANZA (%)

COEFICIENTE DE CONFIANZA (Z)

99,74

3,00

99,00

2,58

98,00

2,33

96,00

2,05

95,45

2,00

95,00

1,96

90,00

1,645

80,00

1,28
68,27
50,00

1,00
0,6745