Saltar al contenido
entrenaselectividad.com
AsignaturasRecursosPrecios
Iniciar sesiónCrear cuenta gratisMi cuentaIr a entrenar
AsignaturasRecursosPreciosIniciar sesiónCrear cuenta gratisMi cuentaIr a entrenar
Matemáticas Aplicadas IIInferencia

Muestreo e inferencia

Con una muestra, estima una media o una proporción y mide tu margen de error.

Entender una ideaConceptos desde ceroAprenderRetos guiados con cuentaEjemplos resueltosSoluciones al detalle

Conceptos para este ejercicio

Repasa el concepto desde cero y vuelve a este paso.

Población, muestra y estimación
EJEMPLO RESUELTO

Elegir una muestra representativa

Una cadena de supermercados quiere saber si están satisfechos sus 9000 clientes con tarjeta de fidelización. Se sortean 360 personas desde el fichero de clientes con tarjeta (el 4 % de la población) y todas contestan. ¿Se puede considerar que esas respuestas representan a toda la población?

N=9000,n=360N=9000,\quad n=360N=9000,n=360

Cómo pensar el primer paso

Cómo elegir la muestra

Qué buscar en la pregunta: Cuando se pregunta si una muestra representa a la población o cómo repartirla entre grupos.

Si piden valorar o elegir una muestra, define la población, la lista de la que se sortea y el mecanismo del sorteo; luego mira si esa lista deja fuera a algún grupo. Si piden repartirla por grupos, calcula la fracción ni/Nin_i/N_ini​/Ni​ del grupo cuya muestra conoces y aplícala a los demás grupos o al total.

Ver un ejemplo pequeño de esta idea

Población, muestra y lo que quieres estimar

Qué buscar en la pregunta: Al empezar un problema de encuesta o intervalo, para decidir si estimas una media o una proporción.

Escribe quién forma la población y qué se observa: si de cada persona mides un número, buscas una media; si solo anotas sí o no y cuentas, una proporción.

Ver un ejemplo pequeño de esta idea
  1. Se pregunta si las respuestas representan a la población. La población es el conjunto de las N=9000N=9000N=9000 personas; las respuestas forman la muestra, de tamaño n=360.n=360\text{.}n=360. Sus tamaños dan n/N=360/9000=0,04,n/N=360/9000=0{,}04\text{,}n/N=360/9000=0,04, es decir, el 4 %4\,\%4% de la población.
    Entender este paso
    Cómo elegir la muestra

    Si preguntas qué música escucha tu instituto solo en las stories de tu clase, solo opinan los que te siguen. Una muestra enorme pero mal elegida sigue dando una foto torcida (sesgo). Con más respuestas el resultado fluctúa menos de una muestra a otra (efecto del azar), pero si la forma de elegir deja fuera a un tipo de persona, ese error en una dirección sigue igual. Un caso típico es la muestra de voluntarios: una encuesta en la puerta de la biblioteca solo recoge a quien va allí y se anima a contestar.

    En el muestreo aleatorio simple sorteas desde una lista que incluye a toda la población. Todas las muestras posibles del tamaño pedido tienen la misma probabilidad de salir: al elegir 222 de 444 alumnos, ninguna pareja tiene ventaja. Mira también quién no responde, porque eso puede torcer el resultado.

    El muestreo estratificado se usa cuando la población tiene grupos (estratos) que pueden pensar distinto: así cada grupo pesa en la muestra lo mismo que en la población y el azar no deja a ninguno casi sin representar. Separas la población en grupos y sorteas dentro de cada uno. En el reparto proporcional (afijación proporcional), NNN es la población total y nnn la muestra total; NiN_iNi​ cuenta las personas de un grupo y nin_ini​ las que eliges de él (iii etiqueta el grupo). Conservamos su peso, la fracción que el grupo supone del total: ni/n=Ni/N.n_i/n=N_i/N\text{.}ni​/n=Ni​/N. Al multiplicar por n,n\text{,}n, ni=n Ni/N.n_i=n\,N_i/N\text{.}ni​=nNi​/N.

    Si multiplicas en cruz, queda ni/Ni=n/N:n_i/N_i=n/N\text{:}ni​/Ni​=n/N: de cada grupo se elige la misma fracción de sus miembros. Sirve si conoces nin_ini​ de un grupo: si eliges 404040 de los 400400400 alumnos de un grupo, es 1 de cada 10,10\text{,}10, y de los demás grupos también. Si no sale entero, redondea cada nin_ini​ y ajusta una unidad para que la suma dé n.n\text{.}n.

    Prueba con un ejemplo pequeño

    Un instituto tiene 1000 alumnos: 400 de ESO y 600 de Bachillerato. Se quiere una muestra de 100 con reparto proporcional. ¿Cuántos alumnos de cada etapa?

    Reparto proporcional: la muestra copia los pesos de la poblaciónDos barras divididas en dos tramos: una de 1000 alumnos con 400 de ESO, 40 por ciento, y 600 de Bachillerato, 60 por ciento; otra de 100 alumnos de muestra con 40 de ESO y 60 de Bachillerato. Los tramos tienen la misma proporción.Población: 1000 alumnosESO 400Bachillerato 600Muestra: 100 alumnosESO 40Bachillerato 60misma proporción40 % + 60 %
    La población tiene el 40%40\%40% en ESO y el 60%60\%60% en Bachillerato. Con reparto proporcional la muestra de 100 conserva esos pesos: ni=n Ni/Nn_i=n\,N_i/Nni​=nNi​/N da 100⋅0,4=40100\cdot0{,}4=40100⋅0,4=40 y 100⋅0,6=60.100\cdot0{,}6=60\text{.}100⋅0,6=60. Dentro de cada grupo, los alumnos concretos se sortean.
    Reparto proporcional
    EtapaNiN_iNi​Peso Ni/NN_i/NNi​/Nnin_ini​
    ESO4000,440
    Bachillerato6000,660
    Total10001100
    1. Cada etapa debe pesar en la muestra lo mismo que en el instituto. Llamamos grupo 1 a ESO y grupo 2 a Bachillerato. ESO tiene N1=400N_1=400N1​=400 de N=1000:N=1000\text{:}N=1000: su peso es 400/1000=0,4.400/1000=0{,}4\text{.}400/1000=0,4.
    2. Llamamos n1n_1n1​ al número de alumnos de ESO que elegimos y n=100n=100n=100 al tamaño de la muestra. Conservamos la misma fracción: n1/100=400/1000=0,4.n_1/100=400/1000=0{,}4\text{.}n1​/100=400/1000=0,4. Multiplicamos ambos lados por 100: n1=100⋅0,4=40.n_1=100\cdot0{,}4=40\text{.}n1​=100⋅0,4=40.
    3. Bachillerato tiene N2=600:N_2=600\text{:}N2​=600: n2=100⋅600/1000=60.n_2=100\cdot600/1000=60\text{.}n2​=100⋅600/1000=60.
    4. Dentro de cada etapa, los alumnos concretos se sortean.

    Se eligen 40 alumnos de ESO y 60 de Bachillerato.

    Repasar esta idea y sus símbolos
  2. Una muestra representa a la población no por el porcentaje que supone, sino porque todas las personas hayan tenido la misma opción de entrar.
  3. Aquí se sortea desde el fichero de clientes con tarjeta, que incluye a las 9000 personas, y todas las sorteadas contestan. Cada persona tiene la misma opción de salir y el resultado no depende de lo que piensa cada una.
  4. Que sean solo el 4 % de la población no lo impide: una muestra bien elegida no necesita preguntar a todos. Al ser pequeña tendrá más error por azar, pero no un sesgo de selección.
ConclusiónSí: cada una de las 9000 personas tuvo la misma opción de salir en el sorteo, aunque la muestra sea solo el 4 % de la población
Probar otra varianteHacer ejercicios en papel
EJEMPLO RESUELTO

Repartir una muestra por grupos

Un hospital tiene 2000 pacientes: 900 de consulta externa y 1100 ingresados. Se elige una muestra de 300, con 165 pacientes de consulta externa y 135 ingresados. ¿Qué grupo está sobrerrepresentado en la muestra, con más peso que en la población?

N1=900,N2=1100,n1=165,n2=135N_1=900,\quad N_2=1100,\quad n_1=165,\quad n_2=135N1​=900,N2​=1100,n1​=165,n2​=135

Cómo pensar el primer paso

Cómo elegir la muestra

Qué buscar en la pregunta: Cuando se pregunta si una muestra representa a la población o cómo repartirla entre grupos.

Si piden valorar o elegir una muestra, define la población, la lista de la que se sortea y el mecanismo del sorteo; luego mira si esa lista deja fuera a algún grupo. Si piden repartirla por grupos, calcula la fracción ni/Nin_i/N_ini​/Ni​ del grupo cuya muestra conoces y aplícala a los demás grupos o al total.

Ver un ejemplo pequeño de esta idea
  1. Buscamos qué grupo pesa más en la muestra que en la población. Los grupos tienen N1=900N_1=900N1​=900 y N2=1100N_2=1100N2​=1100 pacientes, de N=2000,N=2000\text{,}N=2000, y la muestra de n=300n=300n=300 lleva n1=165n_1=165n1​=165 y n2=135.n_2=135\text{.}n2​=135.
    Entender este paso
    Cómo elegir la muestra

    Si preguntas qué música escucha tu instituto solo en las stories de tu clase, solo opinan los que te siguen. Una muestra enorme pero mal elegida sigue dando una foto torcida (sesgo). Con más respuestas el resultado fluctúa menos de una muestra a otra (efecto del azar), pero si la forma de elegir deja fuera a un tipo de persona, ese error en una dirección sigue igual. Un caso típico es la muestra de voluntarios: una encuesta en la puerta de la biblioteca solo recoge a quien va allí y se anima a contestar.

    En el muestreo aleatorio simple sorteas desde una lista que incluye a toda la población. Todas las muestras posibles del tamaño pedido tienen la misma probabilidad de salir: al elegir 222 de 444 alumnos, ninguna pareja tiene ventaja. Mira también quién no responde, porque eso puede torcer el resultado.

    El muestreo estratificado se usa cuando la población tiene grupos (estratos) que pueden pensar distinto: así cada grupo pesa en la muestra lo mismo que en la población y el azar no deja a ninguno casi sin representar. Separas la población en grupos y sorteas dentro de cada uno. En el reparto proporcional (afijación proporcional), NNN es la población total y nnn la muestra total; NiN_iNi​ cuenta las personas de un grupo y nin_ini​ las que eliges de él (iii etiqueta el grupo). Conservamos su peso, la fracción que el grupo supone del total: ni/n=Ni/N.n_i/n=N_i/N\text{.}ni​/n=Ni​/N. Al multiplicar por n,n\text{,}n, ni=n Ni/N.n_i=n\,N_i/N\text{.}ni​=nNi​/N.

    Si multiplicas en cruz, queda ni/Ni=n/N:n_i/N_i=n/N\text{:}ni​/Ni​=n/N: de cada grupo se elige la misma fracción de sus miembros. Sirve si conoces nin_ini​ de un grupo: si eliges 404040 de los 400400400 alumnos de un grupo, es 1 de cada 10,10\text{,}10, y de los demás grupos también. Si no sale entero, redondea cada nin_ini​ y ajusta una unidad para que la suma dé n.n\text{.}n.

    Prueba con un ejemplo pequeño

    Un instituto tiene 1000 alumnos: 400 de ESO y 600 de Bachillerato. Se quiere una muestra de 100 con reparto proporcional. ¿Cuántos alumnos de cada etapa?

    Reparto proporcional: la muestra copia los pesos de la poblaciónDos barras divididas en dos tramos: una de 1000 alumnos con 400 de ESO, 40 por ciento, y 600 de Bachillerato, 60 por ciento; otra de 100 alumnos de muestra con 40 de ESO y 60 de Bachillerato. Los tramos tienen la misma proporción.Población: 1000 alumnosESO 400Bachillerato 600Muestra: 100 alumnosESO 40Bachillerato 60misma proporción40 % + 60 %
    La población tiene el 40%40\%40% en ESO y el 60%60\%60% en Bachillerato. Con reparto proporcional la muestra de 100 conserva esos pesos: ni=n Ni/Nn_i=n\,N_i/Nni​=nNi​/N da 100⋅0,4=40100\cdot0{,}4=40100⋅0,4=40 y 100⋅0,6=60.100\cdot0{,}6=60\text{.}100⋅0,6=60. Dentro de cada grupo, los alumnos concretos se sortean.
    Reparto proporcional
    EtapaNiN_iNi​Peso Ni/NN_i/NNi​/Nnin_ini​
    ESO4000,440
    Bachillerato6000,660
    Total10001100
    1. Cada etapa debe pesar en la muestra lo mismo que en el instituto. Llamamos grupo 1 a ESO y grupo 2 a Bachillerato. ESO tiene N1=400N_1=400N1​=400 de N=1000:N=1000\text{:}N=1000: su peso es 400/1000=0,4.400/1000=0{,}4\text{.}400/1000=0,4.
    2. Llamamos n1n_1n1​ al número de alumnos de ESO que elegimos y n=100n=100n=100 al tamaño de la muestra. Conservamos la misma fracción: n1/100=400/1000=0,4.n_1/100=400/1000=0{,}4\text{.}n1​/100=400/1000=0,4. Multiplicamos ambos lados por 100: n1=100⋅0,4=40.n_1=100\cdot0{,}4=40\text{.}n1​=100⋅0,4=40.
    3. Bachillerato tiene N2=600:N_2=600\text{:}N2​=600: n2=100⋅600/1000=60.n_2=100\cdot600/1000=60\text{.}n2​=100⋅600/1000=60.
    4. Dentro de cada etapa, los alumnos concretos se sortean.

    Se eligen 40 alumnos de ESO y 60 de Bachillerato.

    Repasar esta idea y sus símbolos
  2. Peso en la población: N1/N=900/2000=0,45N_1/N=900/2000=0{,}45N1​/N=900/2000=0,45 (el 45 %)45\,\%\text{)}45%) y N2/N=0,55N_2/N=0{,}55N2​/N=0,55 (el 55 %).55\,\%\text{).}55%).
  3. Peso en la muestra: n1/n=165/300=0,55n_1/n=165/300=0{,}55n1​/n=165/300=0,55 (el 55 %)55\,\%\text{)}55%) y n2/n=135/300=0,45n_2/n=135/300=0{,}45n2​/n=135/300=0,45 (el 45 %).45\,\%\text{).}45%).
  4. Los pacientes de consulta externa pesan más en la muestra (55 %)55\,\%\text{)}55%) que en la población (45 %):45\,\%\text{):}45%): están sobrerrepresentados. El otro grupo pesa menos, y los pesos de cada reparto suman 100 %.100\,\%\text{.}100%.
ConclusiónLos pacientes de consulta externa
Probar otra varianteHacer ejercicios en papel
EJEMPLO RESUELTO

Distribución de la media muestral

El tiempo de espera de los pacientes de un centro de salud (en min) sigue una distribución normal de media μ=59\mu=59μ=59 min y desviación típica σ=18\sigma=18σ=18 min. Se toma una muestra aleatoria de 20 pacientes, con observaciones independientes, y se calcula su media X‾.\overline X\text{.}X. ¿Se puede considerar que X‾\overline XX sigue una distribución normal?

X∼N(μ=59, σ=18),n=20X\sim N(\mu=59,\ \sigma=18),\quad n=20X∼N(μ=59, σ=18),n=20

Cómo pensar el primer paso

La media de una muestra varía menos que un dato

Qué buscar en la pregunta: Cuando la pregunta habla de la media de una muestra y no de la medida de una sola persona.

Revisa si el enunciado indica observaciones independientes. Llama nnn al número de datos y σ\sigmaσ a la desviación de la población. Para la varianza del promedio usa σ2/n;\sigma^2/n\text{;}σ2/n; para su desviación, σ/n.\sigma/\sqrt n\text{.}σ/n​. Una probabilidad sobre el promedio se calcula con su desviación.

Ver un ejemplo pequeño de esta idea
  1. Buscamos si se puede tratar X‾,\overline X\text{,}X, la media de n=20n=20n=20 medidas independientes, como una normal. Hay dos casos: si el tiempo de espera de los pacientes de un centro de salud es normal, X‾\overline XX es normal con cualquier n;n\text{;}n; si no se sabe cómo se distribuye, la media solo se aproxima por una normal cuando la muestra es grande, n≥30.n\ge30\text{.}n≥30.
    Entender este paso
    La media de una muestra varía menos que un dato

    Un solo trayecto al instituto puede salir larguísimo o cortísimo. Si promedias 100 trayectos, los largos y los cortos se compensan, y ese promedio cambia mucho menos de una muestra a otra.

    XXX es el tiempo de un trayecto, con media μ\muμ y desviación típica σ\sigmaσ (cuánto se aparta típicamente un trayecto de μ).\mu\text{).}μ). X‾\overline XX es la media de nnn trayectos independientes: conocer el tiempo de uno no da pistas sobre el de los demás. Se escribe con mayúscula porque cambia de una muestra a otra; x‾\overline xx (minúscula) es el valor que sale en una muestra ya observada. La media de X‾\overline XX sigue siendo μ\muμ y su desviación es σ/n,\sigma/\sqrt n\text{,}σ/n​, llamada error estándar. La varianza es el cuadrado de esa desviación: σ2/n.\sigma^2/n\text{.}σ2/n.

    «Error estándar» no significa que hayas hecho mal una cuenta: mide cuánto cambia el promedio al repetir muestras del mismo tamaño. Con 100 trayectos, 100=10,\sqrt{100}=10\text{,}100​=10, así que su desviación es diez veces menor que la de un trayecto.

    Si cada trayecto sigue una normal, su promedio también. Si no se conoce esa forma, el teorema central del límite dice que, con una muestra grande, el promedio se parece a una normal aunque los datos no lo sean; lo que sí se exige es que los datos sean independientes.

    Prueba con un ejemplo pequeño

    Los trayectos de casa al instituto siguen una normal con media 20 minutos y desviación 5 minutos. Promedias 100 trayectos independientes. ¿Qué desviación tiene ese promedio, cómo tipificas una media de 21 minutos y qué probabilidad hay de que el promedio supere 21?

    Un trayecto varía mucho; el promedio de 100, muy pocoDos campanas con la misma media 20. La ancha, con desviación 5, representa un trayecto. La estrecha y alta, con desviación 0,5, representa el promedio de 100 trayectos. Una vertical en 21 minutos queda cerca del centro en la ancha y lejos, a dos desviaciones, en la estrecha.101520253021 minun trayectoσ = 5promedio de 100σ = 0,5z de 21: 0,2 (ancha) frente a 2 (estrecha)
    Las dos campanas están centradas en 20,20\text{,}20, pero la de la media de 100100100 trayectos tiene desviación 5/100=0,5:5/\sqrt{100}=0{,}5\text{:}5/100​=0,5: es mucho más estrecha. El valor 212121 está a z=0,2z=0{,}2z=0,2 de la campana ancha (un trayecto normal) y a z=2z=2z=2 de la estrecha (un promedio raro).
    Mismo dato, dos escalas
    Un trayecto XXXPromedio de 100, X‾\overline XX
    Media202020202020
    Desviación5550,50{,}50,5
    zzz de 21 minutos0,20{,}20,2222
    Probabilidad de superar 21≈0,42\approx0{,}42≈0,42≈0,0228\approx0{,}0228≈0,0228
    1. Un trayecto tiene μ=20\mu=20μ=20 y σ=5.\sigma=5\text{.}σ=5. El promedio de n=100n=100n=100 trayectos tiene la misma media, 20:20\text{:}20: promediar no mueve el centro.
    2. Su desviación es el error estándar σ/n.\sigma/\sqrt n\text{.}σ/n​. Sustituimos: 5/100=5/10=0,55/\sqrt{100}=5/10=0{,}55/100​=5/10=0,5 minutos.
    3. Tipificar es restar la media y dividir entre la desviación: z=(valor−media)/desviacioˊn.z=(\text{valor}-\text{media})/\text{desviación}\text{.}z=(valor−media)/desviacioˊn. Para una media de 21 usamos la escala del promedio: z=(21−20)/0,5=2.z=(21-20)/0{,}5=2\text{.}z=(21−20)/0,5=2. Está a 2 errores estándar del centro.
    4. Probabilidad: P(X‾>21)=P(Z>2)=1−Φ(2),{P(\overline X>21)}={P(Z>2)}=1-\Phi(2)\text{,}P(X>21)=P(Z>2)=1−Φ(2), donde Φ(z)\Phi(z)Φ(z) es el área de la normal estándar a la izquierda de zzz (la que da la tabla). Con Φ(2)=0,9772\Phi(2)=0{,}9772Φ(2)=0,9772 sale 1−0,9772=0,0228:1-0{,}9772=0{,}0228\text{:}1−0,9772=0,0228: es raro que el promedio de 100 trayectos pase de 21.
    5. Con la escala de un trayecto sería (21−20)/5=0,2:(21-20)/5=0{,}2\text{:}(21−20)/5=0,2: respondería sobre un trayecto suelto, no sobre el promedio de 100. De hecho, un trayecto suelto pasa de 21 con probabilidad 1−Φ(0,2)=1−0,5793≈0,42,1-\Phi(0{,}2)=1-0{,}5793\approx0{,}42\text{,}1−Φ(0,2)=1−0,5793≈0,42, muy distinta de 0,0228.0{,}0228\text{.}0,0228.

    La media muestral tiene desviación 0,50{,}50,5 minutos; el valor 21 se tipifica como z=2z=2z=2 y P(X‾>21)≈0,0228.{P(\overline X>21)}\approx0{,}0228\text{.}P(X>21)≈0,0228.

    Repasar esta idea y sus símbolos
  2. Aquí el enunciado dice que la población es normal. Estamos en el primer caso y el tamaño no importa: X‾\overline XX es normal también con n=20,n=20\text{,}n=20, que es menos de 30.30\text{.}30.
  3. Los 303030 solo se piden cuando la población no es normal. Con n=20n=20n=20 la media sigue una normal de media μ=59\mu=59μ=59 y desviación σ/n.\sigma/\sqrt n\text{.}σ/n​.
  4. En los dos casos hace falta además que las observaciones sean independientes, y el enunciado lo dice.
ConclusiónSí: como la población es normal, la media muestral es normal con cualquier tamaño, también con 20
Probar otra varianteHacer ejercicios en papel

Técnicas de este bloque

  • Elegir una muestra representativa
  • Repartir una muestra por grupos
  • Distribución de la media muestral
  • Probabilidad para una media muestral
  • Distribución de una proporción muestral
  • Encontrar el valor crítico
  • Intervalo de confianza para una media
  • Intervalo de confianza para una proporción
  • Tamaño mínimo para estimar una media
  • Tamaño mínimo para una proporción
  • Leer un intervalo ya construido
  • Relacionar confianza y margen
  • Reducir el error aumentando la muestra
  • Interpretar la confianza de un intervalo
  • Recuperar la desviación desde un intervalo
Buscar ejercicios oficiales de inferencia
ENTRENAR ESTE BLOQUE

Resuelve variantes y guarda tus avances.

Practicar este bloque

Crea tu cuenta para guardar tus avances. Una técnica gratuita de cada bloque; el resto, con un plan.

En esta páginaElegir una muestra representativaRepartir una muestra por gruposDistribución de la media muestralLas 15 técnicas del bloque
entrenaselectividad.com

Entiende cada paso.
Llévalo al examen.

hola@entrenaselectividad.com

Para estudiar

AsignaturasMatemáticas IIMatemáticas Sociales IIFísicaQuímicaEconomía de la EmpresaEjercicios resueltosExámenes · con cuenta gratis

Recursos

Herramientas y guíasSelectividad y PAURepaso desde ceroPlan semanalCalculadora de nota

El proyecto

Cómo funcionaPreciosNuestra historiaPrivacidad y condiciones