SlideShare una empresa de Scribd logo
1 de 3
CURSO     :       MARKETING INFORMÁTICO


TEMA      :       PROBLEMA DE DISEÑO MUESTRAL


ALUMNO        :   CLAUDIO GINO PAZ HUAMÁN



CICLO     :       VIII



DOCENTE   :       CASTILLO HERBAS IRMA



SECCIÓN   :       “B” - MAÑANA
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL
    FACULTAD DE INGENIERIA INDUSTRIAL Y DE SISTEMAS

Problema:

En una investigación de mercado se quemó la información concerniente al presente año 2011,
sin embargo se pudo restaurar el siguiente cuadro:

                    Uso de pantalones      Uso de camisas     Uso de medias         TOTAL
    CENSO 2008           12 000                20 000            28 000
    CENSO 2009           13 000                25 000            37 000
    CENSO 2010           15 000                35 000            55 000             105 000


Asimismo se supo que en el año 2010 la compra fue del 40% de chompas, el 30% de zapatillas y
el 20% de camisas. Con la información dada hallar:

    a) Defina la población de estudio.
    b) Determinar el universo.
    c) Hallar el tamaño de la muestra.

Trabajar con valores óptimos, con Margen de seguridad y trabajar con límites de variación.



Solución:

De la información dada, se rescata el uso de camisas por lo tanto:




Identificamos que es universo finito, por lo cual aplicamos la siguiente fórmula:
Por dato: p = 20% y q = 80%


                                                                     



                                                     



Luego hallamos el margen de seguridad:


                                  




UNFV – Marketing Informático                                                             Página 2
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL
   FACULTAD DE INGENIERIA INDUSTRIAL Y DE SISTEMAS

Nivel de variación:
                           16                        16
                           -                         +
Limites:
Límite inferior: 394 – 16 = 378 encuestas
Límite superior: 394 + 16 = 410 encuestas



Hallamos:

   a) Defina la población de estudio.

       Elemento: Camisas
       Unidad de muestreo: Censo 2010
       Alcance: Lima



   b) Determinar el universo.

       N = 26 667



   c) Hallar el tamaño de la muestra.

       n = 394 encuestas




UNFV – Marketing Informático                              Página 3

Más contenido relacionado

La actualidad más candente

Lecture 6 principios de economía p5
Lecture 6 principios de economía p5Lecture 6 principios de economía p5
Lecture 6 principios de economía p5nica2009
 
Distribucion de probabilidad
Distribucion de probabilidadDistribucion de probabilidad
Distribucion de probabilidaddeiviuts
 
Exposicion mann whitney
Exposicion mann whitneyExposicion mann whitney
Exposicion mann whitneyazael214
 
Distribuciones muestrales diapositivas
Distribuciones muestrales diapositivasDistribuciones muestrales diapositivas
Distribuciones muestrales diapositivascastilloasmat28
 
Test de Hipótesis I
Test de Hipótesis ITest de Hipótesis I
Test de Hipótesis IHector Funes
 
ESTADISTICA.Tabla tstudent
ESTADISTICA.Tabla tstudentESTADISTICA.Tabla tstudent
ESTADISTICA.Tabla tstudentAna Ingrid
 
9. diferencia entre p de hipótesis e intervalos de confianza
9.  diferencia entre p de hipótesis e intervalos de confianza9.  diferencia entre p de hipótesis e intervalos de confianza
9. diferencia entre p de hipótesis e intervalos de confianzaYerko Bravo
 
Exposicion 5.3 Prueba de Hipotesis Equipo Ramirez Elias Francisco
Exposicion 5.3 Prueba de Hipotesis Equipo Ramirez Elias FranciscoExposicion 5.3 Prueba de Hipotesis Equipo Ramirez Elias Francisco
Exposicion 5.3 Prueba de Hipotesis Equipo Ramirez Elias FranciscoAriel Saenz
 
Guía de interpretación de resultados en el contraste de hipótesis estadísticas
Guía de interpretación de resultados en el contraste de hipótesis estadísticasGuía de interpretación de resultados en el contraste de hipótesis estadísticas
Guía de interpretación de resultados en el contraste de hipótesis estadísticasEnrique Navarro
 
Presentación Tema 2 La línea Recta Aplicaciones a la Economía y Administració...
Presentación Tema 2 La línea Recta Aplicaciones a la Economía y Administració...Presentación Tema 2 La línea Recta Aplicaciones a la Economía y Administració...
Presentación Tema 2 La línea Recta Aplicaciones a la Economía y Administració...AndresOrtuste
 
Formulario de pruebas de hipótesis 2012-2
Formulario de pruebas de hipótesis 2012-2Formulario de pruebas de hipótesis 2012-2
Formulario de pruebas de hipótesis 2012-2ITS CONSULTORIAS S.A.C
 
Estimación de parámetros para muestras pequeñas
Estimación de parámetros para muestras pequeñasEstimación de parámetros para muestras pequeñas
Estimación de parámetros para muestras pequeñasMauricio Gramajo Zoireff
 

La actualidad más candente (20)

Lecture 6 principios de economía p5
Lecture 6 principios de economía p5Lecture 6 principios de economía p5
Lecture 6 principios de economía p5
 
Prueba de hipotesis
Prueba de hipotesisPrueba de hipotesis
Prueba de hipotesis
 
Distribucion de probabilidad
Distribucion de probabilidadDistribucion de probabilidad
Distribucion de probabilidad
 
Exposicion mann whitney
Exposicion mann whitneyExposicion mann whitney
Exposicion mann whitney
 
Distribuciones muestrales diapositivas
Distribuciones muestrales diapositivasDistribuciones muestrales diapositivas
Distribuciones muestrales diapositivas
 
Tabla t Student
Tabla t StudentTabla t Student
Tabla t Student
 
Tablas de distribución normal.
Tablas de distribución normal.Tablas de distribución normal.
Tablas de distribución normal.
 
Técnica de muestreo maria paz casanova
Técnica de muestreo maria paz casanovaTécnica de muestreo maria paz casanova
Técnica de muestreo maria paz casanova
 
Test de Hipótesis I
Test de Hipótesis ITest de Hipótesis I
Test de Hipótesis I
 
ESTADISTICA.Tabla tstudent
ESTADISTICA.Tabla tstudentESTADISTICA.Tabla tstudent
ESTADISTICA.Tabla tstudent
 
9. diferencia entre p de hipótesis e intervalos de confianza
9.  diferencia entre p de hipótesis e intervalos de confianza9.  diferencia entre p de hipótesis e intervalos de confianza
9. diferencia entre p de hipótesis e intervalos de confianza
 
Clase 2 unidad ii estadistica ii
Clase 2 unidad ii estadistica iiClase 2 unidad ii estadistica ii
Clase 2 unidad ii estadistica ii
 
Exposicion 5.3 Prueba de Hipotesis Equipo Ramirez Elias Francisco
Exposicion 5.3 Prueba de Hipotesis Equipo Ramirez Elias FranciscoExposicion 5.3 Prueba de Hipotesis Equipo Ramirez Elias Francisco
Exposicion 5.3 Prueba de Hipotesis Equipo Ramirez Elias Francisco
 
Mic sesión 8a
Mic sesión 8aMic sesión 8a
Mic sesión 8a
 
Guía de interpretación de resultados en el contraste de hipótesis estadísticas
Guía de interpretación de resultados en el contraste de hipótesis estadísticasGuía de interpretación de resultados en el contraste de hipótesis estadísticas
Guía de interpretación de resultados en el contraste de hipótesis estadísticas
 
Ejercicios minitab
Ejercicios minitabEjercicios minitab
Ejercicios minitab
 
Presentación Tema 2 La línea Recta Aplicaciones a la Economía y Administració...
Presentación Tema 2 La línea Recta Aplicaciones a la Economía y Administració...Presentación Tema 2 La línea Recta Aplicaciones a la Economía y Administració...
Presentación Tema 2 La línea Recta Aplicaciones a la Economía y Administració...
 
Formulario de pruebas de hipótesis 2012-2
Formulario de pruebas de hipótesis 2012-2Formulario de pruebas de hipótesis 2012-2
Formulario de pruebas de hipótesis 2012-2
 
Estimación de parámetros para muestras pequeñas
Estimación de parámetros para muestras pequeñasEstimación de parámetros para muestras pequeñas
Estimación de parámetros para muestras pequeñas
 
Pruebas de bondad de ajuste
Pruebas de bondad de ajustePruebas de bondad de ajuste
Pruebas de bondad de ajuste
 

Destacado

Metodos de muestreo, ejercicios y su procedimiento (1)
Metodos de muestreo, ejercicios y su procedimiento (1)Metodos de muestreo, ejercicios y su procedimiento (1)
Metodos de muestreo, ejercicios y su procedimiento (1)Luz Hernández
 
Ejercicios sobre muestreo
Ejercicios sobre muestreoEjercicios sobre muestreo
Ejercicios sobre muestreo216846
 
CocaCola vs SuaviCola
CocaCola vs SuaviColaCocaCola vs SuaviCola
CocaCola vs SuaviColaGino Paz
 
Problema de diseño muestral
Problema de diseño muestralProblema de diseño muestral
Problema de diseño muestralGino Paz
 
Analisis en el Macro y Micro entorno
Analisis en el Macro y Micro entornoAnalisis en el Macro y Micro entorno
Analisis en el Macro y Micro entornoGino Paz
 
EL MUESTREO: UN CASO PRACTICO
EL MUESTREO: UN CASO PRACTICOEL MUESTREO: UN CASO PRACTICO
EL MUESTREO: UN CASO PRACTICOmeirisarri
 
TAMAÑO DE LA MUESTRA
TAMAÑO DE LA MUESTRATAMAÑO DE LA MUESTRA
TAMAÑO DE LA MUESTRAguest8a3c19
 
Cálculo del tamaño de muestra (con ejemplos)
Cálculo del tamaño de muestra  (con ejemplos)Cálculo del tamaño de muestra  (con ejemplos)
Cálculo del tamaño de muestra (con ejemplos)Filomeno Carvajal
 
César Martínez Treviño semana 4
César Martínez Treviño semana 4César Martínez Treviño semana 4
César Martínez Treviño semana 4César Martínez
 
La investigación acción y su inherencia en las ciencias sociales.
La investigación acción y su inherencia en las ciencias sociales.La investigación acción y su inherencia en las ciencias sociales.
La investigación acción y su inherencia en las ciencias sociales.andavipe
 
13 método amod
13 método amod13 método amod
13 método amodcrownred
 
Edición de vídeo
Edición de vídeoEdición de vídeo
Edición de vídeoAida March
 
Qué Vamos A Ver Y Sentir en Paris
Qué Vamos A Ver Y Sentir en ParisQué Vamos A Ver Y Sentir en Paris
Qué Vamos A Ver Y Sentir en Parislukyamarillo
 
Presentation Mdc V.3
Presentation Mdc V.3Presentation Mdc V.3
Presentation Mdc V.3teoria eusucv
 
MISERIA EN CHACO
MISERIA EN CHACOMISERIA EN CHACO
MISERIA EN CHACORodo Cabral
 
Segunda sesión: creación de entradas
Segunda sesión: creación de entradasSegunda sesión: creación de entradas
Segunda sesión: creación de entradasjbujan3
 
Mt r cuentos políticamente correctos 2º b 2008
Mt r cuentos políticamente correctos 2º b 2008Mt r cuentos políticamente correctos 2º b 2008
Mt r cuentos políticamente correctos 2º b 2008sergio romero
 

Destacado (20)

Metodos de muestreo, ejercicios y su procedimiento (1)
Metodos de muestreo, ejercicios y su procedimiento (1)Metodos de muestreo, ejercicios y su procedimiento (1)
Metodos de muestreo, ejercicios y su procedimiento (1)
 
Ejercicios sobre muestreo
Ejercicios sobre muestreoEjercicios sobre muestreo
Ejercicios sobre muestreo
 
CocaCola vs SuaviCola
CocaCola vs SuaviColaCocaCola vs SuaviCola
CocaCola vs SuaviCola
 
Problema de diseño muestral
Problema de diseño muestralProblema de diseño muestral
Problema de diseño muestral
 
Analisis en el Macro y Micro entorno
Analisis en el Macro y Micro entornoAnalisis en el Macro y Micro entorno
Analisis en el Macro y Micro entorno
 
EL MUESTREO: UN CASO PRACTICO
EL MUESTREO: UN CASO PRACTICOEL MUESTREO: UN CASO PRACTICO
EL MUESTREO: UN CASO PRACTICO
 
TAMAÑO DE LA MUESTRA
TAMAÑO DE LA MUESTRATAMAÑO DE LA MUESTRA
TAMAÑO DE LA MUESTRA
 
Cálculo del tamaño de muestra (con ejemplos)
Cálculo del tamaño de muestra  (con ejemplos)Cálculo del tamaño de muestra  (con ejemplos)
Cálculo del tamaño de muestra (con ejemplos)
 
Ejercicios resueltos-de-estadistica
Ejercicios resueltos-de-estadisticaEjercicios resueltos-de-estadistica
Ejercicios resueltos-de-estadistica
 
César Martínez Treviño semana 4
César Martínez Treviño semana 4César Martínez Treviño semana 4
César Martínez Treviño semana 4
 
La investigación acción y su inherencia en las ciencias sociales.
La investigación acción y su inherencia en las ciencias sociales.La investigación acción y su inherencia en las ciencias sociales.
La investigación acción y su inherencia en las ciencias sociales.
 
13 método amod
13 método amod13 método amod
13 método amod
 
Edición de vídeo
Edición de vídeoEdición de vídeo
Edición de vídeo
 
Programa contexto escolar
Programa contexto escolarPrograma contexto escolar
Programa contexto escolar
 
Qué Vamos A Ver Y Sentir en Paris
Qué Vamos A Ver Y Sentir en ParisQué Vamos A Ver Y Sentir en Paris
Qué Vamos A Ver Y Sentir en Paris
 
Presentation Mdc V.3
Presentation Mdc V.3Presentation Mdc V.3
Presentation Mdc V.3
 
MISERIA EN CHACO
MISERIA EN CHACOMISERIA EN CHACO
MISERIA EN CHACO
 
Segunda sesión: creación de entradas
Segunda sesión: creación de entradasSegunda sesión: creación de entradas
Segunda sesión: creación de entradas
 
Boletin final 2
Boletin final 2Boletin final 2
Boletin final 2
 
Mt r cuentos políticamente correctos 2º b 2008
Mt r cuentos políticamente correctos 2º b 2008Mt r cuentos políticamente correctos 2º b 2008
Mt r cuentos políticamente correctos 2º b 2008
 

Similar a Problema de diseño muestral-Ejercicio

Problema de Diseño Muestral - Ventocilla Riquelme, Medaly Miriam- Marketing I...
Problema de Diseño Muestral - Ventocilla Riquelme, Medaly Miriam- Marketing I...Problema de Diseño Muestral - Ventocilla Riquelme, Medaly Miriam- Marketing I...
Problema de Diseño Muestral - Ventocilla Riquelme, Medaly Miriam- Marketing I...Medaly Ventocilla
 
ISCI: Instituto de Sistemas Complejos de Ingeniería
ISCI: Instituto de Sistemas Complejos de IngenieríaISCI: Instituto de Sistemas Complejos de Ingeniería
ISCI: Instituto de Sistemas Complejos de IngenieríaRosemarie Tapia
 
Universidad Europea de Madrid acoge la V edición de Jumping Talent para capta...
Universidad Europea de Madrid acoge la V edición de Jumping Talent para capta...Universidad Europea de Madrid acoge la V edición de Jumping Talent para capta...
Universidad Europea de Madrid acoge la V edición de Jumping Talent para capta...BANCO SANTANDER
 
VISIO 2016: Inteligencia colaborativa
VISIO 2016: Inteligencia colaborativaVISIO 2016: Inteligencia colaborativa
VISIO 2016: Inteligencia colaborativaOVTT
 
La moda digital: Profesiones de futuro en el mundo de la moda
La moda digital: Profesiones de futuro en el mundo de la modaLa moda digital: Profesiones de futuro en el mundo de la moda
La moda digital: Profesiones de futuro en el mundo de la modaFco Javier Melero Cano
 
Inteligencia artificial y las cadenas de suminstros
Inteligencia artificial y las cadenas de suminstrosInteligencia artificial y las cadenas de suminstros
Inteligencia artificial y las cadenas de suminstrosKaren Madrigal Casian
 

Similar a Problema de diseño muestral-Ejercicio (9)

Problema de Diseño Muestral - Ventocilla Riquelme, Medaly Miriam- Marketing I...
Problema de Diseño Muestral - Ventocilla Riquelme, Medaly Miriam- Marketing I...Problema de Diseño Muestral - Ventocilla Riquelme, Medaly Miriam- Marketing I...
Problema de Diseño Muestral - Ventocilla Riquelme, Medaly Miriam- Marketing I...
 
Portafolio Oferta Tecnológica IES-Cauca
Portafolio Oferta Tecnológica IES-CaucaPortafolio Oferta Tecnológica IES-Cauca
Portafolio Oferta Tecnológica IES-Cauca
 
ISCI
ISCIISCI
ISCI
 
Isci
IsciIsci
Isci
 
ISCI: Instituto de Sistemas Complejos de Ingeniería
ISCI: Instituto de Sistemas Complejos de IngenieríaISCI: Instituto de Sistemas Complejos de Ingeniería
ISCI: Instituto de Sistemas Complejos de Ingeniería
 
Universidad Europea de Madrid acoge la V edición de Jumping Talent para capta...
Universidad Europea de Madrid acoge la V edición de Jumping Talent para capta...Universidad Europea de Madrid acoge la V edición de Jumping Talent para capta...
Universidad Europea de Madrid acoge la V edición de Jumping Talent para capta...
 
VISIO 2016: Inteligencia colaborativa
VISIO 2016: Inteligencia colaborativaVISIO 2016: Inteligencia colaborativa
VISIO 2016: Inteligencia colaborativa
 
La moda digital: Profesiones de futuro en el mundo de la moda
La moda digital: Profesiones de futuro en el mundo de la modaLa moda digital: Profesiones de futuro en el mundo de la moda
La moda digital: Profesiones de futuro en el mundo de la moda
 
Inteligencia artificial y las cadenas de suminstros
Inteligencia artificial y las cadenas de suminstrosInteligencia artificial y las cadenas de suminstros
Inteligencia artificial y las cadenas de suminstros
 

Problema de diseño muestral-Ejercicio

  • 1. CURSO : MARKETING INFORMÁTICO TEMA : PROBLEMA DE DISEÑO MUESTRAL ALUMNO : CLAUDIO GINO PAZ HUAMÁN CICLO : VIII DOCENTE : CASTILLO HERBAS IRMA SECCIÓN : “B” - MAÑANA
  • 2. UNIVERSIDAD NACIONAL FEDERICO VILLARREAL FACULTAD DE INGENIERIA INDUSTRIAL Y DE SISTEMAS Problema: En una investigación de mercado se quemó la información concerniente al presente año 2011, sin embargo se pudo restaurar el siguiente cuadro: Uso de pantalones Uso de camisas Uso de medias TOTAL CENSO 2008 12 000 20 000 28 000 CENSO 2009 13 000 25 000 37 000 CENSO 2010 15 000 35 000 55 000 105 000 Asimismo se supo que en el año 2010 la compra fue del 40% de chompas, el 30% de zapatillas y el 20% de camisas. Con la información dada hallar: a) Defina la población de estudio. b) Determinar el universo. c) Hallar el tamaño de la muestra. Trabajar con valores óptimos, con Margen de seguridad y trabajar con límites de variación. Solución: De la información dada, se rescata el uso de camisas por lo tanto: Identificamos que es universo finito, por lo cual aplicamos la siguiente fórmula: Por dato: p = 20% y q = 80%     Luego hallamos el margen de seguridad:   UNFV – Marketing Informático Página 2
  • 3. UNIVERSIDAD NACIONAL FEDERICO VILLARREAL FACULTAD DE INGENIERIA INDUSTRIAL Y DE SISTEMAS Nivel de variación: 16 16 - + Limites: Límite inferior: 394 – 16 = 378 encuestas Límite superior: 394 + 16 = 410 encuestas Hallamos: a) Defina la población de estudio. Elemento: Camisas Unidad de muestreo: Censo 2010 Alcance: Lima b) Determinar el universo. N = 26 667 c) Hallar el tamaño de la muestra. n = 394 encuestas UNFV – Marketing Informático Página 3