Documente Academic
Documente Profesional
Documente Cultură
NCLEO DE SUCRE
ESCUELA DE ADMINISTRACIN
DEPARTAMENTO DE CONTADURA
ASESOR ACDEMICO:
AUTORES:
Mariangeles Gmez R.
C.I:13.836.535
Yaritza Ramos S.
C.I:13.499.178
NDICE GENERAL
AGRADECIMIENTOS ................................................................................................. i
DEDICATORIA .......................................................................................................... iii
LISTA DE TABLAS .................................................................................................... v
LISTA DE FIGURAS .................................................................................................. vi
RESUMEN.................................................................................................................. vii
INTRODUCCIN ........................................................................................................ 1
PLANTEAMIENTO DE PROBLEMA ........................................................................ 4
OBJETIVOS ................................................................................................................. 6
Objetivo General ....................................................................................................... 6
Objetivos Especficos ................................................................................................ 6
JUSTIFICACIN ......................................................................................................... 7
MARCO METODOLGICO ....................................................................................... 9
Nivel de Investigacin............................................................................................... 9
Diseo de la Investigacin ........................................................................................ 9
Fuentes de Informacin ........................................................................................... 10
CAPTULO I............................................................................................................... 11
ESTADSTICA
INFERENCIAL,
DISTRIBUCIONES
MUESTRALES,
AGRADECIMIENTOS
Hoy da estoy convencida de que con empeo y optimismo podemos alcanzar lo
que nos proponemos. Un milln de gracias les doy:
A mi madre, Ana Teresa Romero, por estar siempre en los momentos difciles,
y por darme el valor para no dejar de desistir en mi carrera.
A la Universidad de Oriente, por abrirme las puertas para pertenecer a esta gran
casa de estudio.
Mariangeles Gmez R.
i
AGRADECIMIENTOS
En primer lugar le doy gracias a Dios todo poderoso por su fortaleza y por haberme
permitido terminar mis estudios Universitarios. Por ser la luz que gua nuestros pasos,
por darme la vida y permitirme realizar una de mis metas ms anheladas, de obtener
mi titulo.
A mis padres Orlando Ramos y Gloria Serrada de Ramos quienes con mucho amor,
constancia y dedicacin se hicieron presentes. Gracias a ustedes por tener tanto afecto
y consejos. El triunfo que hoy obtengo es de ustedes, a ustedes le debo lo que soy hoy
en la vida.
A mis hermanos Jacqueline, Yngrid, Jannifher, Orlando y la consentida Glorianny,
por haber compartido todos los momentos buenos y los momentos difciles, por su
confianza y por estar ah cuando los necesitos.
A mi novio Jos Manuel Pens por la colaboracin de este trabajo.
A mi profesor Miguel Romero, por ser nuestro asesor en el desarrollo de la
investigacin, por orientarnos para la elaboracin de este trabajo, apoyarnos en todo
cuando necesitbamos y brindarnos su amistad.
A mis compaeros del curso de especial de grado, por todos los momentos
compartidos en este curso. En especial a mi compaera de tesis Mariangeles, porque
juntas emprendimos el camino con esfuerzos y esmero, para elaborar este trabajo.
A nuestra casa de estudio la Universidad de Oriente, Ncleo de sucre por brindarnos
la oportunidad de realizarnos como profesionales.
Yaritza Ramos S.
ii
DEDICATORIA
A mi abuela Ana del Valle Romero (mi querida MIMA); como me hubiese
gustado que estuvieras hoy da compartiendo esta alegra que me embarga!, pero
aunque ya no ests presente, se que desde el cielo me has tendido tu mano para salir
adelante.
A mis padres, Ana Teresa Romero y Bautista Gmez, por guiarme a lo largo de
mi vida, dndome los principios y valores fundamentales de toda educacin.
Mariangeles Gmez R.
iii
DEDICATORIA
A mis padres Orlando Ramos y Gloria Serrada de Ramos, quienes siempre han estado
a mi lado brindndome su confianza, comprensin, apoyo y amor, guindome en
todos los aspecto de mi vida.
A mis sobrinos Samuel y Michelle, espero que mi ejemplo los motive a lograr sus
metas y ayude a obtener lo que quieren en la vida para que sean orgullo de sus padres.
A mi novio Jos Manuel Pens porque con su amor y comprensin, estuvo a mi lado
dndome palabras de aliento para que luchara por m meta. Mi amor te dedico mi
triunfo, gracias por compartir conmigo los momentos ms bello de mi vida.
Yaritza Ramos S.
iv
LISTA DE TABLAS
Tabla 1-1 Muestreo Estratificado .............................................................................. 22
Tabla 1-2 Tipos de Muestreo .................................................................................... 24
Tabla 2-1 Anlisis de Regresin Lineal .................................................................... 48
Tabla 3-1 Frecuencias Esperadas .............................................................................. 72
Tabla 3-2 Tabla de contingencia 2x2. Frecuencias Observadas ............................... 77
Tabla 3-3 Tabla de contingencia 2x2. Frecuencias Observadas y Esperadas ........... 78
Tabla 3-4 Valor calculado de ji-cuadrado ................................................................. 79
LISTA DE FIGURAS
Figura 1-1 Clasificacin de los Mtodos de Muestreo.............................................. 16
Figura 1-2 Pasos para Efectuar una Prueba de Hiptesis .......................................... 31
Figura 1-3 Zonas crticas en la curva normal ............................................................ 32
Figura 1-4 Posibilidades que se Tienen al Tomar una Hiptesis .............................. 33
Figura 1-5 Prueba Unilateral Izquierda ..................................................................... 34
Figura 1-6 Prueba Unilateral Derecha....................................................................... 35
Figura 2-1 Relacin Positiva entre las Variables ...................................................... 42
Figura 2-2 Relacin Negativa entre las Variables..................................................... 42
Figura 2-3 No Existe Relacin entre las Variables ................................................... 43
Figura 2-4 Diferentes formas que toma el Trazo de la Lnea de Regresin ............. 45
Figura 2-5 Diagrama de Dispersin con respecto a las ventas y publicidad ............. 48
Figura 2-6 Intensidad y Direccin del Coeficiente de Correlacin........................... 52
Figura 2-7 Correlacin Positiva ................................................................................ 53
Figura 2-8 Correlacin Negativa ............................................................................... 54
Figura 2-9 Correlacin Negativa ............................................................................... 54
Figura 2-10 Correlacin Positiva Fuerte ................................................................... 54
Figura 2-11 Sin Correlacin ....................................................................................... 55
Figura 2-12 Valores del Coeficiente de Correlacin Mltiple .................................. 60
Figura 3-1 Grados de Libertad en la Distribucin F ................................................. 66
Figura 3-2 Representacin Grfica de ji-cuadrado como Prueba de Bondad de Ajuste
..................................................................................................................................... 73
Figura 3-4 Distribucin ji-cuadrado para Diferentes Grados de Libertad ................ 76
Figura 3-5 Representacin Grfica de ji-cuadrado como Prueba de Independencia 80
vi
UNIVERSIDAD DE ORIENTE
NCLEO DE SUCRE
ESCUELA DE ADMINISTRACIN
DEPARTAMENTO DE CONTADURA
Autores:
Mariangeles Gmez R.
Yaritza Ramos S.
Asesor:
Prof. Miguel Romero
Fecha: 08-04-2008.
RESUMEN
Inferir significa deducir algo de otra cosa. Nuestra investigacin se refiere, a los Fundamentos de la
Estadstica Inferencial, que se encarga de hacer deducciones de una poblacin por medio de una
muestra tomada a partir de sta; sirviendo as para las organizaciones, porque le permite a la Gerencia
tomar decisiones vlidas, respecto a las predicciones futuras. Para realizar este anlisis estadstico se
requiere utilizar la distribucin muestral, porque a partir de la muestra seleccionada de una poblacin,
puede construirse variables aleatorias alternativas, de cuyo anlisis se desprenden interesantes
propiedades estadsticas (distribucin muestral de la media y de la proporcin). Los problemas que se
tratan en Inferencia Estadstica, se basan en dos clases: la estimacin o intervalo de confianza y las
pruebas de hiptesis. En donde el intervalo de confianza viene dado por un rango de valores, dentro del
cual se espera encontrar el valor del parmetro estudiado; y las pruebas de hiptesis, que son supuestos
que se plantea el investigador antes de iniciar una investigacin, partiendo de una muestra aleatoria
significativa, para extraer conclusiones que permitan aceptar o rechazar una hiptesis previamente
emitida, sobre el valor de un parmetro desconocido, el cual aborda una serie de pasos. El anlisis de
regresin y correlacin, permite relacionar dos o ms variables (variable independiente y variable
dependiente). El anlisis de varianza sirve para comparar si los valores de un conjunto de datos
numricos, son significativamente distintos a los valores de otro o ms conjunto de datos. Como en la
prctica todas las poblaciones no pueden tomarse como normales, por situacin en donde no es posible
formular una hiptesis segura sobre el valor de un parmetro, surgen las pruebas no paramtricas (ji
cuadrado), stas no dependen de un slo tipo de distribucin.
Palabras claves: Inferir, Estimacin, Hiptesis, Regresin, Correlacin.
vii
INTRODUCCIN
La palabra estadstica proviene del latn statiscus y significa del estado.
Inferir significa deducir algo de otra cosa. Existen algunos eventos, que para ser
analizados requieren de elementos estadsticos, que van ms all de la Estadstica
Descriptiva, es decir, que no basta con recolectar, describir y resumir los datos,
para presentarlos en grficas, tablas o valor numrico, razn por la cual surge la
Estadstica Inferencial.
Este trabajo de investigacin, est estructurado en tres captulos, los cuales van
a permitir comprender mejor los fundamentos de la Estadstica Inferencial:
PLANTEAMIENTO DE PROBLEMA
La Estadstica es una ciencia perteneciente a la rama de las Matemticas, que se
encarga de reunir, organizar y analizar informacin cuantitativa y cualitativa, y
deducir a travs del anlisis de los datos significados precisos o previsiones hacia el
futuro; adems que nos sirve de ayuda para la toma de decisiones, ya que nos
proporciona informacin, as como la relacin de datos econmicos
de improviso, sino
mediante un proceso largo de desarrollo y evolucin, desde hechos que van de una
simple recoleccin de datos hasta la diversidad rigurosa e interpretacin de los
mismos (datos) que se dan hoy en da.
OBJETIVOS
Objetivo General
Objetivos Especficos
JUSTIFICACIN
La Estadstica es una ciencia que est diseada para aplicar algunos mtodos y
tcnicas que nos van a permitir tomar decisiones ms efectivas, a travs de la
recoleccin, organizacin, anlisis e interpretacin de datos.
MARCO METODOLGICO
La metodologa incluye el tipo o tipos de investigacin, las tcnicas y
procedimientos que sern utilizados para llevar a cabo la indagacin, con el fin de
lograr el objetivo de la misma.
Nivel de Investigacin
Exploratorio, porque se necesit tener una visin general del tema a estudiar,
adems de ser ste un tema poco estudiado.
Diseo de la Investigacin
Fuentes de Informacin
Tienen que ver con el suministro de datos o informacin, que se utilizan para el
estudio.
10
CAPTULO I
ESTADSTICA INFERENCIAL, DISTRIBUCIONES
MUESTRALES, INTERVALO DE CONFIANZA Y PRUEBAS DE
HIPTESIS
De acuerdo con el diccionario de la Real Academia Espaola, inferir significa
Sacar una consecuencia o deducir algo de otra cosa
11
Para hacer dicho estudio, se necesitan tomar muestras, que no son ms que una
parte de la poblacin. Entendindose por poblacin, el conjunto de elementos que son
seleccionados para llevar a cabo una investigacin.
Una muestra, es un mtodo para inferir algo acerca de una poblacin, es decir,
no es ms que una parte tomada de la poblacin a estudiar. Por medio del muestreo,
surge el uso de los mtodos estadsticos inferenciales.
12
13
a) Error Muestral
14
Estos tipos de errores son: el error muestral, que se conoce como azar de la
extraccin, el cual se refiere a la variacin natural que se da con las muestras tomadas
de la misma poblacin y por ende se encarga de determinar que esas muestras no
contengan elementos que no sean caractersticos de la poblacin; y el error no
muestral, que es a lo que se refiere el sesgo muestral, aunque para algunos autores
este es un tipo de error muestral; no es ms que una tendencia inherente a un mtodo
de muestreo, que da estimaciones de un parmetro, las cuales pueden ser menores o
mayores en promedio que el parmetro real (sesgo positivo y sesgo negativo), debido
a factores que dependen de la recoleccin, anlisis, interpretacin y revisin de los
datos; permitiendo as, llegar a conclusiones que son sistemticamente diferentes de
la verdad o incorrectas acerca de los objetivos de una investigacin.
15
Muestreo
b.1.1 m.a.s sin reposicin
b.1. Muestreo aleatorio simple
b.1.2 m.a.s con reposicin
b. Probabilstico
16
a. - Muestreo no Probabilstico
17
18
En este tipo de muestreo, los elementos que van a formar parte de la muestra,
son seleccionados de manera ordenada, tomando en cuenta el tamao de la poblacin
y el tamao de la muestra.
Ejemplo:
Si queremos tener una idea de la edad promedio de los estudiantes que cursan el
ltimo semestre en la Universidad de Oriente (Ncleo Sucre). Entonces,
19
N
n
Donde:
Sustituyendo la frmula:
N = 1.000
n = 20
k=
1.000
= 50
20
20
Punto de partida = 2
Elementos Muestrales
(20)
2 + 50 = 52
52 + 50 = 102
.
.
.
902 + 50 = 952
b.3. - Muestreo Estratificado
Ejemplo:
21
nh =
Nh
Estudiantes (A)
30.000
75
Obreros (B)
3.000
7,5
Empleados (C)
2.000
Profesores (D)
5.000
12,5
Total
40.000
100%
Nh
* nError! Marcador no definido.
N
Donde:
nh (A) =
30.000
* 600 = 450
40.000
nh (B) =
3.000
* 600 = 45
40.000
nh (C) =
2.000
* 600 = 30
40.000
nh (D)=
5.000
* 600 = 75
40.000
600
22
Ejemplo:
Una vez expuesto cada uno de los tipos de muestreo, ahora se muestra un
cuadro, que presenta las caractersticas, ventajas y desventajas de los diferentes tipos
de muestreo probabilstico:
23
CARACTERSTICAS
VENTAJAS
DESVENTAJAS
Sencillo y de fcil
comprensin.
Clculo rpido de
medias y varianzas.
Se basa en la teora
estadstica, y por
tanto
existen
paquetes
informticos
para
analizar los datos.
Sistemtico
Fcil de aplicar.
No
siempre
es
necesario tener un
listado de toda la
poblacin.
Cuando la poblacin
est
ordenada
siguiendo
una
tendencia conocida,
asegura
una
cobertura
de
unidades de todos
los tipos.
Si la constante de
muestreo
est
asociada
con
el
fenmeno de inters,
entonces,
las
estimaciones
obtenidas a partir de la
muestra
pueden
contener sesgo de
seleccin.
Estratificado
En
ciertas
ocasiones
resultar
conveniente
estratificar la muestra segn
ciertas variables de inters.
Para ello debemos conocer
la composicin objetivo a
muestrear.
Una vez calculado el tamao
muestral adecuado, ste se
reparte
de
manera
proporcional
entre
los
distintos estratos definidos
en la poblacin usando una
simple regla de tres.
Tiende a asegurar
que
la
muestra
represente
adecuadamente a la
poblacin
en
funcin de unas
variables
seleccionadas.
Por medio de ste,
se
obtienen
estimaciones
ms
precisas.
Su
objetivo
es
obtener una muestra
lo ms semejante
posible
a
la
poblacin en lo que
a
las
variables
estratificadotas
se
refiere.
Se ha de conocer la
distribucin en la
poblacin
de
las
variables
utilizadas
para la estratificacin.
24
Es muy eficiente
cuando la poblacin
es muy grande y
dispersa.
No es preciso tener
un listado de toda la
poblacin, slo de
las
unidades
primarias
de
muestreo.
El error estndar es
mayor que en el
muestreo
aleatorio
simple o estratificado.
El clculo del error
estndar es complejo.
Fuente:http://www.hsa.es/id/investigacion/uai/uai_docs/muestreo/muestreo.htm
25
Teorema central del lmite: permite el uso de probabilidad normal para crear los
intervalos de confianza de la media poblacional y realizar pruebas de hiptesis.
n
Ls = X + z
26
Donde:
X i = Media muestral
s
n
Donde:
X i = Media muestral
27
X z
N n
n 1
X z
s
n
N n
n 1
pz
28
p (1 p )
n
Donde:
p = Proporcin muestral del evento estudiado
z = Valor encontrado en la tabla de rea bajo la curva normal, asociado al nivel
de confianza
n = Tamao de la muestra
p = Proporcin de la poblacin
Todas estas hiptesis tienen algo en comn, las poblaciones de inters son tan
grandes que no es factible estudiar todos sus elementos. Una solucin para estudiar la
poblacin entera, es tomar una muestra de la poblacin de inters; y de esta manera se
puede probar una aseveracin para determinar si la evidencia soporta o no la
afirmacin.
29
A continuacin se presenta una figura donde se muestran los pasos para realizar
una prueba de hiptesis:
30
Planteamiento de la hiptesis
nula y alternativa
Seleccionar el nivel de
Paso 2
significancia
Identificacin del valor
Paso 3
estadstico de prueba
PRUEBA DE HIPTESIS
Paso 4
Paso 5
Aceptar
H0
Aceptar
Ha
rechazarla
31
32
muestras son grandes (n > 30) se usa la distribucin normal. En caso contrario, de
tratarse de una muestra pequea (n 30) se utiliza la distribucin t de Student.
Toda decisin tomada por medio de una prueba de hiptesis, puede conllevar a
un error. Existen cuatro posibilidades cuando se va a tomar una decisin respecto a
una hiptesis, las cuales se observan en la figura siguiente:
Aceptar H 0
H 0 Verdadera
Decisin correcta
H 0 Falsa
Error tipo I
H 0 Verdadera
Error tipo II
H 0 Falsa
Decisin correcta
Hiptesis Nula
( H0 )
Rechazar H 0
33
Por otra parte, es indispensable saber que existen dos tipos de prueba: la prueba
de una cola y la prueba de dos colas.
34
35
z=
X =
Donde:
X = Media muestral
= Media poblacional
36
t=
Xi
SX
s
n
SX =
gl = n -1
Donde:
= Media poblacional
S X = Error estndar de media
n = Tamao de la muestra
gl = Grados de libertad
37
pP
p (1 p )
n
p=
X
n
Donde:
p = Proporcin poblacional
X = Nmero de xitos de la muestra
38
CAPTULO II
ANLISIS DE REGRESIN Y CORRELACIN
El anlisis de regresin y correlacin, son muy usados en la Investigacin
Cientfica, una herramienta muy til cuando se trata de relacionar dos o ms
variables, relacionadas entre s. La Correlacin implica el grado de dependencia de
una variable respecto a otra y la Regresin es otra tcnica que ayuda en la
investigacin.
39
40
Diagrama de Dispersin
41
42
Ecuacin de Regresin: es una ecuacin que define la relacin lineal entre dos
variables.
y i * = a + bxi
Donde:
43
b=
n y i xi y i xi
n xi ( xi ) 2
2
b xi
n
Donde:
Esta tcnica nos permite seleccionar la lnea recta que mejor se ajusta a los
datos de manera tal que la suma de los cuadrados de la diferencia de cada valor
observado y cada valor esperado (tendencia) sea la misma.
44
Lineal Inversa
Curvilnea Directa
ms Dispersin
Ninguna Relacin
45
Mtodo Directo
Si la muestra es pequea:
Sx y =
( y y )
i
n2
46
Si la muestra es grande:
(y
Sx y =
yi ) 2
n
Donde:
S x y = Error estndar
yi = Valor de la variable dependiente
yi * = Valor pronosticado de la variable dependiente
n = Nmero de la muestra
Mtodo Abreviado
Si la muestra es pequea:
Sx y =
a yi b yi xi
n2
Si la muestra es grande:
Sx y =
a yi b yi xi
n
Donde:
47
Publicidad
(miles Bs.)
yi
xi
y i xi
xi
yi
yi
( yi yi ) 2
100
1,25
125
1,5625
10.000
101,4322692
2,0449
125
1,80
225
3,24
15.625
136,1335203
123,8769
200
2,5
500
6,25
40.000
180,2987489
388,09
250
4,8
1.200
23,04
62.500
325,4130716
5.686,6681
400
4,9
1.960
24,01
160.000
331,72239
4.656,6976
1.075
15,25
4.010
58,1025
288.125
1.075
10.857,3775
VENTAS
200
100
0
0
yi * = a + bxi
n=5
48
b=
b=
n yi xi yi xi
n xi ( xi ) 2
5(4.010) 1.075(15,25)
20.050 16.393,75
3.656,25
=
=
= 63,09318378
2
290,5125 232,5625
57,95
5(58,1025) (15,25)
a=
a=
b xi
n
Supongamos que se quiere tener el monto de las ventas para cuando el monto
invertido en publicidad sea igual a Bs.3.000.000,
yi
(3 )
Se estima que las ventas sern de 211,85 miles de Bs. Para cuando la inversin
de publicidad es de Bs.3.000.000,
49
Sx y =
(y
yi ) 2
n
Sustituyendo la frmula:
Sx y =
10.857,38
= 46,60 miles de Bs.
5
Donde:
50
Diagrama de Dispersin
51
El coeficiente
Correl.
No existe
Correl.
Correl. Perf.
negativa
moderada.
correlacin
moderada.
positiva
negativa
-1
positiva
-0,5
Correl. fuert
negativa
0,5
Correl. dbil
Correl. dbil
positiva
negativa
Correl. fuerte
positiva
Si r = -1, se dice que la correlacin es perfecta negativa, es decir, entre las dos
variables existe una relacin matemtica inversamente proporcional. En otras
palabras, mientras una variable crece, la otra disminuye exactamente en la misma
proporcin. Vase figura 2-8
52
Ejemplo:
Ejemplo:
53
54
r=
[n x
n yi xi yi xi
2
][
( xi ) n yi ( yi )
2
Donde:
55
Su frmula es la siguiente:
CD = r 2 * 100
56
r=
[n x
n yi xi yi xi
2
][
( xi ) n yi ( yi )
2
r=
r=
20.050 16.393,75
[290,5125 232,5625]*[1.440.625 1.155.625]
r=
3.656,25
3.656,25
=
= 0,90
57,95 * 285.000 4.063,957431
57
CD = (0,90 ) * 100
2
CD = 81%
Para hacer el anlisis respectivo, calculemos ahora el coeficiente de no
determinacin o de indeterminacin:
CI = (1 r2)*100
CI = (1 0,81) * 100 = 0,19 * 100 = 19%
CI = 100% CD
CI = 100% 81%
CI = 19%
Lo que significa, que el 81% de las variaciones de las ventas se debe a la
publicidad, mientras que el 19% restante se deben a otras variables que han sido al
azar o que no estn dentro del modelo.
81% publicidad
Ventas 100%
19% otras variables o al azar
58
Al igual que el anlisis de correlacin lineal o simple, ste utiliza las mismas
medidas estadsticas pero en este caso mltiples, para describir la relacin entre las
variables (el diagrama de dispersin, el coeficiente de correlacin, el coeficiente de
determinacin y el coeficiente de no determinacin).
Si el coeficiente est cercano a +1, quiere decir que hay una fuerte correlacin
entre la variable dependiente y las variables independientes. En caso de estar cercano
a 0, indica que existe una dbil correlacin.
59
Fuerte
Correlacin
0,5
+1
Sin
Correlacin
Correlacin
Perfecta
la
proporcin
existente entre la
60
CAPTULO III
ANLISIS DE VARIANZA Y PRUEBAS NO PARAMTRICAS
El anlisis de varianza, es utilizado para comparar si los valores de un grupo de
datos numricos, son significativamente distintos a los valores de otro o ms conjunto
de datos. El procedimiento para comparar estos valores, est basado en la varianza
global observada en los grupos de datos numricos a comparar.
1.
2.
3.
61
(x x )
=
n 1
Donde:
s 2 = Varianza de la muestra
n = Tamao de la muestra
x = Media de muestra
sx
x x
=
k 1
Donde:
x = Gran media
62
x =
Donde:
= Desviacin estndar
n = Raz cuadrada del tamao de la muestra
2 = x2 * n
Donde:
2 = Varianza de la poblacin
de muestras)
n j x j x
2
=
k 1
63
Donde:
x = Gran media
k = Nmero de muestras
nj 1
* s j 2
nt k
2 =
Donde:
64
Cuando las poblaciones no son las mismas, la varianza entre columnas tiende a
ser mayor que la varianza dentro de columnas, y por ende, el valor del cociente F
tender a ser grande, lo que implica que la hiptesis nula debe ser rechazada.
3.1.1. Distribucin F
65
Para hallar los grados de libertad del numerador (varianza entre columnas), se
realiza de la siguiente manera:
nm de gl en el numerador del cociente " F " = (nm. de muestra 1)
66
(n
1) = nt k
Donde:
k = Nmero de muestras
67
H0 : 1 = 2
H0 : 1 2
68
69
1.
2.
3.
4.
5.
6.
Conclusiones.
( f o f e )2
fe
fe
x2 =
Donde:
70
gl = k-1-c
Donde:
gl = Grados de libertad
k = Nmero de categoras
c = Nmero de parmetros a estimar
Ejemplo:
71
Frecuencias
Frecuencias
observadas ( f 0 )
esperadas ( f e )
20
21
40
35
35 aos en adelante
10
14
70
70
Totales
70 * 0,30 = 21
70 * 0,50 = 35
70 * 0,20 = 14
gl = k-1-c = 3-1-0 = 2
72
x 2 = 4,605
( f o f e )2
i =1
fe
x2 =
x2 =
21
21
1 25 16 42
=
=2
+
+
21 21 21 21
2,00
4,605
73
Para probar la hiptesis nula, se debe comparar las frecuencias que fueron
observadas con las frecuencias que se esperaran en caso de que la hiptesis nula
fuera verdadera. Si los grupos de frecuencias observadas y esperadas son casi iguales,
de manera intuitiva se puede razonar que la hiptesis nula se aceptar. De lo
contrario, si existe una diferencia grande entre las frecuencias observadas y las
74
x2 =
( f o f e )2
fe
Donde:
x 2 = Ji-cuadrado
fe =
n = Tamao de la muestra
gl = (r-1)*(c-1)
75
Donde:
gl = grados de libertad
r = nmero de filas o de renglones
c = nmero de columnas
x2
Se puede observar en la figura 3-4, que para un nmero muy pequeo de grados
de libertad, la distribucin ji-cuadrado est seriamente sesgada hacia la derecha; y
mientras va aumentando el nmero de grados de libertad, rpidamente la curva se va
haciendo cada vez ms simtrica, hasta que el nmero de grados de libertad se torna
bastante grande, permitiendo que la distribucin se pueda aproximar con la normal.
76
1.
2.
observada.
3.
4.
5.
6.
Conclusin.
Ejemplo:
Consumo del
producto
totales
Mujeres
Hombres
40
20
60
No
15
25
40
Totales
55
45
100
77
Mujeres
Hombres
f0
fe
f0
fe
40
33
20
27
60
No
15
22
25
18
40
producto
Totales
55
fe =
45
Totales
100
Mujeres
Hombres
fe =
fe =
fe =
fe =
78
Donde:
r = Nmero de filas = 2
c = Nmero de columnas = 2
gl = (2-1)*(2-1) = 1
x 2 = 3,841
x2 =
( f o f e )2
fe
fe
( fo fe )
( fo fe )2
( fo fe )2 / fe
40
33
49
1,485
20
27
-7
49
1,815
15
22
-7
49
2,227
25
18
49
2,722
x2 =
8,249
79
3,481
8,249
80
CONCLUSIONES
La Estadstica Inferencial, es utilizada en aquellos casos en donde el
investigador requiere ir ms all de una simple recoleccin de datos, lo cual le
permite realizar un anlisis profundo, por medio de una parte tomada de la poblacin
en estudio, conocida sta como muestra.
La
81
82
RECOMENDACIONES
Como ya sabemos, la Estadstica es utilizada en toda organizacin, bien sea
desde una simple recoleccin de datos, hasta un anlisis ms profundo que le permita
al investigador llegar a conclusiones que predigan el futuro de la empresa.
83
BIBLIOGRAFA
Textos
Berenson,
Mark
Levine,
David.
(1.996).
Estadstica
Bsica
en
84
Citas de Internet
Molina,
Gonzalo.
Estadstica.
http://html.rincondelvago.com/nociones-
basicas-de-estadstica.html (18-11-07).
Velasco,R.EstadsticaInferencial.<http://www.universidadabierta.edu.mx/Ser
Est/Apuntes/VelascoRoberto_EstadisticaInferencial.html> (15-11-07).
85
ANEXOS
86
87
88
89
90
91
92
x2
93
Valores posibles de x
Hoja de Metadatos
94
Subttulo
Autor(es)
Apellidos y Nombres
Cdigo CVLAC /
13836535
CVLAC
e-mail Angeles23acuario@hotmail.com
e-mail
13499178
CVLAC
e-mail Yaritza78@hotmail.com
e-mail
CVLAC
e-mail
e-mail
CVLAC
e-mail
e-mail
95
Subrea
Contadura Pblica
Resumen (abstract):
Inferir significa deducir algo de otra cosa. Nuestra investigacin se refiere, a los fundamentos de la Estadstica
Inferencial, que se encarga de hacer deducciones de una poblacin por medio de una muestra tomada a partir de
sta; sirviendo as para las organizaciones, porque le permite a le Gerencia tomar decisiones vlidas, respecto a
las predicciones futuras. Para analizar este anlisis estadstico se requiere utilizar la distribucin muestral
porque a partir de la muestra seleccionada de una poblacin, puede construirse variables aleatoria alternativa, de
cuyo anlisis se desprenden interesantes propiedades estadsticas (distribucin muestral de la media y de la
proporcin). Los problemas que se tratan en Inferencia Estadstica, se basan en dos clases: la estimacin o
intervalo de confianza y las pruebas de hiptesis. En donde el intervalo de confianza viene dado por un rango de
valores, dentro del cual se espera encontrar el valor del parmetro estudiado; y las pruebas de hiptesis, que son
supuestos que se plantea el investigador antes de iniciar una investigacin, partiendo de una muestra aleatoria
significativa, para extraer conclusiones que permitan aceptar o rechazar una hiptesis previamente emitida, sobre
el valor de un parmetro desconocido, el cual aborda una serie de pasos. El anlisis de regresin y correlacin,
permite relacionar dos o ms variables (variable independiente y variable dependiente). El anlisis de varianza,
sirve para comparar si los valores de un conjunto de datos numricos, son significativamente distintos a los
valores de otros o ms conjunto de datos. Como en la prctica todas las poblaciones no pueden tomarse como
normales, por situaciones en donde no es posible formular una hiptesis segura sobre el valor de un parmetro,
surgen las pruebas no paramtricas (ji-cuadrado), stas no dependen de un solo tipo de distribucin.
96
ROL
ROL
Romero, Miguel
Cdigo CVLAC
CA
AS
TU
AS
TU
/
x
e-mail
JU
CVLAC 8.879.006
e-mail
e-mail
ROL
CA
JU
CVLAC 13.836.535.
e-mail Angeles23acuario@hotmail.com
e-mail
ROL
CA
AS
TU
JU
Lenguaje: spa
97
CA
AS
TU
JU
Nombre de archivo
Tesis-Gomez yRamos
Tipo MIME
Application/.doc
Alcance:
Espacial : Universal
(Opcional)
Temporal: 6 meses
(Opcional)
rea de Estudio:
Ciencias Econmicas
98
99