Estadstica Aplicada

a los Procesos
Ing. MBA Miguel ngel Patio Antonioli
E-mail: mpatino@pucp.pe
E-mail2: miguel.patino@6sconsultores.com
WhatsApp: (+51) 993495101
Skype: mpatino23
Diplomatura de Estudio en
Gestin de Procesos IV
Mdulo I
 Al que
ESTUDIA,
dios lo ayuda
Miguel Angel Patio Antonioli
Recordando la clase anterior
Qu recuerdas?
Control 2
Analizando:
Caso Autoseguro
Caso Autoseguro
Caso Autoseguro
Caso Autoseguro
 Sesiones 9 y 10:
Estimacin de Parmetros:
Estimacin Puntual
Objetivos
Al finalizar esta sesin, el alumno:
1. Comprende el foco de la Estadstica Inferencial, as
como su aplicabilidad.
2. Comprende las tcnicas y conceptos clave referentes
al Muestreo aleatorio simple.
3. Utiliza los Estimadores puntuales como referencia
inferencial.
4. Comprende la aplicabilidad de las distribuciones
muestrales en el marco probabilstico.
5. Reconoce las aplicaciones del Teorema del Lmite
Central como teorema fundamental de la Estadstica.
Agenda
1. Introduccin a la
Estadstica Inferencial
2. Introduccin al Muestreo
aleatorio simple / tcnicas
3. Estimadores puntuales.
4. Distribuciones muestrales:
De la Media
De la Proporcin.
5. Teorema del Lmite Central.
Control de lectura
Lecturas previas obligatoria
Veliz, C. (2014). Estadstica
para la Administracin y los
Negocios (2 ed.).
Mxico-Lima: Pearson:
Estimacin de
parmetros
(pp. 215 232)
(pp. 252 260)
Reflexiones iniciales:
1. Qu es lo
que se tiene
que estimar?
2. Por qu
tenemos que
estimar?
3. Cules son
las barreras
de la
estimacin?
La Estadstica es una
ciencia segn la cual
todas las mentiras se
vuelven grficos
Estadstica
Inferencial
 Reto: Conseguir el valor del nmero promedio de
billetes de S/.50 que tiene un peruano.
Premio: 20 en el curso y condonacin del programa.
El
cuadro ncleo
Cuadro ncleo del curso
INDICADOR MUESTRA (n) POBLACIN (N)
Media
Desv. Est. S
Varianza S2 2
Proporcin o op
INFERENCIA
Correlacin r Puntual Por IC

Estimadores puntuales PH Parmetros

o Estadsticos
Y dnde sern
hoy las clases?
Introduccin a la Estadstica Inferencial

Mtodos
Estadsticos

Estadstica Estadstica
Descriptiva Inferencial

Prueba de
Estimacin Hiptesis
Introduccin a la Estadstica Inferencial
Tipos de Estimacin

Estimacin

Estimacin Estimacin
Puntual por Intervalos
Estimacin Puntual
Ejemplo 1:
Un concesionario de una sucursal de comida rpida desea reunir informacin
sobre las utilidades anuales de poseedores actuales de franquicias. La
experiencia pasada sugiere que las utilidades estn normalmente distribuidas,
una muestra aleatoria de n=12 sucursales produce estos datos de utilidades,
en miles de dlares, para el ao inmediato anterior.
Cul es la estimacin de la utilidad anual media de todas las sucursales con
franquicia?
Cul es la estimacin de la desviacin estndar de las utilidades anuales?
Entre todos los concesionarios cual es la proporcin de utilidades de mas de
50,000 y de menos de 20,000 dlares?
Por qu deseara un concesionario obtener este tipo de informacin?
61.242,00 10.404,00 91.053,00 48.912,00
28.785,00 76.326,00 67.422,00 40.056,00
92.203,00 96.803,00 97.357,00 92.233,00
Error de Muestreo
(Sesgo)
Estimacin Puntual
Parmetro y Estimador n1
x1
ESTIMADOR
PUNTUAL
n2
POBLACIN x2
n3
(N) x3
. .
PARMETRO
. .
nm
xm
DIFERENTES MUESTRAS OCASIONAN DIFERENTES
VALORES DEL ESTIMADOR
Estimacin Puntual
Parmetro y Estimador
MUESTRA (n)
Estimador : x
Tcnicas de
Muestreo
POBLACIN
Estadstica Inferencial
(N)

- = Error de muestreo o SESGO

Tcnicas de
Muestreo
Tipos de Muestreo

Muestreo

No Probabilstico Probabilstico
Seleccin a juicio o criterio
Seleccin de modo que
del encuestador
cada integrante de la
poblacin tenga una
probabilidad conocida de
ser incluido en la muestra.
Muestreo Probabilstico
No hay un mejor mtodo para seleccionar una muestra
probabilstica.
Objetivo: permitir que el azar determine los integrantes
que contendr la muestra.

Muestreo Aleatorio
(Probabilstico)

Simple Sistemtico Estratificado Racimo

Muestreo Probabilstico
Muestreo Aleatorio Simple
Equi-probabilidad: Cada
elemento de la poblacin
tiene la misma probabilidad
de ser incluido en la muestra.
Uso de nmeros aleatorios
(Ri o Ui)

No debe emplearse si hay un patrn

determinado en la poblacin.
Muestreo Probabilstico
Aleatorios en Excel
=ALEATORIO()
=ALEATORIO.ENTRE(Valor mnimo, Valor mximo)

Diapositiva 36
Muestreo Probabilstico
Muestreo Aleatorio Sistemtico
Los integrantes de la poblacin se ordenan.
Se selecciona al azar un punto de inicio.
Seleccin dentro de un intervalo uniforme medido con
respecto al tiempo, orden o al espacio.
Cada elemento tiene igual oportunidad de ser seleccionado.

No debe emplearse si hay un patrn

determinado en la poblacin.
Muestreo Probabilstico 1 26 51 76
2 27 52 77
Muestreo Aleatorio Sistemtico N = 100 3 28 53 78
4 29 54 79
Ejemplo: 5 30 55 80
6 31 56 81
Se desea una muestra n = 20 7 32 57 82
8 33 58 83
9 34 59 84
10 35 60 85
11 36 61 86
N/n = 5 12 37 62 87
13 38 63 88
14 39 64 89
15 40 65 90
16 41 66 91
Escoger un nmero aleatorio de 1-5:
17 42 67 92
Seleccionado: 4 18 43 68 93
19 44 69 94
20 45 70 95
21 46 71 96
Empezar con el 4 y escoger cada 22 47 72 97
23 48 73 98
quinto nmero 24 49 74 99
25 50 75 100
Muestreo Probabilstico
Muestreo Aleatorio Estratificado

La poblacin es dividida en grupos relativamente

homogneos (estratos) con bajo CV.
Seleccin aleatoria de elementos del estrato.
Cantidad proporcional al estrato o con pesos.
Cada grupo tiene una pequea variacin dentro de si
mismo, pero hay una amplia variacin entre los grupos.
Muestreo Probabilstico
Muestreo Aleatorio Estratificado
POBLACIN ESTRATOS

MUESTRA
Muestreo Probabilstico
Muestreo Aleatorio de Racimo

La poblacin se divide en racimos

(clsters)
Seleccionamos una muestra aleatoria de
estos racimos.
Hay una variacin considerable dentro de
cada grupo, pero los grupos son
esencialmente similares entre si.
Muestreo Probabilstico RACIMOS
Muestreo Aleatorio de Racimo
POBLACIN

MUESTRA
TLC
Teorema de Lmite Central

Conforme se La
incrementa distribucin
el tamao de muestreo
de la se aproxima
muestra a la Normal.

A una muestra
suficientemente
grande: n 30

X
Teorema de Lmite Central

Para la mayora de las distribuciones, n 30

Para distribuciones casi simtricas, n>15
Para la poblacin distribuida normalmente, la
distribucin de muestreo de la media siempre
est normalmente distribuida.
Teorema de Lmite Central
Efecto del tamao de la muestra
n=2 n=4
Probabilidad

Probabilidad
Ejemplo de
aumento
del tamao
de muestra
n = 20
n=8 hasta n= 20
Probabilidad
Probabilidad
F.C.P.F.
Factor de Correccin por
Poblacin Finita (FCPF):
Clculo del FCPF para
Cuando : n 5% * N diversos n con N=1,000:
n n/N FCPF
10 0.010 0.9955
25 0.025 0.9879
=
50 0.050 0.9752
100 0.100 0.9492
200 0.200 0.8949
: 500 0.500 0.7075

Distribuciones
Muestrales
Mediante el uso de la Distribucin Normal

1 Media muestral
2 Proporcin muestral
 1

 1
Distribucin Muestral de la Media

Media de la media

muestral:

~(; ) =
Desviacin estndar de
la media muestral
Si n<5%*N, NO (ERROR ESTNDAR):
aplicar FCPF
Emplear S si n30,

=
o si es Normal.
 1
Distribucin Muestral de la Media

Ejemplo: C
B
Tamao de la Poblacin: N=4
Variable aleatoria
X: Edad de las personas
Valores de X:
Rango: 18, 20, 22, 24 Aos
D
A
 1
Distribucin Muestral de la Media

Variable Aleatoria: Variable X = Edad de las personas

Valores de la Variable X x (18, 20, 22, 24).

Edad Probabilidad
18 0.25
20 0.25
22 0.25
24 0.25
VARIABLE ALEATORIA PROBABILIDAD
 1
Distribucin Muestral de la Media

Parmetros de la Poblacin Distribucin Uniforme

N

X i
P(X)
i 1 .3
N
.2
18 20 22 24
21 .1
4
N 0
Xi
2
A B C D X
(18) (20) (22) (24)
i 1
2.236
N
 1
Distribucin Muestral de la Media

Todas las muestras posibles de tamao n=2

Media de cada muestra
a da
1 2 Observacin
Obs 18 20 22 24 1a 2da Observacin
18 18,18 18,20 18,22 18,24 Obs 18 20 22 24
20 20,18 20,20 20,22 20,24 18 18 19 20 21
22 22,18 22,20 22,22 22,24 20 19 20 21 22
24 24,18 24,20 24,22 24,24 22 20 21 22 23
16 Muestras CON reemplazo 24 21 22 23 24
 1
Distribucin Muestral de la Media

Variable Frecuencia Probabilidad

18 1 0,0625
19 2 0,125
20 3 0,1875
21 4 0,25
22 3 0,1875
23 2 0,125
24 1 0,0625
16
 1
Distribucin Muestral de la Media

Distribucin de las Medias de las Muestras

16 Medias de Muestras Distribucin de las

medias de las
1a 2da Observacin muestras
Obs 18 20 22 24
.3
P X
18 18 19 20 21
.2
20 19 20 21 22
.1
22 20 21 22 23
24 21 22 23 24
0
18 19 20 21 22 23 24 X
 1
Distribucin Muestral de la Media

Parmetros de la Distribucin Muestral o de Muestreo

N

X i
18 19 19 24
X i 1
21
N 16
N

X X
2
i
X i 1

N
18 21 19 21 24 21
2 2 2

1.58
16
Diapositiva 58
 1
Distribucin Muestral de la Media

Poblacin Distribucin de Muestreo

N=4 n=2
21 2.236 X 21 X 1.58
P X .3
P X (Error Estndar)
.3

.2 .2

.1 .1

0 0
A B C D 18 19 20 21 22 23 24
(18) (20) (22) (24)
X X
Comparacin de la Poblacin con la Distribucin Muestral de Medias
Distribucin Muestral de la Media

Distribucin de la Poblacin y Distribucin de Muestreo de la Media

Distribucin de muestreo de medias
de 5 elementos (n=5)

x 25
Distribucin de la poblacin

25

= 100
Distribucin Muestral de la Media

Dispersin
Tendencia Central
x x
n
Distribucin de la Poblacin Distribucin de Muestreo

10 n4 n 16
X 5 X 2.5

50 X 50 X
Muestreo de Poblaciones Normales
Distribucin Muestral de la Media

Tendencia Central Dispersin

x x
n
Distribucin de la Poblacin Distribucin de Muestreo

n4 n 30
10 X 5 X 1.8

50 X 50 X
Poblaciones No Normales
 2

 2
Distribucin Muestral
de la Proporcin
Media de la proporcin
muestral:
~(; ) =
Desviacin estndar de
Objetivo: la proporcin muestral
estimar la proporcin (p) de (ERROR ESTNDAR):
las personas con ciertas
caractersticas.
=
Si n<5%*N, NO aplicar FCPF.
Distribucin Muestral de la diferencia
de dos estadsticos independientes

x ( 1
x 2
)
1 2 Diferencia entre
dos medias
2
2 2

x x 1 muestrales
1 2
n n 1 2

p (
1
p2 )
pp
1 2 Diferencia entre
dos proporciones
pq pq

pp
1 1
2 2 muestrales
1 2
n 1 n 2
Ejercicios
Estimacin de Parmetros

Problema 1:
Una ciudad tiene 20 tiendas de una
cadena de igual tamao. La desviacin
estndar de la rotacin de personal en un
ao es de 75.
Si tomamos una muestra al azar de 5
tiendas, sin reemplazo, determine el
error estndar de la media.
Estimacin de Parmetros
Sol. Problema 1:

N n
Dado: x *
N = 20 n N 1
= 75
n = 5
75 20 5
x * (33.54) (0.8885)
5 20 1

x 29.8011
Estimacin de Parmetros

Problema 2:
De un lote infinito de tuercas, con media
igual a 8cm y desviacin estndar igual a
3cm se extrae una muestra de 36 tuercas.
Cul es la probabilidad que el
dimetro medio de las tuercas de dicha
muestra est entre 7.6 cm y 8.4 cm?
Estimacin de Parmetros
Sol. Problema 2:

8 3 n 36 Distribucin de la media
muestral: Normal
Calcular : P(7.6 x 8.4)
x 8
x
3 3
x 0.5
n 36 6
X
P(7.6 X 8.4) 0.7881 0.2118 7.6 8.4

x 8
P(7.6 X 8.4) 0.5763
Estimacin de Parmetros
Problema 3:
Suponga que el 3.5% de todo el lote de produccin de
la bebida XYZ, presenta defectos de fbrica, producto
de una negociacin con un proveedor de China.
Control de Calidad toma muestras de 100 unidades y
si detecta ms de 5% de defectuosos en la muestra,
rechaza el lote con la consiguiente devolucin de la
mercadera.
Qu tan probable sera que Control de Calidad
rechace un lote?
Estimacin de Parmetros
Sol. Problema 3:
Dado:
n 100
Distribucin de la Proporcin
mu 0.035 Muestral: Normal
p 0.035
q 0.965 sigma 0.018

p(1 p)
p

n
0.018

P(Rechazar Lote) ? 0.05

p
P( p 0.05) 0.21 p 0.035
De acuerdo a los parmetros del lote, en una muestra de 100 unidades, es
poco probable encontrar ms de 5% de defectuosos, por lo que la
probabilidad de rechazar un lote es de 0.21, es decir que, solo en el 21%
de las veces los lotes son rechazados mediante este muestreo de Calidad.
Estimacin de Parmetros
Problema 4:
Una investigacin de mercados plantea realizar una encuesta para
estudiar las preferencias familiares de una nueva mantequilla. Se
deseara basar la encuesta en por lo menos 500 familias que consuman
mantequilla al menos ocasionalmente. Cmo se desconoce cuales son
las familias que consumen mantequilla, se deber extraer una muestra
suficientemente grande como para obtener dentro de ella 500 familias
que consuman mantequilla. Se supone que por lo menos el 60% de las
familias consumen mantequilla. Con base en esta creencia se decidi
que una muestra de 1000 familias debera ser suficiente.
1) Cul es el nmero esperado de familias consumidoras de
mantequilla en la muestra?
2) Cul es la probabilidad de que se obtengan menos de 500
familias consumidoras de mantequilla?
Estimacin de Parmetros
Sol. Problema 4:

El nmero esperado = estimacin puntual

np 0.6 x1000 600 familias
p (1 p )
Dado:
n = 1000 p

n
p=?
p= 0.6
p (1 p ) N n
p = 0.5
p

n N 1
Estimacin de Parmetros
p p 0.6 p ? n 1000 p 0.5
Calcular : P( p 0.5)
Distribucin de Muestreo
p(1 p)
p n
0.6(1 0.6)
p 1000
0.01549

P(p 0.5) ? 0.5

X
p 0 .6
Estimacin de Parmetros

p 0.6 p 0.01549 n 1000 p 0.5

Calcular : P( p 0.5) Distribucin Normal
Estndar

0 .5 0 .6 Z 1
z0.5 6.4557
0.01549

P( z 6.4557) 5.3859E 11
-6.4557
P(p 0.5) 5.3859E 11 Z
Z 0
La probabilidad es muy pequea, es casi seguro que en las 1000 familias se
encuentren ms de 500 que consuman mantequilla.
Estimacin de Parmetros
Problema 5 PARA GANAR PUNTOS:

De un lote de 2,500 ATMs con un AQL de 3%, se

extraen 100 unidades para hacer muestreo estadstico.
El Ing. Buffon, luego de revisar los 2 primeros cajeros,
determin que era muy probable que al extraer las 100
muestras, hayan en total ms de 5 ATMs averiados.
Bajo la luz de los modelos de probabilidad, es
cierta la afirmacin del Ing. Buffon o cree usted que
le debemos recomendar que mejor se dedique al
ftbol?
Estimacin de Parmetros
Sol. Problema 5:
Dado: Qu tan probable es la afirmacin del Ing. Buffon?
N 2,500
mu 0.03
AQL (p) 0.03
sigma 0.02 Distribucin de la Proporcin
q 0.97
muestral: Normal
n
Pgta
100
0.05
P( p 0.05) ?
p
E ( p ) p 0.03

pq N n
p
*
n N 1
?
p
0.03(0.97) 2,500 100 0.05
p


*
1000 2,500 1
0.02 p 0.03

De acuerdo a los parmetros del lote, podemos recomendarle al Ing Buffon

que se dedique al ftbol, ya que es poco probable que suceda lo que afirma:
solo sucedera en el 11% de las veces.
Conclusin:

La Estimacin
Puntual es rpida y
fcil pero no tiene
sustento confiable
Qu aprendimos
hoy?
A practicar!

88
Estadstica Aplicada
a los Procesos
Ing. MBA Miguel ngel Patio Antonioli
E-mail: mpatino@pucp.pe
E-mail2: miguel.patino@6sconsultores.com
WhatsApp: (+51) 993495101
Skype: mpatino23
Diplomatura de Estudio en
Gestin de Procesos IV
Mdulo I