Documente Academic
Documente Profesional
Documente Cultură
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)
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)
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.
MUESTRA
Muestreo Probabilstico
Muestreo Aleatorio de Racimo
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
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
Edad Probabilidad
18 0.25
20 0.25
22 0.25
24 0.25
VARIABLE ALEATORIA PROBABILIDAD
1
Distribucin Muestral de la Media
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
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
.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
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
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
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:
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
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