Documente Academic
Documente Profesional
Documente Cultură
ADMINISTRACIÓN DE EMPRESAS
CUARTO SEMESTRE
U N I V E R S I D A D D E A Q U I N O B O L I V I A
1
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
UDABOL
UNIVERSIDAD DE AQUINO BOLIVIA
Acreditada como PLENA mediante R.M. 288/01
VISIÓN DE LA UNIVERSIDAD
Ser la Universidad líder en calidad educativa.
MISIÓN DE LA UNIVERSIDAD
U N I V E R S I D A D D E A Q U I N O B O L I V I A
2
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
SYLLABUS GENÉRICO
Asignatura: Estadística II
Código: EFE 222
Requisito: EFE 212
Carga Horaria: 100 Horas
Créditos: 10
El principal objetivo de esta materia es proporcionar al alumno una serie de conceptos y niveles de
medición del riesgo bajo el concepto de probabilidad, insdipensable para la cabal comprensión de la
interrelación entre variables
CARACTERIZACION DE LA ASIGNATURA
A medida que aumenta la complejidad del mundo, se hace más difícil tomar decisiones informadas e
inteligentes. Con frecuencia, estas decisiones han de tomarse con un conocimiento imperfecto de la
situación y un grado considerable de incertidumbre. Sin embargo, los hechos demuestran que se pueden
tomar decisiones inteligentes y al mismo tiempo resolver problemas.
En este sentido, los responsables de la toma de decisiones, tienen en la estadística, una herramienta muy
valiosa. Únicamente con la ayuda del análisis estadístico, pueden tomarse decisiones inteligentes y
pertinentes, decisiones esenciales para el bienestar e incluso para la supervivencia.
Procedimientos estadísticos. Si usted es capaz de, en base a herramientas estadísticas, tomar decisiones
inteligentes y al mismo tiempo resolver problemas, estará en una excelente posición en el mercado de
trabajo.
Finalmente, desde el punto de vista educativo se propone la formación de una perspectiva científica del
estudiante en base a elementos teórico prácticos de la asignatura acompañado de actividades de
extensión universitaria plasmadas en el trabajo de campo.
U N I V E R S I D A D D E A Q U I N O B O L I V I A
3
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
UNIDAD I
TEMA 1. PROBABILIDADES
1.1 Introducción
1.2 Concepto de azar, experimento aleatorio, espacio muestral y eventos.
1.3 Tipos de eventos: eventos cualesquiera, eventos independientes y eventos mutuamente
excluyentes.
1.4 Teorías de probabilidad-teoremas fundamentales.
1.5 Probabilidad condicional- Teorema de Bayes.
2.1 Definición.-
2.2 Variables aleatorias discretas
2.3 Variables aleatorias continuas.
2.4 Función de probabilidades
2.5 Propiedades
2.6 Distribución acumulada
2.7 Distribuciones continuas
2.8 Esperanza matemática
2.9 Propiedades de la esperanza matemática.
2.10 Varianza matemática
2.11 Propiedades de la varianza matemática.
4.1 Introducción.-
4.2 Terminología técnica
4.3 Como seleccionar una muestra
4.4 Fuentes de error en las encuestas.
4.5 Métodos de recolección de datos
4.6 Diseño de un cuestionario
4.7 Planeación de una encuesta
U N I V E R S I D A D D E A Q U I N O B O L I V I A
4
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
6.1 Definición
6.2 Como seleccionar una muestra irrestricta aleatoria
6.3 Estimación de una media y un total poblacionales
6.4 Selección del tamaño de muestra para estimación de las medias y totales poblacionales
6.5 Estimación de una proporción poblacional.
7.1 Definición
7.2 Hipótesis nula e Hipótesis alternativa
7.3 Tipos de errores de estimación- Error tipo I-error tipo II.
7.4 Decisor para rechazar la hipótesis nula
7.5 Docimacia de hipótesis
7.6 Pruebas bilaterales
7.7 Pruebas unilaterales
7.8 Docimacia de proporciones
7.9 Otras pruebas de hipótesis
7.10 La prueba t-student
7.11 La prueba F
7.12 Uso del paquete estadístico SPSS en computadora-Vaciado de datos-lectura e interpretación de
resultados.
Las brigadas están destinadas a incidir de una manera significativa en la formación profesional integral de
nuestros estudiantes y revelan las enormes potencialidades que presenta esta modalidad de la educación
superior, no solamente para que conozcan a fondo la realidad del pais y se formen de manera integral,
sino ademas, para que incorporen a su preparación academica los problemas de la vida real a los que
resulte imperativo encontrar soluciones desde el campo profesional en el que cada uno se desempeñará.
El trabajo de las brigadas permite que nuestros estudiantes se conviertan a mediano plazo en verdaderos
investigadores, capaces de elaborar y acometer proyectos de desarrollo comunitario a la vez que se
acostumbren a trabajar en equipos interdisciplinarios o multidisciplinarios como corresponde al desarrollo
alcanzado por la ciencia y la tecnología en los tiempos actuales.
U N I V E R S I D A D D E A Q U I N O B O L I V I A
5
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
De acuerdo a las características de la carrera y de la asignatura las actividades a realizar, por los
diferentes grupos de estudiantes.
Urbanas: Tendrán las características de trabajos prácticos con componente social y de duración
prolongada y sistemática donde participarán los alumnos en forma global o en grupos y concluirán con la
entrega del documento final que podrá ser un proyecto, una investigación o las memorias del trabajo
. PROCESUAL O FORMATIVA
U N I V E R S I D A D D E A Q U I N O B O L I V I A
6
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
Se realizarán dos evaluaciones parciales con contenido teórico y práctico de acuerdo al plan
calendario propuesto por la Universidad. Sobre 50 puntos cada uno El examen final consistirá en un
examen escrito y en la presentación final del trabajo de investigación final la cual de acuerdo a las
características del mismo podrá ser considerado como examen final. Este trabajo y los documentos
resultantes del trabajo de las brigadas realizadas, se calificará con una nota de 0 a 50 la nota del
examen final tendrá un valor de 80 puntos y el trabajo final un valor de 20 puntos, se realizara un
evaluación interna del trabajo final el cual participara de la feria empresarial y tendrá un puntaje de 100
puntos sobre el examen final
.
V. BIBLIOGRAFIA.
1° evaluación parcial
Fecha
Nota
2° evaluación parcial
Fecha
Nota
Examen final
Fecha
Nota
APUNTES
U N I V E R S I D A D D E A Q U I N O B O L I V I A
7
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
U N I V E R S I D A D D E A Q U I N O B O L I V I A
8
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
Los elementos básicos de la teoría de probabilidades son los resultados del proceso o fenómeno bajo
estudio. Cada tipo posible de ocurrencia se denomina un evento.
U N I V E R S I D A D D E A Q U I N O B O L I V I A
9
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
Un evento simple puede puede describirse mediante una característica sencilla. la compilación de
todos los eventos posibles se llama el espacio muestral.
La manera en que se subdivide el espacioi muestral depende de los tipos de probabilidades que se
han de determinar. Tomando esto en cuenta, resulta de interés definir tanto el complemento de un
evento como un evento conjunto de la siguiente manera:
La complemento del evento A incluye todos los elementos que no son parte del evento A. Esta dado
por el símbolo A´.
Un evento conjunto es un evento que tiene dos o más características.
a.- Si una radio trabaja 300 dias al ano. Cual es la Probabilidad de no estar trabajando.
d.- En una encuesta de 80 personas, 60 personas estan a favor del aborto, calcular la Probabilidad
de que una este en contra.
4.- De un grupo de estudiantes 60% aprobo Algebra (A), 35% Botanica (B)y 20 % ambas.
Calcular la Probabilidad de los siguientes eventos.
U N I V E R S I D A D D E A Q U I N O B O L I V I A
10
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
El presente DIF , tiene por objeto verificar el concepto Clasico de Probabilidad a travez de la Frecuncia
Relativa de un Evento . Este Experimento Aleatorio consistira en lanzar 100 veces un dado,anotando
los nros que salen en cada lanzamiento,sera conveniente agrupar los datos en bloques de 5 resultados
(un bloque de 5 resultados por linea),
Luego cuente los “6” obtenidos por bloque y expreselos en una proporcion por bloque.
Represente los valores de estas proporciones vs. Nro de lanzamientos (5, 10 .20......) en un grafico.
Una los puntos obtenidos por lineas rectas y compare con la Probabilidad Teorica del Evento ( 1/6)
COMENTARIOS Y CONCLUSIONES
U N I V E R S I D A D D E A Q U I N O B O L I V I A
11
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
a) Se lanzan 2 monedas
b) Se lanzan 4 dados
c) Se considera el sexo de un hijo
d) Se saca una carta de un mazo de 52 y se lanza un dado.
e) Se lanzan 4 dados.
U N I V E R S I D A D D E A Q U I N O B O L I V I A
12
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
6. Una oficina de Inmigración de un país está controlando a los recién llegados de 3 barcos
( B1,B2,B3), con número de pasajeros 200, 300,500 respectivamente tras un análisis se declaran
como documentos auténticos (A) al 25, 40, 20% de los provenientes de cada barco usando el
Teorema de Bayes. Calcular:
a) La probabilidad de ser pasajero del buque B1 dado que tiene documentos auténticos
a) calcular el uso de modos en que pueden formar fila un total de 10 soldados, si 2 deben
necesariamente deben colocarse al principio.
b) En una ciudad las placas de movilidades deben mostrar 2 vocales y 3 menores sin repetir.
Si se dispone de 5 vocales y 10 números. Hallar el número de placas que se pueden formar.
c) En un club de socios debe elegirse un tesorero, un presidente y 5 vocales. de cuantas maneras
puede elegirse esta directiva?
U N I V E R S I D A D D E A Q U I N O B O L I V I A
13
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
U N I V E R S I D A D D E A Q U I N O B O L I V I A
14
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
Distribución Binomial
La distribución binomial es una distribución de probabilidad discreta que es extremadamente útil para
describir muchos fenómenos.
La distribución binomial posee cuatro propiedades esenciales:
1.Las observaciones posibles pueden obtenerse mediante dos métodos de muestreo distintos. Cada
observación puede considerarse como seleccionada de una población infinita sin reemplazo o de una
población finita con reemplazo.
2.Cada observación puede clasificarse en dos categorías mutuamente excluyentes y colectivamente
exhaustivas, usualmente denominadas éxito y fracaso.
3.La probabilidad de que una observación se clasifique como éxito, p, es constante de observación a
observación.
4.El resultado de cualquier observación es independiente del resultado de cualquier observación.
Modelo matemático
P( X= x \ n, p ) = n ! px ( 1 – p ) n-x
X¡(n–x)¡
La primera parte de la fórmula nos dice cuántas secuencias de arreglos de los x éxitos de n
observaciones son posibles. La segunda parte nos dice la probabilidad de obtener exactamente x
éxitos de n observaciones en una secuencia particular.
Características de la distribución binomial
Forma. Siempre que p= 0.5 la distribución binomial será simétrica sin importar que tan grande o
pequeño sea el valor de n. Sin embargo, cuando p ≠ 0.5 la distribución será sesgada. Mientras más
cercana este p de 0.5 y mayor sea el número de observaciones, n, menos sesgada será la distribución.
Con una p pequeña la distribución estara sesgada a la derecha. Para p muy grandes, la distribución
sería sesgada a la izquierda.
La media. La media de la distribución binomial puede obtenerse fácilmente como el producto de sus
parámetros, n y p.
Distribución de Poisson.
La distribución de Poisson es otra función de distribución de probabilidad que tiene muchas
aplicaciones prácticas importantres. Un proceso Poisson no sólo representa numerosos fenómenos
discretos, sino que el modelo Poisson también se usa para proporcionar aproximaciones a la
distribución binomial.
Se dice que un proceso de Poisson existe si podemos observar eventos discretos en un área de
oportunidad, un intervalo continuo, de tal manera que si acotamos el área de oportunidad o intervalo de
manera suficiente:
1.La probabilidad de observar exactamente un éxito en el intervalo es estable.
2.La probabilidad de observar exactamente más de un éxito en el intervalo es cero.
3. La ocurrencia de un éxito en cualquier intervalo es estadísticamente independiente de aquella en
cualquier otro intervalo.
Características
Forma. Cada vez que se especifica el parámetro λ, puede generarse una distribuciónde probabilidad
de Poisson espacífica. Una distribución de Poisson estará sesgada a la derecha cuando λ es pequeña,
y se aproximará a la simetría al crecer.
La media y la desviación estándar. Una propiedad de esta distribución es que la media y la varianza
son iguales al parámetro λ.
Uso de la distribución de Poisson para aproximar la distribución binomial
Para aquellas situaciones en las que n es grande ( mayor o igual a 20 ) y p es muy pequeña ( menor a
0.05 , la distribución de Poisson puede usarse para aproximar la distribución binomial.
U N I V E R S I D A D D E A Q U I N O B O L I V I A
15
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
La variable aleatoria de Poisson puede variar teóricamente de 0 a ∞ . Sin emabrgo, cuando se usa
como una aproximación a la distribución binomial, la variable aleatoria de Poisson, el número de éxitos
de n observaciones, claramente no puede exceder el tamaño de la muestra n.
Características
μ=λ = n * p
Para cada problema indicar a que tipo de Modelo Probabilistico pertenece y dar su 16espective
solucion.
1.-Una central telefonica recibe 4 llamadas por minuto, el costo minimo por minuto es 0.75 Bs. Calcular
la Probabilidad de que en el lapso de un minuto se presente :
a) 2 llamadas b) 0 llamadas c) Al menos 3 llamadas d) Costo Esperado.
2.- La vida util de una pila de reloj tiene una media de duración de 50 Horas. Calcular la Probabilidad
de :
a) Que dure menos de 30 anos
b) Que dure por lo menos 30 horas
c) Si ha durado 30 horas, que dure otras 40 horas.
3.- Una maquina produce cierto tipo de piezas de las cuales 5 % son Defectuosas. En una muestra
aleatoria de 5 pzas. Cual es la Probabilidad de obtener 1 pza defectuosa.
4.-Cierto tubo de Televisión tiene una Probabilidad de funcionamiento de 0.3 y mas de 400 horas. Se
prueban 15 tubos. Hallar la Probabilidad que:
a) Exactamente 0,4,9 tubos funcionen mas de 400 horas.
b) Cuantos tubos espera encontrar que funcionen por lo menos 400 hrs.
5.-El promedio de transito en una zona rural es de 3autos por hora. Si x representa el Nro. De autos que
pasan en 30 minutos. Hallar:
a) P(x = 0 ).
b) P(x > 2).
U N I V E R S I D A D D E A Q U I N O B O L I V I A
16
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
Identificar el modelo correspondiente ante la suposicion de que los nacimientos son eventos
independientes y de que varon y mujer tienen las mismas probabilidades de nacer.
Encuentre los sexos de los ninos de 50 familias , tomados en tamanos de a 2 , Repita el mismo
experimento para familias de tamano 3 , organize la informacion para los dos tamanos.
Determine el numero de ninas de las familias de tamano 2.Construya una tabla de frecuencia relativa
de este evento y comparela con la Probabilidad que Ud. Predijo en su Modelo.
COMENTARIOS Y CONCLUSIONES
U N I V E R S I D A D D E A Q U I N O B O L I V I A
17
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
WORK PAPER # 4
x
2 x; o x 1 1 ;o x 2
a) f ( x) b) f ( x) 2
o; para otro x o; para otro x
3.Calcular la varianza y la esperanza matemática en las ( fda ) del ejercicio 2.
4.Los artefactos electrónicos se clasifican como buenos (B), malos (M), se tiene una probabilidad de
0,9 para B, en un lote de 30 artefactos calcular la probabilidad de B, para ( Aplique la distribución
Binomial).
5.En una central telefónica que recibe 2 llamadas cada 3 minutos. Calcular la probabilidad de que en
el periodo de 6 minutos se presenten ( utilizar la distribución de Poisson).
6.De una urna que contiene 5 bolas negras y 2 blancas se extraen 3 bolas sin reposición. Hallar :
a) fdp b) Probabilidad de extraer 2 negras
( Aplicar la distribución hipergeométrica)
U N I V E R S I D A D D E A Q U I N O B O L I V I A
18
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
Examinemos los componentes de la función: puesto que e y ∏ son constantes matemáticas, las
probabilidades de la variable aleatoria X dependen sólo de dos parámetros de la distribución normal, la
media de la población y de la desviación estándar de la población. Cada vez que especificamos una
combinación particular se generará una distribución de probabilidad diferente.
Estandarización de la distribución normal
Afortunadamente, al estandarizar los datos, solo necesitamos una fórmula:
U N I V E R S I D A D D E A Q U I N O B O L I V I A
19
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
2.Dividir la mitad apropiada de la curva normal en dos partes: la porción de la X deseada a la media y
la porción de la X deseada al extremo.
Somr variable aleatoria normal X se convierte en una variable aleatoria normal estandarizada Z.
Mientras los datos originales para la variable aleatoria X tenían una media y una desviación estandar,
la variable aleatoria estandarizada Z siempre tendrá una media = 0 y una desviación = 1.
Uso de las tablas de distribución de probabilidad normal
La tabla de normal representa las probabilidades o áreas bajo la curva normal calculadas desde la
media hasta los valores particulares de interés X. Sólo se enumeran en la tabla entradas positivas de
Z, puesto que para una distribución simétrica de este tipo con una media de cero, el área que va desde
la media hasta +Z debe ser idéntica al área que va desde la media hasta –Z. Al usar la tabla de normal
se puede observar que todos los valores de Z deben registrarse primero con hasta dos lugares
decimales.
Encontrar los valores correspondientes a probabilidades conocidas.
3.brear el área de interés.
4.Usando la tabla de normal determinar el valor Z apropiado correspondiente al área que está bajo la
curva normal desde la X deseada hasta la media.
Para poder asimilar el concepto de Distribucion Normal y su forma Estandar , resolver los
siguientes ejercicios.
a) P[6 < X < 12] b) P[0 < X < 8] c) P[-2 < X < 0] d) P[ X > 21 ]
2.- Los tubos fabricados por cierta maquina tienen un diametro medio de = 9.8 mm. , =
0.536 mm.
Que porcentaje de tubos sera rechazado, si no se aceptan diametros inferiores a 9.0 mm?.
Asuma que
Los diametros tienen una distribucion normal.
3.-El gerente de produccion de una fabrica , piensa que la vida util de una maquina M , esta
distribuida
normalmente con una media de 3000 horas. Si hay una probabilidad de 0.50 que la maquina
dure
menos de 2632 o mas de 3368 horas .Cual es la Desviacion Estandar .
4.- Un analisis estadistico de 1000 llamadas telefonicas de larga distancia hechas desde una
central
telefonica ,indica que la duracion de esas llamadas tiene una distribucion normal con Media
129.5 seg.
Y una desviacion tipica de 30.00 seg.
a) Cual es la probabilidad de que una llamada este entre 89.5 y 169.5 seg.
b) Cual debe ser la duracion de una llamada particular , si solo 1% de todas las llamadas
son mas cortas .
U N I V E R S I D A D D E A Q U I N O B O L I V I A
20
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
De una variable aleatoria a determinar por los estudiantes y proceda a organizar los datos
COMENTARIOS Y CONCLUSIONES
U N I V E R S I D A D D E A Q U I N O B O L I V I A
21
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
WORK PAPER # 6
Distribuciones de Muestreo
Con el fin de poder usar la estadística de muestra para estimar el parámetro de población, deberíamos
examinar cada muestra posible que pudiera ocurrir. Si esta selección de todas las muestras posibles
realmente se tuviera que hacer, la distribución de todos los resultados se denominaría distribución de
muestreo. El proceso de generalizar estos resultados de muestra para la población se refiere como
una inferencia estadística.
Distribución de muestreo de la media
Propiedades de la media aritmética
Entre varias propiedades matemáticas importantes de la media aritmética para una distribución normal
están:
1.Imparcialidad
2.Eficiencia
3.Consistencia.
La imparcialidad, implica el hecho de que el promedio de todas las medias de muestras posibles será
igual a la media de la población. Tomemos como ejemplo una población de N=4 con tamaños de
muestra de 2. Si seleccionamos dos muestras con reemplazo, podríamos obtener 16 muestras
posibles. El promedio de cada una de las muestras es igual a la media de la población. Por lo tanto
hemos demostrado que la media aritmética de muestra es un estimador imparcial de la media de la
población. Esto nos dice que aún cuando no sepamos qué tan cerca esté el promedio de cualquier
muestra particular seleccionada a la media de la población, al menos estamos seguros que el
promedio de todas las medias de muestra que se podrían haber seleccionado será igual a la media de
la población.
La eficiencia, se refiere a la precisión de la muestra estadística como un estimador del parámetro de
población. La media de muestra se acercará más estable que otras mediciones de tendencia central.
La media de muestra se acercará más a la media de la población que cualquier otro estimador.
La consistencia, se refiere al efecto del tamaño de muestra, sobre la utilidad de un estimador. Al
incrementarse el tamaño de muestra, la variación de la media de muestra de la media de la población
se hace más pequeña, de manera que la media aritmética de muestra se vuelve una mejor estimación
de la media de la población.
Error estándar de la media
El hecho de que las medias de muestra son menos variables que los datos de población se desprende
directamente de la ley de los grandes números. Una media de muestra particular promedia
conjuntamente todos los valores de la muestra. Una población puede consistir en resultados
individuales que pueden tener un amplio radio de valores, de extremadamente pequeños a
extremadamente grandes. Sin embargo, si un valor extremo cae en la muestra, aunque tendrá un
efecto en la media, el efecto se reducirá pues se promediará con todos los demás valores de la
muestra. Además, al incrementarse el tamaño de la muestra, el efecto de un valor extremo se hace
U N I V E R S I D A D D E A Q U I N O B O L I V I A
22
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
cada vez menor, puesto que se está promediando con más observaciones. Al muestrearse con
reemplazo, el error estándar de la media es igual a la desviación estándar de la población dividida
entre la raíz cuadrada del tamaño de muestra.
La proporción tiene la propiedad especial de estar entre 0 y 1. El error estándar de la proporción es:
La distribución de muestreo de la proporción sigue una distribución binomial. Sin embargo, cuando n*p
y n*(1-p) son cada uno al menos 5 puede usarse la distribución normal.
Muestreo de poblaciones finitas
1.-El numero de automoviles por familia en una ciudad, es una variable aleatoria X cuya distribucion
U N I V E R S I D A D D E A Q U I N O B O L I V I A
23
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
X 0 1 2 3 4
f(x) 4/12 4/12 2/12 1/12 1/12
2.-Un auditor toma una muestra aleatoria de tamano n= 100 de un conjunto de 500 cuentas por cobrar.
El auditor sabe que estas cuentas constituyen una poblacion finit cuyas Desviacion Estandar es
$145 .Cual es la probabilidad de que la Media Muestral difiera de la Media Poblacional en mas de $26.
4.- Un fabricante afirma que el 30% de las mujeres y el 20 % de hombres prefieren su nuevo
producto
de aseo personal. Si se hace una encuesta de 200 hombres y 200 mujeres elejidos aleatoriamente
Cual sera la probabilidad que la proporcion muestra lde mujeres menos la de hombres esta en el
[ -19% , 19% ]
U N I V E R S I D A D D E A Q U I N O B O L I V I A
24
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
DIF # 4
a nivel descriptivo, posteriormente sera necesario elaborar una Encuesta aplicando todas las
reglas y
Ya en la fase del analisis estadistico, sera necesario tomar una debida muestra , considerando su
tamano
CONCLUSIONES Y COMENTARIOS
U N I V E R S I D A D D E A Q U I N O B O L I V I A
25
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
WORK PAPER # 7
La inferencia estadística es el proceso que consiste en utilizar los resultados de una muestra para
llegar a conclusiones acerca de las características de una población.
Existen dos tipos de estimaciones: estimaciones puntuales y estimaciones de intervalo. Una estimación
puntual consiste en una sola estadística de muestra que se utiliza para estimar el valor verdadero de
un parámetro de población. Puesto que la estadística de prueba varía de una muestra a otra
necesitamos considerar este hecho con el fin de proporcionar una estimación más significativa y
característica de la población. Para lograr esto, debemos desarrollar una estimación de intervalo de la
media de población verdadera, tomando en consideración la distribución de muestreo de la media. El
intervalo que construimos tendrá una confianza o probabilidad específica de estimar correctamente el
valor verdadero del parámetro de población.
Estimación de intervalo de confianza de la media (desvío de la población conocido):
En la inferencia estadística debemos tomar los resultados de una sola muestra y llegar a conclusiones
acerca de la población. En la práctica, la media de la población es la cantidad desconocida que se va a
determinar. Para algunas muestras la estimación de intervalo de la media de la población será correcta
y para otras no. Tenemos que recordar que para el cálculo del intervalo trabajamos con una estimación
de intervalo de confianza de 95, por ejemplo, esto puede interpretarse como si se tomaran todas las
muestras posibles del mismo tamaño, n, 95% de ellas incluirían la media de población verdadera en
alguna parte del intervalo alrededor de sus medias de muestra, y solamente 5% de ellas no estarían
incluidas. En general el nivel de confianza se simboliza como (1-α ) x 100%, en donde α es la porciσn
que se encuentra en los extremos de la distribuciσn que está fuera del intervalo de confianza. Por
consiguiente para obtener la estimación del intervalo tenemos:
Z es el valor correspondiente a un área de (1-α )/2 desde el centro de una distribución normal
estandarizada. El valor Z elegido para construir tal intervalo de confianza se conoce como el valor
crítico.
Cualquier aumento en el nivel de confianza se logra ampliando simultáneamente el intervalo de
confianza obtenido (haciéndolo menos preciso y menos útil).
Estimación de intervalo de confianza de la media (desvío desconocido)
Del mismo modo en que la media de la población se desconoce, es probable que la desviación
estándar real de la población tampoco sea conocida. Por lo tanto, necesitamos obtener una estimación
de intervalo de confianza utilizando las estadísticas de muestra "X" y "S". Para ello, utilizamos la
distribución t-student.
U N I V E R S I D A D D E A Q U I N O B O L I V I A
26
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
Por consiguiente para determinar el tamaño de la muestra, deben conocerse tres factores:
1.El nivel de confianza deseado.
2.EL error de muestreo permitido.
3.La desviación estándar.
Determinación del tamaño de muestra para una porción:
Al determinar el tamaño de muestra para estimar una porción se deben definir tres incógnitas:
1.El nivel de confianza.
2.El error de muestreo permitido.
3.La porción verdadera de éxitos.
Estimación y determinación del tamaño de muestra para poblaciones finitas.
Estimación de la media
Estimación de la porción
1.- Una muestra aleatoria de 100 hogares de una ciudad indica que el promedio de los ingresos
mensuales es de $500.Encuentre un intervalo de confianza de 95% para la media poblacional
de los ingresos de todos los hogares de esa ciudad.Suponga = $100 .
U N I V E R S I D A D D E A Q U I N O B O L I V I A
27
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
2.- Un analista de investigacion de mercados escoge una muestra aleatoria de 100 clientes. De un
conjunto de 500 clientes de una gran tienda que declararan ingresos mayores a 5000 $, El encuentra
que los clientes de la muestra gastaron $ 2500 como promedio,si con ese valor de la muestra se
estima que el gasto promedio varia de 2446 a 2554 .Que nivel de confianza se utilizo.
Cosidere una = $ 300.
3.-Una empresa va a hacer un estudio de marcado antes de lanzar un nuevo producto hacia una
poblacion
de 30000 consumidores.
a)Que tamano de muestra debera escoger si quiere tener una confianza del 95% de que
el error de la estimacion de la proporcion a favor del producto no sea superior al 2.12%
U N I V E R S I D A D D E A Q U I N O B O L I V I A
28
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
En el presente trabajo es necesario establecer el 95 % del nivel de confianza para una proporcion de
personas que escriben con la mano izquierda (surdos).
Para la realizacion de este trabajo, escoja una muestra de 50 personas que sera la muestra aleatoria
de la poblacion finita , aproxime la muestra a una Distribucion Normal y encuentre el 95% del nivel de
COMENTARIOS Y CONCLUSIONES
U N I V E R S I D A D D E A Q U I N O B O L I V I A
29
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
DIF’s # 6
Similarmente al trabajo anterior , elegir una muestra aleatoria de una poblacion bien definida de 50
personas . Tomar el pulso de dichas personas durante 1 minuto y organizar los resultados en una
COMENTARIOS Y CONCLUSIONES
U N I V E R S I D A D D E A Q U I N O B O L I V I A
30
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
Para realizar correctamente una Prueba de Hipotesis es necesario seguir los siguientes pasos:
EJ.- Las cajas de cierto tipo de cereal procesadas por una fabrica debe tener un contenido promedio de 160
gr. Por una queja ante el defensor del consumidor , de que tales cajas tienen menos contenido,un inspector
tomo una muestra aleatoria de 10 cajas encontrando los siguientes pesos de cereal en gramos
157,157,163,158,161,159,162,159,158,156
Es razonable que el inspector multe al fabricante, utilize un nivel de significacion de 5% y suponga que
los contenidos tienen Distribucion Normal.
NOTA.- Para una correcta solucion ,seguir los pasos ariiba descritos.
U N I V E R S I D A D D E A Q U I N O B O L I V I A
31
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
mcmcbm
l cgmcvbmcvm
cvnc
vbncb xc
cmm
cmmmcbnmcbnm
La prueba de hipótesis empieza con algo de teoría, afirmación o negación con respecto a un parámetro
particular de una población. La hipótesis de que el parámetro de la población es igual a la
especificación de la compañía se conoce como hipótesis nula. Una hipótesis nula es siempre una de
status quo o de no diferencia. Se simboliza con el símbolo Ho.
Siempre que especificamos una hipótesis nula, también debemos especificar una hipótesis alternativa,
o una que debe ser verdadera si se encuentra que la hipótesis nula es falsa. La hipótesis alternativa se
simboliza H1. La hipótesis alternativa representa la conclusión a la que se llegaría si hubiera suficiente
evidencia de la información de la muestra para decidir que es improbable que la hipótesis nula sea
verdadera, y por tanto rechazarla. El hecho de no rechazar la hipótesis nula no es una prueba de que
ésta sea verdadera. Nunca podemos probar que tal hipótesis sea correcta porque estamos basando
nuestra decisión únicamente en la información de la muestra, no en la población entera.
Resumen:
La hipótesis nula se refiere siempre a un valor especificado del parámetro de población, no a una
estadística de muestra.
El planteamiento de la hipótesis nula siempre contiene un signo de igualdad con respecto al valor
especificado del parámetro.
El planteamiento de la hipótesis alternativa nunca contiene un signo de igualdad con respecto al
valor especificado del parámetro.
Regiones de rechazo y de no rechazo
La distribución de muestreo de la estadística de prueba se divide en dos regiones, una región de
rechazo (conocida como región crítica) y una región de no rechazo. Si la estadística de prueba cae
dentro de la región de no rechazo, no se puede rechazar la hipótesis nula.
La región de rechazo puede considerarse como el conjunto de valores de la estadística de prueba que
no tienen posibilidad de presentarse si la hipótesis nula es verdadera. Por otro lado, estos valores no
son tan improbables de presentarse si la hipótesis nula es falsa. El valor crítico separa la región de no
rechazo de la de rechazo.
Riesgos en la toma de decisiones al utilizar la metodología de prueba de hipótesis.
Se pueden presentar dos tipos diferentes de errores:
Un error tipo I se presenta si la hipótesis nula es rechazada cuando de hecho es verdadera y debía
ser aceptada.
Un error tipo II se presenta si la hipótesis nula es aceptada cuando de hecho es falsa y debía ser
rechazada.
Nivel de Significación. La probabilidad de cometer un error tipo I denotada con la letra griega alfa, se
conoce como nivel de significación de la prueba estadística. Está bajo el control directo del individuo
que lleva a cabo la prueba. Ya que se ha especificado el valor de alfa, se conoce el tamaño de la
región de rechazo, puesto que alfa es la probabilidad de un rechazo de la hipótesis nula.
U N I V E R S I D A D D E A Q U I N O B O L I V I A
32
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
Una manera en que podemos controlar la probabilidad de cometer un error del tipo II en un estudio,
consiste en aumentar el tamaño de la muestra. Tamaños más grandes de muestra, nos permitirán
detectar diferencias incluso muy pequeñas entre las estadísticas de muestra y los parámetros de la
población. Cuando se disminuye , aumentará de modo que una reducción en el riesgo de
cometer un error de tipo I tendrá como resultado un aumento en el riesgo de cometer un error tipo II.
Prueba de hipótesis Z para la media (desvío de la población conocido)
El estadístico de prueba a utilizar es:
1.Un comprador de ladrillos cree que la calidad de ladrillos está de los ladrillos esta disminuyendo.
De experiencias anteriores, la resistencia media del desmoronamiento de dichos ladrillos es de
200Kg. con 10Kg .
Una muestra de 100 ladrillos arroja una media de 195 Kg.
Probar la hipótesis “La calidad media no ha cambiado”, contra la alternativa. que “ ha disminuido).
2.Una maquina para enlatar conservas de pescado dosifica 16 onzas con = 0.05 . Podrá decir
Ud. que la máquina ha sido adecuadamente regulada si una muestra de 20 latas dio un peso
medio de 16.05 onzas y = 1.4 onzas?
U N I V E R S I D A D D E A Q U I N O B O L I V I A
33
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
Si Ud. está dispuesto a rechazar una hipótesis verdadera no mas de una vez en 100. ¿Rechazaría
las opiniones de estos psicólogos y psiquiatras?.
U N I V E R S I D A D D E A Q U I N O B O L I V I A
34
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
paramétrico clásico. Supuestos: los datos numéricos obtenidos son tomados de manera independiente
y representan una muestra aleatoria de la población que está distribuida normalmente.
Prueba de hipótesis χ2 para la varianza (o desviación estándar)
Al intentar llegar a conclusiones con respecto a la variabilidad de la población, primero debemos
determinar que estadística de prueba puede utilizarse para representar la distribución de la variabilidad
de los datos de la muestra. Si la variable se supone que está distribuida normalmente, entonces la
estadística de prueba para probar si la varianza de la población es igual o no a un valor especificado
es:
Una distribución chi-cuadrado es una distribución sesgada cuya forma depende exclusivamente del
número de grados de libertad. Conforma este aumenta, la distribución se vuelve más simétrica.
NOMBRES: FIRMA:
1._______________________________ ________________
2._______________________________ _________________
3._______________________________ ______________
4._______________________________ ________________
5._______________________________ ________________
CONCLUSIONES:
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
_______________
COMENTARIOS:
U N I V E R S I D A D D E A Q U I N O B O L I V I A
35
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
Supongamos que consideramos dos poblaciones independientes, cada una con una media y una
desviación estándar. La estadística de prueba utilizada para determinar la diferencia entre las medias
de las poblaciones está basada en la diferencia entre las medias de las muestras (X1 – X2). Debido al
teorema del límite central esta estadística seguirá la distribución normal. La estadística de prueba Z es:
En donde X es la media de la muestra correspondiente a cada una de las dos muestras, n es el
tamaño de la muestra y por último tenemos la varianza de la muestra.
Si suponemos que las varianzas son iguales y que las muestras fueron tomadas de manera aleatoria e
independiente se puede utilizar una prueba t de varianza conjunta para determinar si existe alguna
diferencia significativa entre las medias de las poblaciones. Si puede calcular la siguiente estadística
de prueba t de varianza conjunta:
Donde:
La estadística de prueba t de varianza conjunta sigue una distribución t con n-2 grados de libertad.
Prueba t`de varianza separada para diferencias entre dos medias
Si suponemos que las varianzas no son iguales como en el caso anterior debemos replantear el
estadístico a utilizar.
U N I V E R S I D A D D E A Q U I N O B O L I V I A
36
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
Sin embargo, en la mayoría de los casos no conocemos la desviación estándar real de la población. La
única información que se puede obtener son las estadísticas sumarias como la media y la desviación
estándar de muestra. Si se supone que la muestra de resultados es tomada de manera aleatoria e
independiente se puede realizar una prueba t para determinar si existe una diferencia media de
población significativa. La estadística seguirá una distribución t con n-1 grados de libertad.
Ho= µd = 0 donde µd= µ1-µ2
H1= µd ≠ 0
Se puede calcular el siguiente estadístico de prueba:
U N I V E R S I D A D D E A Q U I N O B O L I V I A
37
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
U N I V E R S I D A D D E A Q U I N O B O L I V I A
38
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
Calidad y productividad: Una perspectiva histórica. Al tema de calidad y productividad lo podemos dividir
en cuatro fases históricas: 1. Podemos pensar en una administración de primera generación como
administración mediante la acción, el tipo administración practicada por las sociedades cazadoras-
recolectoras primitivas en que los individuos producían algo para sí mismos o para su unidad tribal,
siempre que el producto fuera necesario. 2. Luego encontramos la administración por dirección. Es la
época del surgimiento de los gremios en Europa (Edad Media). Los gremios administraban el
entrenamiento de aprendices y trabajadores y determinaban las normas de calidad y fabricación de los
productos hechos por el gremio. 3. La administración por control, surge aproximadamente con Henry
Ford, en el cual los trabajadores estaban divididos entre aquellos que en realidad hacían el trabajo y
aquellos que planeaban y supervisaban el trabajo. Esto le quitó responsabilidad al trabajador individual
con respecto al tema calidad y dejó el tema en manos de inspectores. El estilo de administración por
control contenía una estructura jerárquica que ponía énfasis en la responsabilidad individual por la
obtención de un conjunto de objetivos predeterminados. 4. Por último encontramos la administración por
proceso. Llamada a menudo TQM o Administración de Calidad Total. Una de las características
principales de este planteamiento consiste en centrar la atención en una continua mejora de los
procesos. Se le da importancia al trabajo en equipo, atención al cliente y rápida reacción a los cambios.
Tiene fuerte fundamentación estadística.
La teoría de los diagramas de control. El diagrama de control es un medio para revisar la variación de la
característica de un producto o servicio mediante 1. la consideración de la dimensión temporal en la cual
el sistema fabrica productos y 2. el estudio de la naturaleza de la variabilidad del sistema. El diagrama de
control puede utilizarse para estudiar desempeños pasados o evaluar las condiciones presentes o ambas
cosas. Los diagramas de control pueden utilizarse para diferentes tipos de variables: para las variables
categóricas y para las variables discretas. La atención principal del diagrama de control se enfoca en el
intento de separar las causas especiales o asignables de la variación de las causas comunes o debidas
al azar.
Las causas especiales o asignables representan grandes fluctuaciones en los datos que no son
inherentes a un proceso. Tales fluctuaciones son ocasionadas por cambios en un sistema.
Las causas comunes o debidas al azar representan la variabilidad inherente que se presenta en un
sistema.
Las causas especiales se consideran aquellas que no forman parte de un proceso y son susceptibles de
corregir; mientras que las causas comunes pueden reducirse solo cambiando el sistema. Existen dos
tipos de errores que los diagramas de control ayudan a prevenir. El primer tipo de error implica la
creencia de que un valor observado representa una causa especial de la variación cuando de hecho se
debe a una causa común de variación del sistema. El segundo error implica tratar a una causa especial
como si fuera una causa común y no tomar medidas correctivas cuando son necesarias.
U N I V E R S I D A D D E A Q U I N O B O L I V I A
39
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
La forma más típica de un diagrama de control establece límites de control que se encuentran dentro de
+/-3 desviaciones estándar de la medida de estadística de interés. En general puede establecerse como:
Algunas herramientas para estudiar un proceso: diagrama de esqueleto de pescado (Ishikawa) y de flujo
de procesos. Un proceso es una secuencia de pasos que describen una actividad desde el inicio hasta
su terminación.
El diagrama de esqueleto de pescado (o Ishikawa): El nombre viene de la manera en que las
diferentes causas están ordenadas en el diagrama. El problema se muestra en la parte derecha y las
principales causas se colocan en la parte izquierda. Estas causas a menudo se subdividen.
Diagrama de flujo de proceso. Este diagrama nos permite ver un flujo de pasos de un proceso, desde
su inicio hasta su terminación.
Los catorce puntos de Deming: una teoría de la administración por proceso. Deming desarrollo su
enfoque basándose en los siguientes catorce puntos:
1.Crear una constancia en el propósito de mejorar el producto y el servicio.
2.Adoptar la nueva filosofía.
3.Dejar de ser dependientes de la inspección para lograr la calidad.
4.Terminar con la práctica de otorgar contratos sobre la única base del precio. En vez de ello minimizar el
costo total trabajando con un solo proveedor.
5.Mejorar constantemente y para siempre cada proceso de planeación, producción y servicio.
6.Instituir el entrenamiento en el trabajo.
7.Adoptar e instituir el liderazgo.
8.Eliminar el miedo.
9.Derribar las barreras entre áreas de personal.
10. Eliminar lemas, exhortaciones y metas destinados a la fuerza laboral.
11. Eliminar cuotas numéricas para la fuerza laboral y objetivos numéricos para la administración.
12. Retirar barreras que le restan orgullo a la gente respecto a su trabajo. Eliminar el sistema de
evaluación anual o de mérito.
13. Instituir un vigoroso programa de educación y autodesarrollo para todos.
14. Poner a todo el que trabaje en la compañía a trabajar en el logro de la transformación.
Diagramas de control para la proporción y el número de elementos que no se ajustan:. Los diagramas p y
np.
Diagrama p: basado en la porción de elementos que no cumplen con los requisitos. Para establecer los
límites de control:
U N I V E R S I D A D D E A Q U I N O B O L I V I A
40
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
Cualquier valor negativo del límite de control inferior significará que el límite de control inferior no existe.
Diagrama np: basado en el número de elementos que no cumplen con los requisitos. Los límites de
control los establecemos de la siguiente manera:
El diagrama R: Un diagrama de control para la dispersión. Los límites de este diagrama de control los
obtenemos de la siguiente manera:
Diagrama X. El diagrama de control para X utiliza subgrupos de tamaño n que se obtienen sobre k
secuencias consecutivas o periodos. Los límites de control se obtienen de la siguiente manera:
Resumen
Pronóstico de series de tiempo.
Tipos de métodos de predicción: Existen dos planteamientos para la predicción: cualitativa y cuantitativa.
Los métodos de predicción cualitativa son especialmente importantes cuando no se dispone de datos
históricos. Se consideran altamente subjetivos. Los métodos de predicción cuantitativa hacen uso de los
datos históricos.
Introducción al análisis de series de tiempo.
Una serie de tiempo es un conjunto de datos numéricos que se obtienen en períodos regulares a través
del tiempo. El principal objetivo de una serie de tiempo consiste en identificar y aislar tales factores de
influencia con propósitos de hacer predicciones, así como para efectuar una planeación y un control
administrativo.
Factores componentes del modelo multiplicativo de series temporales.
Tendencia: impresión a largo plazo.
Componente cíclico: representa la oscilación o los movimientos a la baja y a la alta que se dan a lo largo
de la serie. Los movimientos cíclicos varían en longitud, por lo general de dos a 10 años.
Componente irregular aleatorio: cualquier componente que no sigue la curva de tendencia modificada por
el componente cíclico.
Cuando los datos se registran mensual o trimestralmente además de la tendencia cíclica y los
componentes irregulares debemos tomar en cuenta el factor estacional.
El modelo multiplicativo clásico de las series temporales.
Cuando los datos se obtienen anualmente una observación Yi puede expresarse como:
Yi=Ti*Ci*Ii; en la que Ti es el valor del componente tendencia, Ci= valor del componente cíclico; Ii es el
valor del componente irregular.
Por otra parte cuando los datos se obtienen de manera trimestral o mensual una observación Yi puede
estar dada por:
Yi=Ti*Si*Ci*Ii, en la que Si es el valor del componente estacional.
El primer paso de una serie de tiempo consiste en graficar los datos y observar su tendencia a través del
tiempo. Primero debemos determinar si parece haber un movimiento a largo plazo hacia arriba o hacia
abajo en la serie. ( es decir una tendencia), o si la serie parece oscilar alrededor de una línea horizontal a
través del tiempo. Si este último parece ser el caso entonces debe emplearse el método de promedios
móviles o el suavizado exponencial, para suavizar la serie y proporcionarnos una impresión global a
largo plazo.
U N I V E R S I D A D D E A Q U I N O B O L I V I A
41
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
El modelo lineal:
El modelo cuadrático:
El modelo exponencial:
Elección de un modelo de predicción apropiado
U N I V E R S I D A D D E A Q U I N O B O L I V I A
42
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
UNIDAD O TEMA :
LUGAR :
FECHA PREVISTA :
RECURSOS NECESARIOS:
OBJETIVOS DE LA ACTIVIDAD:
U N I V E R S I D A D D E A Q U I N O B O L I V I A
43
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
UNIDAD O TEMA :
LUGAR :
FECHA PREVISTA :
RECURSOS NECESARIOS:
OBJETIVOS DE LA ACTIVIDAD:
U N I V E R S I D A D D E A Q U I N O B O L I V I A
44
FACULTAD DE CIENCIAS ECONOMICAS Y FINANCIERAS
UNIDAD O TEMA :
LUGAR :
FECHA PREVISTA :
RECURSOS NECESARIOS:
OBJETIVOS DE LA ACTIVIDAD:
U N I V E R S I D A D D E A Q U I N O B O L I V I A
45