Estadistica Ii
Estadistica Ii
Estadistica Ii
APUNTES DE ESTADÍSTICA II
APUNTES
Ing. /LAE Jesús Alberto Sánchez Valtierra
Estadística II
CAPITULO 1
DISTRIBUCIONES DE PROBABILIDAD
• Introducción
Cuando se habla de los tipos de probabilidad, decimos que esta se clasifica
en tres:
1. Probabilidad clásica.
2. Probabilidad distribución de frecuencias.
3. Probabilidad subjetiva.
La distribución de probabilidades esta muy relacionado con el tipo de
variables.
Nosotros conocemos dos tipos de variables:
Dependiendo de la naturaleza de los datos a medir, las variables se
pueden clasificar de la siguiente manera:
Cualitativas
Variables
Continuas
Cuantitativas
Discretas
2
Estadística II
3
Estadística II
X P(
X=x)
0 ¼
2
1 /4
2 ¼
4
Estadística II
P
r
o
b
a
b
i
l
i
d
a
d
Número de votos
5
Estadística II
Ejercicios propuestos:
1. La presidenta de la Asociación Nacional contra la Distrofia
Muscular intenta estimar la cantidad que ofrecerá cada persona
que llama durante el teletòn anual de esta asociación. Usando los
datos recolectados en los últimos diez años, calculó las siguientes
probabilidades de las diferentes cantidades prometidas. Dibuje
una gráfica que ilustre esta distribución de probabilidad.
Pesos 25 50 75 100 125
prometidos
Probabilidad 0.45 0.25 0.15 0.10 0.05
6
Estadística II
• Variables aleatorias
Una variable es aleatoria si toma diferentes valores como resultado de
un experimento aleatorio.
Esta variable aleatoria puede ser discreta o continua. Si puede tomar
sólo un número limitado de valores, entonces es una variable aleatoria discreta.
En el otro extremo, si puede tomar cualquier valor dentro de un intervalo
dado, entonces se trata de una variable aleatoria continua.
Una variable aleatoria es una especie de valor o magnitud que cambia
de una ocurrencia a otra sin seguir una secuencia predecible.
Por ejemplo: En una clínica para tratamiento del cáncer, no se tiene
manera de saber con exactitud cuántos pacientes van a ser atendidos en un
día cualquiera, del modo que el número del día siguiente es una variable
aleatoria.
El valor esperado es una idea fundamental en el estudio de las
distribuciones de probabilidad. Durante muchos años el concepto ha sido
puesto en práctica con bastante regularidad por las compañías aseguradoras y,
en los últimos 20 años, también ha sido utilizado ampliamente por muchas de
las personas que deben tomar decisiones en condiciones de incertidumbre.
Para obtener el valor esperado de una variable aleatoria discreta,
multiplicamos cada valor que la variable puede tomar por la probabilidad de
ocurrencia de ese valor y luego sumamos los productos.
Por ejemplo: La única información disponible que tiene usted con respecto a
la distribución de probabilidad de un conjunto de resultados es la siguiente lista
de frecuencias:
X 0 15 30 45 60 75 Σ
Frecuencia 25 125 75 175 75 25
P(x)
XP(x)
a) Construya una distribución de probabilidad para el conjunto de
resultados
b) Encuentre el valor esperado del resultado.
7
Estadística II
Ejercicios propuestos:
1. Bill Johnson acaba de comprar una videograbadora en Elektra a un
costo de $300.00 Ahora tiene la opción de comprar una póliza de
servicio extendido que ofrece cinco años de cobertura por $100.00
Después de hablar con sus amigos y leer los informes, Bill cree que
puede incurrir en los siguientes gastos de mantenimiento durante los
próximos cinco años.
Gasto 0 50 100 150 200 250 300
Probabilidad 0.35 0.25 0.15 0.10 0.08 0.05 0.02
8
Estadística II
• La distribución binomial
Una distribución de probabilidad de variable aleatoria discreta
ampliamente utilizada es la distribución binomial. Esta distribución describe
una variedad de procesos de interés para los administradores.
Uso del proceso de Bernoulli
Características:
1. Cada intento tiene solamente dos resultados posibles:
Éxito o Fracaso.
2. La probabilidad es constante.
3. Los intentos son Estadísticamente independientes.
Fórmula binomial
9
Estadística II
En donde:
• p= probabilidad de tener éxito
• q= probabilidad de tener fracaso
• n= número de intentos o ensayos
• r= número de éxitos
Ejemplo:
Calcule P(r) si:
p= 0.8
q= 0.2
r= 3
n= 6
P (r)=
Para r= 1
Para r= 2
10
Estadística II
Para r= 3
Para r= 4
Para r= 5
P
r
o
b
a
b
i
l
i
d
a
d
Número de retardos
Otros ejemplos:
1. ¿Cuál es la probabilidad de que ocho de los 15 votantes demócratas
empadronados de Prince Street no puedan votar en las elecciones
preliminares, si la probabilidad de que cualquier individuo no pueda votar
es de 0.30 y si las personas deciden de manera independiente si votan o
no?
2. Diana Bruns es la alcaldesa de una ciudad grande. Últimamente, se ha
estado preocupando acerca de la posibilidad de que un gran número de
personas que cobran el seguro de desempleo en realidad tengan un
trabajo en secreto. Sus asistentes estiman que el 40% de los
beneficiarios del seguro de desempleo entran en esa categoría. Pero la
11
Estadística II
Ejemplo:
Encuentre la media y la desviación estándar de las siguientes distribuciones
binomiales:
a) n= 16 p= 0.40
b) n= 10 p= 0.75
c) n= 22 p= 0.15
d) n= 350 p= 0.90
e) n= 78 p= 0.05
12
Estadística II
• La distribución de Poisson
Existen muchas distribuciones de probabilidad discretas, pero nuestro
análisis solo se centrará en dos: la distribución binomial que acabamos de
concluir y la distribución de Poisson, la cual debe su nombre a Simèon Denis
Poisson.
Características de los procesos que producen una distribución de
probabilidad de Poisson.
Características:
1. Variables discretas
2. Alta frecuencia y baja probabilidad
3. La Probabilidad de tener más de un éxito es cero
4. La probabilidad de observar un éxito es constante
5. Estadísticamente independiente
Fórmula de Poisson
Ejemplo:
Suponga que esta investigando la seguridad de una peligrosa
intersección. Los registros policíacos indican una media de 5 accidentes
mensuales en esta intersección. El número de accidentes está distribuido de
acuerdo con una distribución de Poisson. El departamento de protección civil
desea que se calcule la probabilidad de que en cualquier mes ocurran
exactamente 0, 1, 2, 3 o 4 accidentes.
13
Estadística II
Otros ejemplos:
1. La concertista de piano Donna Prima está muy molesta por el
número de tosidos que se presentan en la audiencia justo antes
de que empiece a tocar. Durante su última gira, Donna estimó un
promedio de 8 tosidos justo antes de empezar su concierto. La
señorita Prima le ha advertido a su director que si escucha más
de cinco tosidos en el concierto de esa noche, se rehusará a
tocar. ¿Cuál será la probabilidad de que la artista toque esa
noche?
2. El centro contencioso del condado de Orange en California
maneja varios tipos de litigios, pero casi todos ellos son de tipo
conyugal. De hecho, el 96% de los pleitos que atiende el centro
son de esta naturaleza.
a) ¿Cuál será la probabilidad de que de 80 litigios atendidos
por el centro, exactamente 7 no sean de tipo conyugal?
b) ¿Cuál será la probabilidad de que ninguno sea de carácter
no conyugal?
3. En promedio, cinco pájaros chocan contra el monumento a
Washington y mueren por este motivo cada semana. Hill Garcy,
un oficial del Servicio de Parques Nacionales de Estados Unidos,
ha solicitado que el Congreso estadounidense asigne fondos para
adquirir equipo que aleje a los pájaros del monumento. Un
subcomité del Congreso le ha respondido que no pueden
asignarle fondos para tal fin a menos que la probabilidad de que
mueran más de tres pájaros cada semana sea mayor a 0.7
¿Deben destinarse los fondos para espantar pájaros?
4. El departamento de impresiones y grabados de Estados Unidos
es el responsable de imprimir papel moneda en aquel país. El
departamento tiene una impresionablemente baja frecuencia de
errores de impresión, sólo 0.5% de los billetes presentan errores
graves que no permiten su circulación. ¿Cuál es la probabilidad
de que en un fajo de 1000 billetes:
14
Estadística II
15
Estadística II
16
Estadística II
Ejemplo:
Se tiene un programa de entrenamiento diseñado para mejorar la calidad de las
habilidades de los supervisores de línea de producción. Debido a que el
programa es autoadministrado, los supervisores requieren de un número
diferente de horas para terminarlo. Un estudio de los participantes anteriores
indica que el tiempo promedio para completar el programa es de 500 horas y
que esta variable aleatoria normalmente distribuida tiene una desviación
estándar de 100 horas.
a) ¿Cuál es la probabilidad de que un participante elegido al azar requiera
más de 500 horas para completar el programa?
b) ¿Cuál es la probabilidad de que un candidato elegido al azar se tome
entre 500 y 650 horas para completar el programa de entrenamiento?
c) ¿Cuál es la probabilidad de que un participante elegido al azar requiera
más de 700 horas para completar el programa?
d) ¿Cuál es la probabilidad de que un participante elegido al azar requiera
menos de 580 horas para completar el programa?
e) ¿Cuál es la probabilidad de que un candidato elegido al azar se tome
entre 420 y 570 horas para completar el programa de entrenamiento?
17
Estadística II
Z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
0.0 0.00000 0.00399 0.00798 0.01197 0.01595 0.01994 0.02392 0.02790 0.03188 0.03586
0.1 0.03983 0.04380 0.04776 0.05172 0.05567 0.05962 0.06356 0.06749 0.07142 0.07535
0.2 0.07926 0.08317 0.08706 0.09095 0.09483 0.09871 0.10257 0.10642 0.11026 0.11409
0.3 0.11791 0.12172 0.12552 0.12930 0.13307 0.13683 0.14058 0.14431 0.14803 0.15173
0.4 0.15542 0.15910 0.16276 0.16640 0.17003 0.17364 0.17724 0.18082 0.18439 0.18793
0.5 0.19146 0.19497 0.19847 0.20194 0.20540 0.20884 0.21226 0.21566 0.21904 0.22240
0.6 0.22575 0.22907 0.23237 0.23565 0.23891 0.24215 0.24537 0.24857 0.25175 0.25490
0.7 0.25804 0.26115 0.26424 0.26730 0.27035 0.27337 0.27637 0.27935 0.28230 0.28524
0.8 0.28814 0.29103 0.29389 0.29673 0.29955 0.30234 0.30511 0.30785 0.31057 0.31327
0.9 0.31594 0.31859 0.32121 0.32381 0.32639 0.32894 0.33147 0.33398 0.33646 0.33891
1.0 0.34134 0.34375 0.34614 0.34849 0.35083 0.35314 0.35543 0.35769 0.35993 0.36214
1.1 0.36433 0.36650 0.36864 0.37076 0.37286 0.37493 0.37698 0.37900 0.38100 0.38298
1.2 0.38493 0.38686 0.38877 0.39065 0.39251 0.39435 0.39617 0.39796 0.39973 0.40147
1.3 0.40320 0.40490 0.40658 0.40824 0.40988 0.41149 0.41308 0.41466 0.41621 0.41774
1.4 0.41924 0.42073 0.42220 0.42364 0.42507 0.42647 0.42785 0.42922 0.43056 0.43189
1.5 0.43319 0.43448 0.43574 0.43699 0.43822 0.43943 0.44062 0.44179 0.44295 0.44408
1.6 0.44520 0.44630 0.44738 0.44845 0.44950 0.45053 0.45154 0.45254 0.45352 0.45449
1.7 0.45543 0.45637 0.45728 0.45818 0.45907 0.45994 0.46080 0.46164 0.46246 0.46327
1.8 0.46407 0.46485 0.46562 0.46638 0.46712 0.46784 0.46856 0.46926 0.46995 0.47062
1.9 0.47128 0.47193 0.47257 0.47320 0.47381 0.47441 0.47500 0.47558 0.47615 0.47670
2.0 0.47725 0.47778 0.47831 0.47882 0.47932 0.47982 0.48030 0.48077 0.48124 0.48169
2.1 0.48214 0.48257 0.48300 0.48341 0.48382 0.48422 0.48461 0.48500 0.48537 0.48574
2.2 0.48610 0.48645 0.48679 0.48713 0.48745 0.48778 0.48809 0.48840 0.48870 0.48899
2.3 0.48928 0.48956 0.48983 0.49010 0.49036 0.49061 0.49086 0.49111 0.49134 0.49158
2.4 0.49180 0.49202 0.49224 0.49245 0.49266 0.49286 0.49305 0.49324 0.49343 0.49361
2.5 0.49379 0.49396 0.49413 0.49430 0.49446 0.49461 0.49477 0.49492 0.49506 0.49520
2.6 0.49534 0.49547 0.49560 0.49573 0.49585 0.49598 0.49609 0.49621 0.49632 0.49643
2.7 0.49653 0.49664 0.49674 0.49683 0.49693 0.49702 0.49711 0.49720 0.49728 0.49736
2.8 0.49744 0.49752 0.49760 0.49767 0.49774 0.49781 0.49788 0.49795 0.49801 0.49807
2.9 0.49813 0.49819 0.49825 0.49831 0.49836 0.49841 0.49846 0.49851 0.49856 0.49861
3.0 0.49865 0.49869 0.49874 0.49878 0.49882 0.49886 0.49889 0.49893 0.49896 0.49900
3.1 0.49903 0.49906 0.49910 0.49913 0.49916 0.49918 0.49921 0.49924 0.49926 0.49929
3.2 0.49931 0.49934 0.49936 0.49938 0.49940 0.49942 0.49944 0.49946 0.49948 0.49950
3.3 0.49952 0.49953 0.49955 0.49957 0.49958 0.49960 0.49961 0.49962 0.49964 0.49965
3.4 0.49966 0.49968 0.49969 0.49970 0.49971 0.49972 0.49973 0.49974 0.49975 0.49976
3.5 0.49977 0.49978 0.49978 0.49979 0.49980 0.49981 0.49981 0.49982 0.49983 0.49983
3.6 0.49984 0.49985 0.49985 0.49986 0.49986 0.49987 0.49987 0.49988 0.49988 0.49989
3.7 0.49989 0.49990 0.49990 0.49990 0.49991 0.49991 0.49992 0.49992 0.49992 0.49992
3.8 0.49993 0.49993 0.49993 0.49994 0.49994 0.49994 0.49994 0.49995 0.49995 0.49995
3.9 0.49995 0.49995 0.49996 0.49996 0.49996 0.49996 0.49996 0.49996 0.49997 0.49997
4.0 0.49997 0.49997 0.49997 0.49997 0.49997 0.49997 0.49998 0.49998 0.49998 0.49998
18
Estadística II
Otros ejemplos:
1. En su tercer año de funcionamiento la liga de fútbol Libertad tuvo un
promedio de 16 050 aficionados por juego, con una desviación estándar
de 2500.
a) De acuerdo con estos datos ¿cuál es la probabilidad de que el número
de aficionados en cualquier juego sea mayor a los 20 000?
b) ¿Sea menor a los 10 000?
c) ¿Sea entre 14 000 y 17 500?
2. Investigaciones hechas muestran que el tiempo de vida de una cuenta
de ahorros regular que se tiene en uno de los bancos es de 24 meses
promedio, con una desviación estándar de 7.5 meses.
Si un depositante abre una cuenta
a) ¿Cuál es la probabilidad de que todavía haya dinero en la cuenta
después de 28 meses?
b) ¿Cuál es la probabilidad de que la cuenta sea cerrada antes de un año?
3. Daniel Hernández es el supervisor de la Presa “La Purísima”. El señor
Hernández sabe que las turbinas de la presa generan electricidad a una
tasa pico cada día sólo cuando pasan al menos l 000 000 de galones de
agua a través de las compuertas. También sabe, por experiencia, que el
flujo diario tiene una distribución normal con media igual al flujo del día
anterior y desviación estándar de 200 000 galones. Ayer fluyeron
850 000 galones por la presa ¿Cuál es la probabilidad de que las
turbinas hoy generen electricidad a la tasa pico?
4. Raúl Jiménez es el administrador del puesto concesionado de hot dogs
del estadio de fútbol Azteca, acaba de tener 2 cancelaciones de sus
empleados. Esto significa que si más de 72 000 personas vienen al
juego de esta noche, las colas constituirán una desgracia para él. El
señor Jiménez sabe por experiencia que el número de personas que
vienen al juego tiene una distribución normal con media de 67 000 y una
desviación estándar de 4 000 personas. ¿Cuál es la probabilidad de que
vayan más de 72 000 personas?
19
Estadística II
CAPITULO 2
MUESTREO Y DISTRIBUCIONES DE MUESTREO
• Tipos de muestreo
Existen dos métodos para seleccionar muestras de poblaciones: el
muestreo no aleatorio o de juicio y el muestreo aleatorio o de probabilidad.
En el muestreo de probabilidad, todos los elementos de la población
tienen la oportunidad de ser escogidos para la muestra. En el muestreo de
juicio, se emplea el conocimiento y la opinión personal para identificar a los
elementos de la población que deben incluirse en la muestra.
20
Estadística II
• Muestreo estratificado
Consiste en la división previa de la población de estudio en grupos o
clases que se suponen homogéneos respecto a característica a estudiar. A
cada uno de estos estratos se le asignaría una cuota que determinaría el
número de miembros del mismo que compondrán la muestra.
Según la cantidad de elementos de la muestra que se han de elegir de
cada uno de los estratos, existen dos técnicas de muestreo estratificado:
⇒ Asignación proporcional: el tamaño de cada estrato en la
muestra es proporcional a su tamaño en la población.
⇒ Asignación óptima: la muestra recogerá más individuos de
aquellos estratos que tengan más variabilidad. Para ello es
necesario un conocimiento previo de la población.
Por ejemplo, para un estudio de opinión, puede resultar interesante
estudiar por separado las opiniones de hombres y mujeres pues se estima que,
dentro de cada uno de estos grupos, puede haber cierta homogeneidad. Así, si
la población está compuesta de un 55% de mujeres y un 45% de hombres, se
tomaría una muestra que contenga también esa misma proporción.
Nota:
Una población finita se refiere a que la población tiene un tamaño
establecido o limitado, es decir existe un número entero (N) que indica cuantos
elementos hay en la población.
Una población infinita es aquella en la que teóricamente es imposible
observar todos los elementos. Aunque muchas poblaciones parecen ser
excesivamente grandes, no existe una población realmente infinita de objetos
físicos
21
Estadística II
• Error estándar
La desviación estándar de una distribución, en el muestreo de un
estadístico, se conoce como el error estándar del estadístico.
Por ejemplo, la desviación estándar de las medias de todas la muestras
posibles del mismo tamaño, extraídas de una población, es llamada el error
estándar de la media.
De la misma manera, la desviación estándar de las proporciones de
todas las muestras posibles del mismo tamaño, extraídas de una población, es
llamada el error estándar de la proporción.
La diferencia entre los términos "desviación estándar" y "error de
estándar" es que la primera se refiere a los valores originales, mientras que la
última está relacionada con valores calculados.
Un estadístico es un valor calculado, obtenido con los elementos
incluidos en una muestra.
• Error de muestreo
La diferencia entre el resultado obtenido de una muestra (un estadístico)
y el resultado el cual deberíamos haber obtenido de la población (el parámetro
correspondiente) se llama el error muestral o error de muestreo.
Un error de muestreo usualmente ocurre cuando no se lleva a cabo la
encuesta completa de la población, sino que se toma una muestra para estimar
las características de la población. El error muestral es medido por el error
estadístico, en términos de probabilidad, bajo la curva normal.
• Fórmulas a emplear:
Error estándar de la media para poblaciones infinitas
σx = σ / n
σ= desviación estándar de la población
n= tamaño de la muestra
Estandarización de la media de la muestra
x−µ
Z=
σx
x= media de la muestra
µ = media de la población
σx = error estándar de la media
22
Estadística II
Analicemos un ejemplo:
Una institución bancaria calcula que sus cuentas de ahorro individuales están
normalmente distribuidas con una media de $2000.00 y una desviación
estándar de $600.00, si el banco toma una muestra aleatoria de 100 cuentas
¿Cuál es la probabilidad de que la media de la muestra caiga entre $1900.00 y
$2050.00?
23
Estadística II
Ejemplos:
1. María Bernal, auditora de una gran compañía de tarjetas de crédito,
sabe que el saldo promedio mensual de un cliente dado es $112.00 y la
desviación estándar es $56.00. Si María audita 50 cuentas
seleccionadas al azar, encuentre la probabilidad de que el saldo
promedio mensual de la muestra sea:
a) Menor que $100.00
b) De entre $100.00 y $130.00
2. En una muestra de 16 observaciones de una distribución normal con
una media de 150 y una varianza de 256.
a) ¿Cuál es P (X < 160)?
b) ¿P (X > 140)?
3. Una refinería de aceite tiene monitores de apoyo para llevar el control
continuo de los flujos de energía para impedir que los desperfectos de
las máquinas interrumpan el proceso de refinado. Un monitor tiene una
vida promedio de 4 300 hrs con una desviación estándar de 730 hrs.
Además del monitor principal hay 2 unidades de reserva que son
duplicados de la principal. En caso de defectos, el otro monitor tomar su
lugar. La vida de cada monitor es independiente.
a) ¿Cuál es la probabilidad de que un conjunto dado de monitores dure
al menos 13 000 hrs?
b) ¿A lo más 12 630 hrs?
4. En una distribución normal con media de 375 y σ = 48 ¿qué tan grande
se debe tomar una muestra para que la probabilidad sea al menos de
0.95 de que la muestra caiga entre 370 y 380?
5. Al revisar las ventas habidas desde la apertura de un restaurante hace 6
meses, el dueño encontró que la cuenta promedio por pareja era de
$26.00 con una desviación estándar de $5.65 ¿Qué tan grande tendría
que ser la muestra de clientes para que la probabilidad fuera al menos
95.44% de que el costo medio por pareja para la muestra cayera entre
$25.00 y $27.00?
24
Estadística II
25
Estadística II
Otros ejemplos:
1. Sara Gordon encabeza una campaña de recolección de fondos para el
Milford College. Desea concentrarse en la actual reunión del décimo año
y espera obtener contribuciones del 36% de los 250 miembros de esa
clase. Datos anteriores indican que contribuyen a la donación de la
reunión donando aproximadamente el 4% de sus salarios anuales. Sara
sabe aproximadamente que los miembros de la clase tienen un salario
anual promedio de $32 000.00 con σ = $9 600.00. Si sus expectativas se
cumplen ¿Cuál es la probabilidad de que la recolecta de fondos esté
entre $110 000.00 y $120 000.00?
2. Gigante, una cadena de 145 supermercados, fuè comprada por otra
mayor del mismo giro que opera a nivel nacional. Antes de que el trato
sea finiquitado, la cadena mayor quiere tener alguna seguridad de que
Gigante será redituable. La cadena compradora ha decidido echar un
vistazo a los registros financieros de 36 de las tiendas de Gigante. El
gerente de ésta afirma que las ganancias de cada tienda tienen una
distribución normal con la misma media y una desviación estándar de
$1200.00. Si la gerencia de Gigante está en lo correcto, ¿cuál es la
probabilidad de que la media de las 36 tiendas se encuentre cerca de los
$200 de la media real?
3. Un equipo de salvamento submarino se prepara para explorar un sitio
mar adentro, frente a la costa de Florida donde se hundió una flotilla
entera de 45 galeones españoles. A partir de los registros históricos, el
equipo espera que estos buques naufragados generen un promedio de
$225 000.00 de ingresos cada uno cuando se exploren con una
σ = $39 000.00. El patrocinador del equipo, sin embargo; se muestra
escéptico y ha establecido que si no se recuperan los gastos de
exploración que suman $2 100 000.00 con los primeros 9 galeones
naufragados cancelará el resto de la exploración. ¿Cuál es la
probabilidad de que la exploración continúe una vez explorados los
primeros nueve barcos?
26
Estadística II
CAPITULO 3
ESTIMACIÒN
La estadística inferencial está basada en la estimación y en las pruebas
de hipótesis.
Existen dos tipos de estimaciones concernientes a una población:
Estimación puntual:
Es un solo número que se utiliza para estimar un parámetro de una población
desconocida.
Estimación de intervalo:
Es un rango de valores que se utiliza para estimar un parámetro de una
población.
Así mismo:
• Un estimador es un estadístico de la muestra utilizado para estimar un
parámetro poblacional. Por ejemplo: La media de la muestra
• Una estimación es un valor específico observado de un estadístico.
• Una estimación de intervalo describe un rango de valores dentro de los
cuales es posible que esté un parámetro de la población.
• ± 1σ = 68.3%
• ± 2σ = 95.5%
• ± 3σ = 99.7%
27
Estadística II
28
Estadística II
29
Estadística II
Ejemplos:
1. Cuando se sondeó una muestra de 70 ejecutivos de ventas respecto
al bajo desempeño durante Noviembre en la industria de ventas al
menudeo, el 66% pensó que la disminución de las ventas se debía a
las temperaturas inusualmente altas, haciendo que los consumidores
retrasaran sus compras de artículos de invierno.
a) Estime el error estándar de la proporción de ejecutivos de
ventas que culpan al clima caliente de las bajas ventas
b) Encuentre los límites de confianza superior e inferior para esta
proporción dado un 95% de nivel de confianza.
2. El doctor Benjamín Shockley, un psicólogo social reconocido;
entrevistó a 150 ejecutivos de alto nivel y encontró que 42% de ellos
no podía sumar fracciones correctamente.
a) Estime el error estándar de la proporción
b) Construya un intervalo de confianza del 99% para la proporción
verdadera de ejecutivos de alto nivel que no pueden sumar
fracciones correctamente.
30
Estadística II
Distribución t de student
31
Estadística II
32
Estadística II
CAPITULO 4
CONCEPTOS BASICOS EN EL PROCEDIMIENTO DE PRUEBA
DE HIPÒTESIS
H1; 50 cm/s
La proposición Ho; = 50 cm/s, se conoce como hipótesis nula, mientras que
33
Estadística II
Fórmula a utilizar:
x − µHo
Z=
σxo
34
Estadística II
35
Estadística II
CAPITULO 5
LA PRUEBA DE JI-CUADRADA
En estadística, la distribución ji-cuadrada (a veces incorrectamente
pronunciado como "chi-cuadrado"), también denominada ji-cuadrada de
Pearson, es una distribución de probabilidad continua; que nos permiten probar
si más de dos porciones de población pueden ser consideradas iguales. Es una
prueba de significancia estadística que se emplea a menudo en los negocios, la
industria y en otros campos incluyendo las ciencias sociales. Se basa en la
hipótesis nula: la suposición de que no existe una relación entre las dos
variables de la población total. Se utiliza para probar la independencia de dos
muestras entre sí, mediante la presentación de los datos en tablas de
contingencia (formada por renglones y columnas)
La fórmula que da el estadístico es la siguiente:
36
Estadística II
37
Estadística II
38
Estadística II
Para α = 0.01
¿GAP está poniendo el mismo énfasis en abrir tiendas Niños Gap en los
tres países?
39
Estadística II
CAPITULO 6
PRUEBA DE CORRELACIÒN Y ANALISIS DE REGRESIÒN
40
Estadística II
• Fórmulas:
Ecuación para una línea recta
Y= a+bX
Y= variable dependiente
a= ordenada
b= pendiente de la recta
X= variable independiente
Pendiente de una línea recta
Y 2 − Y1
b=
X 2 − X1
Pendiente de la recta de regresión de mejor ajuste
Antigüedad Gastos de
(Años) reparación
(Miles de pesos)
Camión 1 5 7
Camión 2 3 7
Camión 3 3 6
Camión 4 1 4
41
Estadística II
∑ Y 2 − a ∑ Y − b∑ XY
Se=
n−2
42
Estadística II
• Análisis de correlación
Es la herramienta estadístico que podemos usar para describir el grado en
que una variable está linealmente relacionada con otra.
Generalmente, el análisis de correlación se utiliza junto con el de regresión
para medir qué tan bien la línea de regresión explica los cambios en la
variable dependiente, Y.
Coeficiente de determinación de la muestra
43
Estadística II
44