3.

1 DEFINICIÓN DE ESTIMADOR:
El estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valo
Por ejemplo la media muestral es un estimador de la media poblacional, la proporcion observada en la muestra de un estm
en la población.
Un estimador es una función de una variable aleatoria n-dimensional. Mostremos dos tipos de estimadores:

Estimación puntual : Aquí obtendremos un punto, un valor como estimación del parámetro.
Estimación por intervalos: Aquí obtendremos un intervalo dentro del cual estimamos (bajo cierta probabilidad)
estará el parámetro.

DEFINICIÓN DE ESTIMACIÓN:
La estimación es un cálculo que se realiza a partir de la evaluación estadística. Dicho estudio suele efectuarse sobre una m
toda la población objetivo.
Por tanto, para llevar a cabo una estimación es necesario primero contar con una serie de datos, además es común que los
se sustenten en un marco teórico.

Ejemplos del uso de las estimaciones:

Un ejemplo al estimar la inflación definiéndola como la diferencia entre los precios (en la economía) de dos periodos, Perid
entonces se calculará una variación porcentual entre los datos registrados de ambos puntos del tiempo.
** Cifras solo de ejemplo:
INPC Dec-22 7.82
INPC Dec-21 7.36 0.46

En estadística:
Calcular indicadores estadísticos como la media, la mediana y la moda
Calcular el valor de una variable determinada con base a otras ejemplo estimar la balanza comercial, teniendo datos como
importaciones de un país.
Realizar las proyecciones de una variable. Esto tomando los datos históricos, ejemplo las expectativas de la inflación de un
en función de los incrementos de preciosen el pasado.

3.2 PROPIEDADES DE LOS ESTIMADORES

Para que un estadístico muestral sea un buen estimador de un parámetro poblacional debe ser; insesgado, invariante, con
de varianza mínima y eficiente.
Todas estas propiedades son deseables en un estimador.

INSESGAMIENTO:
Es el estimador cuya media o valor esperado de la distribución de las estimaciones es igual al parámetro estimado.
Estimador insesgado es la media muestral (estimador de la media de la población ) y la Varianza (estimador de la varianza
Se dice que el estimador es insesgado si su sesgo es igual a cero, esto es así:

INSESGAMIENTO ASINTÓTICO
Cuando la muestra tiende a un tamaño muy grande el estimador se acerca al verdadero valor del parámetro
entonces estaremos hablando de un estimador asintónicamente insesgado.
CONSISTENCIA

CONSISTENCIA: Un estimador es consistente si aproxima el valor del parámetro cuanto mayor es n (tamaño de la muestra
si a medida que aumenta el tamaño de la muestra, las estimaciones que esta proporciona son cada vez más próximas al v
del parámetro.
Tambien hay consistencia en estimadores sesgados, acercándse cada vez más a sus valores de sus respectivos parámetros
a medida que el tamaño de la muestra (n) aumenta, tal es el caso de s o s2 que son estimadores sesgados pero consistente
de la desviación típica (σ) o de la varianza (σ2) de la población.

Estimadores consistentes: Proporciones, la media, la varianza y desviación típìca.

ERROR CUADRÁTICO MEDIO (ECM)

Es una estimación que mide la diferencia cuadrática media, entre los valores estimados y los valores reales
de una distribución de datos. En el análisis de regresión, el ECM calcula las diferencias medias al cuadrado,
entre los puntos y la línea de regresión. Es decir la media de los cuadrados de los residuos.

El ECM siempre es positivo, y disminuye a medida que disminuye el error en las predicciones. Es decir, cuanto
más se acerquen los valores previstos a los reales menor será el ECM

Fórmula:
 1 VER EJERCICIOS

donde Oi son los valores observados.

Ei son los valores esperados

∑ es una letra griega llamada sigma que representa la «sumatoria»

n es el tamaño de la muestra (el número de observaciones).

EFICIENCIA

Diremos que un estimador es más eficiente que otro, si la varianza de la distribución muestral del estimador
es menor a la del otro estimador. Cuanto menor es la eficiencia menor es la confianza de que el estadístico
obtenido en la muestra se aproxime al parámetro poblacional.
Es decir se refiere al margen de error.

3.3 ESTIMACIÓN DE LA MEDIA, LA VARIANZA Y LAS PROPORCIONES

ESTIMACIÓN DE LA MEDIA: Es un proceso de la estadística inferencial mediante el cual se realizan cálculos con los datos d
una muestra cuyo resultado es un valor numérico único.
La media muestral es un estimador de la media poblacional, la proporción observada en la muestra es un estimador de la p
en la población.

2 VER EJERCICIOS 1

ESTIMACIÓN DE LA VARIANZA s 2 s al cuadrado

La varianza es una medida de dispersión que representa la variabilidad de una serie de datos con respecto a su media.
Formalmente, se calcula como la suma de los cuadrados de los residuos dividida por las observaciones totales.
También puede calcularse como la desviación estándar al cuadrado.

3 VER EJERCICIOS 1

ESTIMADOR DE LAS PROPORCIONES

Un estimador puntual de la proporción P en un experimento binomial está dado por la estadística P=X/
donde x representa el número de éxitos en n pruebas. Por tanto, la proporción de la muestra p =x/n
se utIlizará como estimador puntual del parámetro P.

4 EJERCICIOS 1

4.1 CONCEPTO DE INTÉRVALO DE CONFIANZA

El intervalo de confianza describe la variabilidad entre la medida obtenida de un estudio y
la medida real de la población (el valor real) corresponde a un rango de valores, cuya distribución
es normal y en la cual se encuentra con alta probabilidad, el valor real de una determinada variable.

4.2 INTERVALOS DE CONFIANZA PARA LA MEDIA.

Este intervalo de confianza nos da un rango de valores admisibles para la media de la población
si un intervalo de confianza no incluye un valor determinado, podemos decir que no es probable
que el valor particular sea la media verdadera de la población.

5 VER EJERCICIOS 2

4.3 INTERVALOS DE CONFIANZA PARA LAS PROPORCIONES

El inervalo de confianza para la proporción poblacional está centrado en la proporcion muestral,
siendo sus límites superior e inferior donde z / 2 es el valor crítico (error) correspondiente al
grado de confianza 1 - de la distribución normal tipificada y es el error típico de la población.

6 VER EJERCICIOS 2

5.1 CONCEPTO DE PRUEBA DE HIPÓTESIS

UNA PRUEBA DE HIPÓTESIS ES UNA REGLA QUE ESPECIFICA SI SE PUEDE ACEPTAR O RECHAZAR
UNA AFIRMACIÓN ACERCA DE UNA POBLACIÓN, DEPENDIENDO DE LA EVIDENCIA PROPORCIONADA
POR UNA MUESTRA DE DATOS. UNA PRUEBA DE HIPÓTESIS EXAMINA DOS HIPÓTESIS OPUESTAS SOBRE UNA POBLACIÓN
Y LA HIPÓTESIS ALTERNATIVA

5.2 TIPOS DE ERROR Y NIVEL DE SIGNIFICANCIA

TIPOS DE ERRORES; CUANDO SE REALIZA UNA PRUEBA DE HIPÓTESIS, PUEDE COMETER DOS TIPOS
DE ERROR , TIPO I Y TIPO II , LOS RIESGOS DE ESTOS DOS ESTÁN INVERSAMENTE RELACIONADOS
Y SE DETERMINA SEGÚN EL NIVEL DE SIGNIFICANCIA Y LA POTENCIA DE LA PRUEBA.

EJEMPLOS:

https://www.superprof.es/apuntes/escolar/matematicas/estadistica/descriptiva/ejercicios-y-problemas-de-la-varianza.ht
HIPÓTESIS NULA:
DADO QUE LAS PRUEBAS SE BASAN EN UNA HIPÓTESIS, EN ESTE CASO HABLAMOS DE UNA HIPÓTESIS NULA
SE BUSCA REFUTAR LO QUE LA HIPÓTESIS GENERAL QUIERE DEMOSTRAR. TODOS LOS DATOS CUENTAN CON
HIPÓTESIS NULA QUE PERMITEN REFUTAR UNA SIGNIFICANCIA ESTADÍSTICA MEDIANTE SUS PARÁMETROS.

EN LOS CASOS MAS COMUNES SE ESTABLECE UN PARÁMETRO IGUAL A CERO, DEFENDIENDO QUE UNA VARIABLE
NO TIENE REPERCUCIÓN SOBRE EL RESULTADO ESTUDIADO.
AL LOGRAR REFUTAR ESTA HIPÓTESIS EN UN 95% COMO MÍNIMO SE PUEDE DECIR QUE ENTONCES EL RESULTADO
ES POR SIGNIFICANCIA ESTADÍSTICA.

EJEMPLO: EN UN ALMACÉN DE ROPA ESCOLAR SE PLANTEAN LA HIPÓTESIS: " ELIMINAR OFERTAS NO DISMINUIRÁ
LA CANTIDAD DE COMPRAS " TENIENDO EN CUENTA UNA REPERCUCIÓN NULA COMO HIPÓTESIS, DE PROBARSE,ENTONCE
DIRÍA QUE EL RESULTADO OBTENIDO, DE UNA SERIE DE DATOS NO FUE POR SIGNIFICANCIA ESTADÍSTICA.

HIPÓTESIS ALTERNATIVA:
EN ESTE EL EJEMPLO SE PLANTEA COMO SIGUE: "ELIMINAR LAS OFERTAS, DISMINUIRÁ LA CANTIDAD DE COMPRAS "
ESTA TEORÍA BUSCA LA MANERA DE CONTRADECIR LO QUE LA HIPÓTESIS NULA PLANTEA. DEFENDIENDO EL RESULTADO O
SE DEBE A UNA VARIABLE, QUE EN ESTE EJEMPLO ES " ELIMINAR LAS OFERTAS"

NIVEL DE SIGNIFICANCIA:
EL NIVEL DE SIGNIFICANCIA ES COMUNMENTE REPRESENTADO POR EL SÍMBOLO GRIEGO ALFA a (ALFA) Y SON COMUNES
DE SIGNIFICACIÓN EJEMPLOS DEL 0.05 , 0.01 , 0.001 . SI UN CONTRASTE DE HIPÓTESIS PROPORCIONA UN VALOR DE p in
HIPÓTESIS NULA ES RECHAZADA, SIENDO TAL RESULTADO DENOMINADO ESTADÍSTICAMENTE SIGNIFICATIVO.

EJEMPLOS: EJEMPLO p del 95% con a 0.05

0.05 5%
0.01 1%
p TAMBIEN SE LE CONOCE COMO NIVEL OBSERVADO DE LA SIGNIFICANCIA

5.3 CURVA CARACTERÍSTICA OPERATIVA Y CURVA DE POTENCIA:

LA CURVA CARACTERÍSTICA DE OPERACIÓN ( OC ) PRESENTA LA POTENCIA DE DISCRIMINACIÓN DE UN PLAN DE MUESTRE
DE ACEPTACIÓN . LA CURVA OC GRAFICA LAS PROBABILIDADES DE ACEPTAR UN LOTE DE ARTÍCULOS VS LA FRACCIÓN DEF
CUANDO SE GRAFICA LA CURVA (OC) LOS RIESGOS DE MUESTREO SON EVIDENTES
CASO 2
:

LO IDEAL PERO EN LA PRÁCTICA NO SE DAN ESTOS CASOS

LO ASERTIVO ES AUMENTAR EL TAMAÑO DE LA MUESTRA n, PARA QUE C (ACEPTACIÓN SEA TAMBIÉN MAYOR)
Y SE ACERCARÁ A LA CURVA IDEAL

NAC = NIVEL DE ACEPTACIÓN

NCL = NIVEL DE CALIDAD

5.4 PRUEBA DE HIPÓTESIS PARA LA MEDIA Y PROPORCIONES

LAS HIPÓTESIS SON PROPOSICIONES SOBRE EL VALOR DE UN PARÁMETRO ESTADÍSTICO,
ESTAS PROPOSCIONES SE DEBEN CONTRASTAR CON LA REALIDAD, (MEDIANTE EL MUESTREO DE DATOS)
PARA TOMAR UNA DECISIÓN DE ACEPTAR O RECHAZAR LA PROPOSICIÓN.

PROPOSICIONES = HIPÓTESIS
EL PROCEDIMIENTO = PRUEBA DE HIPÓTESIS

UNA PRUEBA DE HIPÓTESIS ES UNA HERRAMIENTA DE ANÁLISIS DE DATOS, QUE PUEDE EN GENERAL
FORMAR PARTE DE UN EXPERMIMENTO COMPARATIVO MAS COMPLETO.

EJEMPLO:
UN MODELO DE AUTOMOVIL DEPORTIVO ACTUALMENTE FUNCIONA CON UN RENDIMIENTO PROMEDIO DE
24 MILLAS POR GALÓN DE GASOLINA, EL DEPARTAMENTO DE INNOVACIÓN E INVESTIGACIÓN, HA INVENTADO
UN NUEVO SISTEMA DE INYECCIÓN DE COMBUSTIBLE DISEÑADO PARA AUMENTAR EL RENDIMIENTO
SE VA A EVALUAR E INSTALAR PARA SOMETER A ALGUNOS AUTOS CON PRUEBAS DE MANEJO CONTROLADAS.

1. EL QUIPO DE INVESTIGACIÓN DESEA PROBAR QUE EL NUEVO SISTEMA AUMENTA LA MEDIDA DE LA MEDIA EN
MILLAS POR GALÓN.

EN ESTE CASO LA HIPÓTESIS DE INVESTIGACIÓN, ES QEUE EL NUEVO SISTEMA PROPORCIONARÁ UNA MEDIA
DEL RENDIMIENTO MAYOR A 24 MILLAS POR GALÓN, ESTO SERÍA u mayor 24

µ mayor a 24

COMO LINEAMIENTO GENERAL, UNA HIPÓTESIS DE INVESTIGACIÓN COMO ESTA SE DEBE FORMULAR Y PROPONERSE
COMO UNA HIPÓTESIS ALTERNATIVA, POR CONSIGUIENTE LA HIPÓTESIS NULA Y ALTERNATIVA CORRECTAS PARA ESTE
ESTUDIO SON :

Ho : µ ≤ 24 nula
Ha: µ ≥ 24 alternativa

SI LOS RESULTADOS MUESTRAN QUE NO SE PUEDE RECHAZAR Ho , LOS INVESTIGADORES NO PUEDEN DECIR
QUE EL NUEVO SISTEMA DE INYECCIÓN ES MEJOR, LOS LLEVARÁ A REALIZAR MÁS INVESTIGACIONES Y PRUEBAS.

SIN EMBARGO LOS RESULTADOS DE LA MUESTRA DE LA MEDIA INDICAN QUE SE PUEDE RECHAZAR Ho EL PERSONAL
PUEDE HACER LA INFERENCIA DE QUE Ha: µ ≥ 24 ES VERDADERA.
na información sobre el valor del parámetro
da en la muestra de un estmador de la proporción

estimadores:

rta probabilidad)

ele efectuarse sobre una muestra y no sobre

s, además es común que los investigadores

omía) de dos periodos, Perido A y Perido B

ercial, teniendo datos como exportaciones e

tativas de la inflación de un periodo esperado

; insesgado, invariante, consistente suficiente

arámetro estimado.
a (estimador de la varianza de la población )
el parámetro
es n (tamaño de la muestra).
cada vez más próximas al valor

sus respectivos parámetros

s sesgados pero consistentes

lores reales
al cuadrado,

s decir, cuanto
del estimador
l estadístico

zan cálculos con los datos de

estra es un estimador de la propocion

on respecto a su media.

por la estadística P=X/N,

AS SOBRE UNA POBLACIÓN , LA HIPÓTESIS NULA

roblemas-de-la-varianza.html
PÓTESIS NULA
CUENTAN CON
ARÁMETROS.

QUE UNA VARIABLE

NCES EL RESULTADO

AS NO DISMINUIRÁ
SIS, DE PROBARSE,ENTONCES SE

TIDAD DE COMPRAS "

ENDIENDO EL RESULTADO OBTENIDO

A a (ALFA) Y SON COMUNES LOS NIVELES

RCIONA UN VALOR DE p inferior a (alfa) LA
SIGNIFICATIVO.

N DE UN PLAN DE MUESTREO
CULOS VS LA FRACCIÓN DEFECTUOSA
AMBIÉN MAYOR)
SI NO SE AUMENTA EL TAMAÑO DE LA MUESTRA Y SE EVALÚA EL MISMO NIVEL DE ACEPTACIÓN SERÁ
MÁS ESTRICTO Y SU COMPORTAMIENTO SERÁ CON CURVAS CÓNCAVAS HACIA ARRIBA Y CON DIFICULTAD
DIFERENCIAR LOS LOTES BUENOS DE LOS MALOS

EJEMPLO BUENO:
UN LOTE CON UN 2% DE DEFECTO, TIENE EL 95% DE PROBABILIAD DE ACEPTACIÓN
POR LO TANTO SOLO UN 5% DE RIESGO QUE AL FABRICANTE SE LE RECHAZE EL PEDIDO

OTRO EJEMPLO:/ DESVENTAJA:

EN UN NIVEL DE CALIDAD ESTABLECIDO DEL 7% Y QUE EL MUESTREO
SALGA CON % MAYOR A 7, SERÁN LOTES MALOS Y CON ALTO PORCENTAJE DE RECHAZO POR PARTE DEL COMPRADOR ( C
ROMEDIO DE
HA INVENTADO

CONTROLADAS.

A DE LA MEDIA EN

Á UNA MEDIA

MULAR Y PROPONERSE
CORRECTAS PARA ESTE

UEDEN DECIR
ONES Y PRUEBAS.

AZAR Ho EL PERSONAL
N DIFICULTAD

PARTE DEL COMPRADOR ( CLIENTE)

1 EJERCICIO ERROR CUADRÁTICO MEDIO ECM

Tenemos la siguiente tabla de la empresa de Hule espuma sa de cv, donde contiene la producció
estimada que proyectaron por semestre y la producción real por cada perido.

¿Cómo calcularemos el error cuadrático medio ?

PROYECTADO
PERIODO /ESPERADOS REAL /OBSERVADOS DIFERENCIA
ENERO A JUNIO 2015 166 160 -6
JULIO A DIC 2015 170 172 2
ENERO A JUNIO 2016 180 176 -4
JULIO A DIC 2016 186 186 0
ENERO A JUNIO 2017 194 196 2
JULIO A DICIEMBRE 20 208 202 -6
ENERO A JUNIO 2018 208 212 4

FÓRMULA
ECM = 16
16

SUMA LAS DIFERENCIAS DESDE D10 A D16, ELÉVALAS AL CUADRADO Y DIVIDE ENTRE EL NÚMERO DE VALORES DE10 A D16

USAREMOS SUMA.CUADRADO Y CONTAR

2 ESTIMACIÓN DE LA MEDIA

EN UNA ESCUELA PRIMARIA HAY 5 GRUPOS DEL SEXTO GRADO DE PRIMARIA

YA INICIARON LOS PREPARATIVOS DE SU GRADUACIÓN Y SE COMPONEN DE
DIFERENTES CANTIDADES DE ALUMNOS

GRUPO ALUMNOS
A 46
B 54
C 42
D 46
E 32
x1 46
x2 54 46 54 42
x3 42
x4 46 _
x5 32 x 220

220 / 5

44 el estimador de esta media e

3 ESTIMADOR DE LA VARIANZA

USANDO LA MISMA TABLA DE LOS ALUMNOS:

DESVACIÓN DESVACIÓN RESPECTO A

TAMAÑO PROMEDO DEL RESPECTO A LA LA MEDIA ELEVADA AL
ALUMNOS GRUPO MEDIA CUADRADO
46 44 2 4
54 44 10 100
42 44 -2 4
46 44 2 4
32 44 -12 144
0 256

SUSTITUMOS LOS DATOS:

S2 = SUMATORIA DE DESV RESPECTO A LA MEDIA ELEVADA AL CUADRADO / n - 1

s2 = 256 / 5-1

S2 = 256 / 4
S2 = 64 VARIANZA DE LA MUESTRA

4 ESTIMADOR DE LA PROPORCIÓN

EJEMPLO:
UN PERIODISTA REALIZÓ UNA ENCUESTA NACIONAL A 902 MUJERES GOLFISTAS PARA CONOCER COMO
CONSIDERAN EL TRATO QUE SE RECIBE EN LOS CURSOS DE GOLF EN LOS ESTADOS UNIDOS. EN LA ENCUESTA SE
ENCONTRÓ QUE 397 MUJERES PARTICIPANTES ESTUVIERN SATISFECHAS CON LA DISPONIBILIDAD DE TIEMPOS
EN EL CAMPO. ASÍ LA ESTIMACIÓN DE LA PROPORCIÓN DE LA POBLACIÓN DE MUJERES GOLFISTAS QUE ESTÁN
SATISFECGAS CON LA DISPONIBILIDAD DE LOS TIEMPOS EN CAMPO ES :

397 / 902 = 0.44

AL UTILIZAR LA ECUACIÓN Y UN NIVEL DE CONFIANZA DADO DE 95%

la proporcón que deseamos encontrar

Coeficiente de confianza

valor de z que origina un área de a/2 en la cola o exttremo de la distribución de probabilidad normal es

SUSTITUIMOS LOS VALORES

0.44 + / - 1.96 0.44 (1-0.44) / 902

AL UTILIZAR LA ECUACIÓN Y UN NIVEL DE CONFIANZA DADO DE 95%

DESPEJAMOS FÓRMULA;
0.44 (1-0.44)/902 0.44 (0.56) /902
0.2464 0.2464
=.2464 / 902 0.00027317
0.000273170731707317

0.01652787 EN CALCULADORA

0.0165278774108267 EN EXCEL USANDO RAIZ

0.01652788

0.44 + / - 1.96 REVISAMOS LA PESTAÑA DE

NOS DICE QUE PARA EL 95 %

.01652787 x 1.96 = 0.0324 MULTIPLICAMOS LO QUE NO

POR LO TANTO EL MARGEN DE ERROR ES 0.0324 Y LA ESTIMACIÓN DEL INT

0.0324

0.44 CÁLCULO RESULTADO

=0.44+0.324 0.4724
=0.44 - 0.324 0.4076

ENTRE EL 0.4076 A 0.4724 CON LOS PORCENTAJES, LOS RESULTADOS DE LA E

95% ENTRE EL 40.76% Y EL 47.24% DE LAS MUJERES GOLFISTAS ESTÁN SATI
contiene la producción

** USANDO FUNCIÓN EXCEL SUMA CUADRADOS Y CONTAR / VER FORMULA

DE VALORES DE10 A D16

 46 32

l estimador de esta media es 44, que es el tamaño medio del grupo de estudiantes
 ENCUESTA SE
DE TIEMPOS
S QUE ESTÁN

n de probabilidad normal estándar

 N CALCULADORA

N EXCEL USANDO RAIZ

EVISAMOS LA PESTAÑA DE TABLA NIVEL DE CONFIANZA

OS DICE QUE PARA EL 95 % CORRESPONDE 1.96%

MULTIPLICAMOS LO QUE NOS DIO EL CÁLCULO DE RAIZ X 1.96

4 Y LA ESTIMACIÓN DEL INTERVALO DE LA PROPORCIÓN POBLACIONAL A UN NIVEL DE CONFIANZA DE 95%

EN %
47.24
40.76

S, LOS RESULTADOS DE LA ENCUESTA PERMITEN EXPRESAR QUE CON UN NIVEL DE CONFIANZA DEL
ERES GOLFISTAS ESTÁN SATISFECHAS CON LA DISPONIBILIDAD DE PARTICIPACIÓN EN EL CAMPO DE GOLF
5 EJERCICIO DE INTERVALO DE CONFIANZA PARA LA MEDIA
EL GERENTE DE UNA EMPRESA DE PAQUETERÍA DESEA SABER SI SUS ASESORES DE SERVICIO MANTIENEN UN TIEMPO PROM
EN LA RECEPCIÓN DE ARTICULO, Y CAPTURA EN EL CRM DEL SISTEMA DE CLIENTES CON NÚMERO DE GUÍA
YA QUE EVALUARÁ SI LES MANTIENE EL BONO POR MANTENER EL TIEMPO QUE SE HAN FIJADO COMO META.
*MENOR A 9 MINUTOS

MUESTRA
DE TIEMPOS
(MINUTOS) Información muestral
5 media 8.23333333333333 * LA SACAMOS USANDO PROMEDIO
8 desv. Estándar 1.86959950225993 * USANDO DESV EST M (MUESTRAL)
10 n 30 * Usando CONTAR , número de mues
10 Nivel de confianza 95% * este se elige para acercarnos a un n
9 t (1-a / z a -1 ) se igual a 1 menos alfa a
9
9 t (1-a / z a -1 ) 2.0452296421327 * USANDO LA FÓRMULA DE EXCEL IN
9 SOLO EL VALOR DE ALFA Y LUEGO n-
3
12 Comparativa 9 minutos
10
10
7
9
8
7
8
7
7
8
10
7
9
9
7
8
9
11
5
7
6 EJERCICIO DE INTERVALO DE CONFIANZA DE LA PROPORCIÓN
VAMOS A VALIDAR DENTRO DE UNA MUESTRA DE LA POBLACIÓN SI EL INTERVALO O PROPORCIÓN SON EL 60% HOMBRES

0.76 FÓRMULA
HOMBRES
n 250 Total de la muestra
x 190 (190 h del total de 250)
estimación (190 / 250 ) PROPORCION DE
puntual ´P 0.76 HOMBRES
´q 0.24 ( 1 -0.76)
Nc 0.95
a 0.05 ( 1-Nc) = 1-0.95)
a/2 0.025 (0.05/ 2)

Usando fórmula de inverso dist

estándar y así se obtiene la
1.960 z a/2 1.96 prueba bilateral de alfa
Desv est de la proporción.
0.02701111 op 0.03 Sacando la raíz 2
0.0529408 E 0.05 ( z a/2 * op) 1.96x0.03
P¨2 0.71 (0.76 - 0. 5)
0.81 (0.76 + 0.05)

cálculos:
1.- UTILIZAREMOS UN NIVEL DE CONFIANZA DE 95% 0.76 - E menor p menor p gorrito + E
2.- CALCULAMOS a margen de error (1-0.95)
3.-CALCULAMOS a /2 ACTUALIZAMOS LA FÓRMULA:
4.- CALCULAMOS p gorrito (x/n) 76% - 5% menor p menor 76% + 5%
5 .- CALCULAMOS q (1-p)

6.- LUEGO CALCULAMOS op la

desv estándar de la proporción y
a todo le sacamos la raíz
cuadrada CONCLUSIÓN A UN NIVEL DE CONFIA
7.-CALCULAR Z crítico de alfa / 2 LA PROPORCIÓN DE HOMBRES ESTÁ
8.- CALCULAMOS E EL ERROR Z a/2 * op
9.- CALCULAMOS LOS LÍMITES p gorrito Estimación menos el error

Po / proporción hipotética 60%

LA HIPÓTESIS SE RECHAZA, PORQUE EL INTERVALO DE LA PROPORCIÓN DE HOMBRES ESTÁ ENTRE EL 71%

CIO MANTIENEN UN TIEMPO PROMEDIO DE 9 MINUTOS
NÚMERO DE GUÍA
JADO COMO META.

LA SACAMOS USANDO PROMEDIO

USANDO DESV EST M (MUESTRAL) Y SELECCIONANDO LOS DATOS DE LOS MINUTOS
Usando CONTAR , número de muestra seleccionando todos los datos
este se elige para acercarnos a un nivel mayor de confianza ( *puede ir de 90 a 99 )
e igual a 1 menos alfa a

USANDO LA FÓRMULA DE EXCEL INV.T.2C LUEGO SELECCIONAMOS LA PROBABILIDAD MENOS LOS GRADOS DE LIBERTAD QUE ES -1-a EJE
OLO EL VALOR DE ALFA Y LUEGO n-1 EN ESTE CASO 30-1 = 29

LUEGO VAMOS A CONSTRUIR LOS LÍMITES TANTO INFERIOR Y LÍMITE SUPERIOR

TOMAMOS EL VALOR DE LA MEDIA MENOS EL MARGEN DE ERROR t QUE YA TENEMOS CALCULADO
X el valor de S QUE ES LA DESVIACIÓN ESTANDAR Y / RAIZ CUADRADA DE n
LÍMITE INFERIOR: LIMITE SUPERIOR ** MISMA FÓRMULA PERO AHORA SUMANDO
7.53521340590959 8.93145326

CONCLUSIÓN: A UN NIVEL DE CONFIANZA DETERMINADO DEL 95% SE ESTIMA QUE EL INTERVALO

SITUADO ENTRE 7.53 A 8.93 CONTIENE EL TIEMPO PROMEDIO DE LA ATENCIÓN Y CAPTURA DEL PEDIDO
Y QUE SIGUE SIENDO MENOR A LOS 9 MINUTOS, ESTO LE AYUDARÁ AL GERENTE A SEGUIR ASIGNANDO
EL BONO ECONÓMICO A SUS EMPLEADOS.
OPORCIÓN
PORCIÓN SON EL 60% HOMBRES

VAMOS USAR LA ESTIMACIÓN PUNTUAL Y EL ERROR

LÍMITE INFERIOR Y LÍMITE SUPERIOR

FORMULA DEL ERROR MULTIPLICANDO EL VALOR CRÍTICO POR LA DESV ESTANDAR

DE LA PROPOCIÓN.

ESTA A SU VEZ SE CALCULA CON RAIZ CUADRADA DE LA PROPORCIÓN DE LA MUESTRA

POR LA q DE LA MUESTRA DIVIDIDA / n

y LA PROPOCIÓN DE LA MUESTRA DIVIDIO ENTRE EL # DE EVENTOS (n)

q ES EL COMPLEMENTO DE ESTA PROPORCIÓN

0.76

.76 - E menor p menor p gorrito + E

CTUALIZAMOS LA FÓRMULA:
6% - 5% menor p menor 76% + 5%

ONCLUSIÓN A UN NIVEL DE CONFIANZA DEL 95%

A PROPORCIÓN DE HOMBRES ESTÁ ENTRE EL 71% Y 81%

ÓN DE HOMBRES ESTÁ ENTRE EL 71% Y 81%

BERTAD QUE ES -1-a EJEMPLO 1-0.95 = 0.05
DESV ESTANDAR

ÓN DE LA MUESTRA
NIVEL DE NIVEL DE
CONFIANZA SIGNIFICANCIA Z
0.9 0.1 1.64
0.91 0.09 1.70
0.92 0.08 1.75
0.93 0.07 1.81
0.94 0.06 1.88
0.95 0.05 1.96
0.96 0.04 2.05
0.97 0.03 2.17
0.98 0.02 2.33
0.99 0.01 2.58
1
1.01
1.02
1.03
1.04
 TAREA

1 EJERCICIO ERROR CUADRÁTICO MEDIO

UNA EMPRESA QUE FABRICA UN NUEVO BLOCK ECOLÓGICO ELABORADO DE PET RECICLADO COMPRIMIDO
POR MES TIENE UNA PRODUCCIÓN EN TONELADAS PROYECTADA Y REAL SIGUIENTE:

REALIZA EL ERROR CUADRÁTICO MEDIO (ECM) DE ACUERDO AL EJEMPLO QUE VIMOS EN CLASE

PROYECTADO
2023 REAL /OBSERVADOS
/ESPERADOS
ENERO 210 214
FEBRERO 210 204
MARZO 196 198
ABRIL 188 188
MAYO 196 198
JUNIO 210 204
JULIO 210 214
AGOSTO 211 215
SEPTIEMBRE 210 204
OCTUBRE 198 200

2. EJERCICIO DE INÉRVALO DE CONFIANZA PARA LA MEDIA

LOS DUEÑOS DE UNA PASTELERÍA TIENEN COMO META AGREGAR LOS INGREDIENTES DE LA ESPECIALIDAD DE TRES LECH
EN UN TIEMPO MENOR A 7 MINUTOS POR PASTEL.
ESTÁN EVALUANDO LOS TIEMPOS DE LOS REPOSTEROS Y SI MANTENDRÁN LA ESPECIALIDAD EN EL 2024, O SI LA CAMBI
PERO CON ATRACTIVO EN IMAGEN Y PRESENTACIÓN.

CALCULA EL INTÉRVALO DE CONFIANZA PARA LA MEDIA DE ACUERDO AL EJEMPLO.

MUESTRA
DE TIEMPOS
DE
PASTELES
6
8
9
9
9
10
9
9
3
4
10
10
7
9
8
7
8
7
7
8
3
7
9
9
7
8
9
9
5
7
CIALIDAD DE TRES LECHES DE DURAZNO

EL 2024, O SI LA CAMBIAN POR OTRO SABOR MENOS ELABORADO