Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadistica Ii
Estadistica Ii
ADMINISTRACIN 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
VISIN DE LA UNIVERSIDAD
Ser la Universidad lder en calidad educativa.
MISIN 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 GENRICO
Asignatura: Estadstica II
Cdigo: EFE 222
Requisito: EFE 212
Carga Horaria: 100 Horas
Crditos: 10
El principal objetivo de esta materia es proporcionar al alumno una serie de conceptos y niveles de
medicin del riesgo bajo el concepto de probabilidad, insdipensable para la cabal comprensin de la
interrelacin entre variables
CARACTERIZACION DE LA ASIGNATURA
A medida que aumenta la complejidad del mundo, se hace ms difcil tomar decisiones informadas e
inteligentes. Con frecuencia, estas decisiones han de tomarse con un conocimiento imperfecto de la
situacin 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 estadstica, una herramienta muy
valiosa. nicamente con la ayuda del anlisis estadstico, pueden tomarse decisiones inteligentes y
pertinentes, decisiones esenciales para el bienestar e incluso para la supervivencia.
Procedimientos estadsticos. Si usted es capaz de, en base a herramientas estadsticas, tomar decisiones
inteligentes y al mismo tiempo resolver problemas, estar en una excelente posicin en el mercado de
trabajo.
Finalmente, desde el punto de vista educativo se propone la formacin de una perspectiva cientfica del
estudiante en base a elementos terico prcticos de la asignatura acompaado de actividades de
extensin 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 Introduccin
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 Teoras de probabilidad-teoremas fundamentales.
1.5 Probabilidad condicional- Teorema de Bayes.
2.1 Definicin.-
2.2 Variables aleatorias discretas
2.3 Variables aleatorias continuas.
2.4 Funcin de probabilidades
2.5 Propiedades
2.6 Distribucin acumulada
2.7 Distribuciones continuas
2.8 Esperanza matemtica
2.9 Propiedades de la esperanza matemtica.
2.10 Varianza matemtica
2.11 Propiedades de la varianza matemtica.
4.1 Introduccin.-
4.2 Terminologa tcnica
4.3 Como seleccionar una muestra
4.4 Fuentes de error en las encuestas.
4.5 Mtodos de recoleccin de datos
4.6 Diseo de un cuestionario
4.7 Planeacin 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 Definicin
6.2 Como seleccionar una muestra irrestricta aleatoria
6.3 Estimacin de una media y un total poblacionales
6.4 Seleccin del tamao de muestra para estimacin de las medias y totales poblacionales
6.5 Estimacin de una proporcin poblacional.
7.1 Definicin
7.2 Hiptesis nula e Hiptesis alternativa
7.3 Tipos de errores de estimacin- Error tipo I-error tipo II.
7.4 Decisor para rechazar la hiptesis nula
7.5 Docimacia de hiptesis
7.6 Pruebas bilaterales
7.7 Pruebas unilaterales
7.8 Docimacia de proporciones
7.9 Otras pruebas de hiptesis
7.10 La prueba t-student
7.11 La prueba F
7.12 Uso del paquete estadstico SPSS en computadora-Vaciado de datos-lectura e interpretacin de
resultados.
Las brigadas estn destinadas a incidir de una manera significativa en la formacin profesional integral de
nuestros estudiantes y revelan las enormes potencialidades que presenta esta modalidad de la educacin
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 preparacin academica los problemas de la vida real a los que
resulte imperativo encontrar soluciones desde el campo profesional en el que cada uno se desempear.
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 tecnologa 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 caractersticas de la carrera y de la asignatura las actividades a realizar, por los
diferentes grupos de estudiantes.
Urbanas: Tendrn las caractersticas de trabajos prcticos con componente social y de duracin
prolongada y sistemtica donde participarn los alumnos en forma global o en grupos y concluirn con la
entrega del documento final que podr ser un proyecto, una investigacin 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 realizarn dos evaluaciones parciales con contenido terico y prctico de acuerdo al plan
calendario propuesto por la Universidad. Sobre 50 puntos cada uno El examen final consistir en un
examen escrito y en la presentacin final del trabajo de investigacin final la cual de acuerdo a las
caractersticas del mismo podr ser considerado como examen final. Este trabajo y los documentos
resultantes del trabajo de las brigadas realizadas, se calificar con una nota de 0 a 50 la nota del
examen final tendr un valor de 80 puntos y el trabajo final un valor de 20 puntos, se realizara un
evaluacin interna del trabajo final el cual participara de la feria empresarial y tendr un puntaje de 100
puntos sobre el examen final
.
V. BIBLIOGRAFIA.
1 evaluacin parcial
Fecha
Nota
2 evaluacin 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 bsicos de la teora de probabilidades son los resultados del proceso o fenmeno 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 caracterstica sencilla. la compilacin 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 inters 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 smbolo A.
Un evento conjunto es un evento que tiene dos o ms caractersticas.
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 Inmigracin de un pas est controlando a los recin llegados de 3 barcos
( B1,B2,B3), con nmero de pasajeros 200, 300,500 respectivamente tras un anlisis se declaran
como documentos autnticos (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 autnticos
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 nmeros. Hallar el nmero 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
Distribucin Binomial
La distribucin binomial es una distribucin de probabilidad discreta que es extremadamente til para
describir muchos fenmenos.
La distribucin binomial posee cuatro propiedades esenciales:
1.Las observaciones posibles pueden obtenerse mediante dos mtodos de muestreo distintos. Cada
observacin puede considerarse como seleccionada de una poblacin infinita sin reemplazo o de una
poblacin finita con reemplazo.
2.Cada observacin puede clasificarse en dos categoras mutuamente excluyentes y colectivamente
exhaustivas, usualmente denominadas xito y fracaso.
3.La probabilidad de que una observacin se clasifique como xito, p, es constante de observacin a
observacin.
4.El resultado de cualquier observacin es independiente del resultado de cualquier observacin.
Modelo matemtico
P( X= x \ n, p ) = n ! px ( 1 p ) n-x
X(nx)
La primera parte de la frmula nos dice cuntas secuencias de arreglos de los x xitos de n
observaciones son posibles. La segunda parte nos dice la probabilidad de obtener exactamente x
xitos de n observaciones en una secuencia particular.
Caractersticas de la distribucin binomial
Forma. Siempre que p= 0.5 la distribucin binomial ser simtrica sin importar que tan grande o
pequeo sea el valor de n. Sin embargo, cuando p 0.5 la distribucin ser sesgada. Mientras ms
cercana este p de 0.5 y mayor sea el nmero de observaciones, n, menos sesgada ser la distribucin.
Con una p pequea la distribucin estara sesgada a la derecha. Para p muy grandes, la distribucin
sera sesgada a la izquierda.
La media. La media de la distribucin binomial puede obtenerse fcilmente como el producto de sus
parmetros, n y p.
Distribucin de Poisson.
La distribucin de Poisson es otra funcin de distribucin de probabilidad que tiene muchas
aplicaciones prcticas importantres. Un proceso Poisson no slo representa numerosos fenmenos
discretos, sino que el modelo Poisson tambin se usa para proporcionar aproximaciones a la
distribucin binomial.
Se dice que un proceso de Poisson existe si podemos observar eventos discretos en un rea de
oportunidad, un intervalo continuo, de tal manera que si acotamos el rea de oportunidad o intervalo de
manera suficiente:
1.La probabilidad de observar exactamente un xito en el intervalo es estable.
2.La probabilidad de observar exactamente ms de un xito en el intervalo es cero.
3. La ocurrencia de un xito en cualquier intervalo es estadsticamente independiente de aquella en
cualquier otro intervalo.
Caractersticas
Forma. Cada vez que se especifica el parmetro , puede generarse una distribucinde probabilidad
de Poisson espacfica. Una distribucin de Poisson estar sesgada a la derecha cuando es pequea,
y se aproximar a la simetra al crecer.
La media y la desviacin estndar. Una propiedad de esta distribucin es que la media y la varianza
son iguales al parmetro .
Uso de la distribucin de Poisson para aproximar la distribucin binomial
Para aquellas situaciones en las que n es grande ( mayor o igual a 20 ) y p es muy pequea ( menor a
0.05 , la distribucin de Poisson puede usarse para aproximar la distribucin 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 tericamente de 0 a . Sin emabrgo, cuando se usa
como una aproximacin a la distribucin binomial, la variable aleatoria de Poisson, el nmero de xitos
de n observaciones, claramente no puede exceder el tamao de la muestra n.
Caractersticas
= = 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 duracin 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 Televisin 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 matemtica en las ( fda ) del ejercicio 2.
4.Los artefactos electrnicos 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 distribucin
Binomial).
5.En una central telefnica que recibe 2 llamadas cada 3 minutos. Calcular la probabilidad de que en
el periodo de 6 minutos se presenten ( utilizar la distribucin de Poisson).
6.De una urna que contiene 5 bolas negras y 2 blancas se extraen 3 bolas sin reposicin. Hallar :
a) fdp b) Probabilidad de extraer 2 negras
( Aplicar la distribucin hipergeomtrica)
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 funcin: puesto que e y son constantes matemticas, las
probabilidades de la variable aleatoria X dependen slo de dos parmetros de la distribucin normal, la
media de la poblacin y de la desviacin estndar de la poblacin. Cada vez que especificamos una
combinacin particular se generar una distribucin de probabilidad diferente.
Estandarizacin de la distribucin normal
Afortunadamente, al estandarizar los datos, solo necesitamos una frmula:
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 porcin de la X deseada a la media y
la porcin 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 tenan una media y una desviacin estandar,
la variable aleatoria estandarizada Z siempre tendr una media = 0 y una desviacin = 1.
Uso de las tablas de distribucin de probabilidad normal
La tabla de normal representa las probabilidades o reas bajo la curva normal calculadas desde la
media hasta los valores particulares de inters X. Slo se enumeran en la tabla entradas positivas de
Z, puesto que para una distribucin simtrica de este tipo con una media de cero, el rea que va desde
la media hasta +Z debe ser idntica al rea 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 rea de inters.
4.Usando la tabla de normal determinar el valor Z apropiado correspondiente al rea que est 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 estadstica de muestra para estimar el parmetro de poblacin, deberamos
examinar cada muestra posible que pudiera ocurrir. Si esta seleccin de todas las muestras posibles
realmente se tuviera que hacer, la distribucin de todos los resultados se denominara distribucin de
muestreo. El proceso de generalizar estos resultados de muestra para la poblacin se refiere como
una inferencia estadstica.
Distribucin de muestreo de la media
Propiedades de la media aritmtica
Entre varias propiedades matemticas importantes de la media aritmtica para una distribucin normal
estn:
1.Imparcialidad
2.Eficiencia
3.Consistencia.
La imparcialidad, implica el hecho de que el promedio de todas las medias de muestras posibles ser
igual a la media de la poblacin. Tomemos como ejemplo una poblacin de N=4 con tamaos de
muestra de 2. Si seleccionamos dos muestras con reemplazo, podramos obtener 16 muestras
posibles. El promedio de cada una de las muestras es igual a la media de la poblacin. Por lo tanto
hemos demostrado que la media aritmtica de muestra es un estimador imparcial de la media de la
poblacin. Esto nos dice que an cuando no sepamos qu tan cerca est el promedio de cualquier
muestra particular seleccionada a la media de la poblacin, al menos estamos seguros que el
promedio de todas las medias de muestra que se podran haber seleccionado ser igual a la media de
la poblacin.
La eficiencia, se refiere a la precisin de la muestra estadstica como un estimador del parmetro de
poblacin. La media de muestra se acercar ms estable que otras mediciones de tendencia central.
La media de muestra se acercar ms a la media de la poblacin que cualquier otro estimador.
La consistencia, se refiere al efecto del tamao de muestra, sobre la utilidad de un estimador. Al
incrementarse el tamao de muestra, la variacin de la media de muestra de la media de la poblacin
se hace ms pequea, de manera que la media aritmtica de muestra se vuelve una mejor estimacin
de la media de la poblacin.
Error estndar de la media
El hecho de que las medias de muestra son menos variables que los datos de poblacin se desprende
directamente de la ley de los grandes nmeros. Una media de muestra particular promedia
conjuntamente todos los valores de la muestra. Una poblacin puede consistir en resultados
individuales que pueden tener un amplio radio de valores, de extremadamente pequeos a
extremadamente grandes. Sin embargo, si un valor extremo cae en la muestra, aunque tendr un
efecto en la media, el efecto se reducir pues se promediar con todos los dems valores de la
muestra. Adems, al incrementarse el tamao 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 est promediando con ms observaciones. Al muestrearse con
reemplazo, el error estndar de la media es igual a la desviacin estndar de la poblacin dividida
entre la raz cuadrada del tamao de muestra.
La proporcin tiene la propiedad especial de estar entre 0 y 1. El error estndar de la proporcin es:
La distribucin de muestreo de la proporcin sigue una distribucin binomial. Sin embargo, cuando n*p
y n*(1-p) son cada uno al menos 5 puede usarse la distribucin 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 estadstica es el proceso que consiste en utilizar los resultados de una muestra para
llegar a conclusiones acerca de las caractersticas de una poblacin.
Existen dos tipos de estimaciones: estimaciones puntuales y estimaciones de intervalo. Una estimacin
puntual consiste en una sola estadstica de muestra que se utiliza para estimar el valor verdadero de
un parmetro de poblacin. Puesto que la estadstica de prueba vara de una muestra a otra
necesitamos considerar este hecho con el fin de proporcionar una estimacin ms significativa y
caracterstica de la poblacin. Para lograr esto, debemos desarrollar una estimacin de intervalo de la
media de poblacin verdadera, tomando en consideracin la distribucin de muestreo de la media. El
intervalo que construimos tendr una confianza o probabilidad especfica de estimar correctamente el
valor verdadero del parmetro de poblacin.
Estimacin de intervalo de confianza de la media (desvo de la poblacin conocido):
En la inferencia estadstica debemos tomar los resultados de una sola muestra y llegar a conclusiones
acerca de la poblacin. En la prctica, la media de la poblacin es la cantidad desconocida que se va a
determinar. Para algunas muestras la estimacin de intervalo de la media de la poblacin ser correcta
y para otras no. Tenemos que recordar que para el clculo del intervalo trabajamos con una estimacin
de intervalo de confianza de 95, por ejemplo, esto puede interpretarse como si se tomaran todas las
muestras posibles del mismo tamao, n, 95% de ellas incluiran la media de poblacin verdadera en
alguna parte del intervalo alrededor de sus medias de muestra, y solamente 5% de ellas no estaran
incluidas. En general el nivel de confianza se simboliza como (1- ) x 100%, en donde es la porcin
que se encuentra en los extremos de la distribucin que est fuera del intervalo de confianza. Por
consiguiente para obtener la estimacin del intervalo tenemos:
Z es el valor correspondiente a un rea de (1- )/2 desde el centro de una distribucin normal
estandarizada. El valor Z elegido para construir tal intervalo de confianza se conoce como el valor
crtico.
Cualquier aumento en el nivel de confianza se logra ampliando simultneamente el intervalo de
confianza obtenido (hacindolo menos preciso y menos til).
Estimacin de intervalo de confianza de la media (desvo desconocido)
Del mismo modo en que la media de la poblacin se desconoce, es probable que la desviacin
estndar real de la poblacin tampoco sea conocida. Por lo tanto, necesitamos obtener una estimacin
de intervalo de confianza utilizando las estadsticas de muestra "X" y "S". Para ello, utilizamos la
distribucin 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 tamao de la muestra, deben conocerse tres factores:
1.El nivel de confianza deseado.
2.EL error de muestreo permitido.
3.La desviacin estndar.
Determinacin del tamao de muestra para una porcin:
Al determinar el tamao de muestra para estimar una porcin se deben definir tres incgnitas:
1.El nivel de confianza.
2.El error de muestreo permitido.
3.La porcin verdadera de xitos.
Estimacin y determinacin del tamao de muestra para poblaciones finitas.
Estimacin de la media
Estimacin de la porcin
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
DIFs # 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
La prueba de hiptesis empieza con algo de teora, afirmacin o negacin con respecto a un parmetro
particular de una poblacin. La hiptesis de que el parmetro de la poblacin es igual a la
especificacin de la compaa se conoce como hiptesis nula. Una hiptesis nula es siempre una de
status quo o de no diferencia. Se simboliza con el smbolo Ho.
Siempre que especificamos una hiptesis nula, tambin debemos especificar una hiptesis alternativa,
o una que debe ser verdadera si se encuentra que la hiptesis nula es falsa. La hiptesis alternativa se
simboliza H1. La hiptesis alternativa representa la conclusin a la que se llegara si hubiera suficiente
evidencia de la informacin de la muestra para decidir que es improbable que la hiptesis nula sea
verdadera, y por tanto rechazarla. El hecho de no rechazar la hiptesis nula no es una prueba de que
sta sea verdadera. Nunca podemos probar que tal hiptesis sea correcta porque estamos basando
nuestra decisin nicamente en la informacin de la muestra, no en la poblacin entera.
Resumen:
La hiptesis nula se refiere siempre a un valor especificado del parmetro de poblacin, no a una
estadstica de muestra.
El planteamiento de la hiptesis nula siempre contiene un signo de igualdad con respecto al valor
especificado del parmetro.
El planteamiento de la hiptesis alternativa nunca contiene un signo de igualdad con respecto al
valor especificado del parmetro.
Regiones de rechazo y de no rechazo
La distribucin de muestreo de la estadstica de prueba se divide en dos regiones, una regin de
rechazo (conocida como regin crtica) y una regin de no rechazo. Si la estadstica de prueba cae
dentro de la regin de no rechazo, no se puede rechazar la hiptesis nula.
La regin de rechazo puede considerarse como el conjunto de valores de la estadstica de prueba que
no tienen posibilidad de presentarse si la hiptesis nula es verdadera. Por otro lado, estos valores no
son tan improbables de presentarse si la hiptesis nula es falsa. El valor crtico separa la regin de no
rechazo de la de rechazo.
Riesgos en la toma de decisiones al utilizar la metodologa de prueba de hiptesis.
Se pueden presentar dos tipos diferentes de errores:
Un error tipo I se presenta si la hiptesis nula es rechazada cuando de hecho es verdadera y deba
ser aceptada.
Un error tipo II se presenta si la hiptesis nula es aceptada cuando de hecho es falsa y deba ser
rechazada.
Nivel de Significacin. La probabilidad de cometer un error tipo I denotada con la letra griega alfa, se
conoce como nivel de significacin de la prueba estadstica. Est bajo el control directo del individuo
que lleva a cabo la prueba. Ya que se ha especificado el valor de alfa, se conoce el tamao de la
regin de rechazo, puesto que alfa es la probabilidad de un rechazo de la hiptesis 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 tamao de la muestra. Tamaos ms grandes de muestra, nos permitirn
detectar diferencias incluso muy pequeas entre las estadsticas de muestra y los parmetros de la
poblacin. Cuando se disminuye , aumentar de modo que una reduccin en el riesgo de
cometer un error de tipo I tendr como resultado un aumento en el riesgo de cometer un error tipo II.
Prueba de hiptesis Z para la media (desvo de la poblacin conocido)
El estadstico de prueba a utilizar es:
1.Un comprador de ladrillos cree que la calidad de ladrillos est 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 hiptesis 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 . Podr decir
Ud. que la mquina 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. est dispuesto a rechazar una hiptesis verdadera no mas de una vez en 100. Rechazara
las opiniones de estos psiclogos 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
paramtrico clsico. Supuestos: los datos numricos obtenidos son tomados de manera independiente
y representan una muestra aleatoria de la poblacin que est distribuida normalmente.
Prueba de hiptesis 2 para la varianza (o desviacin estndar)
Al intentar llegar a conclusiones con respecto a la variabilidad de la poblacin, primero debemos
determinar que estadstica de prueba puede utilizarse para representar la distribucin de la variabilidad
de los datos de la muestra. Si la variable se supone que est distribuida normalmente, entonces la
estadstica de prueba para probar si la varianza de la poblacin es igual o no a un valor especificado
es:
Una distribucin chi-cuadrado es una distribucin sesgada cuya forma depende exclusivamente del
nmero de grados de libertad. Conforma este aumenta, la distribucin se vuelve ms simtrica.
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
desviacin estndar. La estadstica de prueba utilizada para determinar la diferencia entre las medias
de las poblaciones est basada en la diferencia entre las medias de las muestras (X1 X2). Debido al
teorema del lmite central esta estadstica seguir la distribucin normal. La estadstica de prueba Z es:
En donde X es la media de la muestra correspondiente a cada una de las dos muestras, n es el
tamao de la muestra y por ltimo 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 estadstica
de prueba t de varianza conjunta:
Donde:
La estadstica de prueba t de varianza conjunta sigue una distribucin 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
estadstico 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 mayora de los casos no conocemos la desviacin estndar real de la poblacin. La
nica informacin que se puede obtener son las estadsticas sumarias como la media y la desviacin
estndar 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
poblacin significativa. La estadstica seguir una distribucin t con n-1 grados de libertad.
Ho= d = 0 donde d= 1-2
H1= d 0
Se puede calcular el siguiente estadstico 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 histrica. Al tema de calidad y productividad lo podemos dividir
en cuatro fases histricas: 1. Podemos pensar en una administracin de primera generacin como
administracin mediante la accin, el tipo administracin practicada por las sociedades cazadoras-
recolectoras primitivas en que los individuos producan algo para s mismos o para su unidad tribal,
siempre que el producto fuera necesario. 2. Luego encontramos la administracin por direccin. Es la
poca 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 fabricacin de los
productos hechos por el gremio. 3. La administracin por control, surge aproximadamente con Henry
Ford, en el cual los trabajadores estaban divididos entre aquellos que en realidad hacan el trabajo y
aquellos que planeaban y supervisaban el trabajo. Esto le quit responsabilidad al trabajador individual
con respecto al tema calidad y dej el tema en manos de inspectores. El estilo de administracin por
control contena una estructura jerrquica que pona nfasis en la responsabilidad individual por la
obtencin de un conjunto de objetivos predeterminados. 4. Por ltimo encontramos la administracin por
proceso. Llamada a menudo TQM o Administracin de Calidad Total. Una de las caractersticas
principales de este planteamiento consiste en centrar la atencin en una continua mejora de los
procesos. Se le da importancia al trabajo en equipo, atencin al cliente y rpida reaccin a los cambios.
Tiene fuerte fundamentacin estadstica.
La teora de los diagramas de control. El diagrama de control es un medio para revisar la variacin de la
caracterstica de un producto o servicio mediante 1. la consideracin de la dimensin 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 desempeos pasados o evaluar las condiciones presentes o ambas
cosas. Los diagramas de control pueden utilizarse para diferentes tipos de variables: para las variables
categricas y para las variables discretas. La atencin principal del diagrama de control se enfoca en el
intento de separar las causas especiales o asignables de la variacin 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 variacin cuando de hecho se
debe a una causa comn de variacin del sistema. El segundo error implica tratar a una causa especial
como si fuera una causa comn 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 ms tpica de un diagrama de control establece lmites de control que se encuentran dentro de
+/-3 desviaciones estndar de la medida de estadstica de inters. 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 terminacin.
El diagrama de esqueleto de pescado (o Ishikawa): El nombre viene de la manera en que las
diferentes causas estn 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 terminacin.
Los catorce puntos de Deming: una teora de la administracin por proceso. Deming desarrollo su
enfoque basndose en los siguientes catorce puntos:
1.Crear una constancia en el propsito de mejorar el producto y el servicio.
2.Adoptar la nueva filosofa.
3.Dejar de ser dependientes de la inspeccin para lograr la calidad.
4.Terminar con la prctica de otorgar contratos sobre la nica 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 planeacin, produccin y servicio.
6.Instituir el entrenamiento en el trabajo.
7.Adoptar e instituir el liderazgo.
8.Eliminar el miedo.
9.Derribar las barreras entre reas de personal.
10. Eliminar lemas, exhortaciones y metas destinados a la fuerza laboral.
11. Eliminar cuotas numricas para la fuerza laboral y objetivos numricos para la administracin.
12. Retirar barreras que le restan orgullo a la gente respecto a su trabajo. Eliminar el sistema de
evaluacin anual o de mrito.
13. Instituir un vigoroso programa de educacin y autodesarrollo para todos.
14. Poner a todo el que trabaje en la compaa a trabajar en el logro de la transformacin.
Diagramas de control para la proporcin y el nmero de elementos que no se ajustan:. Los diagramas p y
np.
Diagrama p: basado en la porcin de elementos que no cumplen con los requisitos. Para establecer los
lmites 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 lmite de control inferior significar que el lmite de control inferior no existe.
Diagrama np: basado en el nmero de elementos que no cumplen con los requisitos. Los lmites de
control los establecemos de la siguiente manera:
El diagrama R: Un diagrama de control para la dispersin. Los lmites de este diagrama de control los
obtenemos de la siguiente manera:
Diagrama X. El diagrama de control para X utiliza subgrupos de tamao n que se obtienen sobre k
secuencias consecutivas o periodos. Los lmites de control se obtienen de la siguiente manera:
Resumen
Pronstico de series de tiempo.
Tipos de mtodos de prediccin: Existen dos planteamientos para la prediccin: cualitativa y cuantitativa.
Los mtodos de prediccin cualitativa son especialmente importantes cuando no se dispone de datos
histricos. Se consideran altamente subjetivos. Los mtodos de prediccin cuantitativa hacen uso de los
datos histricos.
Introduccin al anlisis de series de tiempo.
Una serie de tiempo es un conjunto de datos numricos que se obtienen en perodos regulares a travs
del tiempo. El principal objetivo de una serie de tiempo consiste en identificar y aislar tales factores de
influencia con propsitos de hacer predicciones, as como para efectuar una planeacin y un control
administrativo.
Factores componentes del modelo multiplicativo de series temporales.
Tendencia: impresin a largo plazo.
Componente cclico: representa la oscilacin o los movimientos a la baja y a la alta que se dan a lo largo
de la serie. Los movimientos cclicos varan en longitud, por lo general de dos a 10 aos.
Componente irregular aleatorio: cualquier componente que no sigue la curva de tendencia modificada por
el componente cclico.
Cuando los datos se registran mensual o trimestralmente adems de la tendencia cclica y los
componentes irregulares debemos tomar en cuenta el factor estacional.
El modelo multiplicativo clsico de las series temporales.
Cuando los datos se obtienen anualmente una observacin Yi puede expresarse como:
Yi=Ti*Ci*Ii; en la que Ti es el valor del componente tendencia, Ci= valor del componente cclico; Ii es el
valor del componente irregular.
Por otra parte cuando los datos se obtienen de manera trimestral o mensual una observacin 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 travs 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 lnea horizontal a
travs del tiempo. Si este ltimo parece ser el caso entonces debe emplearse el mtodo de promedios
mviles o el suavizado exponencial, para suavizar la serie y proporcionarnos una impresin 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 cuadrtico:
El modelo exponencial:
Eleccin de un modelo de prediccin 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