Análisis Cuantitativo para la

Toma de Dicisones
PROPIEDADES DE LA DISTRIBUCION NORMAL
 El área bajo la curva aproximado del promedio μ a más o menos una
desviación estándar (1σ) es de 0.68, a más o menos 2σ es de .0 95 y a más o
menos 3σ es de 0.99.

-3s -2s -1s +1s +2s +3s

68.26%
95.46%

99.73%
 La forma de la campana de Gauss depende de los parámetros μ y σ.
 Tiene una única moda que coincide con su media y su mediana.
 La curva normal es asintótica al eje de X.
 Es simétrica con respecto a su media μ . Según esto, para este tipo de
variables existe una probabilidad de un 50% de observar un dato
mayor que la media, y un 50% de observar un dato menor.
 PROPIEDADES DISTRIBUCION NORMAL ESTANDAR

•La distribución normal estándar tiene media = 0 y desviación estándar =1.

La media, Mediana y Moda coinciden, son iguales y se localizan en el pico.
La desviación estándar
sigma representa la
distancia de la media al
punto de inflexión de la
curva normal

X
x-3s x-2s x-s x x+s x+2s x+s3

z
-3 -2 -1 0 1 2 3

•El área bajo la curva o probabilidad de menos infinito a más infinito vale 1.
•La distribución normal es simétrica, la mitad de curva tiene un área de 0.5.
•La escala horizontal de la curva se mide en desviaciones estándar.
•La forma y la posición de una distribución normal dependen de los
parámetros , por lo que hay un número infinito de distribuciones normales.
 La Función F(z)
En la siguiente gráfica vemos la representación gráfica de la función de Z
Ejemplo1:

El departamento de personal de una empresa requiere que los solicitantes a un puesto

en cierta prueba alcancen una calificación de 500. Si las calificaciones de la prueba se
distribuyen normalmente con media 485 y desviación estándar 30 ¿Qué porcentaje de
los solicitantes pasará la prueba?. Calculando el valor de Z obtenemos:
X  500  485
Z
s
= 30
 0 .5

Buscamos el valor correspondiente Z en las tablas de distribución normal estándar o por

medio de Excel =distr.norm.estand(0.5). Z0.5 = 0.69146 = 69.146%. donde la probabilidad
de que la calificación sea menor a 500 es P (X <= 500). Dado que el porcentaje pedido es
la solución es 1-0.69146 =0.3085, por tanto sólo 30.85% de los participantes pasarán la
prueba.
Otra forma es tomando la Z como negativa con P(Z <= -0.5) = 0.3085.
485

30.85%

Z.05
Ejemplo2:

Una empresa lleva a cabo una prueba para seleccionar nuevos

empleados. Por la experiencia de pruebas anteriores, se sabe que las
puntuaciones siguen una distribución normal de media 80 y desviación
típica 25. ¿Qué porcentaje de candidatos obtendrá entre 75 y 100
puntos?.
 MUESTREO
Marco Muestral:
Es una lista de todas las unidades de muestreo que conforman
la población y que están disponibles para su elección en la
etapa del muestreo.

Encuesta: proceso de obtener información de la muestra

Unidad de muestreo:
Es el elemento o elementos acerca de los cuales se está
solicitando información, y que se encuentran disponibles para
su selección. La unidad más común es el individuo, pero
puede ser la familia, la compañía, etc.
 OBJETIVO Y PROCEDIMIENTO DEL MUESTREO

Las técnicas de muestreo pretenden obtener estimadores

de precisión en base a una muestra representativa de la
población al mínimo costo posible.

Población se denomina “Parámetro”,

Muestra “Estadígrafo o Estadístico”.

Objetivo principal del muestreo es inferir acerca del

parámetro que es desconocido, basándose en el
estadígrafo, que puede ser medido a partir de la
información muestral.
 Hay dos tipos de muestras en general:

Las muestras probabilísticas:

Que son las que se seleccionan de modo tal que cada
integrante de la población en estudio tiene una probabilidad
conocida de ser incluido en la muestra.

Las muestras no probabilísticas:

Que son donde algunos elementos de la población no tienen
posibilidad de ser seleccionados.

No se conoce la probabilidad de que un elemento sea elegido.

En estos casos los resultados pueden estar “sesgados”,
(Muestra puede ser no muy representativa de la población)
 MUESTRAS PROBABILISTICAS
Muestra aleatoria simple:
Aquí cada elemento de la población tiene la misma
probabilidad de ser incluido en la muestra. Este diseño de
muestra implica tres pasos fundamentales.
Definir claramente la población que será estudiada,

Definir la unidad elemental de muestreo.

Establecer el método de selección sin reemplazo de los
elementos de la muestra.
Control de Calidad
 MUESTREO NO PROBABILISTICO
Si no tenemos una lista de todos los elementos de la
población, no será posible obtener una muestra aleatoria
ya que no se sabe cual es la probabilidad de que un
elemento sea incluido en ésta.

La selección de los elementos que forman parte de la

muestra se basa en el criterio del investigador.

Este tipo de muestras no se prestan para el tratamiento y

análisis estadístico riguroso. A pesar de eso, estas
muestras son una buena alternativa, siendo las más
comunes:
 DETERMINACION DEL TAMAÑO DE MUESTRA
Tomar n=30:
Una muestra de 30 para una población de 60 puede resultar
demasiado grande, así como una muestra del mismo tamaño
puede ser insuficiente para una población de un millón.

Tomar n=0.05N:
Tampoco podemos decir que el 5% de la población es un buen
número, porque 3 resulta muy chico para 60 y 50,000 muy grande
para el millón.

Otros factores:
Hay tres factores que determinan el tamaño de una muestra,
ninguno de los cuales tiene relación con el tamaño de la
población:
 DETERMINACION DEL TAMAÑO DE MUESTRA

1.- El grado de confianza seleccionado. Por lo general

de 0.90 a 0.99, pero puede ser de cualquier nivel.

2.- El máximo error permisible, es decir es el máximo

error que el investigador quiere tolerar en un nivel
de confianza específico.

3.- La variabilidad de la población. La cual está medida

en desviaciones estándar, ya que mientras menos
variabilidad tenga la población requerirá de
muestras más pequeñas.
 Fórmula calcular Tamaño Muestra

a) Variable Cuantitativa:
Varianza Conocida Varianza Desconocida

z 2 *s 2 z2 * S 2
n 2 n
e e2
b) Variable Cualitativa:

z2 * P *Q
n
e2
c) No se conoce la varianza de la variable (sea cuantitativa o cualitativa)

z 2 * 0.5 * 0.5
n
e2