ESTADISTICA l

UNIDAD 2 CASO PRACTICO

Lina Paola Montañez Vega

(Estudiante)

Enrique García Villar

(Tutor)

Asturias corporación universitaria

Negocios Internacionales
3er Semestre
2018
 CASO PRÁCTICO

Dada una población en la que se analiza la variable aleatoria ξ: N(μ, σ), se desea
estimar σ2 = V(ξ).

Para ello se proponen tres estimadores:

1. σ21 = S2x = ∑ (xi – ax)2 / n

2. σ22 = S21 = ∑ (xi – ax)2 / (n -1)

3. σ23 = d2x = ∑ (xi - μ)2/ n

CUESTIÓN: ¿cuál tiene menor E.C.M?

RTA/ 3. σ23 = d2x = ∑ (xi - μ)2/ n

TEORÍA DE LA PROBABILIDAD

En una determinada empresa hay tres departamentos: Departamento de Marketing,

Departamento Financiero y Departamento de Tecnología. Se efectúa una encuesta
para decidir si se debería aceptar o no una oferta realizada por otra empresa, y que
incumbe a todos los empleados. La siguiente tabla nos da los resultados de lo que
han votado los empleados en función del departamento.

Financiero Marketing Tecnología

SI 5 2 6
N 3 7 6
O
1. Calcula la probabilidad de que un empleado tomado al azar haya votado NO en la
encuesta.
La probabilidad de que un empleado que se tomó al azar haya votado NO es de
0,55.
16/29=0.55

Marketin
Financiero Tecnología Total
g
Si 5 2 6 13
No 3 7 6 16
Total 8 9 12 29

0,55 0,31
0,45
2. Calcula la probabilidad de que un empleado sea de Marketing sabiendo que ha
votado NO.
Dados los eventos
A= empleado de marketing
B= empleado con voto NO
La probabilidad para este caso es de 9/29= 0,31

Marketin
Financiero Tecnología Total
g
Si 5 2 6 13
No 3 7 6 16
Total 8 9 12 29

0,55 0,31
0,45

3. El evento “el empleado ha votado SI” y el evento “el empleado ha votado NO” son
dos eventos dependientes. Verdadero o falso.

Son eventos independientes puesto que las probabilidades de cada uno de los
eventos no se afectan entre si.

4. Si se respetan los resultados de la empresa, ¿Se aceptará la oferta realizada?

No se aceptará la oferta realizada porque si nos fijamos en los datos obtenidos
vemos que la probabilidad de que los empleados voten NO es de 0,55 y que voten
SI es de 0,45.

Marketin
Financiero Tecnología Total
g
Si 5 2 6 13
No 3 7 6 16
Total 8 9 12 29

0,55 0,31
0,45
 Marketin
Financiero Tecnología Total
g
Si 5 2 6 13
No 3 7 6 16
Total 8 9 12 29

0,55 0,31
0,45
Buenas noches profesor y compañeros hago mi aporte de las preguntas dinamizadoras,
cualquier sugerencia u observación quedo atenta, gracias.
PREGUNTAS DINAMIZADORAS
1. Determine si alguna de las propiedades de los estimadores puntales está mal
definido

a. El estimador insesgado es la media de las medias de una muestra.

b. El estimador más eficiente el que contenga la varianza más
grande de la muestra
c. Un estimador es consistente si al aumentar el tamaño de la muestra,
el valor del estadístico se parece más al tamaño del parámetro.
d. Un estimadores suficiente cuando proporcionar la mayor cantidad de
información del parámetro
Pienso que la respuesta es la b puesto que cuando se muestrean poblaciones hablemos de
aquellas normales, el error estándar de la media normal es menor que el error estándar de la
mediana muestral. Así pues, la media muestral es más eficiente que la mediana muestral.

2. En una empresa de electrodomésticos se toma una muestra de 50 neveras, de las

cuales se mide su capacidad, encontrando una media de 65 litros, con una
desviación estándar de 4,2 litros. El departamento de calidad indica que el nivel de
confianza para todas sus medidas debe ser del 95%. A partir de ello se determinó
que los límites de confianza de la capacidad en litros para las siguientes neveras
construidas deben ser de 63,84 litros para el inferior y de 66,16 litros para el
superior ¿Esto es cierto?

n = 50
X = 65
S = 4.2

t = 95%
t = 0,95 / 2
t = 0.475
t = 1,96

65 – 1.96* 0,593 65 + 1.96 * 0,593

65 – 1.16 65 + 1.16
=63.84 =66.16

Por lo tanto podemos afirmar que es cierto.

PROPIEDADES DE LOS ESTIMADORES

 Insesgadez: Un estimador es insesgado cuando la esperanza matemática de

su distribución en el muestreo coincide con el valor del parámetro.

 Eficiencia: Un estimador es eficiente u óptimo cuando su varianza es

mínima.

 Consistencia: Un estimador es consistente cuando, si el tamaño muestral

“n” tiende a infinito el estimador es insesgado y de varianza cero.

 Suficiencia: Un estimador es suficiente cuando incluye toda la información

relevante de la muestra, de forma que ningún otro estimador puede
considerar información adicional.

 Invariabilidad: Un estimador es invariable cuando si transformamos el

parámetro a estimar mediante una función g(θ), dicha función puede ser
estimada por la función del estimador g(θ^).

 Robustez: Un estimador es robusto cuando si se vulnera alguno de los

supuestos en los que se basa el proceso de estimación, la estimación no
cambia significativamente y sigue ofreciendo resultados fiables.