UNIVERSIDAD NACIONAL TORIBIO

RODRIGUEZ DE MENDOZA DE
AMAZONAS
LEY DE CREACIÓN N° 27347

_____________________________________________________________________________

FACULTAD DE INGENIERIA CIVIL Y AMBIENTAL

CURSO: Estadística

DOCENTE: Edinson Enrique Reyes Alva

ESCUELA PROFESIONAL: Ingeniería Civil

CICLO ACADÉMICO: NIVELACIÓN

SEMESTRE ACADÉMICO: 2022-0

TEMA: Producto Académico de la Unidad III

ALUMNO: Orosco Manco Jhosep Manuel.

INTEGRANTES:

- CÓRDOVA IRIGOIN, FRANK ANTHONY

- CRUZ BRICEÑO, HENRRY RONALDO
- MIRANO PUERTA, ROBERTO
- OROSCO MANCO, JHOSEP MANUEL
- RUIZ MEDINA, ALEX
- SOLIS ZAPATEL, FRANCO JEAN PIERE
- TEJEDO CHAPA, LINDSAY

CHACHAPOYAS-2022
 ÍNDICE

I. INTRODUCCIÓN............................................................................................................................3
II. PLANTEAMIENTO DEL PROBLEMA......................................................................................4
PREGUNTA DE INVESTIGACIÓN..............................................................................................4
III. HIPÓTESIS....................................................................................................................................4
IV. OBJETIVOS...................................................................................................................................4
- General............................................................................................................................................4
- Específicos.......................................................................................................................................4
V. BASE TEÓRICA.............................................................................................................................5
ESTADÍSTICA INFERENCIAL....................................................................................................5
1. Estimación puntual...............................................................................................................5
2. Estimación por intervalo......................................................................................................6
3. Distribución Muestral..............................................................................................................7
4. Estimación de la proporción....................................................................................................9
VI. DESARROLLO............................................................................................................................12
TABLA N°1.....................................................................................................................................12
Estimamos e identificamos el porcentaje de electores que votaron............................................12
Calculamos el error de estimación estándar.................................................................................13
Límites de Confianza......................................................................................................................14
GRÁFICA N°1................................................................................................................................14
Calculamos el promedio:................................................................................................................14
Identificamos nuestro error de estimación:..................................................................................15
VII. CONCLUSIONES......................................................................................................................16
VIII. BIBLIOGRAFÍA.......................................................................................................................16
I. INTRODUCCIÓN

La Estadística estudia los métodos científicos para recoger, organizar, resumir y analizar

datos, así como para sacar conclusiones válidas y tomar decisiones razonables basadas en el

análisis. La Estadística es una ciencia que estudia la recolección, análisis e interpretación de

datos, ya sea para ayudar en la toma de decisiones o para explicar condiciones regulares o

irregulares de algún fenómeno o estudio aplicado, de ocurrencia en forma aleatoria o

condicional.

(Chao.,2006)

Por otro lado, la estadística inferencial se enfoca en la toma de decisiones o realización de

generalizaciones acerca de las características de todas las observaciones bajo consideración

con base en información parcial o incompleta.

El uso de las Matemáticas se ha realizado desde el nacimiento de la civilización como lo

podemos apreciar en las culturas tan antiguas, hoy en día también sirven para entender

fenómenos naturales, como también para resolver complicados problemas de ingeniería o

finanzas. Estos son sólo algunos ejemplos representativos de las aplicaciones de las

matemáticas.

El curso de Estadística descriptiva nos permite recopilar, organizar, resumir, analizar e

interpretar datos numéricos.

El presente trabajo grupal responde al desarrollo del curso de Estadística Inferencial

aplicándolo en el análisis del desempeño en la presidencia del señor Pedro Castillo, que se

ciñe en el cumplimiento del sílabo establecido para el presente semestre académico. El

desarrollo del curso, se inicia con el desarrollo de las variables aleatorias, entendiendo el
significado de la esperanza matemática, etc. el cual nos ha permitido conocer las diferentes

formas de determinar datos que gobiernan cuando se tiene muchos datos numéricos.

II. PLANTEAMIENTO DEL PROBLEMA

Debido a los acontecimientos sucedidos en la actual situación política del Perú durante
el mandato del presidente José Pedro Castillo Terrones, siendo la inestabilidad política la
constante durante su gobierno, muchos de sus ministros se vieron en la necesidad de renunciar
a sus cargos debido a diversos cuestionamientos, lo cual ha provocado que los inversionistas
se alejen, y en consecuencia se produce una inflación, reduciendo así el poder adquisitivo de
la población. Es por ello que se realizó una encuesta a los hogares para “Lampadia” a 1206
personas mayores de 18 años de todos los niveles socioeconómicos ya sea en el ámbito
urbano o rural en el año 2022, para que de esta manera se pueda determinar si la población
confía o no confía en el actual presidente del Perú y si debe permanecer o no en el poder.

PREGUNTA DE INVESTIGACIÓN
De acuerdo a las opiniones obtenidas a través de la encuesta realizada, ¿cuál es
el porcentaje de la población que opina que José Pedro Castillo Terrones debe dejar de
ser el presidente de la república?

III. HIPÓTESIS
Debido a las circunstancias actuales que vive el Perú, se puede decir que alrededor de
un 50% de la población opina que el actual presidente de la república José Pedro Castillo
Terrones debe deja de ser el presidente.

IV. OBJETIVOS
- General
 Adquirir un aprendizaje significativo de las herramientas estadísticas
descriptivas, para interpretar y argumentar los fenómenos observables.

- Específicos
 Utilizar métodos que permitan estimar características de la población, para el
cálculo del porcentaje de personas que quieren la vacancia del presidente Pedro
Castillo.
 Conocer el significado y saber calcular la esperanza de una variable aleatoria.
V. BASE TEÓRICA
ESTADÍSTICA INFERENCIAL

La estadística inferencial nos sirve como partida, ya que en estimación se desarrollan

procedimientos que tienen como objetivo el estimar el valor de un parámetro. Estimar

entonces se convierte en una actividad dedicada a dar respuesta a la necesidad de averiguar el

valor de una cualidad en la población, como puede ser la proporción (p), la media (μ), la

varianza (σ2) o la desviación estándar (σ). Entiéndase que estos parámetros se pueden calcular

en una población pequeña, pero en la mayoría de los casos las poblaciones son muy grandes y

no se puede acceder al total de sus elementos, y mucho menos al total de sus mediciones. Por

este motivo, sólo podemos acceder a una estimación. (Jurado Chamorro, 2017)

De manera general, una estimación se puede realizar de dos formas: puntual y por

intervalo.

1. Estimación puntual.

Una estimación puntual es el cálculo de un estadístico o estimador cuya distribución es

f (x , θ), siendo θ el parámetro. Se denomina estimador puntual del parámetro θ a

cualquier estadística ^
θ=H (x 1 , x 2 , … , x n) , cuyo valor ^
θ=H ( x 1 , x 2 , … , x n)

proporcionará una estimación del parámetro en cuestión. Por ejemplo, se calcula una

medida como la proporción o la media en una muestra y se afirma que esta medida es

la misma que el parámetro o medida en la población.

Esta estimación se fundamenta en que se ha obtenido una muestra que es aleatoria e

idéntica a su población en todas las características de interés para lo que se quiere

medir; es decir, la muestra es representativa de su población y, por tanto, todo lo que

se calcule en ella debe ser igual o semejante a lo que verdaderamente se da en la

población. (Córdova Zamora, 2003)

 Entonces se puede asegurar:

Parámetro = valor del estadístico

2. Estimación por intervalo.

Una estimación por intervalo requiere del cálculo de un límite inferior y un límite

superior:

Límite inferior < parámetro < Límite superior

Dentro de estos límites se tienen la confianza de que se encuentra el verdadero valor

del parámetro.

Los límites inferior y superior dependen de cálculo del estadístico al que le sumamos y

restamos el margen de error (E):

Límite inferior = Estadístico – E

Límite superior = Estadístico + E

Daremos inicio a esta unidad desarrollando las estimaciones para la proporción

poblacional (p).

Recuerde el teorema del límite central

El margen de error no es otra cosa que un múltiplo de la desviación estándar de una

distribución muestral.

1.º Distribución muestral

Si usted pudiera obtener todas las muestras de una población y pudiera calcular la

media y la desviación estándar de todas sus medias muestrales, encontraría que:

(Jurado Chamorro, 2017)

x́=μ Donde la media de las medidas:

x 1+ x 2 + x 3+ x 4 + x5 + …
x=
cantidad de muestras
 σx σ x =desvición estándar de las medias

2.º Normalidad

La otra razón por la que acudimos al teorema del límite central es para respaldar

nuestros cálculos en la normalidad.

Ninguno de los procedimientos puede darse por cierto si no se trabaja con

poblaciones normales, lo que es una dificultad, ya que no todas las variables

provienen de poblaciones normales. En consecuencia, ¿cómo haremos

estimaciones si no tenemos normalidad en los datos? El teorema del límite central

nos dará una solución. (Jurado Chamorro, 2017)

Teorema del límite central

Sea x1, x2, x3, un conjunto de variables aleatorias, independientes y con la

misma distribución con media μ y varianza σ2 ≠ 0, Por lo tanto, si n es

suficientemente grande: X i =
∑ X i , tendrá una distribución normal.
n

En palabras sencillas, si n > 30, entonces la distribución muestral de las

muestras de tamaño n será normal, es decir, será simétrica.

Entonces, si se cumple el teorema del límite central (n>30), podemos tener la

seguridad de que nuestra muestra pertenece a un conjunto de muestras cuya

distribución es normal o casi normal y podremos aplicar todas las fórmulas que

se mostrarán en los cálculos de estimación por intervalo. (Jurado Chamorro,

2017)
3. Distribución Muestral

Se denomina distribución muestra de una estadística a su distribución de

probabilidad, por ejemplo, a la distribución de probabilidad de la estadística media X ,

se le denomina distribución muestral de la media. (Córdova Zamora, 2003)

a) Distribución muestral de la media X

La media es una medida representativa de una población; es más representativa

cuanto más simétrica es la distribución, es decir, más normal. (Jurado Chamorro,

2017)

- Estimación Puntual

Se calcula la media muestral (estadístico) y se asume que este valor es el

mismo que tiene el verdadero valor de la media poblacional (parámetro μ).

μ= x

μ: media poblacional

^p: media muestral

La proporción muestral se calcula del promedio de los datos en la muestra tal

como se representa a continuación:

x=
∑ xi
n

- Estimación por intervalo

Para la estimación por intervalos se presenta los siguientes requisitos:

 La muestra debe ser aleatoria.

 Si la muestra es menor a 30 y la distribución de la población es

normal, se puede usar la distribución t (student)

  Si la muestra es mayor a 30, se puede usar la distribución normal

estándar (se cumple con el teorema de limite central)

Teniendo como limites los siguientes:

El límite inferior El límite superior

x−E x+E

Si se cuenta con una muestra grande n ≥ 30, entonces se cumple que la muestra

pertenece a una distribución muestral que tiene distribución normal; por tanto,

se puede usar una puntuación z para realizar la estimación.

σ
Margen de error E=Z α /2 x
√n

σ
Error estandar σ ^p =
√n

La puntuación Z α/2 depende del nivel de confianza con el que se desea analizar

la estimación.

La desviación estándar puede ser poblacional (σ ) o muestral (s) si la muestra es

grande (n≥30). Por lo tanto, un intervalo para la media se puede expresar tal

como se muestra a continuación:

x−E< μ< x+ E (x−E ; x + E)

σ σ σ
x ± Z α/2 x x−Z α x < μ < x+ Z α /2 x
√n 2 √n √n

4. Estimación de la proporción

Realizamos esta estimación en el caso de que nos preocupe averiguar cuál es

valor de la proporción de una cualidad en la población, como:

 Se desea saber la proporción de artículos defectuosos en un proceso de fabricación.

 El porcentaje de personas que consume cierta marca de ropa.

 La proporción de nacimientos con problemas de peso.

- Estimación puntual

Como se explicó líneas arriba, una estimación puntual se puede realizar tan solo

calculando la proporción en una muestra ( ^p ). Este valor sería el valor de

proporción en la población:

p= ^p

p = proporción poblacional

^p = proporción muestral

La proporción muestral se calcula de x=número de éxitos y n= tamaño de la

muestra:

x
^p=
n

- Estimación por intervalo

Es necesario tener en cuenta que se requieren las siguientes consideraciones:

 La muestra es aleatoria simple.

 Se tiene un número fijo de ensayos, los cuales son independientes.

Además, existen dos categorías de resultados y las probabilidades

permanecen constantes para cada ensayo.

  Existen al menos 5 éxitos y al menos 5 fracasos. Así la distribución

normal es una aproximación adecuada para la distribución binomial.

En una estimación por intervalo, se debe calcular el valor de límite inferior y el

del límite superior.

El límite inferior El límite superior

p−E p+ E

De lo anterior, se desprende lo siguiente:

Margen de error E=Z α /2 x

√ ^p q^
n

Error estandar σ ^p =
√ ^p q^
n

Nivel de confianza: es la probabilidad 1 - α (a menudo expresada como el

valor de porcentaje equivalente) de que el intervalo de confianza realmente

contenga el parámetro poblacional, suponiendo que el proceso de estimación se

repite un gran número de veces. (Jurado Chamorro, 2017)

Entonces, un intervalo para la proporción se puede expresar tal como se

aprecia:

p−E < μ< p+ E ( x−E ; x + E)

p ± Z α/ 2 x
√ ^p q^
n
p−Z α x
2 √ ^p q^
n √
< p< p+ Z α /2 x
^p q^
n

x
^p= y q^ =1− ^p
n
 n: tamaño de muestra; y x: número de éxitos.

VI. DESARROLLO

TABLA N°1: Datos muestrales en base a la continuidad o

vacancia del presidente, acorde a la edad y respuesta.

EDAD
RESPUESTA
[18; 25] [26; 42] [43; más] ni.

Debe dejar la presidencia

160 262 270 693
(A)
Que siga como presidente
81 205 193 479
(B)

No precisa (C) 5 10 19 34

n.j 246 477 483 1206

FUENTE:
ESTUDIO DE OPINIÓN PARA LAMPADIA
Perú, 19 de febrero de 2022

Estimamos e identificamos el porcentaje de electores que votaron; en que el

presidente deba de dejar la presidencia de la república.

Identificamos nuestros datos:

Muestra:

n= 1206

A favor de la vacancia:

A= 693
Para determinar el error de estimación, calculamos por énfasis el promedio:

A
P=
n

P=0.57462687

Calculamos el error de estimación estándar.

σ^ P =
√ P(1−P)
n

σ^ P =
√ 0.57462687(1−0.57462687)
1206

σ^ P =0.014236536

Para identificar nuestros límites de confianza de "p", trabajamos con una estimación

estándar del 95%

Confianza=95 %=0.95

1−α=0.95

α =0.05

Reemplazando y desarrollando, se tiene como estimación:

Z α =0.975
1−
2

Identificando en nuestra tabla de distribución normal de 0.975, obtenemos:

 TABLA DE DISTRIBUCION DE FRECUENCIA

Z=1.96
Límites de Confianza

Ahora los límites de confianza de "p", inferior y superior, son:

P ∓Z α σ^ P
1−
2

0.560746< 0.574627<0.588507

Tenemos la confianza del 95% para afirmar que el verdadero valor de la

proporción de votantes a favor de la vacancia del presidente se encuentra entre el

(56.07 y 58.85) %.

GRÁFICA N°1: representa la distribución normal estimada en un intervalo de 1.96

De la misma manera, podemos calcular el porcentaje de votantes que influyeron en

contra de la vacancia.

Calculamos el promedio:

p=0.397587065

Identificamos nuestro error de estimación:

σ^ P =0.022349792

Confianza=95 %=0.95

1−α=0.95

α =0.05

Reemplazando y desarrollando, se tiene como estimación:

Z α =0.975
1−
2

Calculamos nuestro intervalo de acorde a la tabla anterior de distribución normal, se

tiene:

Z=0.96

Ahora definimos nuestros límites, inferior y superior:

0.375796< 0.397587<0.419378

Tenemos la confianza del 95% para afirmar que el verdadero valor de la

proporción de votantes en contra de la vacancia del presidente se encuentra entre

el (37.58 y 41.94) %.
VII. CONCLUSIONES

- La estadística inferencial es una rama de la estadística que estudia el comportamiento

y propiedades de una muestra para poder generalizar unos resultados obtenidos,

basándose en la probabilidad este tipo de estadística permitirá al investigador

recolectar datos importantes para el estudio de situaciones y dar respuesta a los

problemas de una forma útil y significativa.

- Como respuesta a esos resultados es inferir si el evento ocurrirá o no mediante la

aplicación de estudios como: métodos de muestreo, probabilidad. La estadística

inferencial proporciona una serie de métodos importantes la cual puede estudiar un

sinnúmero de datos. Para el caso del presente trabajo, con una confianza del 95% para

afirmar que el verdadero valor de la proporción de votantes a favor de la vacancia del

presidente se encuentra entre el (56.07 y 58.85) %.

- Se puede decir que la estadística inferencial es importante para simular situaciones,

controlar procesos y verificar las posibles respuestas, en una empresa puede reducir

costos ya que puede anticipar lo que puede suceder y tomar prevenciones.

VIII. BIBLIOGRAFÍA

 Córdova Zamora, M. (2003). Estadistica Descriptiva e Inferencial. Lima: MOSHERA.

 Ipsos. (2022). Situación Política: Permanecía de Pedro Castillo. Encuesta Ipsos para
Lampadia, 5-6.

 Jurado Chamorro, S. (2017). Estadística Inferencial. Huancayo: Universidad Continental.

 Chao, L. L. (2006). Introducción a la estadística. México: Cecsa.