UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA

VICE RECTORADO BARQUISIMETO

DIRECCION DE IVESTIGACION Y POSTGRADO

DEPARTAMENTO: INGENIERIA INDUSTRIAL

ASIGNATURA: ESTADÍSTICA Computacional/ ESTADISTICA INDUSTRIAL

PROFESOR: DR. EDUARDO JOSE PINTO TROCONIS

ESTADISTICA INFERENCIAL.

Un cúmulo de fenomenos en los que le compete intervenir al ingeniero

industrial manifiestan cierta regularidad estadística y son suceptibles de
describirse a través de un Modelo Probablistico, ya en la segunda Unidad
trabajamos con una serire de DISTRIBUCIONES DE PROBABILIDAD que
permiten representar el comoportamiento probabilistico de una serie de
fenomenos relacionados con la ingenieria: El Tiempo hasta que un equipo falla,
el rendimiento de un proceso, los resultados de un muestreo de aceptacion por
lote; sin embargo al trabajar con esos modelos lo hicimos bajo el pre-supuesto
de conocer uno o más parametros de los cuales depende dicha funcion
probabilistica, en la realidad, las más de las veces, estos parametros son
desconocidos por lo que es necesario estimarlos. En esta unidad
desarrollaremos procedimientos básicos para la estimación de Parametros.

El proceso de inferencia estadística consiste en obtener conclusiones de

una Poblacion con base a las evidencias que proporciona una muestra
aleatoria.

Algunos términos basicos claves para entender el proceso de inferencia

estadistica se presentan a continuacion.
  Poblacion: Realidad en estudio, conjunto de individuos de los cuales se
quiere obtener una información. Este término proviene de la demografía pero
su aplicación no se limita a personas. Así el Ingeniero Mecánico que esta
analizando una población de ejes, denominará individuo estadístico a cada
eje a estudiar. La población puede ser finita si es mesurable dado el número
limitado de elementos que la conforman o infinita si incluye un gran conjunto
de elementos que no pueden cuantificarse.

Parametro (Θ): Caracteristica o Propiedad poblacional. Entre los

parametros a estimar en esta unidad figuran: La media poblacional (µ), la
desviación estándar poblacional (б) y la proporcion poblacional (P)

Muestra aleatoria Simple: Una muestra aleatoria simple debe cumplir

con los siguientes requisitos:

 La muestra se obtendrá al azar, lo que implica que cada muestra

(distinta) tendrá la misma probabilidad de ser seleccionada.

 Cada elemento de la muestra tendrá la misma probabilidad de ser

seleccionado que los restantes:

Por tanto al elegir una muestra aleatoria seleccionada por n elementos

X1,X2,…,Xn a partir de una poblacion representada por la variable X con
funcion de probabilidad F(x), la distribucion de cada xi sera la misma que
la de X, es decir; F(Xi)=F(X) para todo i=1,2,…n. . Es importante
destacar que las variables Xi son independientes entre sí, por ende

F(X1, X2,…, Xn)=F(X1)*F(X2)*…*(FXn)

Estadístico: Un estadístico es una funcion muestral, por lo tanto es una

variable aleatoria, cuya distribución de probabilidad se le llama
distribucion en el muestreo del estadístico, y depende de los parametros
desconocidos de la funcion de la variable respuesta considerada para la
poblacion.
Para cumplir con el proceso de inferencia estadistica se pueden distinguir dos
procedimientos básicos esenciales que forman parte del denominado METODO
CLASICO de inferencia Estadistica:

Estimación de parametros: Cálculo de un valor a través de una muestra

aleatoria. Por ejemplo si deseamos determinar el valor de la media poblacional,
podriamos calcular la media de la muestra seleccionada y atribuir este valor a
aquella. Esto se conoce como estimacion puntual. En muchas ocasiones los
analistas prefieren calcular un intervalo de confianza en el que
razonablemente cae el valor estimado con un nivel de confianza prefijado

Prueba de Hipótesis: Si entendemos por Hipotesis Estadistica a la afirmacion

o conjetura sobre el valor de uno o más parametros. Es menester destacar que
por conocimiento directo del problema a estudiar, por infmaciones previas, por
estandares de calidad o NORMAS, podriamos atribuir, en principio un cierto
valor al parametro cuya carácter se pretende inferir. Lógicamente tal conjetura
puede ser más o menos correcta, de modo que es necesario formular un
metodo que permita dilucidar la veracidad o falsedad de tal afirmación.

Estimación Puntual: Cualquier estadístico que permita hacernos una idea del
valor poblacional de un parametro desconocido se denominrá estimador, y
llamaremos estimación puntual al valor concreto del estimador en una
determinada realizacion muestral. Se puede afirmar que estimador puntual
constituye un estadística aplicado a la determinación de las características
poblacionales que esperamos inferir. Por tanto es lógico pensar que debe
existir un prinicipio de congruencia o analogía entre el parametro a estimar y el
estiumador del mismo. Por ejemplo si deseo estimar la proporción de una
población, el principio de congruencia o analogía supone emplear a la
proporción de exitos muestrales como estimador.

CARACTERISTICAS DE UN BUEN ESTIMADOR

 Revisar literatura en referencia a: Estadístico exhaustivo, estimador

puntual consistente, estimador insesgado, estimador eficiente.

Estimación por Intervalos.

Un intervalo de confianza para el parámetro Θ tiene la forma Li<= Θ<=Ls,

donde Θ es el valor del parameto o propiedad poblacional desconocida, Dentro
de estos dos límites (Li:Límite inferior y Ls: Límite superior) se puede garantizar
con una confianza de 1-α que el parametro se encuentre en el rango de valores
calculados.
PROBLEMAS DE INFERENCIA ESTADISTICA RESUELTOS CON
STATGRAPHICS PLUS

1) Un Ingeniero Civil hace pruebas de resistencia a la compresión del concreto.

Para ello examina 12 especimenes y obtiene los siguientes datos:

2216 2237 2249 2204 2225 2301

2281 2263 2318 2255 2275 2295

a. ¿Construya un Intervalo de confianza del 95% para la

resistencia promedio?
Luego de introducir la data (UNTITLED,), en el menú desplegable seleccione la opción
NUMERICA DATA (One Variable Analisis, UNA SOLA VARIABLE O ANALISIS
SIMPLE)

Posteriormente seleccione EL ICONO DE COLOR AMARILLO (TABULAR OPTIONS)

MARCAR LA OPCION (CONFIDENCE INTERVALS) intervalos de confianza

El paquete realiza los claculos por defecto para un nivel de confianza del 95% (Ud
puede modificar este nivel de confianza en la opción PANE OPTIONS)

SALIDA DEL PAQUETE ESTADISTICO

Confidence Intervals for RESISTENCIA

95,0% confidence interval for mean: 2259,92 +/- 22,5997 [2237,32,2282,52]

95,0% confidence interval for standard deviation: [25,1971,60,3923]

EL SIGUIENTE ANALISIS ES PRESENTADO POR EL PAQUETE ESTADISTICO

The StatAdvisor

---------------

This pane displays 95,0% confidence intervals for the mean and standard deviation of
RESISTENCI. The classical interpretation of these intervals is that, in repeated sampling, these
intervals will contain the true mean or standard deviation of the population from

which the data come 95,0% of the time. In practical terms, we can state with 95,0%
confidence that the true mean RESISTENCI is somewhere between 2237,32 and 2282,52, while
the true standard deviation is somewhere between 25,1971 and 60,3923. Both intervals
assume that the population from which the sample comes can be represented by a normal

distribution. While the confidence interval for the mean is quite robust and not very sensitive
to violations of this assumption, the confidence interval for the standard deviation is quite
sensitive. If the data do not come from a normal distribution, the interval for thestandard
deviation may be incorrect. To check whether the data come from a normal distribution,
select Summary Statistics from the list of Tabular Options, or choose Normal Probability Plot
from the list of Graphical Options.

2)Una muestra aleatoria de 8 cigarros tiene un contenido promedio de nicotina

de 4.2 mg y una desviación estándar de 1.4 mg. ¿Esta esto de acuerdo con la
afirmación de que el contenido promedio no excede de 3.5 mg?. Suponga que
la distribución de los contenidos de nicotina es normal.

En el menú desplegable seleccione la opción Hipótesis Test (Prueba de

Hipótesis)
Dado que el Parámetro a estudiar es la media seleccionar la opción (NORMAL MEAN)

En esta opción puede establecer la hipótesis alternativa o de contraste

El paquete arroja la siguiente salida:

Hypothesis Tests

----------------

Sample mean = 4,2

Sample standard deviation = 1,4

Sample size = 8

95,0% lower confidence bound for mean: 4,2 - 0,937771 [3,26223]

Null Hypothesis: mean = 3,5

Alternative: greater than

Computed t statistic = 1,41421

P-Value = 0,1001

Do not reject the null hypothesis for alpha = 0,05.

The StatAdvisor

---------------

This analysis shows the results of performing a hypothesis test

concerning the mean (mu) of a normal distribution. The two hypotheses

to be tested are:

Null hypothesis: mu = 3,5

Alternative hypothesis: mu > 3,5

Given a sample of 8 observations with a mean of 4,2 and a standard

deviation of 1,4, the computed t statistic equals 1,41421. Since the

P-value for the test is greater than or equal to 0,05, the null

hypothesis cannot be rejected at the 95,0% confidence level. The

confidence bound shows that the values of mu supported by the data are

greater than or equal to 3,26223.

 APLICACIONES EN CASOS REALES DE LOS INTERVALOS DE
CONFIANZA PARA PROPORCIONES.

EJEMPLO 1:

SOLO EN EL 68.2% DE LAS EMPRESAS DEL PAIS HAY COMITES PARITARIOS SEGUN
RESULTADO DE LA

ULTIMA ENCUESTA LABORAL DE LA DIRECCION DEL TRABAJO

En la encuesta se entrevistaron a empleadores, dirigentes sindicales y trabajadores

sobre condiciones de trabajo y relaciones laborales, entre otros.

Diversos fueron los resultados que muestra la Encuesta Laboral 2004 aplicada por
la Dirección del Trabajo en 10 regiones del país, la que permite una visión del
estado actual de este ámbito a nivel nacional, siendo una de las encuestas más
completas que se realiza en la materia.

Una mejora en la percepción de la situación económica de las empresas y

aumentos en la proporción de los contratos temporales, como también en la
proporción de empresas que subcontrata actividades, fueron algunas de las
conclusiones que arrojaron los resultados de la Encuesta Laboral 2004 realizada
por la Dirección del Trabajo.

A la actividad asistieron el ministro del Trabajo, Yerko Ljubetic; el director del

Trabajo, Marcelo Albornoz y el jefe del Departamento de Estudios, Joaquín
Cabrera, quienes se manifestaron satisfechos con el resultado de la investigación
que, cada dos años, realiza la institución, pues a través de ella se pueden
constatar los cambios en el ámbito laboral ocurridos en los últimos años.

"Esta encuesta nos permite ver los efectos de las políticas públicas y los efectos
de las reformas a la legislación laboral realizadas el año 2000", manifestó el
ministro del Trabajo, Yerko Ljubetic.

La Encuesta Laboral 2004 fue aplicada en 1.182 empresas privadas de 5 o más

trabajadores, seleccionadas aleatoriamente, con una cobertura territorial que
 abarca a 10 regiones del país (desde Antofagasta a la Región de Los Lagos). En
ella se entrevistaron a empleadores, dirigentes sindicales y trabajadores sobre
condiciones de trabajo y relaciones laborales, entre otros. El error muestral para la
estimación de proporciones es de un 2,9% con un 95% de confianza.

EJEMPLO 2:

*Una de las aplicaciones de uso más común por parte de las encuestadoras. La
encuesta tiene más de 13 años de aplicada, de modo que no hay ningún tipo de
intención política al presentarla. El interés recae en ver la forma de expresar el I.C

Baja 8 puntos Aprobación a Presidente Correa. Aceptación a Asamblea cae 19 puntos

Publicado: Domingo, 23/12/2007

Su credibilidad ha sufrido una baja aún mayor ya que del 66% registrado en octubre y
63% en noviembre, ahora ha caído al 55%, 11 puntos en dos meses.

La información proviene de la última encuesta de CEDATOS / GALLUP International

tomada en una muestra de hogares urbana, con consulta a 1.289 personas, realizada
entre el 22 y 23 de diciembre de 2007. El nivel de confianza de la encuesta es del 95%
con un margen de error de + / - 3.4%.