MATERIA:

ESTADISTICA APLICADA Y DE PRONOSTICOS

Profesor: ALEJANDRA SAAVEDRA FLORES

Alumno:
ERICK EDUARDO SANTIAGO ZAVALA

NOMBRE DEL TRABAJO:

Lluvia de ideas: Estadística, Distribución normal,

Prueba de hipótesis.
Tuxpan, Veracruz a 29 de noviembre del 2023.
Introducción

La revolución tecnológica ha hecho que la información sea cada vez más accesible para
las comunidades locales. Hoy en día, las empresas enfrentan esta realidad porque tienen
clientes mejor informados y mayor acceso a fuentes externas de información al comprar
productos o servicios. Sin embargo, no hay que olvidar que el acceso a la información
también es una ventaja para las empresas que pueden utilizarla a tiempo para tomar
decisiones.

Si bien el uso de la tecnología ha permitido a las empresas almacenar cantidades cada

vez mayores de datos de clientes, es cierto que no muchas empresas cuentan con
profesionales que se especialicen en el análisis de datos y puedan brindar a la gerencia y
a los empleados información oportuna y relevante. Hay menos incertidumbre.

Por paradójico que parezca, muchas veces demasiados datos en la empresa crean una
pesadilla o una especie de laberinto del que los tomadores de decisiones no encuentran
salida.

Esto se debe en gran medida a la falta de empleados que se ocupen del análisis de
grandes volúmenes de datos. Este problema también se debe a la falta de objetivos claros
en la empresa, por lo que muchos directivos se enfrentan a una gran cantidad de datos
que, sin un análisis adecuado, no aportan nada a la organización.

Gran parte de la literatura de marketing no profundiza en la utilidad del análisis de datos y

utiliza únicamente estadísticas descriptivas y técnicas estadísticas simples como pruebas
t de tendencia central, varianza, ubicación, forma y muestra. La información disponible
sobre el uso de estas estadísticas resumidas generalmente depende de la teoría y el
análisis general, pero el uso de estas medidas puede ser muy útil para reducir la
posibilidad de error en las decisiones de gestión relacionadas con el marketing.

Hasta ahora, hemos analizado la enorme cantidad de datos que las empresas generan
todos los días. Sin embargo, no podemos ignorar que los clientes son una valiosa fuente
de información que no necesariamente está en la base de datos de la empresa, sino que
debe crearse en función de nuevas necesidades: medición de satisfacción, pruebas de
concepto, medición de fidelización, medición de percepción, posicionamiento, posición
competitiva, etc., es decir, información obtenida de estudios de mercado sobre clientes.

Diagnosticar las organizaciones de forma sistemática y metódica es una práctica

estratégica muy valiosa para la empresa. El marketing estratégico depende esencialmente
de la interpretación clara que haga el estratega del mercado y de todo su entorno y, por
tanto, el análisis de datos se convierte en una herramienta clave de la estrategia de
marketing. De momento podemos afirmar que, a la hora de planificar las actividades de la
organización a corto, medio y largo plazo, el marketing estratégico tiene más peso que el
marketing operativo.

En resumen, el propósito de esta revisión teórica es demostrar aplicaciones prácticas en

la interpretación de diversas estadísticas descriptivas en marketing. Para lograr este
objetivo, el trabajo de investigación comienza con una revisión teórica de la importancia
de la estadística aplicada en las organizaciones. Por lo tanto, a partir de supuestos
teóricos y conceptuales, se espera obtener una base suficiente para determinar su
aplicación práctica en las áreas de marketing estratégico y operativo de las
organizaciones.
DESARROLLO:
 Estadística.
ASIMETRÍA. - Es la falta de simetría entre los datos de una distribución. El
concepto de asimetría se refiere a si la curva que forman los valores de la serie
presenta la misma forma a la izquierda y derecha de un valor central (media
aritmética).

DATO CUALITATIVO. - Es aquel que representa alguna característica de los

elementos de una muestra o una población que presentan, atributos, actitudes o
son opiniones. Son datos NO NUMÉRICOS. (Ver variable cualitativa).

DATO CUANTITATIVO. - Es aquel dato numérico que representa aspectos de

una muestra o una población que es medible o que se puede contar. (Ver
variable cualitativa).

DATOS DE PANEL. - Son aquellos datos que son una combinación de series de
tiempo y datos de sección cruzada o corte transversal que se obtienen sobre un
mismo conjunto de unidades de análisis (individuos, familias o empresas) en
distintos periodos de tiempo.
DATOS DE SECCIÓN CRUZADA O DE CORTE TRANSVERSAL. - Son aquellos que
corresponden a distintas unidades de análisis (individuos, familias o empresas) pero
referidos al mismo periodo de tiempo.

DIAGRAMA. - Es un dibujo o representación gráfica

que sirve para representar un objeto, indicar la relación entre elementos o mostrar el valor
de una magnitud.

DIAGRAMA DE BARRAS. - Es un gráfico utilizado para representar la distribución de

frecuencias de una variable cualitativa y cuantitativa discreta. Puede graficarse en forma
horizontal o vertical.
ENCUESTA. - Es un método de recolección de datos. Es llevada a cabo generalmente a
través de algún cuestionario que puede o no ser diligenciado por el encuestado y/o
encuestador.

ENTREVISTA. - Es un método de recolección de datos. Consiste en una serie de

preguntas realizadas por el entrevistador, personalmente, a cada uno de los
entrevistados.

ERROR DE MUESTREO. - Conocido también como error muestral, es la diferencia que

existe entre el valor real (parámetro) obtenido con los valores de la población y el valor
estimado en base a los valores de una muestra (estimación).
ESTADÍSTICA. - Es la ciencia que comprende una serie de métodos y procedimientos
destinados a la recopilación, tabulación, procesamiento, análisis e interpretación de datos
cuantitativos y cualitativos. Un objetivo de la estadística es describir "la población del
estudio" en base a información obtenida de elementos individuales. Se divide en dos
ramas: Estadística descriptiva y Estadística inferencial

ESTADÍSTICA DESCRIPTIVA. - Rama de la ciencia estadística que se encarga desde la

recopilación, procesamiento y análisis de la información siendo sus conclusiones válidas
sólo para el grupo analizado.
ESTADÍSTICA INFERENCIAL. - Rama de la ciencia estadística que proporciona métodos
y procedimientos que permiten obtener conclusiones para una población a partir del
estudio de una o más muestras representativas.

ESTADÍSTICO. - Conocido también como estadígrafo, es el valor calculado en base a los

datos que se obtienen sobre una muestra y por lo tanto es una estimación de los
parámetros. Entre los más usados se tiene la media muestral y la desviación estándar
muestral.

HIPÓTESIS ESTADÍSTICA. - Es una afirmación respecto a alguna característica de la

población en estudio que se formula para ser sometida a la denominada prueba de
hipótesis, para ser aceptada o rechazada.
  Distribución normal
Asintótica. - Existen algunas situaciones en que la distribución de un estadístico de
contraste no está bien definida. Sin embargo, habitualmente, a medida que aumenta el
número de observaciones utilizadas para calcular el estadístico, la distribución empieza a
aproximarse a una distribución conocida. Se utiliza la distribución conocida (y bien
definida) para calcular la significación del estadístico de contraste.

Bernoulli. - La distribución de Bernoulli toma los valores de 0 y 1. Una variable de

Bernoulli toma el valor 1 con probabilidad igual al valor especificado para el parámetro de
probabilidad.
Correlación. - Dos variables están correlacionadas si un cambio en el valor de una de
ellas provoca un cambio en la otra. La medida más común de correlación es la correlación
de Pearson, que mide el grado en que la relación entre dos variables se puede describir
mediante una línea recta.

Covariable. - Una variable de escala que se ha añadido a un modelo. En un modelo

predictivo, los cambios de valor de una covariable deben estar asociados con los cambios
de valor en la variable objetivo (la dependiente).
Dispersión. - Se trata de un atributo de las distribuciones de frecuencias que se refiere a
la dispersión de sus valores. Algunas medidas de dispersión son la varianza, la desviación
estándar y el rango intercuartil.

Nominal. - Una variable puede ser tratada como nominal cuando sus valores representan
categorías que no obedecen a una clasificación intrínseca. Por ejemplo, el departamento
de la compañía en el que trabaja un empleado. Algunos ejemplos de variables nominales
son: región, código postal o confesión religiosa.

Distribución normal. - La distribución normal (o de Gauss) viene definida por sus

parámetros de ubicación (la media) y escala (la desviación estándar). Su función de
densidad tiene forma de campana, simétrica respecto a su media. Aproximadamente el
68% de los valores de una variable normal se encuentran dentro de una desviación
estándar respecto a la media, el 95% entre 2 desviaciones estándar y el 99,7% entre 3
desviaciones estándar.
Escalar. - Una variable puede tratarse como escala (continua) cuando sus valores
representan categorías ordenadas con una métrica con significado, por lo que son
adecuadas las comparaciones de distancia entre valores. Son ejemplos de variables de
escala: la edad en años y los ingresos en dólares.

Sensibilidad. - Una medida de la utilidad de un esquema de clasificación. La sensibilidad

es la probabilidad de que un caso sea correctamente clasificado como "positivo", y se
representa en el eje Y de la curva ROC. El valor 1-sensibilidad es la tasa de falsos
negativos.
Desviación estándar. - Una medida de la dispersión en torno a la media, igual a la raíz
cuadrada de la varianza. La desviación estándar se mide en las mismas unidades que la
variable original.

Media recortada. - Media aritmética calculada después de haber eliminado el n% de los

casos mayores y el n% de los menores. La eliminación de los casos extremos de los
cálculos da como resultado una mejor estimación de la tendencia central, especialmente
cuando los datos no son normales.
Prueba t. - Una prueba estadística que compara los valores promedio de dos grupos.
Cuando el resultado de la prueba es estadísticamente significativo, las medias difieren.

Puntuación Z. - También conocido como el valor estandarizado. Para obtener las

puntuaciones Z de una variable, a cada caso se le resta el valor de la media de la variable
y se divide por la desviación estándar. Las puntuaciones Z son útiles para encontrar
atípicos y comparar los valores de las variables que se encuentran medidas en distintas
escalas.

 Prueba de hipótesis
Contraste bilateral. - El contraste bilateral (o de dos colas) se utiliza cuando la Hipótesis
Alternativa asigna al parámetro cualquier valor diferente al establecido en la Hipótesis
Nula.
Contraste Unilateral. - El contraste unilateral sitúa la región de rechazo en uno de los
dos extremos (colas) de la distribución muestral. El contraste bilateral (o de dos colas) se
utiliza cuando la Hipótesis Alternativa asigna al parámetro cualquier valor diferente al
establecido en la Hipótesis Nula.

H1 Hipótesis Alternativa. - H1 se llama hipótesis alternativa y es lo que sospechamos

que va a ser cierto (suele llevar los signos distinto, mayor y menor).

Hipótesis Estadística. - La hipótesis estadística es la suposición que se realiza acerca

de las características de una población. Es utilizada para verificarla o rechazarla tras
realizar el estudio estadístico pertinente.
H0 Hipótesis Nula. - H0 se llama hipótesis nula y es lo contrario de lo que sospechamos
que va a ocurrir (suele llevar los signos igual, mayor o igual y menor o igual).

Nivel de confianza. - El nivel de confianza es la probabilidad de que el parámetro a

estimar se encuentre en el intervalo de confianza. 1-α Nivel de confianza (No rechazar
H0).

Nivel de Significancia. - En pocas palabras, se define como la probabilidad de tomar la

decisión de rechazar la hipótesis nula cuando ésta es verdadera (decisión conocida como
error de tipo I, o falso positivo).

Región Crítica. - Se denomina región crítica a los valores de prueba que rechazan la
hipótesis nula. El área de la región crítica es igual al tamaño del error de tipo I.
Tipos de error. - Cuando usted realiza una prueba de hipótesis, puede cometer dos tipos
de error: tipo I y tipo II. Los riesgos de estos dos errores están inversamente relacionados
y se determinan según el nivel de significancia y la potencia de la prueba.

Tipo I. - El error de tipo I, también denominado error de tipo alfa (α)1 o falso positivo, es el
error que se comete cuando el investigador rechaza la hipótesis nul, siendo esta
verdadera en la población.

Tipo II. - El error de tipo II, también llamado error de tipo beta (β) (β es la probabilidad de
que exista este error) o falso negativo, se comete cuando el investigador no rechaza la
hipótesis nula siendo esta falsa en la población.
Conclusion
Los conceptos antes mencionados han sido analizados e investigados de tal manera de
hacer más fácil su comprensión y entendimientos ya que la estadística es la ciencia que
trata de entender, organizar y tomar decisiones que estén de acuerdo con los análisis
efectuados. La estadística juega un papel muy importante en nuestras vidas, ya que
actualmente ésta se ha convertido en un método muy efectivo para describir con mucha
precisión los valores de datos económicos, políticos, sociales, psicológicos, biológicos y
físicos, además, sirve como herramienta para relacionar y analizar dichos datos. El
trabajo del experto estadístico ha evolucionado mucho, ya no consiste sólo en reunir y
tabular los datos, sino sobre todo en el proceso de interpretación de esa información,
ahora tiene un papel mucho más importante del que tenía en años pasados.

Es de vital importancia para nuestra vida profesional venidera, que manejemos estos
conceptos con facilidad, así mismo el que los usemos de la manera apropiada, siempre
en pro de buscar soluciones a los problemas que se nos puedan presentar.