UNIVERSIDAD TECNOLÓGICA DE MÉXICO

CARRERA: COMERCIO INTERNACIONAL

MATERIA: ESTADISTICA INFERNCIA APLICADA
ALUMNO: CECILIA GUADALUPE AYALA GOMEZ
MATRICULA:340034164
PROFESOR: JOSE FRANCISCO GOMEZ AGULAR
MATERIA: PRESUPUESTOS

“ENTREGABLE NÚMERO 1”

FECHA: 21 DE MARZO 2024

 INTRODUCCION

En el presente entregable, se busca la introducción a la estadística muestral,

y sus distintos elementos, así como las posibilidades que nos presenta el estudio
de la misma, conociendo partes fundamentales y elementos de estudio de la
estadística, como distribuciones muestrales, de grandes y pequeñas muestras, que
son las hipótesis, y sus variantes.
DESARROLLO
Describa con sus propias palabras

1) ¿En qué consiste la teoría del muestreo?

Entiendo en base a los estudiado en la unidad 2, que la teoría del muestreo es el

estudio estadístico de una muestra de una población.

De manera resumida se encargar de la selección y análisis de una muestra de una

población.

2) ¿Describe con ejemplos las distribuciones muestrales?

En este caso, daré un ejemplo

Un ejemplo es si tenemos una población de 1000 personas, tomamos una muestra de 15%,
oses 150, buscamos obtener cual es la opinión acerca de la época del año que más les
gustas, por lo que con esta muestra obtendremos el dato de la distribución muestral de la
media, estimado cual es la opinión del total de la población.

En una huerta de aguacate, se tienen 350 arboles por hectárea, si tenemos 8 hectáreas
tenemos una población de 2800 árboles, si en promedio un árbol en producción nos da 500
kilos de aguacate de calidad exportación, con n merma de 10%, si tomamos una muestra
de 100 árboles, que probabilidad existe que la media de merma este entre 12 y 15%.

3) ¿Qué se entiende por inferencia estadística con muestras grandes?

R- La interferencia estadística con muestras grandes se refiere a utilizar muestras

grandes de una población, que hacer inferencia en la misma población, a través de
probar hipótesis, aplicando siempre el teorema de limite central.
Se considera muestra grande cuando son más de 30 elementos.

4) ¿Qué se entiende por inferencia estadística con muestras pequeñas?

La interferencia con muestras pequeñas se refiere a una estimación a partir de tomar

una muestra pequeña, para hacer estimaciones y tomar decisiones. En este caso no se aplica
el teorema del límite central, pero se tiene que aplicar hipótesis más estrictas como
• Distribución t de Student
• distribución normal estándar
• Estadístico t

Se considera peque muestra cuando son menos de 30 elementos

 5) ¿En qué consiste la prueba de hipótesis (describir 2 ejemplos en done pueden
utilizarse)?
Como se estudio en la unidad 5 la hipótesis es una “teoría” de algo que pude suceder, en
base a la observación de hechos.

Las hipótesis pueden ser nula o alternativa.

Con esta definición un ejemplo de hipótesis seria

1. En la empresa se establece que, de cada 100 contrataciones mensuales, el 10%

renuncian en la primera semana. Aquí tenemos una hipótesis donde se informa que
10 personas renuncian, revisando la estadística de los últimos 12 meses observamos
que la media es del 8%. Aquí se aplica la hipótesis
2. En un super se vende 8 marcas de leche entera, con el mismo costo, se solicita a
administración la marca “LALA”, con base a encuestas de salida que hacen sus
promotores de ventas de los últimos 6 meses le asignen un mayor espacio en sus
exhibidores , la marca “ALPURA” señala que su marca tiene un 25% de las ventas, y
solicita mayor espacio, aquí aplicamos la hipótesis que “ALPURA” afirma tener el
25% de las ventas, el super mercado, ha determinado que él % real de LALA es del
12.% y ALPURA el 20%, aquí aplicamos la hipótesis nula, en el porcentaje de ALPURA.

II) Un investigador cree haber descubierto una vacuna contra el CANCER. Con la finalidad
de
verificar su descubrimiento hará una investigación de laboratorio. De acuerdo con el
resultado, se decidirá lanzar o no la vacuna al mercado. La hipótesis nula que propone es:
“La vacuna no es efectiva”

a) Según el enunciado propuesto, redacte en qué consiste el error de tipo I y tipo II.

a. Error Tipo I (falso positivo) ocurriría si rechazamos la hipótesis nula cuando

en realidad la hipótesis es verdadera, por lo que se definiría como la vacuna
es efectiva y se lanzó al mercado, cuando en realidad no lo es.

b. El Error Tipo II (Falso negativo) ocurriría cuando no rechazamos hipótesis

nula, cuando en realidad es falsa, por lo que diríamos que la vacuna no sería
efectiva y no se lanza al mercado, pero en este caso la vacuna sí sería
funcional.

b) ¿Cuál sería el error más grave de cometer? Detalle su respuesta.

Considero que los dos son errores graves, pero el primero afecta de mayor manera ya que
saldría a la venta o mercado una vacuna que no es efectiva y que puede que tenga efectos
secundarios muy perjudiciales.
En el tipo II, de no ser comprobadas las hipótesis, se perdería mucho tiempo en la cura del
cáncer y se perderían muchas vidas.

Porque su hipótesis es la “vacuna no es eficaz” es una de las principales preguntas de la

hipótesis, ya que las dos repuestas serán falsos positivos, o falso negativo, considero que
los planteamientos no están bien estructurados, ni cuantificados.

III) Proponga una posible población en el caso de que se desee llevar a cabo un estudio
estadístico
sobre los siguientes temas.

a) La eficacia de un nuevo medicamento.

Posible población: Pacientes con una enfermedad en específico, para la cual el
medicamento está destinado a tratar. Como podrían ser, pacientes con alergias, que
tengan un medicamento de liberación controlada durante un mes y que no causen
sueño.

b) El nivel de consumo de un determinado producto.

Posible población: Los consumidores de algún producto específico para personas
que necesitan que cuiden sus mascotas en horarios de oficina.

c) La situación económica de los adultos mayores.

Posible población: Serían las personas de 60 y más, donde tengan la necesidad

transportes seguros, ya que no pueden manejar o no saben.

d) Las fallas de un programa de cómputo.

Posible población: Usuarios del programa específico. La población se compondría de
los que han utilizado el programa y han tenido fallas constantes en el uso de la
aplicación en los últimos 6 meses.

e) Los defectos en artículos producidos por una maquinaria.

Posible población: Los productos producidos por la maquinaria durante un periodo
de tiempo en específico. Por ejemplo, la producción de bolsas ecológicas que
produce una maquina y se utilizan en supermercado y tiene defectos donde se
rompen y dañan las compras.
IV) Defina una posible variable o pregunta que podría ser de interés para cada una de las
poblaciones propuestas en el ejercicio anterior.

a) La eficacia de un nuevo medicamento. Variable de interés: Sería el porcentaje de

pacientes que logran una reducción significativa en sus niveles alergenos después de recibir
el nuevo medicamento.

b) El nivel de consumo de un determinado producto. Porcentaje de usuarios con interés:

Cantidad promedio de unidades de servicios por cada uno de los consumidores en un mes.

c) La situación económica de los adultos mayores. Variable de interés: Ingreso mensual

promedio de los adultos mayores y que porcentaje de gastos son en necesidades de
transporte (alimentación, vivienda, salud, etc.).

d) Las fallas de un programa de cómputo. Variable de interés: Frecuencia y que tipo de

errores se han experimentado durante el uso del programa.

e) Los defectos en artículos producidos por una maquinaria. Variable de interés: Porcentaje
de daños en los productos comprado por las fallas en las bolsas.

V) Se toma una muestra de 250 observaciones de una población con una desviación de 25.
La
media de la muestra es de 20.

a) Determina el error estándar de la media al 80% de confianza.

E=Zα/2× σ√n
Zα/2= 80%= corresponde al percentil 90 de la distribución normal estándar (ya que el 90%
de la distribución está entre -Z y Z). Este valor es aproximadamente 1.281. √
σ= 25
n = 250
E= (1.281) *(25/√250) ≈ 2.86 Si la muestra media es de 20, sería (17.14, 22.86)

b) Determina el intervalo al 95 % de confianza.

IC= x ± Zα/2× (σ/ √n)
x = 20
Zα/2 = para un nivel de confianza del 95%, el valor es aproximadamente 1.96.
σ= 25
n = 250
IC= 20 ± 1.96 (25/√250)
(25/√250) ≈ 1.58
IC= 20 ± 1.96 (1.58)
20+ (1.96*1.58) = 23.86
20-(1.96*1.58) = 16.14
El intervalo de confianza al 95% es aproximadamente (16.14, 23.86)
VI) Se quiere encontrar la tasa de interés de los créditos hipotecarios en México, para tal
efecto se
tomó una muestra a 70 instituciones bancarias, en donde se sabe que la desviación estándar
poblacional es de 1.45%, se encontró una media en el rendimiento de 7.89%.
Con un nivel de confianza del 98% Determina el intervalo en donde se encuentra la media
de la
tasa de interés de la población.

IC= x ± ƚα/2× (σ/ √n)

x = 7.86%
ƚα/2= Para un nivel de confianza del 98%, es aproximadamente 2.663.
σ= 1.45%
n = 70
IC= .0786 ± 2.663 (.0145/√70)
(.0145/√70) ≈ 0.00173
IC= .0786 ± 2.663*0.00173
IC= .0786 ± 0.0046
IC = (0.0789−0.0046, 0.0789+0.0046)
IC = (0.0743, 0.0835) = (7.43%, 8.35%
CONCLUSIONES

Estos temas son bastante extensos y con una aplicación diaria en la vida cotidiana, solo que
no lo vemos expresado en manera de fórmulas, pero todos los días experimentamos
muestreos en grandes y pequeñas muestras, planteamiento de hipótesis y su
comprobación, así como elección de alternativas o respuesta a las hipótesis.

Considero que todas las situaciones diarias se pueden expresar con estadística, que aun las
situaciones emocionales, y la ciencia que las estudias se basan en la estadística para
determinar parámetros que ayuden en las mejoras constantes de los métodos, todo en la
vida es estadística si lo concluimos.

Y es de vital importancia conocer los métodos que existen para la medición de las muestras,
y como obtenerlas para poder aplicar los métodos correctos y así obtener medidas de
comparación.

BIBLIOGRAFIA

• Canal innova (2022), Los 7 mejores programas de software estadístico.

https://canalinnova.com/los-7 mejores-programas-de-software-estadistico/
• Guerrero Reséndiz (2021 02 16) Prueba de hipótesis, YouTube
https://www.youtube.com/watch?v=_LF2dBFM1eM.
• Victormat https (2022) Distribución muestral de ://www.victormat.es/mcs2/Tema12
DistribucionesMuestrales/distribucin_muestral_de_proporciones
• Jesigonza. (2013, 30 de agosto). ¿Qué es la teoría del muestreo? - Ensayos y Trabajos
-
• Investigación. https://www.clubensayos.com/Negocios/Qué-es-la-teoría-del-
• muestreo/995343.html
• khanacademy. (s.f.). Distribuciones muestrales | Estadística y probabilidad | Khan
Academy. Khan
• Academy. https://es.khanacademy.org/math/statistics-probability/sampling-
distributions-library
• Joaquín López Abellán, 26 de agosto, 2018
• Teorema central del límite (TCL). Economipedia.com
• datascience. (s.f.). Tabla Z. https://datascience.eu/es/matematica-y-
estadistica/tabla-z/
• Ruiz Mitjana, L. (2019, 5 de junio). Error tipo I y error tipo II: ¿qué son y qué indican
en estadística?
• Psicología y Mente. https://psicologiaymente.com/miscelanea/error-tipo-i-error-
tipo-ii
• Fuente:Lind, Marshal, Wathen; Estadística aplicada a los negocios y la economía,
México. 15ª ed,
• Mc Graw Hill, pág. 281
• Tomado de: Stevenson, William J. “Estadística para administración y economía”,
México, Harla,1981, pág. 215