Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Administracin
MBA Gerencial
Ing. MBA Miguel ngel Patio Antonioli
mpatino@pucp.pe
Whatsapp: (+51) 993495101
Skype: mpatino23
Sesiones 9 y 10:
Estimacin de Parmetros:
Estimacin Puntual
Estadstica
Inferencial
Objetivos
Al finalizar esta sesin, el alumno:
1. Comprende el foco de la Estadstica Inferencial, as
como su aplicabilidad.
2. Comprende las tcnicas y conceptos clave referentes
al Muestreo aleatorio simple.
3. Utiliza los Estimadores puntuales como referencia
inferencial.
4. Comprende la aplicabilidad de las distribuciones
muestrales en el marco probabilstico.
5. Reconoce las aplicaciones del Teorema del Lmite
Central como teorema fundamental de la Estadstica.
Agenda
1. Introduccin a la
Estadstica Inferencial
2. Introduccin al Muestreo
aleatorio simple / tcnicas
3. Estimadores puntuales.
4. Distribuciones muestrales:
Distribuciones de la media
y proporcin muestral.
5. Teorema del Lmite Central.
Control de lectura
Lecturas previas obligatoria
La estadstica es una
ciencia segn la cual
todas las mentiras se
vuelven grficos
Media
Desv. Est.
Varianza
S2
Proporcin
INFERENCIA
Correlacin
r
Estimadores puntuales o
Estadsticos
Parmetros
Estadstica
Descriptiva
Estadstica
Inferencial
Estimacin
Prueba de
Hiptesis
Estimacin
Estimacin
Puntual
Estimacin
por Intervalos
Estimacin Puntual
Ejemplo 1:
Un concesionario de una sucursal de comida rpida desea reunir informacin
sobre las utilidades anuales de poseedores actuales de franquicias. La
experiencia pasada sugiere que las utilidades estn normalmente distribuidas,
una muestra aleatoria de n=12 sucursales produce estos datos de utilidades,
en miles de dlares, para el ao inmediato anterior.
Cul es la estimacin de la utilidad anual media de todas las sucursales con
franquicia?
Cul es la estimacin de la desviacin estndar de las utilidades anuales?
Entre todos los concesionarios cual es la proporcin de utilidades de mas de
50,000 y de menos de 20,000 dlares?
Por qu deseara un concesionario obtener este tipo de informacin?
61.242,00
28.785,00
92.203,00
10.404,00
76.326,00
96.803,00
91.053,00
67.422,00
97.357,00
48.912,00
40.056,00
92.233,00
Estimacin Puntual
Parmetro y Estimador
n1
x1
ESTIMADOR
PUNTUAL
POBLACIN
(N)
PARMETRO
n2
n3
.
.
nm
x2
x3
.
.
xm
Estimacin Puntual
Parmetro y Estimador
MUESTRA (n)
Estimador :
Tcnicas de
Muestreo
POBLACIN
(N)
Estadstica Inferencial
Parmetro : -
= Error de muestreo o SESGO
Estimacin Puntual
Tipos de Muestreo
Muestreo
No Probabilstico
Probabilstico
Estimacin Puntual
Muestreo Probabilstico
No hay un mejor mtodo para seleccionar una muestra
probabilstica.
Objetivo: permitir que el azar determine los integrantes
que contendr la muestra.
Muestreo Aleatorio
Simple
Sistemtico
Estratificado
Racimo
Estimacin Puntual
Muestreo Aleatorio Simple
Estimacin Puntual
Aleatorios en Excel
=ALEATORIO()
=ALEATORIO.ENTRE(Valor mnimo, Valor mximo)
Diapositiva 19
Estimacin Puntual
Muestreo Aleatorio Sistemtico
Los integrantes de la poblacin se ordenan.
Se selecciona al azar un punto de inicio.
Seleccin dentro de un intervalo uniforme medido
con respecto al tiempo, orden o al espacio.
Cada elemento tiene igual oportunidad de ser
seleccionado.
No debe emplearse si hay un patrn determinado en
la poblacin.
Estimacin Puntual
Muestreo Sistemtico
N = 100
Ejemplo 2:
Se desea una muestra n = 20
N/n = 5
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
Estimacin Puntual
Muestreo Aleatorio Estratificado
La poblacin es dividida en grupos relativamente
homogneos (estratos) con bajo CV.
Seleccin aleatoria de elementos del estrato.
Cantidad proporcional al estrato o con pesos.
Cada grupo tiene una pequea variacin dentro de si
mismo, pero hay una amplia variacin entre los grupos.
Estimacin Puntual
Muestreo Aleatorio Estratificado
POBLACIN
ESTRATOS
MUESTRA
Estimacin Puntual
Muestreo Aleatorio de Racimo
RACIMOS
POBLACIN
MUESTRA
Distribuciones
Muestrales
1.
2.
Media muestral
Proporcin muestral
Estimacin Puntual
El Factor de Correccin por Poblacin Finita (FCPF):
Clculo del FCPF para diversos n con N=1000.
Cuando : n 5% * N
n
10
25
50
100
200
500
n/N
0.010
0.025
0.050
0.100
0.200
0.500
FCPF
0.9955
0.9879
0.9752
0.9492
0.8949
0.7075
Estimacin Puntual
Distribucin Muestral de la Media
Media de la media
muestral:
Si n<5%*N, NO
aplicar FCPF
Emplear S si n30,
o si es normal.
Desviacin estndar de
la media muestral
(ERROR ESTNDAR):
Estimacin Puntual
Distribucin Muestral de Medias
Ejemplo 3:
Tamao de la Poblacin: N=4
Variable aleatoria
X: Edad de las personas
Valores de X:
Rango: 18, 20, 22, 24 Aos
D
A
Estimacin Puntual
Distribucin Muestral de Medias
Variable Aleatoria: Variable X = Edad de las personas
Valores de la Variable X x
(18, 20, 22, 24).
VARIABLE ALEATORIA
PROBABILIDAD
Estimacin Puntual
Distribucin Muestral de Medias
Parmetros de la
N
Poblacin
X
i 1
Distribucin
P(X) Uniforme
.3
N
18 20 22 24
21
4
N
X
i 1
.2
.1
0
2.236
A
(18)
B
(20)
C
(22)
D
(24)
Estimacin Puntual
Distribucin Muestral de Medias
16 Muestras CON
reemplazo
Estimacin Puntual
Distribucin Muestral de Medias
Estimacin Puntual
Distribucin Muestral de Medias
Distribucin de las Medias de las Muestras
Distribucin de
las medias de las
muestras
16 Medias de
Muestras
.3
P X
.2
.1
0
18 19
20 21 22 23
24
Estimacin Puntual
Distribucin Muestral de Medias
Parmetros de la Distribucin Muestral o de Muestreo
N
X
i 1
18 19 19 L 24
21
16
X
i 1
18 21
19 21 L 24 21
1.58
16
2
Diapositiva 35
Estimacin Puntual
Distribucin Muestral de Medias
Poblacin
N=4
21
P X
.3
Distribucin de
Muestreo
21n =2 1.58
2.236
X
.3
.2
.2
.1
.1
A
(18)
B
(20)
C
(22)
D
(24)
P X
18 19
X
(Error Estndar)
20 21 22 23
24
Estimacin Puntual
Distribucin Muestral de Medias
Distribucin de las muestras
Poblacin
Distribucin de Muestreo
de la Media
x
Comparacin de la Poblacin con la Distribucin Muestral de Medias
Estimacin Puntual
Distribucin Muestral de Medias
Distribucin de la Poblacin y Distribucin de Muestreo de la Media
Distribucin de muestreo de medias
de 5 elementos (n=5)
x 25
Distribucin de la poblacin
25
= 100
Estimacin Puntual
Distribucin Muestral de Medias
Tendencia
Central
x
Distribucin de la
Poblacin
10
Dispersin
x
n
Distribucin de
Muestreo
n 16
n4
X 5
X 2.5
50
Muestreo de Poblaciones Normales
X 50
Estimacin Puntual
Distribucin Muestral de Medias
Tendencia
Central
x
Distribucin de la
Poblacin
10
x
n
n4
X 5
50
Poblaciones No Normales
Dispersin
Distribucin de
Muestreo
n 30
X 1.8
X 50
Estimacin Puntual
Distribucin Muestral de la Proporcin
Media de la proporcin
muestral:
Objetivo:
estimar la proporcin (p) de
las personas con ciertas
caractersticas.
Si n<5%*N, NO aplicar FCPF.
Desviacin estndar de
la proporcin muestral
(ERROR ESTNDAR):
Estimacin Puntual
Distribucin de muestreo de la diferencia
de dos estadsticos independientes
x
(
)
2
1 2
n n
pp
x x
1
p
(
p2 )
p p
1
Diferencia entre
dos medias
muestrales
pq
n
1
pq
n
2
Diferencia entre
dos proporciones
muestrales
Estimacin Puntual
Distribucin Muestral de Medias
Efecto del tamao de la muestra
Probabilidad
n=4
n=8
n = 20
Probabilidad
Probabilidad
Probabilidad
n=2
Conforme
aumenta el
tamao de la
muestra,
la forma de
la
distribucin
se vuelve
ms normal.
Estimacin Puntual
Teorema de Lmite Central (o de Distribucin Normal de Medias)
Conforme
se
incrementa
el tamao
de la
muestra
La
distribucin
de
muestreo
de la media
se
aproxima a
la normal.
Estimacin Puntual
Teorema de Lmite Central (o de Distribucin Normal de Medias)
El error estndar es la base de la inferencia de la media
(que no se conoce) de una poblacin.
"Si la poblacin es normal, entonces la distribucin de
medias tambin lo es. Si la poblacin no es normal, la
distribucin de muestreo de las
medias se aproxima a la normal conforme aumente el
tamao de la muestra"
Podemos usar la Distribucin Normal :
Si n 30 y tambin cuando n < 0.05N,
Si n* 5 y tambin cuando n(1-) 5.
Estimacin Puntual
Teorema de Lmite Central (o de Distribucin Normal de Medias)
Estimacin Puntual
Teorema de Lmite Central (o de Distribucin Normal de Medias)
Ejemplo 4:
Una ciudad tiene 20 tiendas de una cadena de igual tamao.
La desviacin estndar de la rotacin de personal en un ao
es de 75. Si tomamos una muestra de 5 tiendas, sin
reemplazo, determine el error estndar de la media.
Dado:
N = 20
= 75
n = 5
N n
x
*
N 1
n
75
20 5
x
*
(33.54) (0.8885)
20 1
5
x 29.8011
Estimacin Puntual
Teorema de Lmite Central (o de Distribucin Normal de Medias)
Ejemplo 5: De una poblacin infinita con media igual a 8 y desviacin
estndar igual a 3 se extrae una muestra de 36 elementos. Cul es la
probabilidad que la media de dicha muestra est entre 7.6 y 8.4?
x 8
x
n
8 3 n 36
Calcular : P(7.6 x 8.4)
Distribucin de Muestreo
3
3
x
0 .5
36 6
P(7.6 x 8.4) ?
7.6
x 8
8.4
Estimacin Puntual
Teorema de Lmite Central (o de Distribucin Normal de Medias)
Valor Z para Distribucin Muestral de Medias
x
z
x
z
Estimacin Puntual
Teorema de Lmite Central (o de Distribucin Normal de Medias)
8 3 n 36
Calcular : P(7.6 x 8.4)
8.4 8 0.4
0.8
3
0 .5
36
7.6 8 0.4
0.8
3
0.5
36
z8.4
z7.6
Distribucin Normal
Estndar
Z 1
-0.8
Z 0
0.8
Estimacin Puntual
Teorema de Lmite Central
Ejemplo 6:
Suponga que el 60% de todos los peruanos aprueban la forma en que su
Presidente maneja la economa; as = 0.6. Si se tuviera informacin
independiente de que la media de la distribucin muestral de la proporcin
que lo aprueba fuera p= 0.6, en tanto que la desviacin estndar fuera
p=0.049, qu tan probable sera que una muestra aleatoria simple de
n=100 peruanos diera una proporcin de aprobacin de ms de 0.7?
Dado:
n = 100
p = 0.049
p= 0.6
p = 0.7
x
k
;
n
N
E ( p)
p
p
p (1 p )
n
p (1 p )
n
N n
N 1
Estimacin Puntual
Teorema de Lmite Central
p p 0 .6
E ( p ) 0.6
Distribucin de Muestreo
p (1 p )
0.049
n
P(p 0.7) ?
0.7
p 0.6
Estimacin Puntual
Teorema de Lmite Central (o de Distribucin Normal de Medias)
Valor Z para Distribucin Muestral de proporcin
x
z
p p
z
p
Estimacin Puntual
Teorema de Lmite Central (o de Distribucin Normal de Medias)
p 0.6
Distribucin Normal
Estndar
Z 1
0.7 0.6
z 0. 7
2.04
0.049
P( z 2.04) 1 0.9793 0.0207
Z 0
2.04
Estimacin Puntual
Teorema de Lmite Central
Ejemplo 7:
Una investigacin de mercados plantea realizar una encuesta para
estudiar las preferencias familiares de una nueva mantequilla. Se deseara
basar la encuesta en por lo menos 500 familias que consuman mantequilla
al menos ocasionalmente. Cmo se desconoce cuales son las familias
que consumen mantequilla, se deber extraer una muestra
suficientemente grande como para obtener dentro de ella 500 familias que
consuman mantequilla. Se supone que por lo menos el 60% de las
familias consumen mantequilla. Con base en esta creencia se decidi que
una muestra de 1000 familias debera ser suficiente.
1) Cul es el nmero esperado de familias consumidoras de
mantequilla en la muestra?
2) Cul es la probabilidad de que se obtengan menos de 500 familias
consumidoras de mantequilla?
Estimacin Puntual
Teorema de Lmite Central
El nmero esperado = estimacin puntual
p (1 p )
n
p (1 p ) N n
n
N 1
Estimacin Puntual
Teorema de Lmite Central
p p 0 .6
p ? n 1000 p 0.5
Distribucin de Muestreo
0.6(1 0.6)
0.01549
p
1000
P(p 0.5) ?
0.5
p 0.6
Estimacin Puntual
Teorema de Lmite Central
p 0 .6
Distribucin Normal
Estndar
0.5 0.6
z0.5
6.4557
0.01549
Z 1
P( z 6.4557 ) 5.3859 E 11
P(p 0.5) 5.3859 E 11
-6.4557
Z 0
Estimacin Puntual
Teorema de Lmite Central
Ejemplo 8: En un muestreo al azar de 1000 familias en el distrito ABC, se
determin que 96 jefes de familia se encontraban desempleados. Es este
resultado muestral consistente con el supuesto que el 10 % de los jefes
de familia de esa zona estn desempleados? O mejor dicho es este un
resultado que debera esperarse, o es totalmente contrario a lo esperado?
Dado:
n = 1000
p=?
p= 0.1
p = 0.096
Qu tan probable es obtener
una proporcin muestral de
9.6% de una del 10%?
x
k
;
n
N
E ( p)
p
p
p (1 p )
n
p (1 p )
n
N n
N 1
Estimacin Puntual
Teorema de Lmite Central
p 0.1
p ? n 1000 p 0.096
E ( p ) p 0.1
p
Distribucin de Muestreo
p (1 p)
p
n
0.1(0.9)
p 1000 0.00948
P(p 0.096) ?
0.096
0.1
p
Estimacin Puntual
Teorema de Lmite Central
0.096 0.1
z0.096
0.421
0.00948
Distribucin Normal
Estndar
Z 1
P( z 0.421) 0.3368
P(p 0.096 ) 0.3368
De acuerdo con la probabilidad hallada
(no es pequea) podemos decir que el
resultado de la muestra es consistente
con el supuesto inicial.
-0.421
Z 0
Conclusin:
La Estimacin
Puntual es rpida
pero no tiene
sustento confiable
Qu aprendimos
hoy?
A practicar!
64
Estadstica para
Administracin
MBA Gerencial
Ing. MBA Miguel ngel Patio Antonioli
mpatino@pucp.pe
Whatsapp: (+51) 993495101
Skype: mpatino23