Estadstica para

Administracin
MBA Gerencial
Ing. MBA Miguel ngel Patio Antonioli
mpatino@pucp.pe
Whatsapp: (+51) 993495101
Skype: mpatino23

Recordando la clase anterior

Qu recuerdas?

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

Lind, D., Marchal, W. y

Wathen, S. (2012).
Estadstica Aplicada a los
Negocios y la Economa.
McGraw Hill Ed. 16:
Captulo 8 (pp. 221-241)

Preguntas de reflexin inicial:

1. Qu es lo que se tiene que estimar?
2. Por qu tenemos que estimar?
3. Cules son las barreras de la
estimacin?

La estadstica es una
ciencia segn la cual
todas las mentiras se
vuelven grficos

Cuadro ncleo del curso

INDICADOR MUESTRA (n) POBLACIN (N)

Media
Desv. Est.

Varianza

S2

Proporcin
INFERENCIA

Correlacin

r
Estimadores puntuales o
Estadsticos

Parmetros

Introduccin a la Estadstica Inferencial

Mtodos
Estadsticos

Estadstica
Descriptiva

Estadstica
Inferencial

Estimacin

Prueba de
Hiptesis

Introduccin a la Estadstica Inferencial

Tipos de Estimacin

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

DIFERENTES MUESTRAS OCASIONAN DIFERENTES

VALORES DEL ESTIMADOR

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

Seleccin a juicio o criterio

del encuestador

Seleccin de modo que cada

integrante de la poblacin
tenga una probabilidad
conocida de ser incluido en
la muestra.

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

Equi-probabilidad: Cada elemento de la

poblacin tiene la misma probabilidad de ser
incluido en la muestra.
Uso de nmeros aleatorios (Ri o Ui)

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

Escoger un nmero aleatorio de 1-5:

Seleccionado: 4

Empezar con el 4 y escoger cada

quinto nmero

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

La poblacin se divide en racimos

(clsters)
Seleccionamos una muestra aleatoria de
estos racimos.
Hay una variacin considerable dentro de
cada grupo, pero los grupos son
esencialmente similares entre si.

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

Todas las muestras posibles de tamao n=2

Media de cada
muestra

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

Comparacin de la Poblacin con la Distribucin Muestral de Medias

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)

Para la mayora de las distribuciones, n 30

Para distribuciones casi simtricas, n>15
Para la poblacin distribuida normalmente, la
distribucin de muestreo de la media siempre
est normalmente distribuida.

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

P(-0.8 z 0.8) 0.7881 0.2118

P(-0.8 z 0.8) 0.5763

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

p 0.049 n 100 p 0.7

Calcular : P(p 0.7)

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

p 0.049 n 100 p 0.7

Calcular : P(p 0.7)

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

Es poco probable que en una muestra de 100 peruanos se encuentre que

el 70% apruebe el manejo econmico del Presidente.

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

np 0.6 x1000 600 familias

Dado:
n = 1000
p=?
p= 0.6
p = 0.5

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

Calcular : P(p 0.5)

p (1 p)
p
n

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

p 0.01549 n 1000 p 0.5

Calcular : P(p 0.5)

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

La probabilidad es muy pequea, es casi seguro que en las 1000 familias se

encuentren ms de 500 que consuman mantequilla.

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

Calcular : P(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

Calcular : P(p 0.096 )

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