Considera la siguiente situación: Eres responsable de los recursos

humanos de tu empresa y te interesa determinar la probabilidad de

que un trabajador llegue más tarde del tiempo de tolerancia
preestablecido. ¿Cómo utilizarías los métodos de inferencia
revisados?
Buenas tardes profesor y compañeros:
En el supuesto que mi empresa, sea una empresa de tamaño medio-grande es
decir con mas de 50 empleados, en un supuesto de tener 100 empleados eso
quiere decir que tendría si trabajan 6 días a la semana tendría 600 mediciones
por semana y un total de 2400 mediciones al mes, por lo que siguiendo un
principio de economía extraeré una muestra de 30 sujetos elegidos al azar esto
me permitirá tener un volumen de datos más fácil de manejar y será menos
costoso hacer el análisis. Según Garriga, A., Lubin, P., Merino, J., Padilla, M.,
Recio, P., y Suárez, J. (2009) cuando se trata de un muestreo aleatorio simple,
como es el caso, y la distribución de X en la población no es normal con la media
 y la desviación típica , entonces la distribución muestral de la media tiende a
𝜎
la normal (, ) a medida que n crece , siendo la aproximación buena para n30
√𝑛

por lo que hemos tomado esa referencia 30, para establecer nuestra muestra;
además cabe destacar, que esta relación entre la distribución de la población y
la forma de distribución de muestreo según Lenin R. y Rubín D., (2010) hace que
el teorema del límite central, sea uno de los más importantes de toda la inferencia
estadística, pues asegura que la distribución de muestreo de la media se
aproxima a la normal al incrementarse el tamaño de la muestra.

Con mis datos puedo encontrar mi la probabilidad de que un empleado llegue

tarde aplicando la siguiente relación: [P(x>hora)=1-P(z<valor obtenido)]. Luego
lo multiplicaremos por 100 para transformar la probabilidad en el porcentaje de
probabilidad de que un trabajador llegue mas tarde del tiempo de tolerancia
permitido, por ejemplo, si el horario de entrada es a as 8.00 podemos marcar
una tolerancia de 10 minutos y tomar las 08:10 como límite para considerar las
llegadas fuera de horario. Según Lenin R. y Rubín D., (2010) la importancia del
teorema del límite central es que nos permite usar estadísticas de muestra para
hacer inferencias con respecto a los parámetros de población, sin saber sobre la
forma de la distribución de frecuencia de esa población más que lo que podamos
obtener de la muestra.

Para poder aplicar la relación anteriormente explicada tendré que calcular a partir
∑𝑋 ∑(𝑋−)2
de mis datos la media (= 𝑁 ) y la desviación estándar poblacional (=√ )
𝑁

esto se hará a través de todos los datos de la población es decir los 100
empleados, normalmente en las empresas de tamaño medio-grande este
registro se hace de forma electrónica y automatizada por lo que existe un registro
informático accesible.

A continuación, usaría los datos de la muestra aleatoria para obtener la media

∑𝑋
de esta muestra (𝑋̅= 𝑛 ). Posteriormente calculare la variable estandarizada Z
𝑋̅ −
(z= ) de los dos grupos de datos y seguidamente obtener el valor de la
𝑋
̅

distribución normal para el valor de Z obtenido.

Con estos datos podría completar la formula [P(x>8,10)=1-P(z<valor obtenido)]

y obtener así la probabilidad, cosa que si fuera el responsable de recursos
humanos de una empresa me sería muy útil a la hora de valorar si por ejemplo
se debe tomar medidas y de que tipo serian para controlar esa situación en caso
de ser necesario.

Fuentes:

Garriga, A., Lubin, P., Merino, J., Padilla, M., Recio, P., y Suárez, J. (2009).
Introducción al análisis de datos. España: UNED.

Lenin R. y Rubín D., (2010). Estadística para administración y economía. (7ª

edición). México: Editorial Pearson.

Triola, M. (2009). Estadística. México: Pearson.