Estadistica II para Administracion

Estadstica para la Administracin II
Instituto Tecnolgico Superior de Cajeme

M.C. Marco Antonio Brambilla Ramrez Profesor Investigador Tiempo Completo Ingeniera Industrial Ciudad, Obregn, Sonora. Agosto de 2013
Contenido
Temas
1. 2. 3. 4. 5.
Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados. Anlisis de regresin lineal y mltiple Series de tiempo Estadstica no paramtrica. Uso de herramientas estadsticas con el apoyo de software.
1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados
Un momento para reflexionar la importancia de los estudios estadsticos aplicados a los negocios, economa y administracin
Qu clientes les generan los mayores beneficios a las empresas? Qu zonas o regiones geogrficas son las que generan mayores ventas en unidades monetarias y volmenes? (en total y por producto) Cules son las reparaciones que ms se han producido en el ltimo trimestre? En qu da de trabajo de cada mes logra llegar al punto de equilibrio cierta empresa?
1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados Un momento para reflexionar la importancia de los estudios estadsticos aplicados a los negocios, economa y administracin
Qu tipo de reparaciones han generado mayores egresos? Puedes decirme cules son la capacidad de los diferentes procesos en materia de costos, productividad y calidad en una empresa? Cul es su nivel en sigma de cada una de las actividades? Cul es el nivel de rotacin o permanencia de clientes?
Sabes en qu etapa del ciclo de vida se encuentra cada uno de sus productos o servicios?
Cul es el nivel de satisfaccin de los clientes? Si diriges o administras un sanatorio: cules son las enfermedades que ms clientes reportan? Cules son los problemas que ms consultas originan?
Si posees un restaurante: cules son los platos ms pedidos durante el ao y por temporada? Cules son los vinos ms pedidos y cules los ms vendidos?
Si diriges una librera cules son los temas ms vendidos? Cul es la rentabilidad que le aporta cada tema? Cmo contribuye cada tema a lograr el punto de equilibrio?
Si diriges un hotel cul es el tiempo promedio de estada? La cantidad de clientes por zona o regin? La cantidad de tiempo por regin y su relacin con la cantidad de tiempo de estada? La facturacin por profesin, zona, motivo de su visita (turismo, negocios, salud, profesionales, capacitacin, otros)?
Todos los campos de la estadstica tratan el mismo problema bsico, que es el problema de la toma de decisiones ante la incertidumbre. Todas las reglas de decisiones deben evaluarse por sus consecuencias. Estas consecuencias se pueden expresar en trminos de riesgo o, ms intrnsecamente, en trminos de las probabilidades de tomar cualquiera de las acciones posibles que son inducidas por el experimento, las reglas de decisin, y los posibles estados del sistema. En resumen no es en los hechos visibles, sino ms bien en las decisiones derivadas de las observaciones, en las que debiera ponerse el nfasis principal de las observaciones estadsticas elementales.
Hoy en da, la direccin, en todos sus niveles, se gua generalmente por los datos obtenidos mediante el anlisis de registros, ms que por conocimientos obtenidos meramente de la observacin personal y la experiencia. Por medio de la aplicacin de mtodos estadsticos apropiados se puede medir el rendimiento diario, estudiar las relaciones significativas, analizar las experiencias pasadas y prever las tendencias futuras probables. El uso de mtodos estadsticos y la realizacin del trabajo analtico que es fundamentalmente de carcter estadstico ya sea que se le d o no el nombre distintivo de estadstica ocupa un lugar conspicuo en el trabajo de todos los departamentos de una compaa.
En la estadstica, pueden hacerse las aplicaciones a casi cualquier agregado de observaciones o mediciones. Por esta razn, es muy til en los negocios, en la economa, sociologa, biologa, psicologa, educacin, fsica, qumica, agricultura y campos similares. Para mucha gente la estadstica significa descripciones numricas. Sin embargo, en trminos ms precisos, la estadstica est constituida por un conjunto de principios y procedimientos para el estudio de los fenmenos aleatorios. En este sentido la ciencia estadstica tiene virtualmente un alcance ilimitado de aplicaciones en un espectro tan amplio de disciplinas que van desde las ciencias, ingeniera, economa hasta las leyes, medicina y la mercadotecnia.
La estadstica como una ciencia aplicada constituye una vasta rama del conocimiento para la investigacin, dado que la finalidad de toda investigacin es obtener conclusiones vlidas que permiten establecer y dejar en un espacio especfico y concreto la importancia que un problema conlleva.
Los tipos de estudios estadsticos tienen vital importancia en la investigacin, ya que la finalidad de sta es que a partir de la recoleccin de buenos datos, proyectar conclusiones claras y de gran significancia, por ello se hace distincin en la forma de obtener los datos; y que para lograrlo estn las tcnicas de diseo estadstico, las cuales comprenden lo siguientes: 1) Estudios observacionales 2) Estudios experimentales 3) Estudio de muestreo
Conceptos bsicos y preliminares para el muestreo

La aplicacin de los mtodos estadsticos los podemos clasificar en tres etapas: 1. Planeacin de un proceso eficaz de bsqueda y registro de la informacin. 2. Organizacin, sistematizacin y resumen de la informacin para facilitar su manejo, presentacin y descripcin. 3. Anlisis de la informacin obtenida, verificacin de hiptesis, obtencin de conclusiones y toma de decisiones.

Poblacin: Es todo conjunto de elementos, finito o infinito, definido por una o ms caractersticas, de las que gozan todos los elementos que lo componen, y slo ellos. En muestreo se entiende por poblacin a la totalidad del universo que interesa considerar, y que es necesario que est bien definido para que se sepa en todo momento que elementos lo componen.

No obstante, cuando se realiza un trabajo puntual, conviene distinguir entre poblacin terica u objetivo: conjunto de elementos a los cuales se quiere extrapolar los resultados, y poblacin estudiada: conjunto de elementos accesibles en nuestro estudio. Lo deseable es que la poblacin objetivo y la poblacin estudiada sean iguales. Si la numeracin de elementos, se realiza sobre la poblacin accesible o estudiada, y no sobre la poblacin terica, entonces el proceso recibe el nombre de marco o espacio muestral.

Censo Consiste en el estudio, recuento, compilacin de las caractersticas de inters de cada uno de los elementos que componen la poblacin, realizndose lo que se denomina un censo, es decir, el estudio de todos los elementos que componen la poblacin.

La realizacin de un censo no siempre es posible, por diferentes motivos: a) economa: el estudio de todos los elementos que componen una poblacin, sobre todo si esta es grande, suele ser un problema costoso en tiempo, dinero, esfuerzo, etc.; b) que las pruebas a las que hay que someter a los sujetos sean destructivas; c) que la poblacin sea infinita o tan grande que exceda las posibilidades del investigador

Muestra: En todas las ocasiones en que no es posible o conveniente realizar un censo, lo que hacemos es trabajar con una muestra, entendiendo por tal una parte representativa de la poblacin. Para que una muestra sea representativa, y por lo tanto til, debe de reflejar las similitudes y diferencias encontradas en la poblacin, ejemplificar las caractersticas de la misma. Cuando decimos que una muestra es representativa indicamos que rene aproximadamente las caractersticas de la poblacin que son importantes para la investigacin.

Un estadstico es una medida cuantitativa, derivada de un conjunto de datos de una muestra, con el objetivo de estimar o contrastar caractersticas de una poblacin o modelo estadstico. Un parmetro es un valor o medida que representa a una poblacin, tal como la media aritmtica, la proporcin de individuos que presentan determinada caracterstica, la desviacin estndar y la varianza, etc. puntual como por intervalos.

Dentro de este contexto, ser necesario asumir un estadstico o estimador como una variable aleatoria con una determinada distribucin, y que ser la pieza clave en las dos amplias categoras de la inferencia estadstica: la estimacin y el contraste de hiptesis. El concepto de estimador, como herramienta fundamental, lo caracterizamos mediante una serie de propiedades que nos servirn para elegir el mejor para un determinado parmetro de una poblacin, as como algunos mtodos para la obtencin de ellos, tanto en la estimacin puntual como por intervalos.

La teora del muestreo estudia la relacin entre una poblacin y las muestras tomadas de ellas, es decir, se utiliza para estimar magnitudes desconocidas de una poblacin (llamadas parmetros de la poblacin, o simplemente parmetros) a partir del conocimiento de estas magnitudes sobre muestras, que se llaman estadsticos de la muestra o simplemente estadsticos.

La teora del muestreo resulta de especial utilidad para determinar si las diferencias observadas entre dos muestras son debidas a variaciones fortuitas o si son realmente significativas. Este tipo de cuestiones suceden por ejemplo al decidir si un proceso de produccin es mejor que otro. Esta respuesta implica el uso de los llamados contrastes (o test) de hiptesis y de significacin, que son importantes en la toma de decisiones.
Qu es el muestreo?
Es el proceso para obtener informacin acerca del conjunto de una poblacin o universo examinando slo una parte del mismo.
Ejercicio prctico
Surgen los siguientes cuestionamientos: A quin deseo generalizar los resultados? A quin puedo acceder Cmo puedo acceder a ellos? Quin forma parte del estudio?
Ejercicio prctico
Suponga que desea medir el grado de preferencia de los habitantes de Ciudad Obregn, hacia los restaurantes locales, pero por problemas econmicos slo es posible acceder a los consumidores de ciertas colonias de esta ciudad.
Tipos y tcnicas de muestreo
Muestreo
No aleatorio
Aleatorio
Simple
Sistemtico
Estratificado
Por conglomerados
Muestreo
Aleatorio
Si cada elemento de una poblacin tiene la misma posibilidad de ser seleccionado para integra la muestra, el tipo o mtodo de muestreo se denomina aleatorio

Muestreo
Muestreo aleatorio simple: El procedimiento empleado es el siguiente: 1. se asigna un nmero a cada individuo de la poblacin y 2. a travs de algn medio mecnico (bolas dentro de una bolsa, tablas de nmeros aleatorios, nmeros aleatorios generados con una calculadora u ordenador, etc) se eligen tantos sujetos como sea necesario para completar el tamao de muestra requerido.
Aleatorio
Simple
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad prctica cuando la poblacin que estamos manejando es muy grande.

Muestreo
Muestreo aleatorio sistemtico: Este procedimiento exige, como el anterior, numerar todos los elementos de la poblacin, pero en lugar de extraer n nmeros aleatorios slo se extrae uno. Se parte de ese nmero aleatorio i , que es un nmero elegido al azar, y los elementos que integran la muestra son los que ocupan los lugares: i , i + k, i + 2k, i + 3k, , i +(n -1)k , es decir, se toman los individuos de k en k, siendo k el resultado de dividir el tamao de la poblacin entre el tamao de la muestra: K=n/N
Aleatorio
Sistemtico

Muestreo
Muestreo aleatorio sistemtico: El riesgo de este tipo de muestreo, est en los casos en que se dan periodicidades en la poblacin ya que al elegir a los miembros de la muestra con una periodicidad constante (k) podemos introducir una homogeneidad que no se da en la poblacin. Por ejemplo, imaginemos que estamos seleccionando una muestra sobre listas de 10 individuos en los que los 5 primeros son varones y los 5 ltimos mujeres, si empleamos un muestreo aleatorio sistemtico con k = 10 siempre seleccionaramos o slo hombres o slo mujeres, no podra haber una representacin de los dos sexos.
Aleatorio
Sistemtico

Muestreo aleatorio estratificado:
Muestreo
Trata de obviar las dificultades que presentan los anteriores ya que simplifican los procesos y suelen reducir el error muestral para un tamao dado de la muestra.
Consiste en considerar categoras tpicas diferentes entre s (estratos) que poseen gran homogeneidad respecto a alguna caracterstica (se puede estratificar, por ejemplo, segn la profesin, el municipio de residencia, el sexo, el estado civil, etc). Lo que se pretende con este tipo de muestreo es asegurarse de que todos los estratos de inters estarn representados adecuadamente en la muestra.
Aleatorio
Estratificado

Muestreo
Una vez que la poblacin se divide en estratos es posible seleccionar una muestra proporcional o no proporcional. Como su nombre lo indica, un muestreo proporcional requiere que el nmero de elementos de cada estrato que integra la muestra est en la misma proporcin que en la poblacin. Como contraparte una muestra no proporcional es aquella en la cual, la cantidad de elementos que se seleccionan en cada estrato no guarda proporcin con la cantidad de elementos respectivos en la poblacin.
Aleatorio
Estratificado

Muestreo
La distribucin de la muestra en funcin de los diferentes estratos se denomina afijacin, y puede ser de diferentes tipos: 1) Afijacin Simple: A cada estrato le corresponde igual nmero de elementos muestrales. 2) Afijacin Proporcional: La distribucin se hace de acuerdo con el peso (tamao) de la poblacin en cada estrato.
Aleatorio
Estratificado
3) Afijacin ptima: Se tiene en cuenta la previsible dispersin de los resultados, de modo que se considera la proporcin y la desviacin tpica. Tiene poca aplicacin ya que no se suele conocer la desviacin.

Se entiende como conglomerado de elementos de una poblacin a cualquier subconjunto de la misma, que se defina como tal. Para efectos del estudio de campo, la delimitacin de un conglomerado, as como su tamao, se definen y dependen de los propsitos del estudio que se est realizando y en general los conglomerados definidos en un estudio pueden o no tener el mismo tamao. Muchas veces se le emplea para reducir el costo y tiempo de realizar un muestreo en una poblacin dispersa en una gran rea geogrfica.
Muestreo
Aleatorio
Por conglomerados
Resumen comparativo de tcnicas de muestreo

Caractersticas Ventajas
Sencillo y de fcil comprensin. Aleatorio simple Seleccionar una muestra de tamao n de una poblacin de N unidades, cada elemento tiene una probabilidad de inclusin igual y conocida de n/N. Clculo rpido de medias y varianzas. Se basa en la teora estadstica, y por tanto existen paquetes informticos para analizar los datos Fcil de aplicar. No siempre es necesario tener un listado de toda la poblacin. Cuando la poblacin est ordenada siguiendo una tendencia conocida, asegura una cobertura de unidades de todos los tipos. Si la constante de muestreo est asociada con el fenmeno de inters, las estimaciones obtenidas a partir de la muestra pueden contener sesgo de seleccin. Requiere que se posea de antemano un listado completo de toda la poblacin.
Desventajas
Cuando se trabaja con muestras pequeas es posible que no represente a la poblacin adecuadamente.
Sistemtico
Conseguir un listado de los N elementos de la poblacin. Determinar el tamao muestral n. Definir un intervalo k = N/n. Elegir un nmero aleatorio ( r ), entre 1 y k (r = al arranque aleatorio). Seleccionar los elementos de la lista.
Resumen comparativo de tcnicas de muestreo

Caractersticas
En ciertas ocasiones resultar conveniente estratificar la muestra segn ciertas variables de inters. Para ello debemos conocer la composicin estratificada de la poblacin objetivo a hacer un muestreo. Una vez calculado el tamao muestral apropiado, este se reparte de manera proporcional entre los distintos estratos definidos en la poblacin usando una simple regla de tres. Se realizan varias fases de muestreo sucesivas (polietpico). Por conglomerados La necesidad de listados de las unidades de una etapa se limita a aquellas unidades de muestreo seleccionadas en la etapa anterior.
Ventajas
Tiende a asegurar que la muestra represente adecuadamente a la poblacin en funcin de unas variables seleccionadas. Se obtienen estimaciones ms precisas. Su objetivo es conseguir una muestra lo ms semejante posible a la poblacin en lo que a la o las variables de etratificacin se refiere.
Desventajas
Estratificado
Se ha de conocer la distribucin en la poblacin de las variables utilizadas para la estratificacin.
Es muy eficiente cuando la poblacin es muy grande y dispersa. No es preciso tener un listado toda la poblacin slo de las unidades primarias de muestreo.
El error estndar es mayor que en el muestreo aleatorio simple o estratificado. El clculo del error estndar es complejo.

Muestreos no probabilsticos En algunas ocasiones, para estudios exploratorios, el muestreo probabilstico resulta excesivamente costoso y se acude a mtodos no probabilsticos, aun siendo conscientes de que no sirven para realizar generalizaciones, pues no se tiene certeza de que la muestra extrada sea representativa, ya que no todos los sujetos de la poblacin tienen la misma probabilidad de ser elegidos. En general se seleccionan a los sujetos siguiendo determinados criterios procurando que la muestra sea representativa.

Muestreos no probabilsticos Muestreo por cuotas o accidental: Tambin denominado en ocasiones "accidental". Se asienta generalmente sobre la base de un buen conocimiento de los estratos de la poblacin y/o de los individuos ms "representativos" o "adecuados" para los fines de la investigacin. Mantiene, por tanto, semejanzas con el muestreo aleatorio estratificado, pero no tiene el carcter de aleatoriedad de aqul.
En este tipo de muestreo se fijan unas "cuotas" que consisten en un nmero de individuos que renen determinadas caractersticas, por ejemplo: 20 individuos de 25 a 40 aos, de sexo femenino y residentes en Cd. Obregn Una vez determinada la cuota se eligen los primeros que se encuentren que cumplan esas caractersticas. Este mtodo se utiliza mucho en las encuestas de opinin.

Muestreos no probabilsticos Muestreo opintico o intencional. Este tipo de muestreo, se caracteriza por un esfuerzo deliberado de obtener muestras "representativas", mediante la inclusin en la muestra de grupos supuestamente tpicos. Es muy frecuente su utilizacin en sondeos preelectorales de zonas que, en anteriores votaciones han marcado tendencias de voto.
Muestreo casual o incidental: Se trata de un proceso en el que el investigador, selecciona directa e intencionadamente los individuos de la poblacin. El caso ms frecuente de este procedimiento, es utilizar como muestra los individuos a los que se tiene fcil acceso (los profesores de universidad emplean con mucha frecuencia a sus propios alumnos). Un caso particular, es el de los voluntarios.

Muestreos no probabilsticos Bola de nieve: Se localiza a algunos individuos, los cuales conducen a otros, y stos a otros, y as hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente cuando se hacen estudios con poblaciones "marginales", delincuentes, sectas, determinados tipos de enfermos, etc. Esta tcnica tambin recibe el nombre de muestreo de red (network sample) o muestreo de multiplicidad (multiplicity sample).

Muestreos no probabilsticos Bola de nieve: Se localiza a algunos individuos, los cuales conducen a otros, y stos a otros, y as hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente cuando se hacen estudios con poblaciones "marginales", delincuentes, sectas, determinados tipos de enfermos, etc. Esta tcnica tambin recibe el nombre de muestreo de red (network sample) o muestreo de multiplicidad (multiplicity sample).

Muestreos no probabilsticos El incremento en el poder computacional tambin ha llevado al crecimiento en popularidad de mtodos intensivos computacionalmente basados en re-muestreo, tales como tests de permutacin y de bootstrap, mientras que tcnicas como el muestreo de Gibbs han hecho los mtodos bayesianos ms accesibles. La revolucin en computadores tiene implicaciones en el futuro de la estadstica, con un nuevo nfasis en estadsticas "experimentales" y "empricas". Existen una gran cantidad de paquetes estadsticos disponible para los investigadores tales como SPSS, Statgraphics, Stata, Statdisk, Minitab y Statplus, algunos de ellos se pueden obtener de forma gratuita.
Actividad 1 por equipo

1. Por qu es necesario tomar una muestra? 2. Qu es la representatividad de la muestra? 3. Qu diferencia existe entre un muestreo probabilstico y uno no probabilstico? 4. Qu ventajas y desventajas plantean los muestreos no probabilsticos? 5. Qu tipos de errores se pueden cometer en la eleccin de una muestra? 6. Qu factores se consideran para determinar el tamao de muestra? 7. Cul es el principal inconveniente del muestreo de juicio? 8. El muestreo de juicio y el muestreo de probabilidad, son mutuamente excluyentes por necesidad? Explique su respuesta. 9. D una lista de las ventajas del muestreo de probabilidad en comparacin con una enumeracin completa o censo.
Tamao de la muestra
Para la determinacin del tamao de la muestra se requiere tomar en consideracin la mayor cantidad posible de los siguientes elementos. 1) 2) 3) 4) 5) 6) 7) 8) 9) 10) 11) Tamao del universo Tasa de error esperada Homogeneidad del fenmeno Precisin o margen de error Exactitud o nivel de confianza Nmero de estratos Etapas de muestreo Conglomeracin de unidades Efectividad de la muestra Tcnica de recoleccin de datos Recursos disponibles.
Tamao de la muestra =
2 1 2 +
Variable n N P Q Me Nc
Descripcin Tamao de la muestra Tamao del universo Probabilidad de ocurrencia (homogeneidad del fenmeno) Probabilidad de no ocurrencia (1-p) Margen de error o precisin. Expresado como probabilidad Nivel de confianza o exactitud. Expresado como valor z que determina el rea de probabilidad buscada
Ejemplo ilustrativo
Se requiere calcular el tamao de una muestra para el siguiente caso:
Variable n N P
Q Me Nc
Descripcin ? 3,000,000 Se desconoce la probabilidad de ocurrencia. Se asume que el mayor punto de incertidumbre es del 50% que expresada como probabilidad de obtiene 0.5
1-0.5 = 0.5 +/- 5% de margen de error. Que expresado como probabilidad queda como 0.05 95% de nivel de confianza o exactitud. Que expresado como valor z que determina el rea de probabilidad buscada queda como 1.96
Ejemplo ilustrativo
Variable n N P Q Me Nc Descripcin ? 3,000,000 0.5 1-0.5 = 0.5 0.05 1.96
3000000 0.5 0.5 0.052 3000000 1 1.962 + 0.5 0.5
Prueba de hiptesis
Cuando las personas toman decisiones, inevitablemente lo hacen con base en creencias o suposiciones que tienen en relacin al entorno, llevan configurada en la mente una cierta imagen de la realidad, se asumen que algunas cosas son verdaderas y otras falsas y actan en consecuencia, as los administradores de empresas toman decisiones de importancia crucial porque tienen creencias como: Que un tipo de mquina llenadora pone al menos un kilogramo de detergente en una bolsa. De que la duracin promedio de una batera es igual a 500 horas. Que la empresa de transporte de nuestra competencia tiene tiempos de entrega ms rpidos que la nuestra. Que la produccin de las fbricas de cierta regin del mundo contiene menos unidades defectuosas que las de otras regiones.
1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados sperados
Prueba de hiptesis
Incluso como estadsticas podemos basar el trabajo en creencias tentativas: Que dos poblaciones tienen varianzas iguales Que esta poblacin est normalmente distribuida Qu estos datos muestrales se derivan de una poblacin uniformemente distribuidas.
En todos estos casos y muchos ms, las personas actuamos con base en alguna creencia sobre la realidad, la cual quiz lleg al mundo como una simple conjetura, como un poco ms que una suposicin informada; una proporcin adelantada como una verdad posible se llama hiptesis.
Prueba de hiptesis
Sin embargo, Tarde o temprano, toda hiptesis se enfrente a la evidencia que la comprueba o la rechaza y, en esta forma, la imagen de la realidad cambia de mucha a poca incertidumbre. Por lo tanto, de una manera, sencilla, podemos decir que una prueba de hiptesis es un mtodo sistemtico de evaluar creencias tentativas sobre la realidad, dicho mtodo requiere de la confrontacin de tales creencias con la evidencia real y decidir, en vista de esta evidencia, si dichas creencias se pueden conservar como razonables o deben de rechazarse por insostenibles.
Prueba de hiptesis etapas bsicas

Desarrollo 1. Formulacin de dos hiptesis opuestas. El primer paso para probar una hiptesis se siembre formular dos hiptesis, que sean mutualmente excluyentes y, tambin colectivamente exhaustivas, del experimento que estamos evaluando. Cada una de estas hiptesis complementarias es una proposicin sobre un parmetro de la poblacin tal que la verdad de una implique la falsedad de la otra. La primera hiptesis del conjunto, simbolizada por H0, se denomina hiptesis nula; la segunda simbolizada por H1, o bien por Ha, es la hiptesis alternativa.
2. Seleccin de un estadstica de prueba Un estadstico de prueba es aquel calculado con base en una muestra aleatoria simple tomada de la poblacin de inters; en una prueba de hiptesis sirve para establecer la verdad o falsedad del hiptesis nula.
Prueba de hiptesis etapas bsicas

3. Derivacin de una regla de decisin Una vez que hemos formulado de manera apropiada las dos hiptesis opuestas y seleccionado el tipo de estadstico con que probarlas, el paso siguiente en la prueba de hiptesis es la derivacin de una regla de decisin, que es una regla para prueba de hiptesis que permite determinar si la hiptesis nula debe ser aceptada o si debe ser rechazada a favor de la alternativa. 4. Toma de una muestra, clculo del estadstico de prueba y confrontacin con la regla de decisin El paso final requiere: Seleccionar una muestra aleatoria simple de tamao n, de la poblacin de inters, Calcular el valor real del estadstico de prueba seleccionado en el paso 2. Confrontar con la regla de decisin derivada del paso 3.
Concepto de hiptesis nula y alternativa

Hiptesis nula, H0 Es la primera de dos opuestas en una prueba de hiptesis. Es una descripcin del estado de las cosas en un momento dado de sabidura convencional, de lo que las personas han pensado durante mucho tiempo que es cierto. Si H0 se corrobora en una prueba de hiptesis, entonces no es necesario tomar ninguna accin. Hiptesis alternativa, H1 Es la segunda de dos opuestas en una prueba de hiptesis. Es un medio para hacer aseveraciones sorprendentes que contradicen la sabidura convencional. Si H0 no se puede corroborar en una prueba de hiptesis, H1 se acepta tentativamente y esto requiere iniciar una accin en posteriores etapas. Por lo tanto, se puede considerar como la hiptesis de accin.

Ejemplos:
Establezca las dos hiptesis para cada una de las situaciones siguientes:
1.- Un fabricante de lminas de aluminio que se utilizan para la elaboracin de latas para refresco asegura que stas tienen 1 milmetro de espesor en promedio. Solucin: H0: m0 = 1 mm H1: m0 <> 1 mm

Ejemplos:
2.- Un fabricante de varillas de acero especial que son utilizadas en la construccin de edificios asegura que stas poseen una resistencia promedio a la traccin de al menos 2000 libras. Solucin: H0: m >= 2000 H1: m < 2000

Ejemplos:
2.- Un fabricante de varillas de acero especial que son utilizadas en la construccin de edificios asegura que stas poseen una resistencia promedio a la traccin de al menos 2000 libras. Solucin: H0: m0 >= 2000 H1: m0 < 2000

Ejemplos: Establezca las dos hiptesis para cada una de las situaciones siguientes: 3.- Un fabricante de computadoras necesita comprobar lo establecido por los supervisores de produccin acerca de que el ensamble de una computadora promedia al menos 50 minutos. Solucin: H0: m0 >= 50 H1: m0 < 50
Tipos de pruebas de hiptesis

En esencia las pruebas de hiptesis de clasifican en direccionales y no direccionales y esto depende de cuando la hiptesis nula involucra o no el signo de igualdad =. Si la afirmacin de H0 contiene el signo de igualdad entonces la prueba de hiptesis es no direccional, mientras que si tal afirmacin contiene los signos mayor o menor que, entonces la prueba se llama bidireccional. Tambin se conocen como pruebas de dos colas y pruebas de una cola respectivamente. Solucin: H0: m0 >= 50 H1: m0 < 50
Errores tipo I y II, nivel de significacin, curva operativa caracterstica y potencia de prueba
Error tipo I En una prueba de estadstica, rechazar la hiptesis nula cuando esta es verdadera se denomina error tipo 1. Y a la probabilidad de cometer un error tipo 1 se le asigna el smbolo a (letra griega alfa). Error tipo II En una prueba estadstica, aceptar la hiptesis nula cuando esta es falsa se denomina error tipo II. Y a la probabilidad de cometer un error tipo 2, se le asigna el smbolo b (letra griega beta). En una situacin de muestreo las probabilidades de los errores tipo I y II para una prueba miden el riesgo (expresado como probabilidad) de tomar una decisin incorrecta.
Errores tipo I y II, nivel de significacin, curva operativa caracterstica y potencia de prueba
Nivel de significancia El nivel de significancia o significacin de es la probabilidad de cometer el error tipo I, es decir el valor que se le asigna a a. Error tipo II En una prueba estadstica, aceptar la hiptesis nula cuando esta es falsa se denomina error tipo II. Y a la probabilidad de cometer un error tipo 2, se le asigna el smbolo b (letra griega beta). En una situacin de muestreo las probabilidades de los errores tipo I y II para una prueba miden el riesgo (expresado como probabilidad) de tomar una decisin incorrecta.

Estadistica II para Administracion

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Estadistica II para Administracion

Uploaded by

Copyright:

Available Formats

Estadstica para la Administracin II

Instituto Tecnolgico Superior de Cajeme

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

Conceptos bsicos y preliminares para el muestreo

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

Conceptos bsicos y preliminares para el muestreo

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

Conceptos bsicos y preliminares para el muestreo

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

Conceptos bsicos y preliminares para el muestreo

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

Conceptos bsicos y preliminares para el muestreo

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

Conceptos bsicos y preliminares para el muestreo

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

Conceptos bsicos y preliminares para el muestreo

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

Conceptos bsicos y preliminares para el muestreo

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

Conceptos bsicos y preliminares para el muestreo

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

Conceptos bsicos y preliminares para el muestreo

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

Tipos y tcnicas de muestreo

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

Tipos y tcnicas de muestreo

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

Tipos y tcnicas de muestreo

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

Tipos y tcnicas de muestreo

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

Tipos y tcnicas de muestreo

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

Tipos y tcnicas de muestreo

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

Tipos y tcnicas de muestreo

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

Tipos y tcnicas de muestreo

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

Tipos y tcnicas de muestreo

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

Resumen comparativo de tcnicas de muestreo

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

Resumen comparativo de tcnicas de muestreo

Se ha de conocer la distribucin en la poblacin de las variables utilizadas para la estratificacin.

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

Tipos y tcnicas de muestreo

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

Tipos y tcnicas de muestreo

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

Tipos y tcnicas de muestreo

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados

Tipos y tcnicas de muestreo

1. Inferencia estadstica y pruebas de hiptesis, objetivo y resultados esperados