Estadistica Inferencial I

Reporte 2

Casos de Aplicacion
Maestro:

M.C. Jos Armando Rodrguez Romo

Equipo:

Leticia Monserrat Pacheco

Dueas
Ana Laura Sandoval Rangel
Mara Fernanda Granados
miranda
Evelia Dal Velasquez Silva
Mara Isabel Romo Garca

Aguascalientes, Ags., Septiembre del 2015

CASO CONCEPTUAL
Loveland Computers
Caso 7: Estimacin Aunque Lee Azko se ha sentido un tanto nervioso en su
primer trabajo, las tareas que se le han encomendado en produccin y
adquisiciones le han mostrado cmo aplicar lo que aprendi en los libros. El
siguiente trabajo introdujo a Lee en otro departamento de Loveland
Computers y lo enfrent con el enfoque sin sentido de su directora, Margot
Derby.
Djame explicarte la situacin, comenz Margot, dejando de lado cualquier
prembulo. Ya sabes que nos consideramos, principalmente, distribuidores
de equipos de cmputo: computadoras personales que la gente utiliza en sus
negocios y casas. Cuando empezamos, dejamos que el cliente buscara el
software. En algunas ocasiones, compran sus programas a las compaas que
los disean o a distribuidores nacionales que atienden pedidos por telfono.
Ahora ya hay algunos distribuidores al menudeo locales; casi todos los
centros comerciales suburbanos tienen al menos una tienda que vende
programas de computacin.
La razn por la cual no vendemos software es que ya haba demasiados
programas en el mercado, y no queramos adivinar cul de ellos iba a ser el
producto de mayor venta, equivocarnos y terminar con un inventario de
programas intiles. Pero la situacin ha cambiado. Despus de algunas
sacudidas en el mercado del software, han surgido dos o tres lderes notables
en cada campo; por ejemplo, hojas de clculo y procesadores de palabras.
Para equilibrar la competencia, empezamos a incluir algo de software en
nuestras computadoras con fines de promocin.
El ao pasado, empezamos a cargar los programas en el disco duro para
ciertos clientes. Podemos darles precios bastante competitivos por el
software, y los programas precargados se convirtieron en una caracterstica

importante que mucha gente busca en el producto. Con estos antecedentes,

estoy considerando nuevamente el software para ver si cambiamos nuestra
estrategia y hacemos algo ms en esa lnea. Para darme una idea del
mercado, ped que interrogaran a 500 clientes que tienen una computadora
Loveland desde hace aproximadamente un ao; les preguntaron cunto
gastaron, en total, en software durante el primer ao.
Tengo todos los datos aqu; no me llev ni dos minutos calcular la media y la
desviacin estndar con nuestro programa de hoja de clculo. Los banqueros
inversionistas de Nueva York le echaron una mirada a un borrador de mi plan
de comercializacin de software y, cuando vinieron la semana pasada, me
preguntaron qu tan segura poda estar de que los resultados de mi
investigacin telefnica eran exactos.
Cada vez que tomo el peridico, veo alguna encuesta de opinin en la que
se dice algo como esta encuesta est basada en un sondeo de 1,200 adultos
y tiene un margen de error del 3%. Cmo es que saben eso? Tienen
registros de todos los investigados y de cundo estn en lo correcto o no?
Slo tengo este conjunto de resultados y no veo cmo responder a las
preguntas de los inversionistas.
No debe ser muy difcil, respondi Lee al tiempo que inspeccionaba el
escritorio para asegurarse de que haba a la mano una calculadora y un
conjunto de tablas estadsticas.
Por qu no me muestras los datos que tienes? Tal vez podamos darnos una
idea de la respuesta ahora mismo.
Preguntas de estudio:
Qu distribucin supondr Lee que tienen los resultados de la encuesta
telefnica, y qu tabla estadstica ser ms til?
Distribucin normal
Cmo puede Lee definir margen de error para Margot?

Depende del tamao de la muestra

Es probable que Lee recomiende una muestra ms grande?
Mientras mas grande sea la muestra el error ser menor, es
proporcional.

Ejercicio de base de datos computacional

HH Industries
Al inicio de la siguiente semana, Bob regres a la oficina de Laurel. Bueno,
hemos empezado a encuestar a nuestra muestra, coment. Podras
ayudarme a tener una idea de cuntos debemos examinar? Estoy interesado
en un nivel de confianza del 95% de estar dentro de ms menos 0.05 de la
proporcin verdadera de la poblacin. Pienso que vas a estar de acuerdo
conmigo en que, para fines prcticos, podemos considerar a nuestra
poblacin como infinita.
Creo que tienes razn, acord Laurel. Ya vi la fila de archiveros! Para
estimar el nmero a encuestar, sera de gran ayuda que tuviramos una idea
fundada del parmetro real de la poblacin, pero al menos podremos obtener
un intervalo de tamaos de muestra.
1. Determine un tamao de muestra apropiado para satisfacer

las

condiciones de Bob, si el valor real de p (la proporcin de rdenes de

compra hechas de manera competitiva) es aproximadamente 0.2, 0.3,
0.4 o 0.5. Cul deber escoger Bob?
z

n /2
E

pq

1.96
n
0.05

1.96
n
0.05

1.96
n
0.05

1.96
n
0.05

(0.2)(0.8) 245.86

(0.3)(0.7) 322.69

(0.4)(0.6) 368.79

(0.5)(0.5) 384.16

384

Por lo cual se puede deducir que p=0.5 es la ideal para obtener el tamao de la muestra que es 384.

Aproximadamente una semana despus, Bob toc en la puerta de Laurel.

Aqu estn los datos sin procesar. El objetivo de Hal, en este punto, es que
tengamos al menos el 60% de las rdenes de compra hechas de manera
competitiva.
Crees que esto lo pondr contento?
Calculemos nuestro intervalo de confianza y ya veremos, respondi Laurel.
2. Estime la proporcin y el error estndar de la proporcin para las
rdenes de compra competitivas utilizando los datos de los archivos
CH07A.xxx del CD que acompaa al libro. Elabore un intervalo de
confianza del 95% para la proporcin. Bob observ escptico los
resultados. Existe alguna

manera de reducir esos lmites del

intervalo de confianza?, pregunt.

n=384
x =60 de n=230.4 230
^p =

x
=
n

230
=0.6
384

q^ =1 ^p =0.4

(0.4 )(0.6)
^p q^
=
=0.025
n
384

9) Intervalo de confianza para P (muestras grandes).

p z / 2

pq
P p z / 2
n

pq
n

0.6 (1.96)(0.025) P 0.6 (1.96)( 0.025)

0.551 P 0.649

Existe alguna manera de reducir esos lmites del intervalo de confianza, la

respuesta es si, mientras ms grande sea la muestra, el error ser ms pequeo.

Sin hacer un esfuerzo adicional de muestreo, estamos limitados a disminuir

el nivel de confianza, explic Laurel.
3. Calcule los lmites del intervalo de confianza si Bob est dispuesto a
contentarse con un nivel del 90%.

9) Intervalo de confianza para P (muestras grandes).

p z / 2

pq
P p z / 2
n

pq
n

0.6 (2.57)(0.025) P 0.6 (2.57)(0.025)

0.53575 P 0.66425

La otra opcin es emplear una muestra ms grande, continu ella. Como

el muestreo, en este caso, es relativamente poco costoso, por qu no
intentamos obtener un intervalo ms pequeo, digamos ms menos 0.03?
Podemos

utilizar

nuestra

proporcin

inicial

como

nuestra

valor

fundamentado con respecto a la proporcin verdadera de la poblacin y

mantener nuestro nivel de confianza del 95%.
Pero qu tanto ms grande deber ser la muestra?, pregunt Bob. Te lo
dir en un segundo, respondi Laurel al tiempo que sacaba su calculadora.
4. Con estas nuevas condiciones, cuntas rdenes de adquisicin ms
necesitan examinar?
e=0.03

a
Z a /2 =Se obtiene de latabla de T 1 con 0.025 de =1.96
2

14)

Basado en la proporcin de la Poblacin

Si no se tiene

p entonces

n max

1 z / 2

4 E

n max

1 1.96
1067

4 0.03 = 1067.11

Si se necesita saber el tamao de las ordenes de adquisicin se emplea una regla de 3.

n=384
Ordenes de adquisicin= 230
la nueva muestra resultante es de 1067, se necesitan conocer cuntas ms ordenes de adquisicin,
para saberlo hacemos una regla de 3.

384 230
=639.08 639
1067
Sin embargo, se obtuvo la suma de las rdenes de adquisicin
anteriores con las ordenes de adquisicin nuevas, por lo que se
efecta una resta de las actuales menos las anteriores.
639-230= 409.08=409

Buenas noticias, anunci Bob a Laurel varios das ms tarde. La nueva

muestra ms grande arroj una proporcin de 0.58. Eso significa que puedo
decirle al jefe que estamos entre 0.55 y 0.61 con una certeza del 95%. Estoy
planeando hacer una pequea presentacin juntos para el da de la reunin
de la junta directiva. Suena bien, dijo Laurel, solamente ten cuidado en la
forma en que utilizas los trminos. Recuerda que hicimos unas cuantas
triquiuelas estadsticas
en nuestros clculos y no sera bueno que les causes una mala impresin.

5. Verifique los clculos de Bob. Qu piensa acerca de la preocupacin de

Laurel? Cmo enfocara la presentacin si fuera Bob?
Debido a los datos obtenidos se puede afirmar que se encuentran
dentro del intervalo, ya que se emplearon clculos estadsticos para
su obtencin, con porcentajes de confianza elevados, como de 96% y
90%.
La presentacin de Bob sali bien en la junta directiva del lunes siguiente.
Hal hizo unas cuantas preguntas, pero en general se mostr complacido con
los resultados. Luego pas al siguiente punto a tratar.
Como la mayora de ustedes saben, hace aproximadamente un ao
introdujimos en nuestro inventario refacciones mtricas. Con el flujo de
equipo hidrulico porttil fabricado en el extranjero por compaas como
Toyota, Nissan y Komatsu, el mercado de refacciones mtricas parece estar
maduro. Y hasta donde yo s, fuimos los primeros en nuestro ramo en tener
varias lneas completas. En cualquier caso, es hora de que veamos cmo
estamos y de estimar las ventas potenciales para el ao siguiente. Laurel, me
temo que no te dejaremos descansar mucho, pero puedes darte cuenta que
definitivamente te necesitamos aqu!
De regreso a su oficina, Laurel se puso a revisar lo que saba de las lneas de
refacciones mtricas de HH Industries. Peggy estaba en proceso de pasarle
un informe que le dara los detalles sobre las ventas del ao anterior.
Desafortunadamente, cuando se incorporaron las refacciones mtricas, no se
les asign un cdigo nico de producto, lo cual hizo un tanto difcil aislar las
ventas. Sin embargo, Laurel hizo lo que pudo.
6. Basndose en los datos de los archivos CH07B.xxx del CD que
acompaa al libro, estime la media de la poblacin y la desviacin
estndar de las ventas de refacciones mtricas por semana.

Con ayuda de la calculadora mediante el modo SD, se van

guardando los datos en la memoria. Con S-VAR se obtienen los
siguientes datos:
x =5945.2
=2284.85

7. Estime el error estndar de la media para esta muestra.

SE ( x )=

SE ( x )=

2284.85
=323.12
50

8. Construya un intervalo de confianza del 95% para las ventas

semanales medias de refacciones mtricas.

1) Intervalo de confianza para , conociendo .

x z / 2

x z / 2
n
n

5945.2 (1.96)(323.12) 5945.2 (1.96)(323.12)

5311.88 6578.51
9. Deber HH Industries continuar ofreciendo refacciones mtricas si Hal
desea tener el 95% de confianza de que las ventas del ao siguiente
sean de al menos $300,000? Suponga que habr 50 semanas hbiles
durante el siguiente ao.
HH

Industries

debe

continuar

ofreciendo

refacciones

mtricas

porque se encuentra dentro del intervalo de ventas anuales.

265594 328925.5
Por lo tanto el intervalo $265 594 y $328 925.5 contiene a $300 000.

10.

Stan argument que el uso de los 12 meses de datos sobre

ventas de refacciones mtricas daba una estimacin demasiado baja,

porque inclua los meses en que fueron introducidas. Est convencido
que el uso de los datos correspondientes a los segundos seis meses
mostrarn una prediccin ms precisa, ya que las ventas se habran
nivelado. Laurel est de acuerdo. Repita los clculos anteriores slo con
los datos de las segundas 25 semanas
9200
8830
6490
4520
3780
9290
6110
7240
8730
6730
4380
8050
5580

4360
8290
9890
7970
3580
5370
9640
8460
7050
5630
2910
4960

Con ayuda de al calculadora en modo SD, se guardan los datos en la

memoria y se calcula la media y la desviacin con ayuda de la funcin S-VAR
x =6681.6
=2098.87

SE ( x )=

n
x z / 2

SE ( x )=

2098.87
=419.77
25

x z / 2
n
n

6681.6 (1.96)( 419.77) 6681.6 (1.96)( 419.77)

5858.85 7504.34
Con un 95% de confianza, se puede afirmar que la media de las
ltimas 25 semanas de ese ao se encuentre entre el intervalo de
5858.85 y 7504.34.