Академический Документы
Профессиональный Документы
Культура Документы
MACHALA
FACULTAD DE CIENCIAS
EMPRESARIALES
CARRERA DE CONTABILIDAD
ESTADISTICA II
ESTUDIANTE:
GALARZA SOLANO NORMA
CURSO:
TERCER NIVEL D
CARRERA:
CONTABILIDAD Y AUDITORIA
DOCENTE:
ING. KELVIN PIZARRO ROMEO
AO LECTIVO:
2013 -2014
1. DATOS GENERALES
Asignatura:
ESTADISTICA II
Eje Curricular de la Asignatura:
Bsica
Horas presenciales teora:
80 horas
Horas presenciales practica:
50 horas
Cdigo de la Asignatura:
CA.4.01
Ao:
2013-2014
Ciclo/Nivel:
III Nivel
Nmero de crditos:
5 de 16 horas
Total de horas: 80 horas
Hora trabajo autnomo:
55 de 16 horas presenciales
Fecha de Finalizacin:
20 de Septiembre del 2013
MATEMATICA FINANCIERA
MACROECONOMIA
DERECHA III
2. JUSTIFICACION DE LA ASIGNATURA
La asignatura de Estadstica II en el cuarto nivel de la carrera de Contabilidad y
Auditora; una materia importante en la formacin del futuro profesional es de
eje formativo bsico y tiene como propsito que los estudiantes usen y
apliquen las herramientas que brinden la estadstica en la evaluacin y anlisis
de situaciones que plantee el desarrollo econmico y que adems le permita al
futuro profesional a tomar decisiones bajo condiciones de incertidumbre y
poder obtener un desenvolvimiento eficaz dentro del campo profesional.
3.1
3.3
Competencia de la asignatura:
Desarrollo en el estudiante habilidades de clculo, razonamiento y
sistematizacin de procesos, para la direccin y toma de decisiones
dentro del campo empresarial.
Interpreta, analiza y resuelve problemas referidos a informe
econmicos utilizando las tcnicas del muestreo estadstica.
Formula, analiza y resuelve problemas sobre construccin de
hiptesis propias del campo de la contabilidad utilizando las pruebas
ms adecuadas.
Relacin de la asignatura con los resultados de aprendizaje
RESULLTADOS DEL
APRENDIZAJE
a) Habilidad para
aplicar el
conocimiento de
las matemticas y
estadstica,
encaminando a la
Contabilidad y la
Auditoria.
b) Pericia para
disear conducir
y ejecutar
polticas
contables.
CONTRIBUCIN
(alta, media, baja)
ALTA
ALTA
EL ESTUDIANTE DEBE:
Aplicar
frmulas
matemticas para el
desarrollo de modelos
estratgicos y analizar
resultados,
comparndolos
con
modelos
previos
estableciendo
y
presentando
dichos
resultados en cuadros y
grficos.
Redactar e interpretar
las distintas polticas
estratgicas, sean estas
descriptivas
o
diferenciales
con
presupuestos
en
resultados.
i) Aprendizaje para
la vida.
Utilizar
herramientas
metodologa
de
investigacin
estratgica para analizar
diferentes niveles en el
direccionamiento
de
procesos productivos de
las empresas
Elaborar
planes
estratgicos para hacer
aplicados en diferentes
reas contables.
Analizar y dar soluciones
estratgicos
en
diferentes
reas
relacionadas
a
la
Contabilidad y Auditora
de empresas.
Aplicar
la
tica
profesional
en
el
desarrollo del proceso
estratgicos contables y
de auditoria.
Dar
a
conocer
los
resultados estratgicos
enmarcados
en
contabilidad y auditora
en un lenguaje claro y
pertinente.
Aplicar
los
conocimientos
adquiridos
en
las
diferentes reas de la
contabilidad y auditora.
Presentar disposicin en
la
actualizacin
permanente.
j) Asuntos
contemporneos.
c) Destrezas para el
manejo de
empresas
privadas o
pblicas.
MEDIAS
ALTO
d) Trabajo
multidisciplinario
ALTA
e) Resuelve
problemas de la
profesin.
f) Compromiso tico:
Responsabilidades
profesionales y
ticas.
MEDIA
BAJA
g) Comunicacin
efectiva
h) Impacto en la
profesin y en
contexto social.
MEDIA
ALTA
BAJA
k) Utilizacin de
tcnicas e
instrumentos
modernos.
l) Capacidad para
liderar, gestionar
o emprender
proyectos.
3.4
MEDIA
ALTA
en el rea contable.
Actualizar
informacin
de acuerdo a las nuevas
tendencias del mercado
en
el
rea
de
contabilidad
y
la
auditoria.
Liderar
grupos
estratgicos
en
las
diferentes reas de la
contabilidad y auditora.
Evidencias.
Control de asistencias a diaria a clases.
Registro de entrega de trabajos y exposiciones.
Registro de participaciones individuales y grupales.
Evaluacin de talleres en clases.
Evaluacin de lecciones escritas.
3.4.2
Etapa expositiva
Desarrollar el aprendizaje constructivo
Participacin del estudiante
Reforzar los contenidos cognitivos
Dinmica de pares
Trabajo individual
Orientacin y asesora
b)
Clases magistrales.
Conferencias
Anlisis de lecturas
Exposiciones de temas
Trabajo grupal:
Talleres
Resolucin de ejercicios
c) Trabajos autnomos y horas no presenciales.
Estudio de casos
Aplicaciones al realidad
Tareas estudiantiles
Investigaciones bibliogrficas
d) Formas organizativas de las clases:
Asistir a clases con el material, gua, folletos y textos
Traer adelantado la lectura del tema de clase de acuerdo a la
instruccin previa
Resaltar aspectos ms sobresalientes o trascendentales del
desarrollo de la clase
Trabajos bibliogrficos que debern desarrollar y entregar
posteriormente
Del texto gua de los estudiantes, realizaran las lecturas previas
para tener argumentos de opinin en las clases
e) Medios tecnolgicos:
Pizarrn para tizas liquidas y marcadores de varios colores
Libros y revistas de la biblioteca
Internet y materiales de Web
Equipos de proyeccin multimedia y material acadmico de Power
Point
Aula virtual
6.
7.
Portafolio de la asignatura.
8) Evaluacin
Para la evaluacin de los estudiantes, se tomara en cuenta los resultados de
sus exmenes parciales, tareas, trabajos de consulta o investigacin y la
participacin individual y colectiva. Los porcentajes sern previamente
acordados la inicio del semestre.
El aprendizaje
evaluaciones:
del
estudiante
se
determina
mediante
tres
tipos
de
Tcnicas e Instrumentos.
Discusin
Dialogo
Mesa redonda
Lluvia de ideas
Clase magistral
Pruebas parciales dentro del proceso
Presentacin de informes escritos, individuales y por grupos
durante el desarrollo de la unidad.
Investigaciones bibliogrficas y de campo, individuales o por
grupos
Participacin en clase
Trabajo autnomo
8.2. Exmenes:
I Parcial
II Parcial final
8.3. Parmetros de evaluacin
20 puntos
10 puntos
10 puntos
20 puntos
10 puntos
30 puntos
100 puntos
Total
9.- BIBLIOGRAFIA
30 PUNTOS
20 puntos
20 puntos
30 puntos
100 puntos
SEMANAS DE
ESTUDIO
TEMAS
Poblacin y
Muestra
Tipos de
Muestreo
16 de Mayo al 27
de Mayo
Tamao de
la Muestra
Distribucion
es
Mustrales
Teorema del
Limite
Central
Distribucin 1.27 Distribucin de muestreo de Medias
para medias Mustrales
ESTRATE
APREND
Elabora
Mapas
concept
Diseo
de mue
Parafras
Resumir
bsicos
Crear A
Respond
Pregunt
Exposic
trabajos
Mesas R
Tutoras
Lluvia d
Resoluc
problem
Reconoc
alternat
solucin
problem
Constru
distribu
medias
Elabora
estadst
1.1
Poblacin y Muestra
Definicin de
La
muestra
es
una
representacin
significativa
de
las
1.2
Estimacin
Definicin de
de
un parmetro de
una
poblacin
partir
de
los
datos
1.3
Muestra
Seleccin de la
Una muestra debe ser representativa si va a ser usada para estimar las
caractersticas de la poblacin. Los mtodos para seleccionar una muestra
representativa son numerosos, dependiendo del tiempo, dinero y habilidad
disponibles para tomar una muestra y la naturaleza de los elementos
individuales de la poblacin. Por lo tanto, se requiere un gran volumen para
incluir
todos
los
tipos
de
mtodos
de
muestreo.
y
La manera usada en seleccionar los elementos incluidos en la muestra.
Los mtodos de muestreo basados en los dos tipos de clasificaciones son
expuestos en seguida.
1.4
Probabilstico
Muestreo
1.5
Aleatorio Simple
1.6
Sistemtica
Aleatorio
1.7
Aleatorio Estratgico
homogneos
realizar
el
muestreo
1.8
Por Conglomerado
1.9
Probabilstico
Muestreo No
1.10
Bola de Nieve
1.11
De Conveniencia
tpicos.
Es
muy
frecuente
su
utilizacin
en
sondeos
1.12
Por Juicios
1.13
Discrecional
totalmente
aleatorio
de
conveniencia.
1.14
Poblacin Finita
que,
en
clasificacin
ciertos
de
finita
deja
su
es
importante
posicin
como
miembro de la, poblacin (por ejemplo, una mquina que se avera y requiere
servicio), el tamao del grupo de usuarios se reduce en uno, lo cual reduce la
probabilidad de la siguiente ocurrencia.
Por el contrario, cuando se atiende un cliente y ste regresa al grupo de
usuarios la poblacin aumenta y la probabilidad de que un usuario requiera
servicio aumenta. Este tipo de problemas con poblacin finita precisa de una
serie de frmulas distintas de las que se aplican a una poblacin infinita.
1.15
Poblacin Finita
Muestreo de una
1.16
infinita
Poblacin Infinita e
1.17
Poblacin Finita e Infinita
Muestreo de
de
variables
aleatorias
independientes
que
tienen
la
misma
distribucin.
Por ejemplo si lanzamos un dado 12 veces y obtenemos 2, 5, 5, 3, 3, 3, 5, 1, 6,
1,4, 1. Estos nmeros constituyen una variable aleatoria si son valores
aleatoria independientes que tienen la misma distribucin de probabilidad f(x)
= 1/6 para x= 1, 2, 3, 4, 5, 6.
1.18
Media Muestral
1.19
Error de Muestreo
Un proceso inductivo (que va de lo particular
a lo general) se asocia inevitablemente a la
posibilidad de cometer errores y este es
mayor en la medida que la parte observada
sea ms pequea, y sobre todo, cuando
dicha parte no refleja o representa la
realidad
sobre
la
que
recaen
las
conclusiones de la inferencia.
El error que se comete debido al hecho de que se sacan conclusiones sobre
cierta realidad, a partir de la observacin de slo una parte de ella, se
denomina error de muestreo.
1.20
Aplicacin
Ejercicios de
entrevistar y con ello tener una informacin adecuada, con un error standard
de 1.5% al 90% de confiabilidad.
n=
n' =
s
2
Datos:
n = 1 176
se = 1.5 % = 0.015
p = 90 % = 0.9
s2 = p (1-p) = 0.9 (1 0.9) = 0.09
2 = (se)2 = (0.015)2 = 0.000225
n'
n'
1+
N
'
n=
n=
s2
0.09
=
=400
2
0.000225
n'
400
=
=298
n'
400
1+
1+
N
1176
distribucin
muestral
es
una
distribucin
de Probabilidad de
una
aplicaciones
nombre
indica
estadsticas.
su
extendida
Su
propio
utilizacin,
variables
aleatorias
continuas
de
una
especie,
p.
ejemplo.
Tallas,
pesos,
envergaduras,
dimetros,
permetros.
Otras
distribuciones
como
la
binomial
la
de
Poisson
son
aproximaciones normales.
de estimarla media de
variables
aleatorias
normales
variable aleatoria
estndar es
la desviacin
estndar de
la distribucin
muestral de
Dnde:
Es la desviacin estndar (es decir, la estimacin basada en la muestra de la
desviacin estndar de la poblacin).
n es el tamao (nmero de individuos de la muestra)
Esta estimacin puede ser comparada con la frmula de la verdadera
desviacin estndar de la media de la muestra:
Dnde:
es
grande
normal
SEMANAS DE
ESTUDIO
la
distribucin binomial
B(n,p) se
aproxima
la
TEMAS
Definicin de
Estimacin y un
Estimador
Propiedades de los
estimadores
Estimacin de la
Media, Varianza y
Proporcin
El mtodo de
ESTRATE
APREND
Elabora
Mapas
concept
Diseo
de mue
Parafras
Resumir
bsicos
Crear A
Respond
Pregunt
16 de Mayo al 27
de Mayo
Mxima
Verosimilitud
Intervalos de
Confianza
Intervalos de
Confianza para la
media
Verosimilitud
Exposic
trabajos
Mesas R
Tutoras
Lluvia d
Resoluc
problem
Reconoc
alternat
solucin
problem
Constru
distribu
medias
Elabora
estadst
2.1
establecimientos
(la muestra)
la media
aritmtica de
las
2.2
Definicin de un Estimador
2.3
Tipos de Estimadores
Estimacin puntual: La estimacin se representa mediante un solo
nmero.
2.4
2.5
Estimacin de la Media
2.6
2.7
2.9
Intervalos de Confianza
con 1
se
denomina nivel
de
confianza.
En
estas
Una mquina llena tazas con lquido, y se supone que est ajustada para vertir
la cantidad de 250 g. Como la mquina no puede llenar cada taza con
exactamente 250 g, el contenido que se aade a cada taza individual presenta
cierta variacin y se le asigna una variable aleatoria X. Se asume que esta
variacin se ajusta a una distribucin normal de alrededor del porcentaje
promedio deseado de 250 g, con una desviacin estndar de 2.5 g. Para
determinar si la mquina est adecuadamente calibrada, se toma una muestra
aleatoria de n = 25 tazas de helado para pesarlas. La medicin resultante de
sustancia helada es X1, ..., X25, una muestra aleatoria desde X.
Para tener una apreciacin de la expectativa , es suficiente con dar una
estimacin. El estimador adecuado es la media muestral:
La muestra seala los pesos efectivos x1, ..., x25, con media:
Dependiente del parmetro a ser estimado, pero con una distribucin normal
estndar independiente del parmetro . Por lo tanto, es posible hallar
nmeros z y z, independientes de , entre los cuales yace Z con probabilidad
1 , una medida de cun confiados queremos estar.
Tomamos 1 = 0.95, por ejemplo. As, tenemos:
y se obtiene:
Sin embargo, cada vez que se repitan las mediciones, darn otro valor para la
media X de la muestra. En el 95% de los casos estar entre los lmites
calculados a partir de la media, pero en el 5% de los casos no lo estar. El
intervalo de confianza efectivo se calcula anotando los valores de masas de
helado medidas en la frmula. Este intervalo de confianza de 0.95 resulta:
SEMANAS DE
ESTUDIO
17 de Junio al 8
de Julio
Prueba de
hiptesis para
media
Prueba de
hiptesis para
proporcin
Prueba de
hiptesis para
varianza
El valor de a
estimado
Prueba Binomial,
che-cuadrada y la
prueba de MannWhitney
Valor de a
Estimacin de a
Distribucin Binomial
Prueba de Chi-cuadrado
Prueba Mann_Whitney
Crear A
Respond
Pregunt
Tutoras
3.3
3.4
Hiptesis Nula
proporcionen
evidencia
convincente
de
que
es
falsa.
El
Hiptesis Alternativa
El estadstico de la prueba
Error Tipo 2
Un error tipo II, Se denota con la letra griega se presenta si la hiptesis nula
es aceptada cuando de hecho es falsa y deba ser rechazada.
En cualquiera de los dos casos se comete un error al tomar una decisin
equivocada.
En la siguiente tabla se muestran las decisiones que pueden tomar el
investigador y las consecuencias posibles.
3.9
Nivel de Significancia
rechazada.
Si el valor p es ms grande que el nivel de significacin la hiptesis nula
no es rechazada
x
N (0,1)
/ n
Cuando se plantean hiptesis para la media de la
x
t gl n1
S n1 / n
Cuando se plantean hiptesis para la media de
=k
H1 :
=k
>k
H0 :
H1 :
>k
=k
<k
H1 :
H1 :
<k
) la estadstica de trabajo es la
expresin (1.4):
(3.6)
Si se utiliza la varianza corregida, la estadstica de trabajo es la expresin
(1.5):
(3.7)
3.16 El valor de a
Tambin llamado nivel de significacin. Es la probabilidad (en tanto por uno) de
fallar en nuestra estimacin, esto es, la diferencia entre la certeza (1) y el nivel
de confianza (1-). Por ejemplo, en una estimacin con un nivel de confianza
del 95%, el valor es (100-95)/100 = 0,05
Prueba del Chi-Cuadrado: Esta prueba puede utilizarse incluso con datos
medibles en una escala nominal. La hiptesis nula de la prueba Chi-cuadrado
postula una distribucin de probabilidad totalmente especificada como el
modelo matemtico de la poblacin que ha generado la muestra.
Para realizar este contraste se disponen los datos en una tabla de frecuencias.
Para cada valor o intervalo de valores se indica la frecuencia absoluta
observada o emprica (Oi). A continuacin, y suponiendo que la hiptesis nula
es cierta, se calculan para cada valor o intervalo de valores la frecuencia
absoluta que cabra esperar o frecuencia esperada (Ei=npi , donde n es el
tamao de la muestra y pi la probabilidad del i-simo valor o intervalo de
Este estadstico tiene una distribucin Chi-cuadrado con k-1 grados de libertad
si n es suficientemente grande, es decir, si todas las frecuencias esperadas son
mayores que 5. En la prctica se tolera un mximo del 20% de frecuencias
inferiores a 5.
Si existe concordancia perfecta entre las frecuencias observadas y las
esperadas el estadstico tomar un valor igual a 0; por el contrario, si existe
unas grandes discrepancias entre estas frecuencias el estadstico tomar un
valor grande y, en consecuencia, se rechazar la hiptesis nula. As pues, la
regin crtica estar situada en el extremo superior de la distribucin Chicuadrado con k-1 grados de libertad.
Prueba de Mann Whitney: a hiptesis nula del contraste es que las dos
muestras, de tamao n1 y n2, respectivamente, proceden de poblaciones
continuas idnticas:
. Si la
SEMANAS DE
ESTUDIO
La potencia de
una prueba
Prueba de
hiptesis para
media
Prueba de
hiptesis para
proporcin
Prueba de
hiptesis para
varianza
Mapas
concept
Parafras
Resumir
Crear A
Respond
Pregunt
Tutoras
4.2
Interpolacin
En todo caso, se trata de, a partir de n parejas de puntos (x k,yk), obtener una
funcin f que verifique
la
funcin
elegida
los
correspondientes
valores
en
los
datos.
4.4
En
Variable independiente
la
verificacin
experimental,
el
investigador
intenta
reproducir
4.5
Variable dependiente
=10% o
=1%.
Despejando
en la ecuacin se tiene:
es conocido.
(1)
(2)
Podr encontrar los detalles de esta teora en la Referencia 1. El intervalo de
prediccin para la futura observacin X n+1 ser siempre ms amplio que un
intervalo de confianza para el promedio debido a la mayor variabilidad del
error de prediccin para una nica observacin en comparacin con el error del
clculo del promedio. El trmino bajo el signo de raz cuadrada aparece porque
estamos teniendo en cuenta la variabilidad en el promedio de la muestra (s/
) como tambin la variabilidad del nico valor futuro (s). El valor det/2 es un
nmero positivo tomado de la distribucin t de Student usando n - 1 grados de
libertad de tal manera que d P(-t/2 t t/2) = 1 - . Cuando se sustituyen los
nmeros reales en la Ecuacin 2, decimos que el intervalo de prediccin
obtenido tiene una confianza relacionada C = 1 - de contener la siguiente
observacin.
Recordemos las n = 22 pruebas de adhesin ante tensin hechas en U-700
muestras de aleaciones. En la Parte 1, encontramos
(en
nuestro
ejemplo),
un
intervalo
para
las
siguientes
cinco
observaciones sera t0,005 (o sea, /(2k) = 0,05/(10) = 0,005). Este valor resulta
ser 2,831. Si usamos este valor en la Ecuacin 2, el intervalo estara entre 3,43
y 23,99 y luego contendra las siguientes cinco observaciones con una
confianza
del
95%.
Podemos
hacer
esto
con
cualquier
cantidad
de
Dnde:
es la covarianza de
a:
implica
una
disminucin
en
la
variable
dependiente.
A partir de ello la ecuacin puede mejorar su correlacin si se hace pruebas
para determinar si se ajusta ms a una recta, una curva exponencial o
parablica.
SEMANAS DE
ESTUDIO
TEMAS
ESTRATE
APREND
5.1Series de Tiempo
Componentes de
las series de
tiempo
Anlisis de
Tendencias
30 de Julio al 20
de Agosto
Variacin de
Estndar
Variacin de
Cclica
Variacin Irregular
Mapas
concept
Parafras
Resumir
Crear A
Respond
pregunt
Tutoras
5.1
Series de Tiempo
5.2
5.3
Tendencia
son
posibles
algunas
formas
para
la
tendencia,
que
no
5.4
Variaciones estacionales.
5.5
Variaciones cclicas
5.6
Variaciones residuales
5.7
Mtodo Grfico
Se unen los extremos superiores de la serie, se hace los mismo con los
inferiores
Uniendo los puntos medios de las distancias entre las dos delineas o
curvas se obtiene la tendencia. La lnea o curva de tendencia obtenida
tendr un trazad mucho ms suave que la serie original.
Para este mtodo se deben de considerar los siguientes pasos que se detallan
5.9
Condicin de Estacionalidad
Corresponde a los movimientos en una serie de tiempo, que ocurren ao tras
ao en los mismos meses o perodos del ao poco ms o menos con la misma
intensidad. Tambin se aplica la variacin estacional a otros movimientos
peridicos por naturaleza, como los que ocurren en un da, una semana o un
mes, cuyo perodo es como mximo un ao.
Entre los factores ms importantes que originan variaciones estacionales, se
encuentran las condiciones climticas, las costumbres sociales y las fiestas
religiosas. Las climticas son la causa ms importante de las variaciones
estacionales en la produccin agrcola, la construccin y el turismo.
5.10
Variacin Irregular
sobre
la
serie
de
tiempo.
EXPOSICIO
NES
TRABAJO
S EN
CLASES
GRUPO
1
TAMAO DE LA MUESTRA
Poblacin Finita
Muestreo de una Poblacin Finita
Poblacin Infinita
Muestreo de Poblacin Infinita
Media Muestral
Error de Muestreo
Ejercicios de Aplicacin
POBLACIONES FINITAS
poblacin P.
Las unidades de la
, por lo tanto:
, cada elemento
posee un valor
asociado a la
variable de inters .
El objetivo es estimar el total de la variable
, donde
o sea:
es:
Donde
en la
muestra.
POBLACION INFINITA
Son aquellas de tamao desconocido.
El nmero de elementos que forman una poblacin es infinito, pero si una
poblacin es finita pero muy grande, desde un punto de vista estadstico da
igual considerarla infinita.
Como por ejemplo si se realizase un estudio sobre los productos de lnea
blanca q hay en el mercado. Hay tantos y de tantas calidades y prestaciones
que esta poblacin podra considerarse infinita.
Normalmente en un estudio estadstico no se puede trabajar con todos los
elementos de la poblacin sino que se realiza sobre un subconjunto de la
misma.
Este subconjunto puede ser una muestra, cuando se toman un determinado
nmero de elementos de la poblacin, sin que en principio tengan nada en
comn; o una subpoblacin, que es el subconjunto de la poblacin formado por
los elementos de la poblacin que comparten una determinada caracterstica.
La poblacin debe estar perfectamente definida en el tiempo y en el espacio,
de modo que ante la presencia de un potencial integrante de la misma, se
pueda decir si forma parte o no de la poblacin bajo estudio. Por lo tanto, al
definir una poblacin, se debe cuidar que el conjunto de elementos que la
integran quede perfectamente delimitado.
de
variables
aleatorias
independientes
que
tienen
la
misma
distribucin.
Por ejemplo si lanzamos un dado 12 veces y obtenemos 2, 5, 5, 3, 3, 3, 5, 1, 6,
1,4, 1. Estos nmeros constituyen una variable aleatoria si son valores
aleatoria independientes que tienen la misma distribucin de probabilidad f(x)
= 1/6 para x= 1, 2, 3, 4, 5, 6
TIPOS DE ERROR
Nunca sabremos, ciertamente, cul es el verdadero valor de cualquier
parmetro poblacional. Una fuente posible de error procede del hecho de que
no observamos toda la poblacin, y le llamamos error de muestreo, de azar o
de estimacin. Este tipo de error es inevitable, ya que siempre habr diferencia
n=
n'
n'
1+
N
Datos:
n = 1 176
se = 1.5 % = 0.015
p = 90 % = 0.9
s2 = p (1-p) = 0.9 (1 0.9) = 0.09
GRUPO
2
'
n=
n=
s2
0.09
=
=400
2
0.000225
n'
400
=
=298
n'
400
1+
1+
N
1176
GRUPO
3
ESTIMADOR PUNTUAL
Consiste en la estimacin del valor del parmetro mediante un slo valor,
obtenido de una frmula determinada. Por ejemplo, si se pretende estimar la
talla media de un determinado grupo de individuos, puede extraerse una
muestra y ofrecer como estimacin puntual la talla media de los individuos, lo
ms importante de un estimador, es que sea un estimador eficiente, es decir,
ESTIMACION DE PROPORCIONES
Como recordars, la distribucin binomial B(n,p), nos permite conocer cmo se
distribuye el nmero de xitos, correspondiente a un experimento realizado n
veces, y en el que la probabilidad de xito en cada experimento es p. Dicha
distribucin tiene media y desviacin tpica:
Consistencia
Normalidad Asinttica
Eficiencia
EJEMPLO DE UNA DISTRIBUCIN DE PROBABILIDAD BINOMIAL
APLICANDO EL PRINCIPIO DE MXIMA VEROSIMILITUD
INTERVALO
Un intervalo (del latn intervallum)
es
un conjunto comprendido
entre
dos
pueden
clasificar
los
intervalos
segn
sus
1,15
1,28
1,44
1,65
1,96
2,24
2,58
k
Nivel de
75%
80%
85%
90%
95%
97,5%
99%
confianz
a
(Por tanto si pretendemos obtener un nivel de confianza del 95% necesitamos
poner en la frmula k=1,96) e: es el error muestral deseado, en tanto por uno.
El error muestral es la diferencia que puede haber entre el resultado que
obtenemos preguntando a una muestra de la poblacin y el que obtendramos
si preguntramos al total de ella.
EJEMPLOS:
Ejemplo 1: si los resultados de una encuesta dicen que 100 personas
compraran un producto y tenemos un error muestral del 5% comprarn
entre 95 y 105 personas.
) de
COVARIANZA
En probabilidad y estadstica, la covarianza es un valor que indica el grado de
variacin conjunta de dos variables aleatorias. Es el dato bsico para
determinar si existe una dependencia entre ambas variables y adems es el
dato necesario para estimar otros parmetros bsicos, como el coeficiente de
correlacin lineal o la recta de regresin
DISTRIBUCION NORMAL
Esta distribucin es frecuentemente utilizada en las aplicaciones estadsticas.
Su propio nombre indica su extendida utilizacin, justificada por la frecuencia o
normalidad con la que ciertos fenmenos tienden a parecerse en su
comportamiento a esta distribucin.
Muchas variables aleatorias continuas presentan una funcin de densidad cuya
grfica tiene forma de campana.
En otras ocasiones, al considerar distribuciones binomiales, tipo B(n,p), para un
mismo valor de p y valores de n cada vez mayores, se ve que sus polgonos de
frecuencias
se
aproximan
una
curva
en
"forma
de
campana".
Otras
distribuciones
como
la
binomial
la
de
Poisson
son
aproximaciones normales
Y en general cualquier caracterstica que se obtenga como suma de muchos
factores.
EJERCICIO DE DISTRIBUCIN NORMAL
El 2% de los tornillos fabricados por una mquina presentan defectos. Si
tenemos un lote de 2000 tornillos, cul es la probabilidad de que haya menos
de 50 defectuosos?
SOLUCIN
1. Es una distribucin binomial, los tornillos slo pueden ser defectuosos o
no defectuosos
-Datos:
p= 0.02
q= 1-p = 0.98
n= 2000
=>B (n, p)
n . p . q
=> =
2000(0.02)(0.98)
= 6.26
49.540
) = p ( z 1.52) = 0.9357
6.26
DESVIACION ESTANDAR
La desviacin estndar (o desviacin tpica) es una medida de dispersin para
variables de razn (ratio o cociente) y de intervalo, de gran utilidad en la
estadstica descriptiva. Es una medida (cuadrtica) de lo que se apartan los
datos de su media, y por tanto, se mide en las mismas unidades que la
variable.
Para conocer con detalle un conjunto de datos, no basta con conocer las
medidas de tendencia central, sino que necesitamos conocer tambin la
desviacin que representan los datos en su distribucin, con objeto de tener
una visin de los mismos ms acorde con la realidad a la hora de describirlos e
interpretarlos para la toma de decisiones.