Академический Документы
Профессиональный Документы
Культура Документы
a los Procesos
Ing. MBA Miguel Ángel Patiño Antonioli
E-mail: mpatino@pucp.pe
E-mail2: miguel.patino@6sconsultores.com
WhatsApp: (+51) 993495101
Skype: mpatino23
Diplomatura de Estudio en
Gestión de Procesos
Módulo I
Recordando la clase anterior…
¿Qué recuerdas?
“Al que
ESTUDIA,
dios lo ayuda”
Miguel Angel Patiño Antonioli
Sesiones 11 y 12:
“Estimación de Parámetros:
Estimación por Intervalos”
Objetivos
Al finalizar esta sesión, el alumno:
Estadística
Inferencial
Recordando el cuadro “núcleo” del curso
𝛉
o Estadísticos
El “Largo Plazo”
La importancia del “largo plazo”
ESTADO
ESTACIONARIO
MARKOVIANO
𝐞
K: Número Estadístico de Tablas. 𝑍(1−𝛼) 𝑜 𝑇(1−𝛼; 𝑛−1)
Depende del caso Media, Proporción: 2 2
𝑵𝑪 = 𝟏 − 𝜶
▪ Probabilidad de que el intervalo contenga al
Parámetro.
▪ Se expresa en porcentaje.
▪ Rango: [90% - 99%]. Valor típico: 95%
Un ejemplo de K: 1) Error Tipo I:
3) Número en el eje Z 𝜶 = 1 - NC
𝜶
(𝟏− )
2) Probabilidad
Acumulada
𝟐
Un ejemplo de K en Excel:
Ej.: Si el NC = 95%.
1. 𝜶 = 1 – 0.95 = 0.05.
2. Probabilidad Acumulada: 1 – 0.05/2 = 0.975
3. Z = DISTR.NORM.ESTAND.INV(0.975) = 1.96
Pregunta de reflexión:
1. ¿Cómo mejoramos la precisión
de un Intervalo de Confianza?
2. ¿De qué depende?
1
Intervalos de
Confianza Simétricos
Para estimar una sola Población (1 Parámetro)
IC (𝝁)
1.1
Intervalo de Confianza para la Media
𝝈𝒙 𝝈𝒙
ഥ −𝒁
𝑿 𝜶 ∗ ഥ +𝒁
≤ 𝝁 ≤𝑿 𝜶 ∗
𝟏− 𝒏 𝟏− 𝒏
𝟐 𝟐
IC ( 90%) = x 1.645 x
IC (95%) = x 1.96 x
IC ( 99%) = x 2.58 x
1.1
Intervalo de Confianza para la Media
1-α
x-
donde Z =
α/2 α/2
-Z0 Z0
n
Pr − Z Z Z = 1 −
1−
1− 2 2
x−
Pr − Z Z = 1−
1− 2 x 1−
2
¿Cómo
Pr x − Z x+ Z = 1 − se lee?
n 1− 2 n 1− 2
1.1
¿Cómo saber si
trabajamos con Z o T?
¿Conozco 𝝈 o 𝒏 ≥ 𝟑𝟎?
La pregunta se hace en ese orden: la Jerarquía importa
SÍ 𝒁𝟏−𝜶
𝟐
NO 𝑻(𝟏−𝜶,𝒏−𝟏)
Dado que n<30, 𝟐
asumo Normalidad y uso:
1.1
Distribución t de Student
Características:
Normal Estándar
Acampanada 13 grados de
Simétrica libertad)
Más plana
Para n<30 Distribución t
5 grados de
libertad
z
Grados de Libertad = n − 1 0 t
Número de observaciones que son libres de variar después que
una estadística de la muestra ha sido calculada.
1.1
Intervalo de confianza para la media
Distribución t de Student
▪ Se usa para inferir medias cuando:
– Desconocemos la Desv. Estándar poblacional.
– La población está normalmente distribuida.
– n<30.
▪ Más achatada que la normal.
▪ Corregida por grados de libertad, gl = n-1
IC = x t
(1 − ) 1 - α/2,n -1
*S x
Empleando EXCEL, =DISTR.T.INV(α;gl)
Ejercicios
Ejercicio 1:
Una encuesta hecha a 400 familias de una
gran ciudad dio un consumo medio anual
con tarjetas de crédito de S/. 740 por
familia. La desviación estándar fue S/. 400.
¿Es cierto que en esa ciudad, el
consumo medio por familia en tarjetas de
crédito es mayor a S/. 800?
Ejercicio 2:
IC (𝝅)
1.2
Intervalo de confianza para la
Proporción
▪ Procedimiento semejante a
IC( p ) = pˆ z(1− / 2 ) pˆ la estimación de la media
▪ Factores:
pq ▪ Número de observaciones
IC( p ) = pˆ z(1− / 2 ) en la muestra (n).
n ▪ El valor de p.
▪ El nivel de confianza, z
Ejercicio 5:
Z1− / 2
2 2
z pˆ qˆ
n0 = n0 = (1− / 2 )
e e 2
b. Caso Proporción
Intervalos de
Confianza Simétricos
Para comparar dos Poblaciones (2 Parámetros)
IC (𝝁𝟏 − 𝝁𝟐 )
2.1
Intervalo de Confianza para µ1-µ2
2 2
Cuando conocemos las varianzas 1 2
L.S.C ( x1 − x2 ) + z (1− / 2 ) x − x
1 2
L.I.C ( x1 − x2 ) − z (1− / 2 ) x − x
1 2
+2
2 2
x1 − x2
= 1
n 1 n 2
2.1
Intervalo de Confianza para µ1-µ2
Cuando no conocemos las varianzas, pero
2 2
asumimos que son iguales: 1 2
1 1
L.S.C ( x1 − x2 ) + t (1− / 2, gl ) S p +
n n
1 2
1 1
L.I.C ( x1 − x2 ) − t (1− / 2, gl ) S p +
n n
1 2
(n1 − 1) S 1 + (n2 − 1) S 2
2 2
Sp = gl = n1+n2-2
n1 + n2 − 2
2.1
IC (𝝅𝟏 − 𝝅𝟐 )
2.2
Intervalo de Confianza para p1-p2
Cuando las muestras n1 y n2 son grandes (n>=30)
L.S.C ( p1 − p 2 ) + z (1− / 2 ) p1 − p 2
L.I.C ( p1 − p 2 ) − z (1− / 2 ) p1 − p 2
p1 q1 p2 q2
p1 − p 2
= +
n 1 n 2
2.2
Ejercicio 10 – PARA GANAR PUNTOS ADICIONALES:
El Ing. Nedved es el responsable de tomar la decisión de asignar Proyectos LSS (Lean Six Sigma)
enfocados en la reducción de la tasa de defectos en una de las líneas de producción de una empresa
que produce consolas de Play Station. Dado que esta tarea involucra un presupuesto contundente
por contratar los servicios de 6S Consultores para cada proyecto LSS, el Ing. Nedved debe ser
cuidadoso con su selección, pues luego será auditado para verificar si asignó los recursos escasos
en una mejora de procesos para las líneas que realmente lo ameritaban.
La tasa de defectos actual de la línea PS4 Regular está controlada, fruto del proyecto LSS liderado
por el dueño de 6S Consultores 6 meses atrás, por lo que quedaría la duda respecto a la nueva línea
PS4 Pro.
Se sabe, por algunos rumores del área de post venta, que al parecer, las nuevas consolas PS4 Pro
están teniendo problemas considerables desde su lanzamiento, a finales del 2016.
Si se determina que, efectivamente, la línea PS4 Pro tiene un mayor porcentaje de defectos que la
línea PS4 Regular, el Ing. Nedved contrataría los servicios del Ing. MAPA para un nuevo proyecto
LSS en esta línea, caso contrario, no invertiría por el momento en contratar a los consultores.
En una muestra aleatoria de 200 consolas PS4 Regular y 100 consolas PS4 Pro, se determinó que
60 y 20 de las mismas, se consideraron defectuosas.
Construya un intervalo de confianza del 95% para entender la problemática y tomar la decisión final.
¿Contratamos a 6S Consultores para un nuevo proyecto LSS en la línea PS4 Pro?
Caso:
Inmobiliaria El Golfo
Conclusión:
2. Ir terminando el TAF.
¡A seguir practicando!
75
Estadística Aplicada
a los Procesos
Ing. MBA Miguel Ángel Patiño Antonioli
E-mail: mpatino@pucp.pe
E-mail2: miguel.patino@6sconsultores.com
WhatsApp: (+51) 993495101
Skype: mpatino23
Diplomatura de Estudio en
Gestión de Procesos
Módulo I