Dual Io

INFERENCIA ESTADÍSTICA Y ESTADÍSTICA Y PROBABILIDADES II
INGENIERÍA COMERCIAL E INDUSTRIAL
Docente: José Guzmán Mamani

Ingeniero Industrial
PRESENTACIÓN DEL DOCENTE
Nombre : José Guzmán Mamani

Teléfono celular : 75562400
e-mail : josegm.ccb@gmail.com
INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y

01/03/2018 2
PROBABILIDADES I
PRESENTACIÓN DELESTUDIANTE
1. Nombre:
2. Edad:
3. Identifique dos atributos físicos propios que le guste de Ud., mismo.
4. Indique dos atributos (virtudes) positivos
5. Indique dos atributos (defectos) negativos
6. ¿En que crees que eres muy bueno(a)?
7. ¿Existe alguna experiencia de la materia que le gustaría compartir con
el curso?

01/03/2018 3
PROBABILIDADES I
PRESENTACIÓN DELESTUDIANTE
1. Escribir su nombre completo en una hoja de papel.

2. Entregar al docente la hoja.
3. El docente repartirá las hojas nuevamente.
4. Escribir algo bueno de esa persona (Cualidades y virtudes)
Fuente: https://www.profedeele.es/profesores/actividades-presentacion-primer-dia-clase/

01/03/2018 4
PROBABILIDADES I
PONDERACIÓN
Asistencia:
Requisito para ingreso a examen:
1. Haber asistido al 80 % de las clases.
2. Casos especiales deberán gestionar los permisos en dirección.
Trabajos Prácticos 4 puntos
1. Prácticos de investigación teórica y evaluación virtual.
2. Trabajos prácticos (ejercicios) al concluir cada tema.
3. Prácticas en clases para resolver casos.
4. Prácticas en laboratorio de computación y cargado a plataforma.
5. Proyecto final
6. Portafolio.
Examen 6 puntos
Nota: El examen final incluye todo el contenido.

01/03/2018 5
PROBABILIDADES I
PONDERACIÓN
1. Portafolio (Final del semestre)

01/03/2018 6
PROBABILIDADES I
CONTENIDO DE LA ASIGNATURA
APRENDIZAJE DESARROLLO
UNIDADES TEMÁTICAS DE APRENDIZAJE TOTAL
TEÓRICO PRÁCTICO
1. MUESTREO 10 5 15
2. DISTRIBUCIONES MUESTRALES 10 5 15
3. DISTRIBUCIONES DE PROBABILIDAD ESPECIALES 10 5 15
4. ESTIMACIÓN PUNTUAL 10 5 15
5. ESTIMACIÓN POR INTERVALOS DE CONFIANZA 10 5 15
6. PRUEBAS DE HIPÓTESIS 10 5 15
7. ANALISIS DE VARIANZA 10 5 15
8. MODELO DE REGRESIÓN LINEAL 10 5 15
TOTAL 80 40 120

01/03/2018 7
PROBABILIDADES I
CÓDIGO DE COMPORTAMIENTO
1. EL DOCENTE SE COMPROMETE A DAR UN TRATO CORDIAL DE COLABORACIÓN,
ACLARACIÓN DE DUDAS DE LOS ESTUDIANTES Y UN TRATO EQUITATIVO E
INCLUYENTE A CADA PARTICIPANTES DEL CURSO.
2. NO EXISTEN TRATOS DIFERENCIADOS NI EXCLUSIVOS.
3. INFORMARSE DEL REGLAMENTO EMI.- Casos observados serán reportados en el

parte militar.
4. EL DOCENTE ES EL ÚLTIMO EN INGRESAR AL AULA.
5. CASOS A EVITAR.- Ingresar o consumir alimentos dentro del aula y/o Generar
distracción al grupo o individualmente por uso de computadoras y teléfonos
celulares.
6. CASO ESPECIAL PARA APRENDIZAJE EN AULA.- El docente autoriza el uso de las TICs.
01/03/2018 8
PROBABILIDADES I
CÓDIGO DE COMPORTAMIENTO
Al inicio de las clases, los participantes deberán numerarse y dar el parte al docente,
previo a la toma de asistencia.
7. VALORACIÓN DOCENTE AL ESFUERZO – PREMIOS Y RECONOCIMIENTOS
1. Asistencia (Informar falta con licencia)
2. Puntualidad
3. Cordialidad
4. Respeto
5. Ganas de superación personal
6. Colaborador con sus camaradas
7. Trabaja en equipo
8. Participa en clases
8. LOS ESTUDIANTES QUE OMITAN ESTE CÓDIGO DE COMPORTAMIENTO NO TENDRÁN
DERECHO A CONSULTA EN LAS EVALUACIONES.

01/03/2018 9
PROBABILIDADES I
UNIDAD I - MUESTREO
Trabajo práctico 1 – Investigar los ítems indicados según guía entregada en plataforma.
Fecha de entrega: Seguir plan alojado en plataforma.
Nº CONTENIDO ANALÍTICO
1.1. Población y muestra.
1.2. Muestra y muestreo.
1.3. Muestreo probabilístico.
1.4. Muestreo no probabilístico.
1.5. Selección aleatoria de elementos muéstrales.

01/03/2018 10
PROBABILIDADES I
UNIDAD I - MUESTREO
Trabajo nro. 2 – El curso decidirá si:

1. Exposición y coevaluación.
2. Lectura y evaluación virtual.

01/03/2018 11
PROBABILIDADES I
UNIDAD I
MUESTREO
01/03/2018 INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y PROBABILIDADES I 12

UNIDAD I - MUESTREO
MÉTODOS GENERALES DE SELECCIÓN DE MUESTRAS. ESTIMACIÓN Y
ERRORES
OBJETIVOS
1. Distinguir entre muestreo de unidades elementales y muestreo de unidades compuestas.
2. Distinguir claramente los conceptos de muestreo con probabilidades iguales y muestreo con
probabilidades desiguales.
3. Distinguir entre muestreo con reposición y muestreo sin reposición.
4. Obtener la varianza y su estimación
5. Analizar los métodos especiales de selección con reposición y probabilidades desiguales: Método del
tamaño acumulativo y método de Lahiri.
6. Obtener el estimador lineal insesgado general para el caso de selección sin reposición y
probabilidades desiguales
7. Analizar los métodos especiales de selección con reposición y probabilidades desiguales
8. Analizar el muestreo con probabilidades gradualmente variables
9. Obtener muestras aleatorias, especialmente mediante el método de Montecarlo.
UNIDAD I - MUESTREO
SELECCIÓN CON Y SIN REPOSICIÓN. PROBABILIDADES IGUALES Y DESIGUALES
1. Atendiendo a las probabilidades de selección

1.1. Con probabilidades iguales: Todas las unidades de la población
tienen la misma probabilidad de ser seleccionadas en cada
extracción.
1.2. Con probabilidades desiguales: Al menos dos unidades tienen
distintas probabilidades de selección en cierta extracción.

01/03/2018 14
PROBABILIDADES I
UNIDAD I - MUESTREO
SELECCIÓN CON Y SIN REPOSICIÓN. PROBABILIDADES IGUALES Y
DESIGUALES
2. Atendiendo a la mecánica de selección
2.1. Muestreo con reposición: Cada unidad que es extraída para formar parte de la muestra en una
extracción se repone a la población antes de realizar la siguiente extracción; es decir, la estructura
poblacional permanece invariante.
2.2. Muestreo sin reposición: Cada unidad que es extraída para formar parte de la muestra en una
extracción no se repone a la población antes de realizar la siguiente extracción, por lo que una unidad
podrá aparecer en la muestra a lo sumo una vez y la estructura poblacional va cambiando de una
extracción a otra.
Combinando estos cuatro tipos de muestreo resulta:

- Muestreo con reposición y probabilidades iguales
- Muestreo sin reposición y probabilidades iguales
- Muestreo con reposición y probabilidades desiguales
- Muestreo sin reposición y probabilidades desiguales
UNIDAD I - MUESTREO
ESTIMACIÓN PUNTUAL Y FORMACIÓN GENERAL DE ESTIMADORES
Población
Muestra
parámetro poblacional 𝜃
Estimador del parámetro poblacional 𝜃መ (El sombrero es la característica de los
estimadores)
parámetros poblacionales más típicos a estimar

UNIDAD I - MUESTREO
ESTIMACIÓN PUNTUAL Y FORMACIÓN GENERAL DE ESTIMADORES
Resumen

01/03/2018 17
PROBABILIDADES I
UNIDAD I - MUESTREO

UNIDAD I - MUESTREO

UNIDAD I - MUESTREO
MÉTODO DE MONTECARLO.- Es un procedimiento general para seleccionar muestras
aleatorias simples de cualquier población (finita o infinita, real o teórica) de la que se
conoce su distribución de probabilidad.
Variable aleatoria discreta
Consideremos la variable aleatoria discreta siguiente y veremos cómo se toma una
muestra de ella.
Para seleccionar la muestra

aleatoria según la variable X,
elegimos un número
aleatorio entre 0 y 99 y
observamos en qué intervalo cae,
eligiendo para la muestra el valor
x correspondiente a ese intervalo.

UNIDAD I - MUESTREO
PROBLEMA 1
UTILIZANDO EL MÉTODO DE MONTECARLO: Con los datos de la tabla
siguiente, que representa el consumo de electricidad en una zona
residencial de Riberalta, seleccione la muestra según un número
aleatorio dado.
141 128 95 143 108 135

149 144 163 187 119 191
206 168 150 166 183 137
175 109 154 139 151 129
123 167 130 149 114 158

UNIDAD I - MUESTREO
MÉTODOS DE SELECCIÓN CON REPOSICIÓN Y PROBABILIDADES DESIGUALES.-
Aplicado para grupos donde las unidades varían en tamaño, éstos serán muestreados con
probabilidades proporcionales al número de sus elementos. Con la información sobre las
unidades se selecciona una muestra de tres unidades con probabilidades proporcionales al
tamaño.
Caso con reposición se utiliza el modelo del tamaño acumulativo (o modelo polinomial)
Método de selección del tamaño acumulativo o modelo polinomial.-
N subintervalos Ii cada uno de ellos con Mi unidades, tal y como se indica en el
cuadro.

UNIDAD I - MUESTREO
Selección con probabilidades proporcionales al número de elementos
Estimador de la proporción total de los elementos de la muestra
Estimador de la proporción por muestra Por lo tanto, se estima que un

Ejemplo de conclusión 51% de los pacientes permanece
más de dos días en el hospital.
Número de muestras
𝑛
𝐴𝑖 Tamaño de la muestra i
𝑃෠𝑖 = 𝐴 = ෍ 𝐴𝑖 Parcial de la clase
𝑀𝑖 Tamaño de la población
𝑖=1
Total de clase
Estimador de la varianza de la proporción
Error relativo de estimación
Se observa que el error relativo de

Ejemplo de conclusión muestreo es del 1%
UNIDAD I - MUESTREO
Problema 2
Un investigador desea muestrear tres hospitales de entre los seis que existen en una ciudad,
con el propósito de estimar la proporción de pacientes que han estado (o estarán) en el
hospital por más de dos días consecutivos.
Hospital Pacientes
1 328
2 109
3 432
4 220
5 280
6 190
los hospitales muestreados registraron los siguientes datos sobre el número de pacientes con
permanencia de más de dos días:
Hospital Pacientes con permanencia > 2 días

a 250
b 150
c 80

UNIDAD I - MUESTREO Selección de tamaño
acumulativo M Polinomial
Datos
i = Hospital Mi = Pacientes
1 328
2 109
3 432
4 220
5 280
6 190
Hospital Ai Pacientes con permanencia > 2 días

a 250 Se ha elegido mediante una tabla de números aleatorios a
b 150 los nros.: 1505; 1256 y 0827; (Deberá estar entre 1 y el
c 80 limite superior del último intervalo) (Si existe repetición de
intervalo, buscar siguiente # aleatorio) (Crear nuevo i)
Estimar la proporción de pacientes con permanencia superior a dos días para los seis hospitales.
Cálculo de la estimación de Cálculo del error de
la proporción de pacientes esta estimación.
con permanencia superior a
dos días utilizando

UNIDAD I - MUESTREO
Selección sin reposición y probabilidades proporcionales al tamaño
𝜋𝑖 =Probabilidad de las muestras Estimador del total de clase el estimador de
𝜋𝑖𝑗 =Probabilidad de que el par de unidades Horwitz y Thompson
de la Población (i,j) pertenezcan a la muestra 𝑛
(𝐴𝑖 ∗ 𝐵𝑗 ) Parcial de la clase
𝐴መ 𝐻𝑇 = ෍
𝜋𝑖 Ai: Clase elementos
𝑖=1
Bj: Clase muestras
N: Población o universo; n: muestra (conglomerados)
Total de clase
Estimador de la varianza de Yates y Grundy

Estimador de la Varianza de la proporción
𝑛 proporción de Ai
𝜋𝑖2 − 𝜋𝑖𝑗
෠ 𝐴መ 𝐻𝑇 ) = 2
𝑉( 2 ෍(𝐵𝑖 ∗ 𝐵𝑗 )(𝐴𝑖 − 𝐴𝑗 )
𝜋𝑖𝑗 ∗ 𝜋𝑖
𝑖<𝐽
Clases: B: Muestras; A: Elementos de la muestra
El error absoluto de ෠ 𝐴መ 𝐻𝑇 )
𝑉( Error absoluto de ෠ 𝑃෠𝐻𝑇 )
𝑉(
muestreo muestreo
Error
Error relativo de
relativo
estimación

UNIDAD I - MUESTREO
Problema 2
Una multinacional tiene un total de 40.000 trabajadores distribuidos en 400 fábricas de 100 obreros
cada una. Una muestra aleatoria con probabilidades iguales sin reposición de 25 fábricas presenta la
siguiente distribución de obreros mayores de 50 años:
Nro Ai= Total Obreros > 50 años Bi= # de fábricas de la empresa

1 12 2
2 17 3
3 23 9
4 33 5
5 36 6
Estimar el total y la proporción de obreros de la multinacional con más de 50 años, así como sus
errores de muestreo absolutos y relativos.
𝐵3 =9
𝐵2 = 3
𝐵4 =5
𝐵5 =6 𝐵1 = 2

UNIDAD I - MUESTREO
Nro Ai= Total Obreros > 50 años Bi= # de fábricas
de la empresa
1 12 2
2 17 3
3 23 9
4 33 5
5 36 6
Estimar el total y la proporción de obreros de la multinacional con
más de 50 años, así como sus errores de muestreo absolutos y
relativos.
1 − 𝐶𝑎𝑙𝑐𝑢𝑙𝑜 𝑑𝑒 𝑙𝑎𝑠 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒𝑠: 𝜋𝑖 ; 𝜋𝑖𝑗 2 - Cálculo del Estimador del total de clase de Horwitz y
Thompson 𝑛
(𝐴𝑖 ∗ 𝐵𝑗 )
𝐴መ 𝐻𝑇 = ෍
𝜋𝑖
𝑖=1
3 - Cálculo del estimador de la varianza de Yates y Grundy 4 - Estimador de la 5 - Varianza de la proporción

𝑛 proporción de Ai
𝜋𝑖2 − 𝜋𝑖𝑗
෠ 𝐴መ 𝐻𝑇 ) = 2
𝑉( 2 ෍(𝐵𝑖 ∗ 𝐵𝑗 )(𝐴𝑖 − 𝐴𝑗 )
𝜋𝑖𝑗 ∗ 𝜋𝑖
𝑖<1

UNIDAD I - MUESTREO
Nro Ai= Total Obreros > 50 años Bi= # de fábricas
de la empresa
1 12 2
2 17 3
3 23 9
4 33 5
5 36 6
Estimar el total y la proporción de obreros de la multinacional con
más de 50 años, así como sus errores de muestreo absolutos y
relativos.
El error absoluto de ෠ 𝐴መ 𝐻𝑇 )
𝑉( Error absoluto de ෠ 𝑃෠𝐻𝑇 )
𝑉(
muestreo muestreo
Error
Error relativo de
relativo
estimación

UNIDAD I - MUESTREO
ACTIVIDAD 1
Una población consta de 20000 unidades distribuidas en 200 conglomerados de 100 unidades
cada uno. Una muestra aleatoria con probabilidades iguales sin reposición de tamaño 24
conglomerados presenta los siguientes datos:
Nro Ai= Total de unidades de la clase C Bi= # de conglomerados de la muestra

1 13 4
2 17 2
3 25 10
4 36 3
5 38 5
Estimar el total y la proporción de unidades de la población que pertenecen a la clase C, así como
sus errores de muestreo absolutos y relativos.

UNIDAD I - MUESTREO
1. Población
2. Muestreo
3. Muestra
4. Muestreo probabilístico
5. Muestreo no probabilístico
6. Selección aleatoria de elementos muestrales

01/03/2018 31
PROBABILIDADES I
UNIDAD I - MUESTREO
1. Población
✓Población (o universo) es cualquier colección finita o

infinita de elementos o sujetos
✓Conjunto de personas, seres u objetos
✓Conjunto de números obtenidos midiendo o contando
cierta característica de los anteriores
✓Un universo puede contener varias poblaciones.
✓Colección de elementos de los cuales se desea hacer
alguna inferencia.
01/03/2018 32
PROBABILIDADES I
UNIDAD I - MUESTREO
1. Población – Ejemplos:
✓ Población de pacientes que acuden al Hospital Central

✓ Población de habitantes del área de influencia del ambulatorio urbano tipo III
✓ Población de familias de una comunidad,
✓ Población de viviendas en el municipio de Riberalta.
✓ Del universo de pacientes del Hospital Central de Riberalta, una población
estaría dada por el conjunto de las edades de esas personas, sus tallas, sus
pesos, etc.

01/03/2018 33
PROBABILIDADES I
UNIDAD I - MUESTREO
1. Población – Ejemplos:
1- Política:
Las muestras de las opiniones de los votantes se usan para que los candidatos midan la opinión pública y
el apoyo en las elecciones.
2- Educación:
Las muestras de las calificaciones de los exámenes de estudiantes se usan para determinar la eficiencia de
una técnica o programa de enseñanza.
3- Industria:
La muestras de los productos de una línea de ensamble sirve para controlar la calidad.
4- Medicina:
Las muestras de medidas de azúcar en la sangre de pacientes diabéticos prueban la eficacia de una técnica
o de un fármaco nuevo.
5- Agricultura:
Las muestras del maíz cosechado en una parcela proyectan en la producción los efectos de un fertilizante
nuevo.
6- Gobierno:
Una muestra de opiniones de los votantes se usaría para determinar los criterios del público sobre
cuestiones relacionadas con el bienestar y la seguridad nacional.

01/03/2018 34
PROBABILIDADES I
UNIDAD I - MUESTREO
1. Población
✓finita cuando consta de un número limitado de
elementos, ejemplo: todos los habitantes de una
comunidad.
✓infinita cuando no se pueden contabilizar todos
sus elementos pues existen en número ilimitado,
como por ejemplo, la población de insectos en el
mundo.

01/03/2018 35
PROBABILIDADES I
UNIDAD I - MUESTREO
2. Muestreo
Es el procedimiento empleado para obtener una o
más muestras de una población. Se realiza una vez
que se ha establecido un marco muestral
representativo de la población, luego se procede a la
selección de los elementos de la muestra.

01/03/2018 36
PROBABILIDADES I
UNIDAD I - MUESTREO
3. Muestra
Una muestra es un subconjunto de la población, que
se obtiene para averiguar las propiedades o
características de esta última, por lo que interesa que
sea un reflejo de la población, que sea
representativa de ella.

01/03/2018 37
PROBABILIDADES I
UNIDAD I - MUESTREO
TIPOS DE MUESTREO

01/03/2018 38
PROBABILIDADES I
UNIDAD I - MUESTREO
Cuando elegimos a individuos de

TIPOS DE una población de estudio para
MUESTREO formar muestras podemos
encontrarnos en las siguientes
situaciones:
Conocemos la probabilidad de que

un individuo sea elegido para la Muestreos
muestra. probabilistas
. Interesantes para usar
estadística matemática con ellos.
No se conoce la probabilidad.
Son muestreos que seguramente
esconden sesgos. Muestreos no
probabilistas
En principio no se pueden extrapolar los
resultados a la población.
NOTA: a pesar de ello una buena parte de los estudios
que se publican usan esta técnica.
01/03/2018 39
PROBABILIDADES I
UNIDAD I - MUESTREO
• PROBABILISTICO
(Probabilidad mayor de • No PROBABILISTICO
0 y conocida).
• Conveniencia
• M.A.S • Juicio
• SISTEMATICO • Prorrateo (cuotas)
• ESTRATIFICADO • Con fines especiales
• CONGLOMERADO • Bola de nieve
• AREAS

01/03/2018 40
PROBABILIDADES I
UNIDAD I - MUESTREO
Muestreo Probabilístico:
Se caracteriza por conocer la probabilidad de que
una unidad particular del universo sea incluida en
una muestra, dicha probabilidad es mayor de cero.
Se puede medir el error de estimación y por ende, se
realizan estimaciones.

01/03/2018 41
PROBABILIDADES I
UNIDAD I - MUESTREO
Ventajas del Azar
Elimina la subjetividad de los investigadores

en la selección de unidades de análisis
Permite medir la precisión de las

estimaciones.
El azar no garantiza representatividad.

01/03/2018 42
PROBABILIDADES I
UNIDAD I - MUESTREO
Métodos de Muestreo Probabilísticos:

1- Muestreo Aleatorio Simple:
2- Muestreo Aleatorio Sistemático:
3- Muestreo Aleatorio Estratificado:

01/03/2018 43
PROBABILIDADES I
UNIDAD I - MUESTREO
Muestreo aleatorio simple

• Se caracteriza por que otorga la misma probabilidad de
ser elegidos a todos los elementos de la población. Para
él calculo muestral, se requiere de: El tamaño
poblacional, si ésta es finita, del error admisible y la
estimación de la varianza.
• En la práctica es difícil de realizar debido a que en

muchos casos no se dispone de un marco muestral.

01/03/2018 44
PROBABILIDADES I
UNIDAD I - MUESTREO
Muestreo aleatorio simple

✓ Población homogénea de tamaño N.
✓ Poco frecuente en problemas reales.
✓ Cada elemento tiene la misma probabilidad de ser

elegido en la muestra.

01/03/2018 45
PROBABILIDADES I
UNIDAD I - MUESTREO
Procedimiento
✓ Identificar el marco muestral

✓ Seleccionar aleatoriamente n números de entre 1 a
N.
✓ Rifa simple o números aleatorios.
✓ Identificar los números seleccionados en el marco.

01/03/2018 46
PROBABILIDADES I
UNIDAD I - MUESTREO

01/03/2018 47
PROBABILIDADES I
UNIDAD I - MUESTREO
Muestreo aleatorio estratificado

01/03/2018 48
PROBABILIDADES I
UNIDAD I - MUESTREO
✓ Población compuesta por varios grupos.
✓ Grupos bien identificados (estratos).
✓ Los individuos pertenecen solo a un estrato.

01/03/2018 49
PROBABILIDADES I
UNIDAD I - MUESTREO
Procedimiento
✓ N tamaño de la población
✓ L número de estratos
✓ N = N 1 + N2 + … + NL
✓ Nh es el número de elementos en el h-ésimo estrato.

01/03/2018 50
PROBABILIDADES I
UNIDAD I - MUESTREO
Procedimiento
✓ Determinamos n y los distribuimos en los L estratos.
✓ Asignación proporcional
✓ Asignación por variabilidad

01/03/2018 51
PROBABILIDADES I
UNIDAD I - MUESTREO
Procedimiento

01/03/2018 52
PROBABILIDADES I
UNIDAD I - MUESTREO
MUESTREO ALEATORIO SIMPLE

SIN Y CON REPOSICIÓN
CÁLCULOS - CASOS
UNIDAD I - MUESTREO
ESTIMADORES, VARIANZAS Y ESTIMACIÓN DE
Varianzas de los estimadores

VARIANZAS

01/03/2018 54
PROBABILIDADES I
UNIDAD I - MUESTREO
ESTIMADORES, VARIANZAS Y ESTIMACIÓN DE
Estimación de las varianzas

VARIANZAS

01/03/2018 55
PROBABILIDADES I
UNIDAD I - MUESTREO
ESTIMADORES, VARIANZAS Y ESTIMACIÓN DE VARIANZAS

Estimación de varianzas

01/03/2018 56
PROBABILIDADES I
UNIDAD I - MUESTREO
TAMAÑO DE LA MUESTRA

01/03/2018 57
PROBABILIDADES I
UNIDAD I - MUESTREO
VARIANZAS Y SU ESTIMACIÓN CON REPOSICIÓN

01/03/2018 58
PROBABILIDADES I
UNIDAD I - MUESTREO
VARIANZAS Y SU ESTIMACIÓN CON REPOSICIÓN

01/03/2018 59
PROBABILIDADES I
UNIDAD I - MUESTREO
TAMAÑO DE LA MUESTRA CON REPOSICIÓN

Cuadro siguiente resume las expresiones de los tamaños muestrales

01/03/2018 60
PROBABILIDADES I
UNIDAD I - MUESTREO
Varianza sin y con reposición.-
Para el resto de los estimadores todo sería equivalente, luego la

varianza siempre es menor en el caso del muestreo sin reposición,
lo que nos indica que el muestreo sin reposición es en general más
preciso que el muestreo con reposición.

01/03/2018 61
PROBABILIDADES I
UNIDAD I - MUESTREO
Desde el punto de vista del tamaño muestral, será mejor aquel método de
selección en el que se necesite menor tamaño muestral para cometer un
error de muestreo dado. Para muestreo sin reposición el valor de n era:
Tanto en el caso de estimaciones de medias y proporciones para un error de muestreo dado como en el
caso de estimaciones de medias, totales, proporciones y totales de clase para un error relativo de
muestreo dado con o sin coeficiente de confianza. En los mismos casos, para muestreo con reposición
se observa que el tamaño muestral resulta ser nCR = n0. Por lo tanto, tenemos:
En el caso de estimación sin reposición de totales y totales de clase para un error de muestreo dado
con o sin coeficiente de confianza se vio que:
En los mismos casos para muestreo con reposición se observa que el tamaño muestral resulta ser
Por lo tanto, en todas las situaciones, en el caso de muestreo sin reposición se necesita menos
tamaño de muestra para cometer el mismo error que en el caso del muestreo con reposición,
con lo que el muestreo sin reposición es más eficiente que el muestreo con reposición.
01/03/2018 62
PROBABILIDADES I
UNIDAD I – MUESTREO – caso sin reposición.
Un auditor muestrea aleatoriamente con reposición 20 cuentas impagadas de una empresa y verifica en 12 de ellas la
cantidad adeudada y si los documentos respectivos cumplen (1) o no cumplen (0) con los procedimientos
establecidos. Se tienen la siguiente estructura poblacional:
CANTIDAD CONCORDANCIA
Basándose en las 12 cuentas verificadas, estimar la proporción de cuentas
CUENTA X A cuyos documentos concuerdan, así como el importe medio adeudado, y
1 278 1 cuantificar el error cometido.
2 192 1
3 310 1 Procedimiento: Seleccionar 𝑛
4 94 0 aleatoriamente la muestra y 1
obtener el importe medio adeudado 𝑋ത = ෍ 𝑥𝑖
5 86 1 𝑛
como estimación: 𝑖:1
6 335 1
7 310 0 Varianza de la
Calculo del error absoluto de la media:
8 290 1 población
9 221 1 𝑛
10 168 1 La proporción de cuentas cuyos 1
11 188 0 𝑃෠ = ෍ 𝐴𝑖
documentos concuerdan con los 𝑛
12 212 0 𝑖:1
procedimientos establecidos se estima
13 92 1 mediante: Éxitos y fracasa
14 56 1 Calcular el error absoluto de esta de la población.
15 142 1 estimación:
16 37 1 Recordando:
17 186 0 Las variables P y
18 221 1 = = Q (mayúsculas)
19 229 0 están referidas a
20 305 1 la población.
01/03/2018 63
PROBABILIDADES I
UNIDAD I - MUESTREO
INTRODUCCIÓN
✓Para calcular el tamaño de muestra, en forma previa se deben
especificar:
– El nivel de confianza con el que se desea realizar la estimación.
– El margen de error máximo tolerable.
De esta manera se espera trabajar con una muestra que sea
representativa y que las estimaciones sean consistentes.

01/03/2018 64
PROBABILIDADES I
UNIDAD I – MUESTREO
Uso de tabla de la Distribución
Normal estándar de
probabilidad aculada
Ejemplo:
Encontrar los valores Z
para los siguientes
niveles de confianza:
a) 92 %
b) 99 %

01/03/2018 65
PROBABILIDADES I
En una región con N = 1000 viviendas determinar el tamaño de muestra necesario para
que, con un grado de confianza del 95 %, la estimación de la proporción de viviendas sin
agua corriente no difiera en más del 0,1 del valor verdadero. Comentar los resultados para
muestreo sin reposición y con reposición.
Probabilidad normal en 𝑃෠ − 𝑃 Diferencia de la proporción

𝜆𝛼 =
función del nivel de confianza ෠
𝜎(𝑃) Error de la proporción = e
Ecuaciones para el muestreo sin reposición y con reposición

01/03/2018 66
PROBABILIDADES I
UNIDAD I - MUESTREO
FÓRMULAS DE CÁLCULO PARA n
SITUACIÓN PARA ESTIMAR LA MEDIA PARA ESTIMAR LA PROPORCIÓN ESTIMACIÓN DE (n)
N POBLACIONAL (µ) POBLACIONAL (P) CUANDO NO HAY
NC
N es
infinita Donde: Donde:
= se define según el N.C. = se define según el N.C.

p = Proporción de elementos que
= Desviación estándar poseen la característica de interés
= Error máximo tolerable = Error máximo tolerable
N es finita
(conocida)
Donde: Donde:
N = Tamaño dela población. N = Tamaño de la población.

Las demás especificaciones, son las Se mantienen las demás
mismas especificaciones

01/03/2018 67
PROBABILIDADES I
UNIDAD I - MUESTREO
PARA ESTIMAR LA MEDIA POBLACIONAL (µ)
Ejemplo 1.a.
Se desea estimar la calificación promedio de los estudiantes de la
EMI, para ello se define los siguientes criterios:
• Nivel de confianza = 95%
• Desviación estándar = 16.44 Para poblaciones
• Error máximo tolerable = 5 infinitas (C/R)
Ejemplo 1.b
En base a los datos del ejemplo 1.a, con N = 5000 Para poblaciones
finitas (S/R)

01/03/2018 68
PROBABILIDADES I
UNIDAD I - MUESTREO
PARA ESTIMAR LA PROPORCIÓN POBLACIONAL

(p)
Ejemplo 1.a.
Se desea estimar la proporción de los estudiantes de la EMI, con un nivel de
aprendizaje de excelencia, para ello se define los siguientes criterios:
• Nivel de confianza = 95%
• Proporción de estudiantes = 0.15
• Error máximo tolerable = 5%
Ejemplo 1.b
En base a los datos del ejemplo 1.a, con N = 5000

01/03/2018 69
PROBABILIDADES I
UNIDAD I - MUESTREO
PARA ESTIMAR LA MEDIA POBLACIONAL (µ)
Ejemplo 2.a
Se desea estimar el ingreso promedio de las familias que viven en el Municipio de
Guayaramerín, para ello se definen los siguientes criterios:
▪ Nivel de confianza = 95%
▪ Desviación estándar = 908.07
▪ Error máximo tolerable = 200
Ejemplo 2.b
Tomando en cuenta los datos del ejemplo 2.a, con N = 50000.

01/03/2018 70
PROBABILIDADES I
UNIDAD I - MUESTREO
PARA ESTIMAR LA PROPORCIÓN POBLACIONAL (p)
Ejemplo 2.a
Se desea estimar la proporción de las familias que viven en el Municipio de
Guayaramerín y que tienen ingreso alto, para ello se definen los siguientes
criterios:
▪ Nivel de confianza = 95%
▪ Proporción de familias con ingreso alto = 0.10
▪ Error máximo tolerable = 8%
Ejemplo 2.b
Tomando en cuenta los datos del ejemplo 2.a
Con N = 50000.

01/03/2018 71
PROBABILIDADES I
CASOS PARA RESOLVER EN AULA
Ejercicio 1
El ingeniero de control de calidad de cinescopios debe revisar lotes de
2000 artículos cada uno. Él decide que su estudio tenga una confianza
de 98 % y permitir un error de 8%.
Calcule el tamaño de la muestra para inspeccionar un lote.
a) Cuando inicia y nunca ha revisado un lote; es decir, no tiene
información previa.
b) Cuando se han realizado varias revisiones de lotes del mismo tamaño
y se ha obtenido una variabilidad positiva de 0.8.
Ejercicio 2
Suponga que se tiene una población de 2150 personas que se van a entrevistar para
conocer si están a favor de un candidato para presidente municipal. Se pretende conocer
la aceptación hacia el candidato y el estudio se realizará a través de una muestra. ¿Cuál
deberá ser el tamaño mínimo de muestra que cumpla con un error estándar de 0.02 y en
la cual las personas manifiesten su confiabilidad del 90% para el candidato?

01/03/2018 72
PROBABILIDADES I
UNIDAD I - MUESTREO
MUESTREO ALEATORIO ESTRATIFICADO

01/03/2018 73
PROBABILIDADES I
UNIDAD I - MUESTREO
TAMAÑO DE MUESTRA EN MUESTREO ALEATORIO

ESTRATIFICADO
PARA ESTIMAR LA MEDIA (µ) PARA ESTIMAR LA PROPORCIÓN (P)
σ 𝑊𝑖 𝜎𝑖2 1
Cálculo de n 𝑛= 2 𝑛= 2 ෍ 𝑊𝑖 𝑝𝑖 𝑞𝑖
𝑒 σ 𝑊𝑖 𝜎𝑖2 𝑒
𝑁 𝑍
+ 𝑁
𝑍2
a) Asignación (afijación) proporcional al
tamaño del estrato.
𝑁𝑖 𝑥𝑖
𝑛𝑖 = 𝑛 𝑝𝑖 =
Asignación de 𝑁 𝑛𝑖
n, entre los
estratos (h) p : probabilidad de ocurrencia
a) Asignación óptima q : probabilidad de no ocurrencia
x = elementos que ocurren
𝑛𝑁𝑖 𝜎𝑖 n : cantidad de elementos de la
𝑛𝑖 =
σ 𝑁𝑖 𝜎𝑖 muestra

01/03/2018 74
PROBABILIDADES I
UNIDAD I - MUESTREO
ESTRATIFICADO

01/03/2018 75
PROBABILIDADES I
UNIDAD I - MUESTREO

ESTRATIFICADO

01/03/2018 76
PROBABILIDADES I
UNIDAD I - MUESTREO

ESTRATIFICADO

01/03/2018 77
PROBABILIDADES I
UNIDAD I - MUESTREO
Ejemplos:
1. Se desea estimar el nivel de aprendizaje en los estudiantes de la
UNIV. Organizados en: excelentes (1), Muy buenos (2), Buenos
(3).El detalle se presenta en la siguiente tabla:
Estrato 𝑁𝑖 𝜎𝑖2
1 500 10.00
2 1000 26.64
3 2000 25.80
El nivel de confianza asumido será del 97% y el valor del error será 2
Realice todas las afijaciones.
01/03/2018 78
PROBABILIDADES I
UNIDAD I - MUESTREO
Caso 2.- En una planta productora de botes de yogurt se desea saber qué proporción de
los botes no tienen el PH recomendado. La producción se lleva a cabo a través de tres
máquinas, así que se decidió realizar la prueba por estratos. En la primera máquina, de
una producción de 1200 botes se muestrearon 14; en la segunda máquina, de 1300
botes se muestrearon 15 y en la tercera máquina, de 1200 botes se muestrearon 14.
Cada vez que un bote tiene un PH diferente se marca con un 1.
Encontrar con una confianza al 95%, el tamaño de la muestra necesario para tener un error
máximo de 70.
Resultado del muestreo:

01/03/2018 80
PROBABILIDADES I
UNIDAD I - MUESTREO
PARÁMETROS Y ESTADÍSTICOS
La población y la muestra están representadas por valores. En la primera

se denominan parámetros y en la segunda estadísticos.

01/03/2018 82
PROBABILIDADES I
UNIDAD I - MUESTREO
RELACIÓN ENTRE LA POBLACIÓN Y LA MUESTRA

Entre la población y la muestra existe una relación cualitativa y otra cuantitativa.
La relación cuantitativa se concreta en dos ratios,
El coeficiente de elevación (ce) y la fracción de muestreo (fm).
El ce es el número de veces que la muestra está contenida en la población o el

valor por el que hay que multiplicar n para obtener N. La fm es la proporción de n
sobre N, y es el inverso del ce.

01/03/2018 83
PROBABILIDADES I
UNIDAD I - MUESTREO

En el muestreo aleatorio simple, la fm también se puede considerar
como la probabilidad de que un individuo de la población sea
seleccionado.

01/03/2018 84
PROBABILIDADES I
UNIDAD I - MUESTREO

En condiciones de muestreo aleatorio simple, la probabilidad de
obtener una de esas muestras estará dado por la inversa de las
combinaciones sin repetición de N elementos tomados de n en n,
que es uno (una muestra) dividido por el total de las muestras que se
pueden extraer. Entonces se considera que la probabilidad de
obtener una de las muestras es,

01/03/2018 85
PROBABILIDADES I
UNIDAD I - MUESTREO
LEY DE LOS GRANDES NÚMEROS

La ley de los grandes números establece que cuando n tiende a N,
así mismo ocurre con los estadísticos de la muestra que tienden a
los parámetros de la población. Cuando n se hace N entonces los
estadísticos son los parámetros. El error exacto tenderá a ser cero.

01/03/2018 86
PROBABILIDADES I
UNIDAD I - MUESTREO
TEOREMA DEL LÍMITE CENTRAL

El teorema del límite central
establece que si extraemos m
muestras de una población de
tamaño n, siendo n en todos los
casos mayor que 30, si calculamos
las medias muestrales de las m
muestras, obtenemos m medias
muestrales. Si creamos una variable
con las m medias muestrales, esta
variable tiene una distribución
normal ERWW.
Entonces, la media de las medias
muestrales es igual a la media de la
población y la varianza es igual a la
varianza de la población partido por
la m de las medias muestrales.
01/03/2018 87
PROBABILIDADES I

Dual Io

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Dual Io

Загружено:

Авторское право:

Доступные форматы

INFERENCIA ESTADÍSTICA Y ESTADÍSTICA Y PROBABILIDADES II

INGENIERÍA COMERCIAL E INDUSTRIAL

Docente: José Guzmán Mamani

Nombre : José Guzmán Mamani

INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y

INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y

1. Escribir su nombre completo en una hoja de papel.

INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y

INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y

INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y

INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y

2. NO EXISTEN TRATOS DIFERENCIADOS NI EXCLUSIVOS.

3. INFORMARSE DEL REGLAMENTO EMI.- Casos observados serán reportados en el

4. EL DOCENTE ES EL ÚLTIMO EN INGRESAR AL AULA.

INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y

INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y

Trabajo nro. 2 – El curso decidirá si:

INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y

01/03/2018 INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y PROBABILIDADES I 12

SELECCIÓN CON Y SIN REPOSICIÓN. PROBABILIDADES IGUALES Y DESIGUALES

1. Atendiendo a las probabilidades de selección

INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y

Combinando estos cuatro tipos de muestreo resulta:

01/03/2018 INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y PROBABILIDADES I 16

INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y

01/03/2018 INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y PROBABILIDADES I 18

01/03/2018 INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y PROBABILIDADES I 19

Para seleccionar la muestra

01/03/2018 INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y PROBABILIDADES I 20

141 128 95 143 108 135

01/03/2018 INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y PROBABILIDADES I 21

01/03/2018 INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y PROBABILIDADES I 22

Estimador de la proporción por muestra Por lo tanto, se estima que un

Error relativo de estimación

Se observa que el error relativo de

Hospital Pacientes con permanencia > 2 días

01/03/2018 INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y PROBABILIDADES I 24

Hospital Ai Pacientes con permanencia > 2 días

01/03/2018 INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y PROBABILIDADES I 25

Estimador de la varianza de Yates y Grundy

01/03/2018 INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y PROBABILIDADES I 26

Nro Ai= Total Obreros > 50 años Bi= # de fábricas de la empresa

01/03/2018 INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y PROBABILIDADES I 27

3 - Cálculo del estimador de la varianza de Yates y Grundy 4 - Estimador de la 5 - Varianza de la proporción

01/03/2018 INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y PROBABILIDADES I 28

01/03/2018 INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y PROBABILIDADES I 29

Nro Ai= Total de unidades de la clase C Bi= # de conglomerados de la muestra

01/03/2018 INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y PROBABILIDADES I 30

INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y

✓Población (o universo) es cualquier colección finita o

✓ Población de pacientes que acuden al Hospital Central

INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y

INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y

INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y

INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y

INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y

INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y

Cuando elegimos a individuos de

Conocemos la probabilidad de que

INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y

INFERENCIA ESTADÍSTICA / ESTADÍSTICA Y

Ventajas del Azar

Elimina la subjetividad de los investigadores