Profundiza U6

ESTADÍSTICA APLICADA
A PROCESOS PRODUC TIVOS

Estimaciones
6 UNIDAD DE
CONOCIMIENTO
- Estimación Puntual
- Estimación para muestras grandes
- Estimación para muestras pequeñas
Distribución normal
La inferencia estadística está basada en la "estimación" y en las "pruebas de

hipótesis" usando los conceptos de probabilidad para manejar la incertidum-
bre en la toma de decisiones. Así, inferir es asumir algo acerca de una po-
blación a partir de la información que arrojan los parámetros de una muestra
con datos aleatorios. Los estimadores de la muestra que se usan son:
- Media
- Proporciones
Dichos estimadores deben ser:
Insesgado : El valor del estimador sea igual al del parámetro

Consistente: El valor del estimador se acercará al del parámetro mientras
más grande sea el tamaño de la muestra
Eficiente: Se debe preferir la muestra con el menor valor de desviación están-
dar
Suficiente : Que se incluya la mayor cantidad de información posible acerca
del parámetro
Los parámetros de la población (la media, varianza o proporción) pueden esti-
marse puntualmente o por intervalos a partir de los estadísticos de la mues-
tra.
Existen dos tipos de estimaciones, puntual y por intervalos. La estimación

puntual es un solo número que se utiliza para estimar un parámetro poblacio-
nal desconocido. Y por intervalos un conjunto de valores para estimar el
parámetro poblacional.
Los estimadores puntuales son la media, varianza, desviación, proporción
La estimación puntual de la media. La media de la muestra x es el mejor esti-

mador de la media de la poblaciónµ, siempre y cuando la muestra sea sufici-
entemente grande, su distribución muestral puede ser aproximada por medio
de la distribución normal. Su fórmula es
La estimación puntual de la varianza. El estimador de la desviación estándar

de la población se coloca en el denominador n-1 que corresponde a un
factor de corrección, por tanto su fórmula es:
La estimación de la desviación estándar. Es la raíz cuadrada de la varianza,

por lo cual su fórmula es:
La estimación puntual de la proporción. Al conocer la proporción de unidades
de una muestra con la misma característica de interés de la población, se
puede demostrar que p tendría todas las características deseables analizadas;
es insesgado, consistente, eficiente y suficiente.
Ejemplo:
A continuación se presentan una muestra del número de clientes que entran

al almacén al final del mes.
Encontrar las estimaciones puntuales de la media, la desviación estándar y la

proporción equivalente a la cantidad de personas que ingresen sea mayo a
300.
Estimación puntual de la media.
La sumatoria de los datos arrojados en el ejercicio, dividido en 12 que es la

cantidad de datos, es:
El promedio población de personas que entran al final del mes al almacén es

equivalente a 297.
Estimación puntual de la desviación estándar.
Para encontrar la desviación estándar recordar que se debe hallar primero la

varianza, en tal sentido se aplica la fórmula, cogiendo cada dato restándole la
media y el resultado elevándolo al cuadrado.
Luego, se suma la columna construida y se divide por 11 (n-1)
Finalmente se encuentra la desviación estándar sacándole raíz al resultado

anterior.
Estimación de la proporción
Dado que se está solicitando la proporción de la cantidad de personas sea
mayor a 300; se cuenta en los 12 datos cuántos de ellos es mayor a 300 y se
obtiene:
La proporción de la cantidad de personas mayores a 300, es del 42%

Distribuciones muestrales para
proporciones - Grandes muestras
Ofrece un intervalo de valores razonables dentro del cual se pretende que

esté el parámetro de interés, en este caso la media poblacional, con un cierto
grado de confianza
Son dos valores dentro de los cuales supuestamente deberá estar el

parámetro, con cierto grado de confiabilidad, haciendo referencia a la media
o a la proporción de la población.
En estadística, la probabilidad que se asocia con una estimación de intervalo

se conoce como nivel de confianza. Esta probabilidad indica qué tanta confi-
anza se tiene de que la estimación de intervalo incluya al parámetro de po-
blación. Una probabilidad más alta implica una mayor confianza. En la esti-
mación, los niveles de confianza que se utilizan con más frecuencia son 95,
95,5 y 99%, pero se puede aplicar cualquier nivel de confianza, dependiendo
del criterio del investigador.
La distribución normal indica que porciones específicas del área bajo la curva
normal están localizadas entre más o menos cierto número de desviaciones
estándar a partir de la media., la cantidad de desviación se miden con el valor
de z en la distribución.
La mayoría de los ICs tiene la forma:
Estimación puntual ± margen de error
A continuación se muestran las fórmulas para muestras grandes, es decir, n

> 30 y para este tipo de muestras se usa siempre la tabla de distribución
normal.
Ejemplo:
En una muestra de 35 artículos, el tiempo medio de producción de cada artí-

culo es de 2800 segundos. Suponiendo que la desviación de los artículos es
de 800 segundos, hallar un intervalo de 95% de confianza para el tiempo
medio poblacional de producción de cada artículo.
Primer paso. Identificar los datos del enunciado:

Segundo paso. Identificar el tipo de variable y el tipo de población.
Para el caso del enunciado es una variable cuantitativa puesto que se habla
de tiempo y se tienen los estadísticos de media y desviación estándar. Dado
que no se conoce el tamaño de la población, está es infinita; por lo cual la fór-
mula a usar es:
Tercer paso. Identificar Z

Para identificar el valor de z, se usa el nivel de confianza y la tabla de distribución
normal estándar. El nivel de confianza se transforma a decimal, es decir 0,95,
luego se divide en dos y se busca en la tabla.
0,95/2=0,475 al buscar éste último valor en la tabla se sabe que

z=1,96
Cuarto paso. Encontrar el error estándar:
Quinto paso. Encontrar el límite inferior y el límite superior del in-

tervalo
Sexto paso. Interpretar
Con un nivel de confianza del 95% el tiempo medio poblacional de producción

de cada artículo está entre 2535 segundos y 3065 segundos.
Estimación para
muestras pequeñas
En muchas ocasiones las investigaciones que se realizan usan muestras

menor o igual a 30, la desviación estándar de la población es desconocida y
que finalmente la distribución de la población se aproxime a una distribución
normal, por lo cual se recomienda usar la distribución t de Student.
Con respecto a la distribución normal, una distribución t Student es más plana

en la media y más larga en las colas. Por esta razón, será necesario alejarse
más de la media de una distribución t para poder incluir la misma área bajo
la curva y por lo tanto los anchos de intervalo de una distribución de t Student
son mayores. Entre mayor sea el tamaño de la muestra más se parece a la
distribución normal.
De la misma manera que se encuentra el intervalo de confianza para mues-

tras grandes, para las muestras pequeñas el intervalo tiene la forma:
Estimación puntual ± margen de error
A continuación se muestran las fórmulas para muestras pequeñas, es decir, n

≤30 y para este tipo de muestras se usa siempre la tabla de distribución T de
Student.
Grados de Libertad (gl)
Los grados de libertad en la distribución t se define como el número de va-

lores posibles que se eligen libremente. Para este caso, existe una distribu-
ción t distinta por cada tamaño de la muestra, es decir por cada uno de los
grados de libertad posibles. Los grados de libertad se encuentran con el
tamaño de la muestra menos uno.
Error α
El error α es el nivel de significancia y hace referencia al porcentaje que se en-
cuentra en las colas, para ello se usa el nivel de confianza y se busca el
restante que es lo que queda en las colas. Por tanto el nivel de significancia
es la diferencia entre 100% y el nivel de confianza.
Por ejemplo si se tiene un nivel de confianza del 95%, lo que faltaría para
completar el 100% sería 5%; ese 5% se distribuye en dos, que son las dos
colas de la distribución por lo cual quedaría 2,5% para cada cola. En tal senti-
do a cada cola le corresponde 0,025 y ese es el valor que se busca en la tabla
de distribución T-Student.
Uso de la tabla T-Student
Al igual que la distribución normal, en la distribución t de Student existe una

tabla que facilita encontrar los valores críticos de t. Ver en
Página 548 tabla E.3 Valores críticos de t del libro:
Levine, D., Krehbiel, M. & Berenson, M. (2014). Estadística para adminis-

tración. Pearson Ed 6 Recuperado de http://zproxy.cun.edu.co:2152/?il=3695
Para buscar en la tabla el valor de t se debe saber el valor de los grados de lib-
ertad y el área de una sola cola de la curva.
Por ejemplo, si se sabe que la muestra de un estudio es 12 y un nivel de confi-

anza del 95%, entonces
Los grados de libertad sería: gl= n-1=12-1=11 y el valor de la cola por la grá-
fica anterior sería 0,025 que corresponde al 95% de nivel de confianza. Con
estos dos valores se busca en la tabla y se obtiene que t=2,2010
Ejemplo
En un estudio estadístico, con una muestra de 12 cajas, se encontró 4 de ellas

no cumplen con los estándares de calidad. Construir un intervalo de confianza
del 95% para la proporción de la población que no cumple con los estándares
de calidad
Primer peso. Identificar los datos.
Segundo paso. Identificar el tipo de variable.

Para el caso del enunciado el tipo de variable es cualitativa, puesto que se re-
fiere a cumplimiento o no de los estándares de calidad. Por lo cual se usará
la fórmula:
Tercer paso. Determinar los grados de libertad.

Dado que el tamaño de la muestra es 12, entonces los grados de libertad son:
Cuarto paso. Encontrar t
Dado que el nivel de confianza es del 95% por lo mencionado previamente el
t=2,2010
Quinto paso. Encontrar el error estándar.
Sexto paso. Encontrar el límite inferior y superior.
Séptimo paso. Interpretar

Con un nivel de confianza del 95% la proporción de la población de cajas que
no cumple con los estándares de calidad está entre el 3,1% y 62,9%
Bibliografía o Referencias:
1
Levine, D., Krehbiel, M. & Berenson, M. (2014). Estimación por intervalos.
En Estadística para administración. Pearson Ed 6 pp. 260-263 Recuperado
de http://zproxy.cun.edu.co:2152/?il=3695
2
Levine, D., Krehbiel, M. & Berenson, M. (2014). Estimación de intervalo de
confianza para la media. En Estadística para administración. Pearson Ed 6
pp. 264-270 Recuperado de http://zproxy.cun.edu.co:2152/?il=3695
3
Levine, D., Krehbiel, M. & Berenson, M. (2014). Estimación de intervalo de
confianza para la proporción. En Estadística para administración. Pearson Ed
6 pp. 272-274 Recuperado de http://zproxy.cun.edu.co:2152/?il=3695
4
Johnson, R. (2012). Estimación por intervalo. En: Probabilidad y estadística
para ingenieros. Pearson pp. 209-212. Recuperado de http://zproxy.-
cun.edu.co:2152/?il=4790
5
Walpole, R., Myers, R. & Myers, S. (2012). Problemas de estimación de una
y dos muestras. En Probabilidad y estadística para ingenierías y ciencias.
Pearson pp. 265-279. Recuperado de http://zproxy.-
cun.edu.co:2152/?il=3375

Profundiza U6

Cargado por

Copyright:

Formatos disponibles

Profundiza U6

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Profundiza U6

Cargado por

Copyright:

Formatos disponibles

ESTADÍSTICA APLICADA

A PROCESOS PRODUC TIVOS

La inferencia estadística está basada en la "estimación" y en las "pruebas de

Dichos estimadores deben ser:

Insesgado : El valor del estimador sea igual al del parámetro

Existen dos tipos de estimaciones, puntual y por intervalos. La estimación

Los estimadores puntuales son la media, varianza, desviación, proporción

La estimación puntual de la media. La media de la muestra x es el mejor esti-

La estimación puntual de la varianza. El estimador de la desviación estándar

La estimación de la desviación estándar. Es la raíz cuadrada de la varianza,

A continuación se presentan una muestra del número de clientes que entran

Encontrar las estimaciones puntuales de la media, la desviación estándar y la

Estimación puntual de la media.

La sumatoria de los datos arrojados en el ejercicio, dividido en 12 que es la

El promedio población de personas que entran al final del mes al almacén es

Para encontrar la desviación estándar recordar que se debe hallar primero la

Finalmente se encuentra la desviación estándar sacándole raíz al resultado

La proporción de la cantidad de personas mayores a 300, es del 42%

Ofrece un intervalo de valores razonables dentro del cual se pretende que

Son dos valores dentro de los cuales supuestamente deberá estar el

En estadística, la probabilidad que se asocia con una estimación de intervalo

Estimación puntual ± margen de error

A continuación se muestran las fórmulas para muestras grandes, es decir, n

En una muestra de 35 artículos, el tiempo medio de producción de cada artí-

Primer paso. Identificar los datos del enunciado:

Tercer paso. Identificar Z

0,95/2=0,475 al buscar éste último valor en la tabla se sabe que

Cuarto paso. Encontrar el error estándar:

Quinto paso. Encontrar el límite inferior y el límite superior del in-

Sexto paso. Interpretar

Con un nivel de confianza del 95% el tiempo medio poblacional de producción

En muchas ocasiones las investigaciones que se realizan usan muestras

Con respecto a la distribución normal, una distribución t Student es más plana

De la misma manera que se encuentra el intervalo de confianza para mues-

Estimación puntual ± margen de error

A continuación se muestran las fórmulas para muestras pequeñas, es decir, n

Los grados de libertad en la distribución t se define como el número de va-

Al igual que la distribución normal, en la distribución t de Student existe una

Página 548 tabla E.3 Valores críticos de t del libro:

Levine, D., Krehbiel, M. & Berenson, M. (2014). Estadística para adminis-

Por ejemplo, si se sabe que la muestra de un estudio es 12 y un nivel de confi-

En un estudio estadístico, con una muestra de 12 cajas, se encontró 4 de ellas

Primer peso. Identificar los datos.

Segundo paso. Identificar el tipo de variable.

Tercer paso. Determinar los grados de libertad.

Quinto paso. Encontrar el error estándar.

Sexto paso. Encontrar el límite inferior y superior.

Séptimo paso. Interpretar

También podría gustarte