MA461 Estadística Inferencial

UNIDAD 1: Inferencia Estadística

Semana 1 – Sesión 1

Logro: Al finalizar la unidad, el estudiante aplica la prueba de hipótesis en casos

empresariales, justificando su toma de decisiones.

Si mi objetivo es encontrar la edad promedio de la población de alumnos de la UPC

Muestreo

Población Muestra

̅
ESTADÍSTICO: Promedio muestral 𝒙
Estadística Inferencial
PARÁMETRO: Promedio poblacional 𝝁

Estadística inferencial: Estimar, generalizar, predecir, inducir, inferir, concluir a partir de la

información muestral hacia la población.

Por ejemplo: Si se quiere saber la edad promedio de la población de alumnos de la UPC (𝜇 =

21,3 𝑎ñ𝑜𝑠), se puede tomar una muestra (𝑥̅ = 21,5 𝑎ñ𝑜𝑠)

Estimación puntual: 𝜇 = 𝑥̅ (Del ejemplo: 𝜇 = 21,5 𝑎ñ𝑜𝑠, lo cual no es cierto)

Estimación por intervalo de confianza: IC(𝜇)=[ 𝑥̅ -ME; 𝑥̅ +ME]

Del ejemplo: IC(𝜇)=[ 21,5- 0,4; 21,5 + 0,4] años; es decir, IC(𝜇)=[ 21,1; 21,9] años

-1-
 MA461 Estadística Inferencial
UNIDAD 1: Inferencia Estadística
¿En qué consiste la Estadística Inferencial?
La Estadística Inferencial se centra en tomar una pequeña muestra
representativa de la población y a partir de ésta, inferir al resto de la población
tiene el mismo comportamiento.

¿Cuál es la importancia de estudiar la Estadística Inferencial?

La Estadística Inferencial es muy importante pues permite obtener respuestas
de manera útil y significativa a muchas de las necesidades que la sociedad actual
pueda requerir.

Población, muestra e Inferencia estadística

Población:
Es el conjunto de todos los elementos de interés en un estudio determinado.

Muestra:
Es un subconjunto de la población.

Medida Parámetro Estadístico

estadística Medida que resume la Medida que resume la
información de una población información de una muestra
Promedio (media) 𝜇 𝑥̅
Proporción p 𝑝̂
Varianza 𝜎2 𝑠2
Desviación estándar 𝜎 (sigma) s

-2-
 MA461 Estadística Inferencial
UNIDAD 1: Inferencia Estadística
Estimación de parámetros
Es un procedimiento mediante el cual se va de los estadísticos a los parámetros mediante información
de la muestra aleatoria para inferir el comportamiento de la población.

Estimación de parámetros

Estimación puntual Estimación por intervalo

Es un valor que sirve para estimar un Es un rango de valores que sirve para
parámetro desconocido de una estimar un parámetro desconocido de
población una población

Intervalo de confianza
La estimación por intervalo describe un rango de valores dentro de los cuales probablemente se
encuentre un parámetro de la población.

Donde:
• LI: Límite inferior de confianza
• LS: Límite superior de confianza
• 𝑿̅ : Estimación puntual
• ME: Margen de error
• 1-α: Nivel de confianza

Margen de Error
El margen de error se refiere a la cantidad de error de muestreo aleatorio resultado de la elaboración
de una encuesta y define el nivel de confianza de los resultados obtenidos en la investigación. A
mayor margen de error existe un menor grado de confianza en la investigación y viceversa.

Nivel de confianza
Es el grado de probabilidad 1 – 𝛼 de que el intervalo de confianza realmente contenga al parámetro
poblacional, se expresa en porcentaje.

-3-
 MA461 Estadística Inferencial
UNIDAD 1: Inferencia Estadística

Intervalo de confianza para estimar la media poblacional: 𝑰𝑪(𝝁)

El objetivo en este caso es construir un intervalo de confianza que se pueda usar para estimar una
media poblacional.
̅ − 𝑴𝑬 < 𝝁 < 𝒙
𝒙 ̅ + 𝑴𝑬

𝒔
𝑴𝑬 = 𝒕(𝜶;𝒏−𝟏) ∗
𝟐 √𝒏

̅ − 𝑴𝑬 ; 𝒙
𝑰𝑪(𝝁): [ 𝒙 ̅ + 𝑴𝑬 ]

𝒔 𝒔
̅ − 𝒕(𝜶;𝒏−𝟏) ∗
𝑰𝑪(𝝁): [ 𝒙 ̅ + 𝒕(𝜶;𝒏−𝟏) ∗
;𝒙 ]
𝟐 √𝒏 𝟐 √𝒏
Nota: Cómo buscar en la tabla
t(0,05;10)=1,8125
t(0,025;25)=2,0595

Donde:
µ: Media poblacional
𝑥̅ : Media muestral
𝑀𝐸: Margen de error
𝑠: Desviación estándar muestral
1 – 𝛼: Nivel de confianza
𝑡(𝛼;𝑛−1) : Valor crítico de la variable en la distribución t de Student
2

Condiciones:
• La muestra es aleatoria
• La muestra proviene de una población normal

Ejemplo simple:
n=25 𝑥̅ = 21,5 años 𝑠 = 1,5 años
𝛼
Nivel de confianza: 1- 𝛼 = 95% → 𝛼 =0,05 =0,025 𝑡(𝛼;𝑛−1) = 𝑡(0,025;24) =2,0639
2 2

Halle el intervalo de confianza:

𝑠 1,5
𝑀𝐸 = 𝑡(𝛼;𝑛−1) ∗ 𝑀𝐸 = 2,0639 ∗ = 0,6192
2 √𝑛 √25

𝐼𝐶(𝜇): [ 𝑥̅ − 𝑀𝐸 ; 𝑥̅ + 𝑀𝐸 ] 𝐼𝐶(𝜇): [21,5 − 0,6192 ; 21,5 + 0,6192]

𝐼𝐶(𝜇): [20,8808 ; 22,1192]
Interpretación: Se puede afirmar, con un 95% de confianza, que la edad promedio de los alumnos
de la UPC se encuentra en el intervalo [20,8808; 22,1192] años.
-4-
 MA461 Estadística Inferencial
UNIDAD 1: Inferencia Estadística

Ejemplo de aplicación:

Caso: Norris Electronics

Norris Electronics, realiza un estudio de sus focos de alta intensidad con
el objeto de incrementar la vida útil de éstos. Para ello, el grupo de diseño
del producto elaboró un nuevo filamento para estos focos. Para evaluar
las ventajas del filamento, se seleccionaron 106 focos y se midió el tiempo
en horas que duró cada foco hasta que se queme el filamento obteniendo
una media de 76 horas y una variabilidad de 12,065 horas.
Históricamente los focos fabricados por Norris tenían una duración media
de 72 horas.
Usando un nivel de confianza del 95%, podemos decir que el nuevo
filamento alarga la vida media de los focos.

Variable de estudio: Tiempo de vida de un foco

Unidad elemental: Un foco

¿Cómo calculo el margen de error para estimar µ?

𝒏 = 𝟏𝟎𝟔 𝑥̅ = 76 𝑠 = 12,065
𝟏 − 𝜶 = 0.95 𝜶 = 𝟎. 𝟎𝟓
𝛼
= 0.025
2

𝑡(𝛼;𝑛−1) = 𝑡(0.025;105) = 1.9828

2

𝑠 12.065
𝑴𝑬 = 𝑡(𝛼;𝑛−1) ∗ = 1.9828 ∗ = 2.3236
2 √𝑛 √106

¿Cómo calculo el intervalo de confianza para estimar µ?

𝑥̅ − 𝑀𝐸 = 76 − 2.3236 = 73.6764
𝑥̅ + 𝑀𝐸 = 76 + 2.3236 = 78.3236
𝑰𝑪(𝝁): [𝟕𝟑. 𝟔𝟕𝟔𝟒; 𝟕𝟖. 𝟑𝟐𝟑𝟔]

¿Cómo se podría interpretar este intervalo de confianza?

Existe un 95% de confianza de que el promedio de la vida útil de los focos con el nuevo filamento está
contenido en el intervalo: [73.6764; 78.3236] horas.

¿Cómo hacer el reporte para Norris Electronics?

De los resultados podemos inferir con un 95% de confianza de que, el uso del nuevo filamento alargará
la vida media de los focos, puesto que la vida media de los focos sin el nuevo filamento era de 72
horas.
Por lo que, el grupo del diseño del producto logró su objetivo que era el de incrementar la vida útil de
los focos.
-5-
 MA461 Estadística Inferencial
UNIDAD 1: Inferencia Estadística

Caso: Tienda de electrodomésticos

El administrador de una tienda de electrodomésticos desea estimar el monto

promedio de compra que realizan los clientes usando la tarjeta de crédito de
la tienda. Considera que si, en promedio, el monto de compra con tarjeta de
crédito de un cliente es superior a 1900 dólares justificaría el lanzamiento
de una promoción de descuento para fidelizar la clientela. Para ello
selecciona al azar a 8 clientes que pagaron con la tarjeta de crédito de su
tienda su compra y registran los siguientes montos en dólares:

2220 2425 1920 1935 2365 1850 2264 2079

Suponga que el monto de compra sigue una distribución normal y use un nivel de confianza del
97%.

Solución:

Interpretación:
Determinar si el administrador de la tienda de electrodomésticos lanzará una promoción de
descuento para fidelizar la clientela.
Representación:
Variable: Monto de compra con tarjeta de crédito (x)
Parámetro: Monto de compra promedio con tarjeta de crédito (𝜇)
Herramienta estadística: Intervalo de confianza para una media
Cálculo:
n=8 𝑥̅ = 2132,25 dólares 𝑠 = 217,5813 dólares
𝛼
Nivel de confianza: 1 − 𝛼 = 97% → 𝛼 =0,03 =0,015 𝑡(𝛼;𝑛−1) = 𝑡(0,015;7) =2,7146
2 2

Halle el intervalo de confianza:

𝑠 217,5813
𝑀𝐸 = 𝑡(𝛼;𝑛−1) ∗ 𝑀𝐸 = 2,7146 ∗ = 208,8250
2 √𝑛 √8

𝐼𝐶(𝜇): [ 𝑥̅ − 𝑀𝐸 ; 𝑥̅ + 𝑀𝐸 ] 𝐼𝐶(𝜇): [2132,25 − 208,8250 ; 2132,25 + 208,8250]

𝐼𝐶(𝜇): [1923,4250 ; 2341,0750] dólares
Análisis:
Interpretación: Se puede afirmar, con un 97% de confianza, que monto de compra promedio con
tarjeta de crédito se encuentra en el intervalo [1923,4250 ; 2341,0750] dólares.
El intervalo es mayor a 1900 dólares en todo su recorrido.
Argumentación:
El administrador de la tienda de electrodomésticos sí lanzará una promoción de descuento para
fidelizar la clientela, ya que el monto de compra promedio con tarjeta de crédito es mayor a 1900
dólares.

-6-
 MA461 Estadística Inferencial
UNIDAD 1: Inferencia Estadística

Intervalo de confianza para estimar la proporción poblacional: 𝑰𝑪(𝒑)

El objetivo en este caso es construir un intervalo de confianza que se pueda usar para estimar una
proporción poblacional.
̂ − 𝑴𝑬 < 𝒑 < 𝒑
𝒑 ̂ + 𝑴𝑬

̂(𝟏 − 𝒑
𝒑 ̂)
𝑴𝑬 = 𝒁(𝟏−𝜶) ∗ √
𝟐 𝒏

̂ − 𝑴𝑬 ; 𝒑
𝑰𝑪(𝒑): [ 𝒑 ̂ + 𝑴𝑬 ]

̂(𝟏 − 𝒑
𝒑 ̂) ̂(𝟏 − 𝒑
𝒑 ̂)
𝑰𝑪(𝒑): [ ̂𝒑 − 𝒁(𝟏−𝜶) ∗ √ ̂ + 𝒁(𝟏−𝜶) ∗ √
;𝒑 ]
𝟐 𝒏 𝟐 𝒏
Donde:
p: Proporción poblacional
𝑝̂ : Proporción muestral
𝑀𝐸: Margen de error
1 – 𝛼: Nivel de confianza
𝑍(1−𝛼) : Valor crítico de la variable en distribución normal estándar
2

Ejemplo simple:
n=50 alumnos de la UPC
x=20 alumnos estudian una carrera de negocios en la UPC
𝑥 20
𝑝̂ = = = 0,4
𝑛 50
𝛼 𝛼
Nivel de confianza: 1- 𝛼 = 95% → 𝛼 = 0,05 2 = 0,025 1 − 2 = 1 − 0,025 = 0,975
𝑍(0,975) = 1,96
Halle el intervalo de confianza para la proporción de alumnos que estudian una carrera de
negocios.
𝑝̂(1−𝑝̂) 0,4(1−0,4)
ME= 𝑍(1−𝛼) ∗ √ = 1,96 ∗ √ = 0,1358
2 𝑛 50

𝐼𝐶(𝑝): [ 𝑝̂ − 𝑀𝐸 ; 𝑝̂ + 𝑀𝐸 ] IC(𝑝)= [ 0,4 − 0,1358; 0,4 + 0,1358 ] = [0,2642; 0,5358]

Interpretación: Se puede afirmar, con un 95% de confianza, que la proporción de alumnos de la

UPC que estudian una carrera de negocios se encuentra en el intervalo [0,2642; 0,5358].

-7-
 MA461 Estadística Inferencial
UNIDAD 1: Inferencia Estadística
Ejemplo de aplicación:

Caso: Norris Electronics

De un estudio realizado por Norris Electronis a sus focos de alta intensidad
producidos con los nuevos filamentos, se determinó que el número de focos
defectuosos en una muestra aleatoria de 160 focos extraída de la producción
de una hora, fueron cuatro.
Para la empresa es muy importante que la proporción de focos defectuosos
no supere el 6%.
Usando un nivel de confianza del 95%, podemos decir que con el nuevo filamento la proporción de
los focos defectuosos están dentro de los estándares de la empresa.

Variable de estudio: Numero de focos defectuosos

p: Proporción de focos defectuosos

¿Cómo calculo el margen de error para estimar p?

4
𝑛 = 160 𝑝̂ = = 0.025
160

𝟏 − 𝜶 = 0.95
𝛼
1 − 2 = 0.975

𝑍(1−𝛼) = 𝑍0.975 = 1.96

2

𝑝̂ (1 − 𝑝̂ ) 0.025(1 − 0.025)
𝑀𝐸 = 𝑍(1−𝛼) ∗ √ = 1.96√ = 0.024
2 𝑛 160

¿Cómo calculo el intervalo de confianza para estimar p?

𝑝̂ − 𝑀𝐸 = 0.025 − 0.024 = 0.001

𝑝̂ + 𝑀𝐸 = 0.025 + 0.024 = 0.049

𝑰𝑪(𝒑): [𝟎. 𝟎𝟎𝟏; 𝟎. 𝟎𝟒𝟗]

¿Cómo se podría interpretar este intervalo de confianza?

Existe un 95% de confianza de que la proporción de focos defectuosos esté contenido en el intervalo:
[0,001; 0,049] = [0.1%; 4.9%]

¿Cómo hacer el reporte para Norris Electronics?

De los resultados podemos inferir con un 95% de confianza de que, con el uso del nuevo filamento la
proporción de los focos defectuosos están dentro de los estándares de la empresa.
-8-
 MA461 Estadística Inferencial
UNIDAD 1: Inferencia Estadística

Caso: Inmobiliaria

El dueño de una inmobiliaria se encuentra realizando una revisión

al personal del área contable. Uno de los requisitos de excelencia
fijados por la empresa es contar con más del 90% de cuentas bien
llenadas, es decir en excelente estado. Para ello se revisó
aleatoriamente 200 cuentas de la compañía, determinando que 165
de ellas se encontraban en excelente estado. Use un nivel de
confianza del 96% para realizar la estimación y verificar si se cumple
el requisito de excelencia.

Solución:

Interpretación:
Determinar si se cumple el requisito de excelencia.
Representación:
Variable: Número de cuentas bien llenadas (x)
Parámetro: Proporción de cuentas bien llenadas (p)
Herramienta estadística: Intervalo de confianza para una proporción
Cálculo:
n=200 cuentas
x=165 cuentas bien llenadas
𝑥 165
𝑝̂ = = = 0,825
𝑛 200
𝛼 𝛼
Nivel de confianza: 1- 𝛼 = 96% → 𝛼 = 0,04 2 = 0,02 1 − 2 = 1 − 0,02 = 0,98
𝑍(0,98) = 2,05
Halle el intervalo de confianza para la proporción de alumnos que estudian una carrera de
negocios.
𝑝̂(1−𝑝̂) 0,825(1−0,825)
ME= 𝑍(1−𝛼) ∗ √ = 2,05 ∗ √ = 0,0551
2 𝑛 200

𝐼𝐶(𝑝): [ 𝑝̂ − 𝑀𝐸 ; 𝑝̂ + 𝑀𝐸 ] IC(𝑝)= [ 0,825 − 0,0551; 0,825 + 0,0551 ] = [0,7699; 0,8801]

Análisis:
Interpretación: Se puede afirmar, con un 96% de confianza, que la proporción de cuentas bien
llenadas se encuentra en el intervalo [0,7699; 0,8801]
El intervalo no es mayor a 90%.
Argumentación:
No se cumple el requisito de excelencia, ya que la proporción de cuentas bien llenadas no es mayor
a 90%.

-9-