Beruflich Dokumente
Kultur Dokumente
• Motivación.
• Competencias
Inicio
• Conocimientos previos.
• Retroalimentación.
Cierre • Autoevaluación
CASO PRACTICO
Una fabrica de pilas recargables esta probando con piezas de aleaciones
de metal que garanticen mas tiempo de vida en las pilas y para ser
producido en lotes. Para esto se realizaron 200 pruebas de las cuales 8
mostraron defectos en su fabricación.
Si se sabe que cada lote que se produce consta de10,000 piezas,
¿cuántas piezas de aleaciones se espera que tengan defectos de
fabricación?
Competencias
Probability Plot of x
Normal - 95% CI
Al termino de la sesión, el estudiante
99
Mean 9.25
estará en capacidad de:
Diferenciar entre la estimación puntual
StDev 1.913
95 N 12
AD 0.449
90
80
70
P-Value 0.228
y la estimación por intervalos.
Construir e interpretar intervalos de
Percent
60
50
40
30
20
confianza para la media cuando la
10 varianza es conocida y desconocida con
5
1
la finalidad de toma de decisiones.
2 4 6 8
x
10 12 14 16
Construir e interpretar intervalos de
confianza para la proporción con la
finalidad de toma de decisiones.
Calcular el tamaño de muestra
necesario para estimar la media o la
proporción.
Conceptos previos
Población: Es el conjunto de todos los elementos que tienen una o más
características en común.
Muestra: Es un subconjunto de elementos que han sido extraídos de una
población.
Unidad de muestreo: Es el elemento o elementos que se encuentran disponibles
para su selección en alguna de las etapas de muestreo.
Parámetro: Es una medida que resume la información de una característica de
toda la población.
Estadístico (Estimación): Es una medida que resume la información de una
característica proveniente de una muestra.
Inferencia Estadística
La Inferencia Estadística comprende métodos y procedimientos
que tienen por objetivo generalizar los resultados de la muestra a
toda la población. Esta generalización es de tipo inductivo y esta
basado en las probabilidades.
Total
Media
Proporción
Varianza
Diferencia de medias
Diferencias de proporciones
Cociente de varianzas
Población Muestra
¿Cómo se lleva a cabo un estudio estadístico?
Estimación de parámetros
Estimación Puntual. Es un valor calculado a partir de la muestra para estimar el
parámetro poblacional desconocido.
varianza σ conocida.
Un Intervalo de confianza bilateral de ( 1 ) x 100% para esta dado por:
x z0 x z0
n n
donde :
z0 z1 / 2
Ejemplo
Se cuenta con información de la temperatura de pasteurización de 40 muestras de
Yogurt que dieron una media de 67.5𝑐 𝑜 . De estudios previos realizados por la empresa
se sabe que la desviación estándar de la temperatura de pasteurización es de 0.8𝑐 𝑜 .
a.- ¿Con 95% de confianza cuál es el margen de error?
0.8
E Z1 / 2 1.96 0.248
n 40
b.- ¿Cuál es el I.C. de 95% para estimar la media (μ)
0.8
I .C.( ) x Z1 / 2 67.5 1.96 67.25;67.75
n 40
Con un 95% de confianza, el intervalo contiene la temperatura media poblacional de pasteurización del
Yogurt.
Intervalo de confianza bilateral para μ con varianza
𝟐
σ desconocida y muestra pequeña (n<30).
Un intervalo de confianza de ( 1 )x100% para esta dado por:
s s
x t / 2,n 1 x t / 2,n 1
n n
donde :
t0 t / 2,n 1
Ejemplo
Se cuenta con información del contenido de lubricante de autos embotellado por una
máquina en una muestra de 22 botellas, de las cuales se calculo que la media fue de
3.98 litros, con una desviación estándar de 0.09 litros.
a.- ¿Cuál es el error estándar de la media?
S 0.09
SE 0.019
n 22
b.- ¿Cuál es el I.C. de 99% para estimar la media (μ)
t1-α/2; n-1 = t0.995;21 = 2.831
3.926 ; 4.034
S 0.09
I .C.( ) x t n 1;1 / 2 3.98 2.831
n 22
Interpretación:
Con un 99% de confianza, el intervalo contiene el contenido promedio de lubricante.
Intervalo de confianza bilateral para μ con varianza σ𝟐
desconocida y muestra grande (n>30).
s s
x z0 x z0
n n
donde :
z0 z1 / 2
Ejemplo
Se tomo una muestra de 72 tiempos de embalaje en un proceso de empacado de piezas de computadoras,
de la muestra se calculo que la media de los tiempos es de 9.5 min, con una desviación estándar de
1.1min.
a.- ¿Con 95% de confianza cuál es el margen de error?
s 1.1
E Z1 / 2 * 1.96 * 0.254
n 72
b.- ¿Cuál es el I.C. de 95% para estimar la media (μ)
s 1.1
I .C.( ) x Z1 / 2 * 9.5 1.96 * 9.246;9.754
n 72
Interpretación:
Con un 95% de confianza, el intervalo contiene el tiempo promedio de embalaje en el proceso de empacado de
piezas de computadoras.
RESUMEN
CASO Intervalo de confianza para μ Distribución
1.- σ conocido x Z1 / 2 Normal: Z
n
s
2.-σ desconocido x tn1;1 / 2
n t - Student
n ≤ 30
p (1 p)
p Z 1 / 2
n
Nota:
Si n x p y n x (1-p) son mayores o iguales a cinco, la distribución
binomial se aproxima a la distribución normal.
Ejemplo:
Una fabrica de pilas recargables esta probando con piezas de
aleaciones de metal que garanticen mas tiempo de vida en las
pilas y para ser producido en lotes. Para esto se realizaron 200
pruebas de las cuales 8 mostraron defectos en su fabricación.
a) Realice la estimación correspondiente con un 98% de
confianza.
b) Si se sabe que cada lote que se produce consta de10,000
piezas, ¿cuántas piezas de aleaciones se espera que tengan
defectos de fabricación?
Datos:
n = 200; 8
x= 8 piezas de aleación con p 0.04
200
defectos de fabricación luego:
IC ( ) 0.0115; 0.0685
b) Si se sabe que cada lote que se produce consta de 10,000 piezas,
¿cuántas piezas de aleaciones se espera que tengan defectos de
fabricación?
N=10000 tamaño de la población en el lote.
p (1 p)
IC ( A) N p Z 1 / 2
n
Z12 / 2 . 2 Z12 / 2 (1 )
n 2
n 2
E E
Cuando no se conoce σ, Cuando no se conoce π,
• Se puede utilizar s. utilizar: π =0.5
• Se puede considerar:
KS = R, donde:
K puede tomar el valor de 2 o 4
y R viene a ser la diferencia entre
el mayor y menor observado.
Ejemplo :
E = 120
γ = 0.90 α =0.10 Z1- α/2 =Z0.95 = 1.64
σ = 350
E = 0.04