Este documento presenta un análisis estadístico de los precios de cierre de acciones de Amazon y Apple utilizando intervalos de confianza. Calcula valores z para intervalos del 95% y 99% y construye intervalos de confianza del 95% para las medias de los rendimientos de ambas empresas. Explica que cuando se aumenta el nivel de confianza, por ejemplo del 95% al 99%, los intervalos de confianza se hacen más grandes debido a que se utiliza un valor z mayor, lo que amplía el rango que se suma y resta al par

1. Introducción a Ciencias de Datos y Estadística Básica
para Negocios
Práctica individual con evaluación entre pares
TecdeMonterreyX
Autor:
Ing. Alexis Ruiz Bernadac
21 de octubre de 2021

2. Índice
Portada ---------------------------------------------------------------------------------- Pág. 1
Índice ------------------------------------------------------------------------------------- Pág. 2
Introducción ----------------------------------------------------------------------------- Pág. 3
Desarrollo -------------------------------------------------------------------------------- Pág. 4
Resultados ------------------------------------------------------------------------------- Pág. 4
Conclusión ------------------------------------------------------------------------------- Pág. 5

3. Introducción
Se tiene una lista de precios de cierre de las acciones de Amazon y Apple. En el
proyecto se calcularán los valores z de ciertos niveles de confianza, se calcularán
intervalos de confianza, se analizarán los conceptos y se justificará el
comportamiento de los resultados obtenidos suponiendo cambios en los niveles de
confianza.
Ilustración 1. Precios de cierre.
Anteriormente realizaste el cálculo de las dos columnas de rendimientos de Amazon
y Apple.
Al mismo tiempo, calculaste la media y la desviación estándar de cada uno de los
rendimientos. Es decir, imagina que con los datos de estas dos muestras de
rendimientos (14 datos por empresa) deseas usar la técnica de intervalos de
confianza con la distribución normal. Vamos a desarrollar lo siguiente.

4. 1. Usando la función de Excel “DISTR.NORM.ESTAND.INV”, encuentra el
valor z (este es necesario para construir el intervalo de confianza) de la
distribución normal estándar, para poder construir un intervalo del 95% de
confianza.
= DISTR.NORM.ESTAND.INV(0.975)
= 1.95996398
2. Usando la función de Excel “DISTR.NORM.ESTAND.INV, encuentra el
valor z (este es necesario para construir el intervalo de confianza) de la
distribución normal estándar, para poder construir un intervalo del 99% de
confianza.
= DISTR.NORM.ESTAND.INV(0.975)
= 2.5758293
3. Con el tamaño de muestra (n=14) calcula el intervalo de confianza del 95%
para cada una las medias poblacionales de los rendimientos de Amazon y
de Apple.
Intervalo Amazon 95%
= (0.034417006)-(1.95996398)*( 0.217153871)/√(14)
= -0.07933306
= (0.034417006)+(1.95996398)*( 0.217153871)/√(14)
= 0.14816707
Intervalo Apple 95%
= (0.029027475)-(2.5758293)*( 0.137609295)/√(14)
= -0.04305536
= (0.029027475)+( 2.5758293)*( 0.137609295)/√(14)
= 0.10111031
4. Cuando cambias de nivel de confianza, digamos de 95% a 99%, ¿Por qué
los intervalos de confianza se hacen más grandes?
El intervalo de confianza es un rango que contiene el parámetro
poblacional con una probabilidad especifica, es decir un nivel de
confianza. Al aumentar tu porcentaje de probabilidad estas
incrementando el valor z que se utilizara para calcular el rango, como
este es directamente proporcional, mientras mayor sea el valor z
mayor es el valor que sumas y restas al parámetro.

5. Conclusión
Los objetivos del proyecto se cumplieron satisfactoriamente y los resultados
obtenidos fueron los esperados. Saber calcular e interpretar los intervalos de
confianza según sus niveles de confianza es una herramienta muy útil para la toma
de decisiones en situaciones clave. Es un tema complejo ya que supone habilidades
como la correcta calibración de cantidad de muestra y otros parámetros pero una
vez que se dominan los temas y se cuenta con experiencia es se suma utilidad para
la mayoría de los proyectos.