SlideShare una empresa de Scribd logo
1 de 20
ESCUELA : PONENTE : BIMESTRE : ESTAD Í STICA II  CICLO : AREA ADMINISTRATIVA I BIMESTRE Ec. Santiago Ochoa ABRIL  – AGOSTO 2007
MUESTREO ALEATORIO SIMPLE MUESTREO ALEATORIO SISTEMÁTICO Ejemplo: se desea establecer una muestra 1000 estudiantes de los 20000 que tiene la UTPL en su modalidad a distancia, para esto debo ordenar alfabéticamente a los estudiantes, luego divido 20000/1000 = 20 y selecciona a uno de cada veinte estudiantes. Ejemplo: un bingo, introduzco los números en una ánfora y selecciono una muestra al azar.
MUESTREO ALEATORIO ESTRATIFICADO   MUESTREO ALEATORIO POR CONGLOMERADO Se divide a la población en estratos (subunidades) se selecciona con  que subunidades se va a trabajar y de las unidades seleccionadas, se toma una muestra aleatoriamente 50 100 352 TOTAL 1 5 27 16 1 2 10 54 33 1 8 35 189 115 5 MENOS DE 25 AÑOS 26-30AÑOS 31-35 AÑOS 36-40AÑOS MÁS DE 41AÑOS 1 2 3 4 5 CANTIDAD MUESTREADA % DEL TOTAL Nº DE EMPLEADOS EDADES ESTRATO
INTERVALOS DE CONFIANZA INTERVALO DE CONFIANZA PARA MUESTRAS  MAYORES A 30 ELEMENTOS INTERVALO DE CONFIANZA PARA MUESTRAS  MENORES A 30 ELEMENTOS DESVIACIÓN ESTÁNDAR EJEMPLO IPC Guayaquil, Machala, Portoviejo, Quito, Ambato, Cuenca , Manta, Esmeraldas  Quevedo, Riobamba, Loja y Latacunga. Con estas ciudades se cubre el 67% de la población urbana del país.
PROPORCIONES PROPORCIÓN.- Fracción, razón o porcentaje que indica la parte de la muestra o población que tiene una característica determinada  PROPORCIÓN MUESTRAL: INTERVALOS DE CONFIANZA PARA UNA PROPORCIÓN POBLACIONAL ERROR ESTÁNDAR DE LA PROPORCIÓN MUESTRAL
PRUEBAS DE HIPÓTESIS PARA UNA MUESTRA ,[object Object],PASOS PARA PROBAR UNA HIPÓTESIS ,[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object],Hipótesis nula: Afirmación acerca del valor de un parámetropoblacional Hipótesis Alternativa: Afirmación que se aceptará si los datos muestrales aseguran que es falsa H 0 Paso 2. Seleccionar el nivel de significancia Generalmente son del 5% o 1% (Error de tipo I y Error de tipo II)z ERROR DE TIPO I.- Rechazar la hipótesis nula, H0 cuando es verdadera ERROR DE TIPO II.- Aceptar la hipótesis nula, H0 cuando es Falsa
Paso 3. Calcular el valor estadístico de prueba.  Estadísticos de pruebas como: Z, t de Student, F y Ji cuadrado Para muestras grandes Para muestras pequeñas Paso 4: Formular la regla de decisión Son las condiciones según las que se acepta o rechaza la hipótesis nula Paso 5: Tomar una decisión El valor observado de la estadística muestral se compara con el valor de estadística de prueba. Para proporciones
EJEMPLO:  PRUEBA DE HIPÓTESIS ,[object Object],PASO 1: ESTABLECER HIPÓTESIS PASO 2:  Nivel de significancia (0.05%) PASO 3:  Valor estadístico de prueba
UNA COLA 0.5-0.05=0.45 DOS COLAS  (0.05%) 0.05/2=0.025  0.50-0.025 =0.475 -0.50 0.50
PASO 4: FORMULAR LA REGLA DE DECISIÓN PASO 5: TOMAR UNA DECISIÓN Se rechaza H 0  no es igual a 1000 toneladas Para un nivel de significancia de 0.05, la región de rechazo es  z >1.96 o z< -1.96 -2,7
EJEMPLO:  PRUEBA DE HIPÓTESIS ,[object Object],PASO 1:  ESTABLECER HIPÓTESIS
PASO 3:ESTADÍSTICO DE PRUEBA   En este caso es T de student PASO 2: NIVEL DE SIGNIFICANCIA (0.05)
GRADOS DE LIBERTAD =28-1=27  VC = 1.703
[object Object],[object Object],PASO 5: TOMAR DECISIÓN T calculado = 5.04  cae en la región de rechazo. Por lo tanto rechazamos H0.  El número medio de visitas realizadas por vendedor y por semana es mayor que 40
PRUEBA DE BONDAD DE AJUSTE DE FRECUENCIAS ESPERADAS ,[object Object],7 D 120 TOTAL 17 F 36 E 14 C 33 B 13 A Vehículos VENDEDOR
[object Object],PASO 1. Se establece Ho y H1 Ho= Fo=fe H1=Fo=fe PASO 2. Se selecciona el nivel de significancia 0.05, que es la probabilidad de rechazar una hipótesis nula verdadera 20 7 D Número vendido esperado fe Vehículos vendidos fo Vendedores 100 120 TOTAL 20 17 F 20 36 E 20 14 C 20 33 B 20 13 A
[object Object],El estadístico es chi cuadrado, con K-1 grados de libertad, donde: K=es el numero de categorías fo =es una frecuencia observada en una categoría determinada fe =es una frecuencia esperada en una categoría determinada PASO 4. Se formula la regla de decisión N= 6-1=5gdl Se rechaza Ho si el valor ji cuadrada que se obtuvo de los cálculos es mayor que 11,070. 15,086 13,388 11,07 9,236 5 13,277 11,668 9,488 7,779 4 11,345 9,837 7,815 6,251 3 9,21 7,824 5,991 4,605 2 6,635 5,412 3,841 2,706 1 0.01 0.02 0.05 0.10 gl Área de la cola derecha Grados de libertad
 
PASO 5.  DECIDIR. Como el resultado calculado 34.5 es mayor que el de la tabla 11.070, rechazamos la hipótesis de que las frecuencias son iguales, las ventas son diferentes.   8,45 169 -13 20 7 D 34.5 519 13 120 120 TOTAL 0,45 9 -3 20 17 F 12,8 256 16 20 36 E 1,8 36 -6 20 14 C 8,45 169 13 20 33 B 2,45 49 -7 20 13 A (fo-fe) 2 /fe (fo-fe) 2 (fo-fe) fe fo VENDEDOR

Más contenido relacionado

La actualidad más candente

Exposicion montecarlo
Exposicion montecarloExposicion montecarlo
Exposicion montecarlo
marco
 

La actualidad más candente (20)

Mic sesión 10
Mic sesión 10Mic sesión 10
Mic sesión 10
 
Unidad1
Unidad1Unidad1
Unidad1
 
Priori.semana5
Priori.semana5Priori.semana5
Priori.semana5
 
Mic sesión 12
Mic sesión 12Mic sesión 12
Mic sesión 12
 
Metodo Montecarlo
Metodo MontecarloMetodo Montecarlo
Metodo Montecarlo
 
Problemas de determinación de tamaño de la muestra (9)
Problemas de determinación de tamaño de la muestra (9)Problemas de determinación de tamaño de la muestra (9)
Problemas de determinación de tamaño de la muestra (9)
 
Mic sesión 8b
Mic sesión 8bMic sesión 8b
Mic sesión 8b
 
Trasporte
TrasporteTrasporte
Trasporte
 
Exposicion montecarlo
Exposicion montecarloExposicion montecarlo
Exposicion montecarlo
 
Guía materia econometría
Guía materia econometríaGuía materia econometría
Guía materia econometría
 
ESTADISTICA II (II Bimestre Abril agosto 2011)
ESTADISTICA II  (II Bimestre Abril agosto 2011)ESTADISTICA II  (II Bimestre Abril agosto 2011)
ESTADISTICA II (II Bimestre Abril agosto 2011)
 
Mic sesión 11
Mic sesión 11Mic sesión 11
Mic sesión 11
 
Simulador De Riesgos Montecarlo
Simulador De Riesgos MontecarloSimulador De Riesgos Montecarlo
Simulador De Riesgos Montecarlo
 
Estadistica inferencial
Estadistica inferencialEstadistica inferencial
Estadistica inferencial
 
Analisis de Sencibilidad
Analisis de SencibilidadAnalisis de Sencibilidad
Analisis de Sencibilidad
 
Distribuciones continuas, discretas y empíricas
Distribuciones continuas, discretas y empíricasDistribuciones continuas, discretas y empíricas
Distribuciones continuas, discretas y empíricas
 
Presentación trabajo final
Presentación trabajo finalPresentación trabajo final
Presentación trabajo final
 
MÉTODO DE TRANSPORTE
MÉTODO DE TRANSPORTEMÉTODO DE TRANSPORTE
MÉTODO DE TRANSPORTE
 
[Resumen] Simulacion de montecarlo
[Resumen] Simulacion de montecarlo[Resumen] Simulacion de montecarlo
[Resumen] Simulacion de montecarlo
 
Mic sesión 4
Mic sesión 4Mic sesión 4
Mic sesión 4
 

Similar a Estadistica II (I Bimestre)

Estadística-Inferencial INGENIERIA IND.ppt
Estadística-Inferencial INGENIERIA IND.pptEstadística-Inferencial INGENIERIA IND.ppt
Estadística-Inferencial INGENIERIA IND.ppt
erick492359
 
PRUEBA DE HIPOTESIS
PRUEBA DE HIPOTESISPRUEBA DE HIPOTESIS
PRUEBA DE HIPOTESIS
Carlos Miguel Santa Cruz Vera
 
Estadidtica descriptiva graficos_exploratorios
Estadidtica descriptiva graficos_exploratoriosEstadidtica descriptiva graficos_exploratorios
Estadidtica descriptiva graficos_exploratorios
jennypao39
 
Pruebas de hipótesis para una muestra
Pruebas de hipótesis para una muestraPruebas de hipótesis para una muestra
Pruebas de hipótesis para una muestra
Alejandro Ruiz
 

Similar a Estadistica II (I Bimestre) (20)

Inferencia estadistica
Inferencia estadisticaInferencia estadistica
Inferencia estadistica
 
Estadística-Inferencial.ppt
Estadística-Inferencial.pptEstadística-Inferencial.ppt
Estadística-Inferencial.ppt
 
Estadística-Inferencial INGENIERIA IND.ppt
Estadística-Inferencial INGENIERIA IND.pptEstadística-Inferencial INGENIERIA IND.ppt
Estadística-Inferencial INGENIERIA IND.ppt
 
Estadística inferencial
Estadística inferencialEstadística inferencial
Estadística inferencial
 
estadistica_inferencial.pdf
estadistica_inferencial.pdfestadistica_inferencial.pdf
estadistica_inferencial.pdf
 
Clase 12-Estadística-Inferencial.pdf
Clase 12-Estadística-Inferencial.pdfClase 12-Estadística-Inferencial.pdf
Clase 12-Estadística-Inferencial.pdf
 
mat 260 unidad 6 parte 1 2020.pptx
mat 260 unidad 6 parte 1 2020.pptxmat 260 unidad 6 parte 1 2020.pptx
mat 260 unidad 6 parte 1 2020.pptx
 
Prueba de hipotesis enviarrrrrrrr
Prueba de hipotesis enviarrrrrrrrPrueba de hipotesis enviarrrrrrrr
Prueba de hipotesis enviarrrrrrrr
 
PRUEBA DE HIPOTESIS
PRUEBA DE HIPOTESISPRUEBA DE HIPOTESIS
PRUEBA DE HIPOTESIS
 
Mic sesión 8a
Mic sesión 8aMic sesión 8a
Mic sesión 8a
 
Estadidtica descriptiva graficos_exploratorios
Estadidtica descriptiva graficos_exploratoriosEstadidtica descriptiva graficos_exploratorios
Estadidtica descriptiva graficos_exploratorios
 
Estadistica gral
Estadistica gralEstadistica gral
Estadistica gral
 
Pruebas de Hipotesis
Pruebas de HipotesisPruebas de Hipotesis
Pruebas de Hipotesis
 
Presentacion
 Presentacion Presentacion
Presentacion
 
Metodos No Parametricos Parte I. Est ind clase11
Metodos No Parametricos Parte I. Est ind clase11Metodos No Parametricos Parte I. Est ind clase11
Metodos No Parametricos Parte I. Est ind clase11
 
ESTADISTICA II ( I Bimestre Abril Agosto 2011)
ESTADISTICA II ( I Bimestre Abril Agosto 2011)ESTADISTICA II ( I Bimestre Abril Agosto 2011)
ESTADISTICA II ( I Bimestre Abril Agosto 2011)
 
Muestreo diana
Muestreo dianaMuestreo diana
Muestreo diana
 
Muestreo diana
Muestreo dianaMuestreo diana
Muestreo diana
 
Pruebas de hipótesis para una muestra
Pruebas de hipótesis para una muestraPruebas de hipótesis para una muestra
Pruebas de hipótesis para una muestra
 
PRUEBA DE HIPOTESIS 2.pptx
PRUEBA DE HIPOTESIS  2.pptxPRUEBA DE HIPOTESIS  2.pptx
PRUEBA DE HIPOTESIS 2.pptx
 

Más de Videoconferencias UTPL

La oración en clave de espiritualidad misionera
La oración en clave de espiritualidad misioneraLa oración en clave de espiritualidad misionera
La oración en clave de espiritualidad misionera
Videoconferencias UTPL
 
Asesoria trabajo fin de titulacion (Lineas y proyectos de investigación )
Asesoria trabajo fin de titulacion (Lineas y proyectos de investigación )Asesoria trabajo fin de titulacion (Lineas y proyectos de investigación )
Asesoria trabajo fin de titulacion (Lineas y proyectos de investigación )
Videoconferencias UTPL
 
Introducción a las ciencias ambientales
Introducción a las ciencias ambientalesIntroducción a las ciencias ambientales
Introducción a las ciencias ambientales
Videoconferencias UTPL
 

Más de Videoconferencias UTPL (20)

La oración en clave de espiritualidad misionera
La oración en clave de espiritualidad misioneraLa oración en clave de espiritualidad misionera
La oración en clave de espiritualidad misionera
 
Asesoria trabajo fin de titulacion (Lineas y proyectos de investigación )
Asesoria trabajo fin de titulacion (Lineas y proyectos de investigación )Asesoria trabajo fin de titulacion (Lineas y proyectos de investigación )
Asesoria trabajo fin de titulacion (Lineas y proyectos de investigación )
 
Asesoria trabajo fin de titulacion (objetivos y planificacion)
Asesoria trabajo fin de titulacion (objetivos y planificacion)Asesoria trabajo fin de titulacion (objetivos y planificacion)
Asesoria trabajo fin de titulacion (objetivos y planificacion)
 
Generos graficos
Generos graficosGeneros graficos
Generos graficos
 
Periodismo digital
Periodismo digitalPeriodismo digital
Periodismo digital
 
El editorial
El editorialEl editorial
El editorial
 
La entrevista
La entrevistaLa entrevista
La entrevista
 
La noticia
La noticiaLa noticia
La noticia
 
Generos periodisticos
Generos periodisticosGeneros periodisticos
Generos periodisticos
 
Biología general
Biología generalBiología general
Biología general
 
Introducción a las ciencias ambientales
Introducción a las ciencias ambientalesIntroducción a las ciencias ambientales
Introducción a las ciencias ambientales
 
Expresion oral y escrita
Expresion oral y escritaExpresion oral y escrita
Expresion oral y escrita
 
Matematicas I
Matematicas IMatematicas I
Matematicas I
 
Contabilidad general I
Contabilidad general IContabilidad general I
Contabilidad general I
 
Realidad Nacional
Realidad NacionalRealidad Nacional
Realidad Nacional
 
Aplicación de nuevas tecnologías
Aplicación de nuevas tecnologíasAplicación de nuevas tecnologías
Aplicación de nuevas tecnologías
 
Marketing y protocolo empresarial
Marketing y protocolo empresarialMarketing y protocolo empresarial
Marketing y protocolo empresarial
 
Gerencia educativa
Gerencia educativaGerencia educativa
Gerencia educativa
 
Toma de decisiones
Toma de decisiones Toma de decisiones
Toma de decisiones
 
Ejercicios fonetica y fonologia
Ejercicios fonetica y fonologiaEjercicios fonetica y fonologia
Ejercicios fonetica y fonologia
 

Estadistica II (I Bimestre)

  • 1. ESCUELA : PONENTE : BIMESTRE : ESTAD Í STICA II CICLO : AREA ADMINISTRATIVA I BIMESTRE Ec. Santiago Ochoa ABRIL – AGOSTO 2007
  • 2. MUESTREO ALEATORIO SIMPLE MUESTREO ALEATORIO SISTEMÁTICO Ejemplo: se desea establecer una muestra 1000 estudiantes de los 20000 que tiene la UTPL en su modalidad a distancia, para esto debo ordenar alfabéticamente a los estudiantes, luego divido 20000/1000 = 20 y selecciona a uno de cada veinte estudiantes. Ejemplo: un bingo, introduzco los números en una ánfora y selecciono una muestra al azar.
  • 3. MUESTREO ALEATORIO ESTRATIFICADO MUESTREO ALEATORIO POR CONGLOMERADO Se divide a la población en estratos (subunidades) se selecciona con que subunidades se va a trabajar y de las unidades seleccionadas, se toma una muestra aleatoriamente 50 100 352 TOTAL 1 5 27 16 1 2 10 54 33 1 8 35 189 115 5 MENOS DE 25 AÑOS 26-30AÑOS 31-35 AÑOS 36-40AÑOS MÁS DE 41AÑOS 1 2 3 4 5 CANTIDAD MUESTREADA % DEL TOTAL Nº DE EMPLEADOS EDADES ESTRATO
  • 4. INTERVALOS DE CONFIANZA INTERVALO DE CONFIANZA PARA MUESTRAS MAYORES A 30 ELEMENTOS INTERVALO DE CONFIANZA PARA MUESTRAS MENORES A 30 ELEMENTOS DESVIACIÓN ESTÁNDAR EJEMPLO IPC Guayaquil, Machala, Portoviejo, Quito, Ambato, Cuenca , Manta, Esmeraldas Quevedo, Riobamba, Loja y Latacunga. Con estas ciudades se cubre el 67% de la población urbana del país.
  • 5. PROPORCIONES PROPORCIÓN.- Fracción, razón o porcentaje que indica la parte de la muestra o población que tiene una característica determinada PROPORCIÓN MUESTRAL: INTERVALOS DE CONFIANZA PARA UNA PROPORCIÓN POBLACIONAL ERROR ESTÁNDAR DE LA PROPORCIÓN MUESTRAL
  • 6.
  • 7.
  • 8. Paso 3. Calcular el valor estadístico de prueba. Estadísticos de pruebas como: Z, t de Student, F y Ji cuadrado Para muestras grandes Para muestras pequeñas Paso 4: Formular la regla de decisión Son las condiciones según las que se acepta o rechaza la hipótesis nula Paso 5: Tomar una decisión El valor observado de la estadística muestral se compara con el valor de estadística de prueba. Para proporciones
  • 9.
  • 10. UNA COLA 0.5-0.05=0.45 DOS COLAS (0.05%) 0.05/2=0.025 0.50-0.025 =0.475 -0.50 0.50
  • 11. PASO 4: FORMULAR LA REGLA DE DECISIÓN PASO 5: TOMAR UNA DECISIÓN Se rechaza H 0 no es igual a 1000 toneladas Para un nivel de significancia de 0.05, la región de rechazo es z >1.96 o z< -1.96 -2,7
  • 12.
  • 13. PASO 3:ESTADÍSTICO DE PRUEBA En este caso es T de student PASO 2: NIVEL DE SIGNIFICANCIA (0.05)
  • 14. GRADOS DE LIBERTAD =28-1=27 VC = 1.703
  • 15.
  • 16.
  • 17.
  • 18.
  • 19.  
  • 20. PASO 5. DECIDIR. Como el resultado calculado 34.5 es mayor que el de la tabla 11.070, rechazamos la hipótesis de que las frecuencias son iguales, las ventas son diferentes. 8,45 169 -13 20 7 D 34.5 519 13 120 120 TOTAL 0,45 9 -3 20 17 F 12,8 256 16 20 36 E 1,8 36 -6 20 14 C 8,45 169 13 20 33 B 2,45 49 -7 20 13 A (fo-fe) 2 /fe (fo-fe) 2 (fo-fe) fe fo VENDEDOR