UNIVERSIDAD TÉCNICA DE MACHALA

Calidad, Pertinencia y Calidez

FACULTAD DE CIENCIAS EMPRESARIALES

MERCADOTECNIA – TERCER SEMESTRE “B”

SECCION:

NOCTURNO
INFORME:

DIARIOS DE CLASES

ASIGNATURA:

ESTADÍSTICA INFERENCIAL

NOMBRES:
EDISON ALBERTO CHUVA FRANCO

DOCENTE:

VITE CEVALLOS HARRY ALEXANDER

PERIODO:
2024
MISIÓN Y VISIÓN DE UNIVERSIDAD, FACULTAD Y CARRERA

UNIVERSIDAD TÉCNICA DE MACHALA

Misión: La Universidad Técnica de Machala es una institución de
educación superior orientada a la docencia, a la investigación y a la
vinculación con la sociedad, que forma y perfecciona profesionales en
diversas áreas del conocimiento, competentes, emprendedores y
comprometidos con el desarrollo en sus dimensiones económico,
humano, sustentable y científico-tecnológico para mejorar la producción,
competitividad y calidad de vida de la población en su área de influencia.
Visión: Ser líder del desarrollo educativo, cultural, territorial, socio-
económico, en la región y el país.

FACULTAD DE CIENCIAS EMPRESARIALES

Misión: Su misión se concreta en contribuir a la producción, al desarrollo

e innovación de las ciencias empresariales, económicas y de contabilidad
y auditoría a la formación de profesionales altamente competitivos y de
solidos principios éticos capaces de crear y desarrollar cualquier tipo de
organización productiva licita, desempeñar funciones inherentes a los
procesos administrativo y contables y en definitiva contribuir a optimizar
recursos minimizar costos y obtener satisfactorios índices de
productividad, calidad y competitividad.
Visión: Ser reconocido como una de las mejores unidades académicas de
educación superior, con egresados competitivos en gestión empresarial y
administrativo de organizaciones dispuestos siempre a la innovación, al
desempeño productivo, al prestigio de sus respectivas profesiones, a la
contribución y al desarrollo integral del entorno, en un marco de solidos
principios éticos y morales.
CARRERA DE MERCADOTECNIA

Misión: Formar profesionales innovadores y emprendedores capaces de

elaborar y gestionar estrategias gerenciales en mercadotecnia para
incentivar con responsabilidad social la competitividad de las empresas en
el marco del desarrollo local, regional y nacional.
Visión: Ser una carrera acreditada para el año 2021, que cumpla con
estándares de calidad y excelencia a nivel nacional e internacional
DIARIOS
DE
CLASE
 DIARIO DE CLASE N.1
TERCER SEMESTRE NOCTURNO
SEMANA 01 UNIDAD 1: Muestreo y distribución de muestreo
ASIGNATURA: Estadística
DOCENTE: Ing. Com. VITE CEVALLOS HARRY
ALEXANDER, Esp.
TEMA: Generalidades de muestreo
OBJETIVO DE APRENDIZAJE: Calcular la muestra y definir el tipo de muestreo

GENERALIDADES DE MUESTREO
TIPO DE MUESTREO
Muestreo aleatorio o probabilístico
Los elementos de la población tienen la misma probabilidad de ser elegidos miembros
de la muestra a estudiar. Este grupo de técnicas de muestreo son las más fiables y
representativas de la población al realizarse la selección de los elementos de la
muestra de manera aleatoria. Las técnicas de muestreo de este tipo son:
Simple
Todos los elementos de la población tienen la misma probabilidad de ser
seleccionados. Este método es muy sencillo y es el más utilizado, pero es el menos
eficaz en poblaciones muy extensas cuyo tamaño de la muestra es muy grande.
Sistemático
Se enumeran todos los elementos de la población, luego se elige el primer elemento
de la muestra de manera aleatoria y los siguientes de manera periódica. Pueden darse
casos en los que en la población haya ciclos o periodicidades y que al utilizar este
método haya una elevada homogeneidad en la muestra y que, por lo tanto, esta no
sea representativa de la población.
Estratificado
Se agrupan los elementos de la población en grupos o estratos en función de
características esenciales de interés para el estudio a realizar (homogeneidad) y se
seleccionan los elementos de la muestra de cada uno de los estratos de manera
aleatoria. El número de elementos de la muestra pertenecientes a cada estrato es
proporcional al número de elementos de cada uno de ellos con respecto a la población
total. Se consigue aumentar la representatividad de la muestra y son más fiables.
Conglomerados
Las poblaciones están formadas generalmente por determinados grupos o
conglomerados, por ejemplo, un ayuntamiento está integrado por pueblos. En estas
técnicas, en vez de seleccionar los elementos de la muestra directamente, lo que se
escoge son de manera aleatoria algunos de estos grupos o conglomerados
Muestreo no aleatorio o no probabilístico
Son técnicas de muestreo donde se eligen determinados criterios que no están
basados en la equiprobabilidad para la selección de los elementos de la muestra.
Estos métodos de muestreo son menos fiables que los aleatorios o probabilísticos,
 DIARIO DE CLASE N.2
TERCER SEMESTRE NOCTURNO
SEMANA 02 UNIDAD 1 Muestreo y distribución de muestreo
ASIGNATURA: Estadística
DOCENTE: Ing. Com. VITE CEVALLOS HENRRY
ALEXANDER, Esp.
TEMA: Distribución normal y chi cuadrada
OBJETIVO DE APRENDIZAJE: Calcular la probabilidad de la ocurrencia de un suceso a partir de una
distribución normal
porque su nivel de representatividad de la población es menor y se utilizan cuando no
es posible la realización de los otros debido a restricciones principalmente de coste o
cuando se está realizando una exploración inicial y se quiere obtener cierto grado de
representatividad. Las técnicas de muestreo de este tipo son:
Cuotas
Para seleccionar los elementos de la muestra se fijan una serie de características o
condiciones representativas del estudio o análisis a realizar, y se selecciona un
determinado número de elementos que las cumplen, llamado tamaño de la muestra.
Es necesario conocer a fondo la población objeto del estudio para seleccionar las
variables o características adecuadas. Es el método más utilizado en las encuestas de
opinión.
Intencional
Se determinan o eligen intencionadamente los elementos de la muestra o de grupos
típicos de la población, ya que se entiende que la muestra será representativa de la
población. Implica un gran conocimiento de las características esenciales de la
población para la elección. Es la técnica más empleada en las encuestas de intención
de voto.
Cadena
Se seleccionan unos determinados elementos de la población y estos están en
contacto o relacionados con otros elementos que se van agregando a la muestra hasta
completar su tamaño. Se usan, por ejemplo, en estudios de grupos sesgados o
marginales, como relacionados con delincuencia, enfermedades…
Discrecional
Los elementos son escogidos deliberadamente por el responsable del estudio, ya que
son los más adecuados para el objeto de investigación.
CÁLCULO DE PROBABILIDADES EN UNA DISTRIBUCIÓN NORMAL.
Para calcular probabilidades con variables que siguen la distribución normal se usan
tablas. Pero, puesto que sería imposible tener una tabla para cada posible distribución
normal, solamente la tenemos para la distribución normal estándar, es decir, para la
N( 0 , 1 ).
Necesitaremos, pues, ser capaces de transformar las variables X "normales" N(µ,σ)
que encontremos, en variables Z que sigan una distribución normal estándar N(0,1).
Este proceso de llevar cualquier distribución normal a una N( 0 , 1 ) se llama
"tipificación de la variable".
Para tipificar X (o sea, transformarla en Z), el primer paso es "centrar" la variable; es
decir, hacer que la media µ sea 0.
El siguiente paso es conseguir que la desviación típica σ sea 1.
Por tanto para tipificar una variable lo que hemos de hacer es restar la media y dividir
por la desviación típica.
Ejemplo 1: X →N( 8 , 1.5). Calcula P[ X < 6]

y para terminar y calcular la probabilidad, aplicamos lo que viene a continuación. Con

esto lo que hemos hecho es simplemente tipificar la variable transformando la
probabilidad pedida en una relacionada con la normal N ( 0 , 1 ).
A partir de ahora nos centramos en la distribución normal N( 0 , 1 ) y vamos a ver
cómo calcular probabilidades en ella. Para distinguir, siempre que hagamos referencia
a una variable N(0,1), vamos a expresarla con la letra Z.
P [ Z ≤ a ] con " a " un número positivo
Un concepto asociado a cualquier distribución de probabilidad es el de Función de
Distribución. La función de distribución en un punto se define como la probabilidad de
que la variable tome valores menores o iguales a él. Así, la función de distribución en
el punto "a", que representaremos por F(a), será :
F(a) = P [ X ≤ a].
La siguiente escena muestra la función de distribución de la variable Z → N( 0 , 1 )
para valores positivo de Z. Desplazando el punto rojo obtienes el valor del área bajo la
curva que representa la probabilidad P [ Z ≤ a ]
Calcula las siguientes probabilidades a partir de la escena y anota los resultados en tu
cuaderno:
P [ Z ≤ 0.5]

P [ Z ≤ 1.24]

P[ Z < 2.5 ]
 DIARIO DE CLASE N.3
TERCER SEMESTRE NOCTURNO
SEMANA 03 UNIDAD 1 Muestreo y distribución de muestreo
ASIGNATURA: Estadística
DOCENTE: Ing. Com. VITE CEVALLOS HENRRY
ALEXANDER , Esp.
TEMA: Distribuciones para medias
OBJETIVO DE APRENDIZAJE: Estimar los intervalos de confianza para una media poblacional

P[ Z < 0 ]

P[ Z ≤ 2.98]

P[ Z ≤ 4]
F( 0.82)

UNIVERSIDAD TÉCNICA DE MACHALA

Un intervalo de confianza para una proporción de población

Durante un año electoral vemos artículos en el periódico que indican intervalos de
confianza en términos de proporciones o porcentajes. Por ejemplo, un sondeo para un
candidato determinado que se presenta a las elecciones presidenciales puede mostrar
que el candidato tiene el 40 % de los votos con una diferencia de tres puntos
porcentuales (si la muestra es lo suficientemente grande). A menudo, las encuestas
electorales se calculan con un 95 % de confianza, por lo que los encuestadores
tendrían un 95 % de confianza en que la verdadera proporción de votantes que
favorecen al candidato estaría entre el 0,37 y el 0,43.

Los inversores en bolsa se interesan por la proporción real de acciones que suben y
bajan cada semana. Las compañías que venden computadoras personales están
interesadas en la proporción de hogares de Estados Unidos que tienen computadoras
personales. Se pueden calcular intervalos de confianza para la proporción real de
acciones que suben o bajan cada semana y para la proporción real de hogares en
Estados Unidos que poseen computadoras personales.

El procedimiento para calcular el intervalo de confianza de una proporción poblacional

es similar al de la media poblacional, pero las fórmulas son un poco diferentes, aunque
conceptualmente idénticas. Aunque las fórmulas son diferentes, se basan en el mismo
fundamento matemático que nos proporciona el teorema central del límite. Por ello,
veremos el mismo formato básico utilizando los mismos tres datos: el valor muestral
del parámetro en cuestión, la desviación típica de la distribución muestral
correspondiente y el número de desviaciones típicas que necesitamos para tener la
confianza en nuestra estimación que deseamos.

¿Cómo sabe que está ante un problema de proporción? En primer lugar, la

distribución subyacente tiene una variable aleatoria binaria y, por tanto, es una
distribución binomial.
(No se menciona la media o el promedio). Si X es una variable aleatoria binomial,
entonces X ~ B(n, p) donde n es el número de ensayos y p es la probabilidad de
acierto Para formar una proporción de la muestra, tome X, la variable aleatoria para el
número de aciertos y divídala por n, el número de ensayos (o el tamaño de la
muestra). La variable aleatoria P′ (léase "P prima") es la proporción de la muestra,
Las proporciones muestrales p′ y q′ son estimaciones de las proporciones
poblacionales desconocidas p y q. Se utilizan las proporciones estimadas p′ y q′
porque p y q no se conocen.

Recuerde que a medida que p se aleja de 0,5 la distribución binomial se vuelve menos
simétrica. Como estamos estimando la binomial con la distribución normal simétrica,
cuanto más se aleje de la simetría la binomial, menos confianza tendremos en la
estimación.

Esta conclusión puede demostrarse mediante el siguiente análisis. Las proporciones

se basan en la distribución de probabilidad binomial. Los posibles resultados son
binarios, "éxito" o "fracaso". Esto da lugar a una proporción, es decir, el porcentaje de
los resultados que son "éxitos". Se demostró que la distribución binomial podía
entenderse completamente si solo conocíamos la probabilidad de éxito en un ensayo
cualquiera, llamada p. Se encontró que la media y la desviación típica de la binomial
eran:

Distribuciones para medias

Un intervalo de confianza para una media poblacional con una desviación típica
poblacional conocida se basa en la conclusión del teorema del límite central de que la
distribución muestral de las medias muestrales sigue una distribución
aproximadamente normal.
Cálculo del intervalo de confianza
Considere la fórmula de estandarización para la distribución de muestreo desarrollada
en la discusión del Teorema del Límite Central:
 DIARIO DE CLASE N.4
TERCER SEMESTRE NOCTURNO
SEMANA 04 UNIDAD Muestreo y distribución de muestreo
ASIGNATURA: Estadística
DOCENTE: Ing. Com. VITE CEVALLOS HARRY
ALEXANDER, Esp.
TEMA: Distribuciones para proporciones
OBJETIVO DE APRENDIZAJE: Estimar los intervalos de confianza para una proporción

Intervalos de confianza para una proporción

La estimación por intervalos consiste en establecer el intervalo de valores donde es
más probable se encuentre el parámetro. La obtención del intervalo se basa en las
siguientes consideraciones:

a. Si conocemos la distribución muestral del estimador podemos obtener las

probabilidades de ocurrencia de los estadísticos muestrales.

b. Si conociéramos el valor del parámetro poblacional, podríamos establecer la

probabilidad de que el estimador se halle dentro de los intervalos de la
distribución muestral.

c. El problema es que el parámetro poblacional es desconocido, y por ello el

intervalo se establece alrededor del estimador. Si repetimos el muestreo un
gran número de veces y definimos un intervalo alrededor de cada valor del
estadístico muestral, el parámetro se sitúa dentro de cada intervalo en un
 porcentaje conocido de ocasiones. Este intervalo es denominado "intervalo de
confianza".
Ejemplo
Se generan 100000 muestras aleatorias (n=25) de una población que sigue la
distribución Normal, y resulta:

La distribución de las Medias muestrales aproxima al modelo Normal:

En consecuencia, el intervalo dentro del cual se halla el 95% de las Medias muestrales
es

Seguidamente generamos una muestra de la población y obtenemos su Media, que es

igual a 4.5. Si establecemos el intervalo alrededor de la Media muestral, el parámetro
poblacional (5.1) está incluido dentro de sus límites:

Ahora bien, la distancia de un punto A a un punto B es la misma que de B a A. Por esa

razón, la distancia desde m a la Media muestral es la misma que va de la Media
muestral a m. En consecuencia, si hacemos un muestreo con un número grande de
muestras observamos que el 95% de las veces (aproximadamente) el valor de la
Media de la población (m) se encuentra dentro del intervalo definido alrededor de cada
uno de los valores de la Media muestral. El porcentaje de veces que el valor de m se
halla dentro de alguno de los intervalos de confianza es del 95%, y es denominado
nivel de confianza.
Si queremos establecer un intervalo de confianza en que el % de veces que m se halle
dentro del intervalo sea igual al 99%, la expresión anterior es:

Ejemplo
La siguiente imagen muestra la distribución de las Medias muestrales obtenidas de
100000 muestras aleatorias y los intervalos alrededor de cada una de las Medias
obtenidas de diez de las muestras:

donde ls y le simbolizan los límites superior e inferior del intervalo de confianza al 95%.

Nueve de los diez intervalos (salvo el definido alrededor de la Media muestral igual a
3.7) incluyen el valor del parámetro dentro sus límites.
 DIARIO DE CLASE N.5
TERCER SEMESTRE NOCTURNO
SEMANA 05 UNIDAD II: Prueba de Hipótesis
ASIGNATURA: Estadística
DOCENTE: Ing. Com. VITE CEVALLOS HARRY
ALEXANDER, Esp.
TEMA: Generalidades de hipótesis
OBJETIVO DE APRENDIZAJE: Realizar el procedimiento para el planteamiento de hipótesis

Generalidades de hipótesis
Una prueba de hipótesis es una regla que especifica si se puede aceptar o rechazar
una afirmación acerca de una población dependiendo de la evidencia proporcionada
por una muestra de datos.

Una prueba de hipótesis examina dos hipótesis opuestas sobre una población: la
hipótesis nula y la hipótesis alternativa. La hipótesis nula es el enunciado que se
probará. Por lo general, la hipótesis nula es un enunciado de que "no hay efecto" o "no
hay diferencia". La hipótesis alternativa es el enunciado que se desea poder concluir
que es verdadero de acuerdo con la evidencia proporcionada por los datos de la
muestra.

Con base en los datos de muestra, la prueba determina si se puede rechazar la

hipótesis nula. Usted utiliza el valor p para tomar esa decisión. Si el valor p es menor
que el nivel de significancia (denotado como α o alfa), entonces puede rechazar la
hipótesis nula.

Un error común de percepción es que las pruebas estadísticas de hipótesis están

diseñadas para seleccionar la más probable de dos hipótesis. Sin embargo, al diseñar
una prueba de hipótesis, establecemos la hipótesis nula como lo que queremos
desaprobar. Puesto que establecemos el nivel de significancia para que sea pequeño
antes del análisis (por lo general, un valor de 0.05 funciona adecuadamente), cuando
rechazamos la hipótesis nula, tenemos prueba estadística de que la alternativa es
verdadera. En cambio, si no podemos rechazar la hipótesis nula, no tenemos prueba
estadística de que la hipótesis nula sea verdadera. Esto se debe a que no
establecimos la probabilidad de aceptar equivocadamente la hipótesis nula para que
fuera pequeña.
Procedimiento para el planteamiento de hipótesis
El valor P.