S04

Sesión 4
Distribución muestral
de la media
Estadística en las organizaciones
AD4001
Dr. Jorge Ramírez Medina

De la clase anterior
Uso y abuso de la estadística
• Cuidado con lo que asume.
• Sea claro acerca quiere descubrir.
• No tome la causalidad por sentado.
• Con estadística no se puede probar cosas con el
100% de certeza
• Un resultado que es numéricamente significativo
puede ser inútil.
Tomado de The Use and Misuse of statistics HBP.
Dr Jorge Ramírez Medina
EGADE Business School

Para la sesión de hoy
Solución de los problemas de Tarea
Problema de “El tuercas”
El
tuercas
5w-20
Motor Oil

s
m
x
Distribución Normal
𝑓(𝑥) =
1
𝜎 2𝜋
𝑒
−(𝑥−𝜇)2
2

Valores Z
Se interpreta como la cantidad de desviaciones
estándar que dista xi del promedio.
s
xx
z i
i



Z-scores
¿cómo
comparar
peras con
manzanas?

Un ejemplo
60 en estadística 60 en ética

Para entender;
Grafiquémoslo
• Tipo de datos
– Numéricos
– Medidas de tendencia central (media)
– Medidas de variabilidad (desviación estándar)

Primera idea
Nada es verdad, nada es mentira
Todo es según el cristal en que se mira
(Popular)

Segunda idea
X X
z
SD



Tercera idea

Cuarta idea
Z = (Score - Mean)/SD
Z = (60 - 50) / 10
Z = 1
Z = (Score - Mean)/SD
Z = (84 - 50) / 10
Z = 3.4
Z = (60 - 70) / 10
Z = -1.0

Z-scores
• Z-score puede ser positivo o negativo
– Positivo es arriba de la media
– Negativo es abajo de la media
• La media de un Z-score es siempre cero
• Si se tiene el promedio, el Z-score =0
• La desviación estándar de una distribución Z =1

425 430 430 435 435 435 435 435 440 440
440 440 440 445 445 445 445 445 450 450
450 450 450 450 450 460 460 460 465 465
465 470 470 472 475 475 475 480 480 480
480 485 490 490 490 500 500 500 500 510
510 515 525 525 525 535 549 550 570 570
575 575 580 590 600 600 600 600 615 615
Para el ejemplo
de la sesión 1
= .865

Valores z
• z-Score del valor más pequeño (425)
-1.20 -1.11 -1.11 -1.02 -1.02 -1.02 -1.02 -1.02 -0.93 -0.93
-0.93 -0.93 -0.93 -0.84 -0.84 -0.84 -0.84 -0.84 -0.75 -0.75
-0.75 -0.75 -0.75 -0.75 -0.75 -0.56 -0.56 -0.56 -0.47 -0.47
-0.47 -0.38 -0.38 -0.34 -0.29 -0.29 -0.29 -0.20 -0.20 -0.20
-0.20 -0.11 -0.01 -0.01 -0.01 0.17 0.17 0.17 0.17 0.35
0.35 0.44 0.62 0.62 0.62 0.81 1.06 1.08 1.45 1.45
1.54 1.54 1.63 1.81 1.99 1.99 1.99 1.99 2.27 2.27
Valores estandarizados
20.1
73.54
8.490425





s
xx
z i
i

s  1
0
z
La letra z es utilizada para designar a la variable
normal aleatoria estandarizada.
Distribución de probabilidad
Normal estandarizada
s
m

x
z

Función de densidad normal estándar
donde:
z = (x – m)/s
 = 3.14159
e = 2.71828
2
2
2
1
)(
z
exf


s

ITESM EGADE Zona Centro
Un uso de esto?
Teorema de Chebychev
Cuando menos (1 - 1/z2) de los elementos
en cualquier conjunto de datos debe estar
a menos de z desviaciones estándar
de separación respecto a la media,
siendo z cualquier valor mayor que 1.

Teorema de Chebyshev
Cuando menos (1 - 1/z2) de los elementos
en cualquier conjunto de datos debe estar
a menos de z desviaciones estándar
de separación respecto a la media,
siendo z cualquier valor mayor que 1.

Ejemplo
Tome z = 1.5 con = 490.80 and s = 54.74x
Al menos (1 - 1/(1.5)2) = 1 - 0.44 = 0.56 or 56%
de los valores deben estar entre
xx - z(s) = 490.80 - 1.5(54.74) = 409
y
x + z(s) = 490.80 + 1.5(54.74) = 573
(de hecho, 86% de los valores
están entre 409 y 573.)

x
m – 3s m – 1s
m – 2s
m + 1s
m + 2s
m + 3sm
68.26%
95.44%
99.72%
Regla Empírica

Valores atípicos
(outlier)

Ejemplo: “El tuercas”
• Punto de reorden 20 litros
• La demanda durante el tiempo de resurtido esta
distribuida normalmente
• Media 15 lts, desv. est. 6 lts
El
tuercas
5w-20
Motor Oil

z = (x - m)/s
= (20 - 15)/6
= .83
Paso 1: Convierta x a la distribución normal estándar
El
Tuercas
5w-20
Motor Oil
Paso 2: encuentre el área bajo la curva normal
estandarizada a la izquierda de z = .83.

Tabla de probabilidad acumulada para la distribución
normal estandarizada
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
. . . . . . . . . . .
.5 .6915 .6950 .6985 .7019 .7054 .7088 .7123 .7157 .7190 .7224
.6 .7257 .7291 .7324 .7357 .7389 .7422 .7454 .7486 .7517 .7549
.7 .7580 .7611 .7642 .7673 .7704 .7734 .7764 .7794 .7823 .7852
.8 .7881 .7910 .7939 .7967 .7995 .8023 .8051 .8078 .8106 .8133
.9 .8159 .8186 .8212 .8238 .8264 .8289 .8315 .8340 .8365 .8389
. . . . . . . . . . .
P(z < .83)
El
Tuercas
5w-20
Motor Oil
http://www.fisterra.com/mbe/investiga/distr_normal/distr_normal.htm

P(z > .83) = 1 – P(z < .83)
= 1- .7967
= .2033
Step 3: Calcule el área bajo la curva normal estandar
a la derecha de z = .83.
Probabilidad de
faltantes P(x > 20)
El
Tuercas
5w-20
Motor Oil

0 .83
Area = .7967
Area = 1 - .7967
= .2033
z
El
Tuercas
5w-20
Motor Oil

Si se desea que la probabilidad de faltantes
no sea más de 0.05, cuál deberá ser el
punto de reorden?
El
Tuercas
5w-20
Motor Oil

0
Area = .9500
Area = .0500
z
z.05
El
Tuercas
5w-20
Motor Oil

Paso 1: encuentre el valor de z que corta un área de .05
en la cola derecha de la distribución normal
estándar.
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
. . . . . . . . . . .
1.5 .9332 .9345 .9357 .9370 .9382 .9394 .9406 .9418 .9429 .9441
1.6 .9452 .9463 .9474 .9484 .9495 .9505 .9515 .9525 .9535 .9545
1.7 .9554 .9564 .9573 .9582 .9591 .9599 .9608 .9616 .9625 .9633
1.8 .9641 .9649 .9656 .9664 .9671 .9678 .9686 .9693 .9699 .9706
1.9 .9713 .9719 .9726 .9732 .9738 .9744 .9750 .9756 .9761 .9767
. . . . . . . . . . .
Buscamos el complemento de el
área en la cola (1 - .05 = .95) El
Tuercas
5w-20
Motor Oil

paso 2: Convierta z.05 al correspondiente valor de x.
x = m + z.05s
= 15 + 1.645(6)
= 24.87 o 25
Un punto de reorden de 25 litros llevará la probabilidad
de faltantes durante el reabasto (poco menos de) .05.
El
Tuercas
5w-20
Motor Oil

Distribución de muestreo de
la media muestral
• Es la distribución de probabilidad de la
población de todas las posibles medias
muestrales que pueden ser obtenidas de
todas las posibles muestras del mismo
tamaño.

Forma de distribución
muestral de x

Si se usa una muestra aleatoria simple grande
(n > 30) el teorema del límite central nos permite
concluir que la distribución de puede ser
aproximada como una distribución normal.
Cuando la muestra aleatoria simple es pequeña
(n < 30), la distribución de muestreo de puede ser
considerada normal sólo si asumimos que la
población tiene una distribución normal.
Forma de distribución
muestral de x
x
x

Una estimación del intervalo se puede calcular
por sumar y restar un margen de error del estimador
puntual:
Estimador puntual +/- Margen de Error
Margen de Error y
estimación de intervalos
Por ejemplo la forma general de una estimación del
intervalo para una media poblacional es:
Margen de Error
x

Estimación de intervalo de la
media de una Población : s
conocida
 El margen de error puede ser calculado con:
– La desviación estándar de la población s , o
– La desviación estándar de la muestra s
 s raramente se conoce con exactitud, se
pueden obtener estimados de datos
históricos.

m
/2 /2
conocida
x
Distribución de
Muestreo de
1 -  de
todos los valores
de x
xz s 2/ xz s 2/
intervalo
incluye m
intervalo
no
incluye m
http://onlinestatbook.com/stat_sim/conf_interval/index.html

• Estimación de intervalo de m
donde: es la media muestral
1 - es el coeficiente de confidencia
z/2 es el valor z que provee un área de
/2 en la cola superior de la distribución
de probabilidad normal estandarizada
s es la desviación estándar de la población
n es el tamaño de la muestra
conocida
x
n
zx
s
 2/

• Selección del tamaño de la muestra
en la mayoría de las aplicaciones, un tamaño de
muestra de n = 30 es adecuado.
Si la distribución de la población es de un alto sesgo
o contiene outliers, se recomienda un tamaño de
muestra de 50 ó más.
conocida

• Selección del tamaño de la muestra
si la población no está normalmente distribuida pero
es simétrica (+/-) un tamaño de muestra pequeño
de 15 es suficiente.
Si se cree que la distribución de la población es
aproximadamente normal, se puede utilizar un
tamaño de muestra de menos de 15.
conocida

• Ejemplo: DiscoSuena
conocida
n=36
U= $31,100
S= $4,500
Intervalo de confianza del 95%
x
s

95% de las medias muestrales, están dentro de
un + 1.96 de la media poblacional m.sx
El margen de error es:
conocida
La estimación del intervalo para m es:
$31,100 + $1,470
o
$29,630 to $32,570
470,1
36
500,4
96.12/ 






n
z
s


Para el ejemplo de los autos

• Si no se puede tener un estimado de la
desviación estándar de la población s se utiliza la
desviación estándar s de la muestra para estimar s .
• En este caso, la estimación del intervalo para m está
basada en la distribución t.
desconocida

La distribución t es una familia de distribuciones de
probabilidad similares.
Una distribución t específica depende de un
parámetro conocido como grados de libertad.
Los grados de libertad se refieren a el número de
piezas independientes de información que se usan
en el cálculo de s.
Distribución t

Conforme la distribución t tiene más grados de
libertad, ésta tiene menos dispersión.
Conforme se incrementan los grados de libertad,
la diferencia entre la distribución t y la distribución
de probabilidad normal estandarizada se hace más
pequeña.
Distribución t
William Sealy Gosset

Distribución t
distribución
normal
estándar
Distribución t
(20 grados
de libertad)
Distribución t
(10 grados
de libertad)
0
z, t

Para más de 100 grados de libertad, el valor de z
normal estandarizado, da una buena aproximación
del valor t.
Los valores z normal estandarizados, se pueden
encontrar en la tabla t, con infinito grados de libertad.
Distribución t

Degrees Area in Upper Tail
of Freedom .20 .10 .05 .025 .01 .005
. . . . . . .
50 .849 1.299 1.676 2.009 2.403 2.678
60 .848 1.296 1.671 2.000 2.390 2.660
80 .846 1.292 1.664 1.990 2.374 2.639
100 .845 1.290 1.660 1.984 2.364 2.626
.842 1.282 1.645 1.960 2.326 2.576
Valores z
normal estandarizados
Distribución t

Asignación para
la siguiente sesión

S04

Más contenido relacionado

La actualidad más candente (20)

Similar a S04 (20)

Más de Jorge Ramírez (20)

Último (20)

S04