1

ESTADSTICA PARA LOS NEGOCIOS ESTADSTICA PARA LOS NEGOCIOS

Conceptos Bsicos Conceptos Bsicos
1
Elaborado por: Juan Quispe Guerrero
OBJETIVOS
Al terminar de estudiar este capitulo, podr:
1. Saber que significa Estadstica
2. Explicar los conceptos de Poblacin, Muestra, Unidad
Elemental, Observacin, Parmetro, Estadstico.
3. Explicar por que en muchas situaciones una muestra es
la nica forma posible de tener conocimiento sobre una
poblacin.
4. Explicar lo que significa: Muestra Representativa y
2
4. Explicar lo que significa: Muestra Representativa y
MuestraAleatoria
5. Explicar lo que significan Estadstica Descriptiva y
Estadstica Inferencial.
2
Conceptos Generales
Poblacin - Clases de poblaciones. p
Muestra - Clases de muestras.
Variable - Clases de variables.
Unidad Elemental
Observacin
Parmetro.
3
Estadstico.
Definicin de Estadstica.
Ramas de la Estadstica.
Poblacin
Conjunto de todas las
id d l t l unidades elementales
que poseen aquellas
caractersticas que
son de inters para un
estudio.
4
3
Poblacin
Clases de
Poblacin
(segn el nmero de
Poblacin Finita
5
elementos)
PoblacinInfinita
Clases de poblaciones
Poblacin finita. Es aquella cuya
cantidad de elementos es posible de cantidad de elementos es posible de
determinarla.
Conjunto de GPS en la
USIL
Conjunto de estaciones
meteorolgicas de Lima.
6
4
Clases de Poblaciones
Poblacin Infinita. Es aquella cuya
tid d d l t i ibl cantidad de elementos es imposible
de determinarla.
Conjunto de calculadoras
en la ciudad de Lima.
Conjunto de peces del
Ocano Pacifico.
7
Muestra
Es la parte de la poblacin que se estudia, es decir ,
que realmente se observa subconjunto de unidades que realmente se observa, subconjunto de unidades
elegidas de una poblacin.
Seleccin de elementos
Poblacin
Muestra
8
(Muestreo)
5
Ejemplos:
1. Antes de una eleccin, las empresas de sondeo de opinin
muestrean solo aproximadamente 2,000 electores de los millones
elegibles para votar. Sobre la base en los resultados del muestreo g p
se realizan ciertas inferencias en lo referente a la forma en que
todos los votantes eligieran el da de la eleccin.
2. Mientras un camin espera para descargar en un almacn de
granos se toma un poco de trigo. Con base en los resultados de
esta muestra, se establece el precio de toda la carga del camin.
3. Las cadenas de televisin constantemente vigilan la popularidad
9
de sus programas contratando a organizaciones de encuestas
para muestrear las preferencias del auditorio. Estas apreciaciones
de la audiencia de un programa se utilizan para fijar precios a la
publicidady para cancelar programas.
Ejemplos:
4. Los bilogos marinos marcan unas focas para
grficar sus patrones migratorios. grficar sus patrones migratorios.
5. Los catadores de vino degustan unas cuantas gotas
de vino para tomar una decisin en lo que se refiere a
todo el vino preparado para la venta.
6. Los consumidores prueban muestras de pizzas y otros
productos en un establecimiento. Si les gusta la
10
muestra, pueden comprar una pizza completa.
6
Por que tomar una muestra en vez de
estudiar todos los elementos de la poblacin?
1 L t l d t ti d i t b 1. La naturaleza destructiva de ciertas pruebas.
2. La imposibilidad fsica de revisar todos los integrantes
de la poblacin.
3. El costo de estudiar a todos los integrantes de una
poblacin a menudo es prohibitivo.
11
4. Lo adecuado de los resultados de la muestra.
5. En ocasiones se necesitara mucho tiempo para
entrevistar a toda la poblacin.
Muestra Representativa
S l i d l t
Poblacin Muestra
Seleccin de elementos
(Muestreo)
S t ti
La muestra es Si
12
Sus caractersticas
son similares a las
caractersticas de la
poblacin?
representativa
La muestra NO ES
representativa
No
7
Clases de Muestra
Si
Clases de
muestra
Si
Muestra Aleatoria
Se aplican
criterios
probabilsticos
de seleccin en
el muestreo?
13
No
Muestra NoAleatoria
Ventajas de una Muestra Aleatoria
No estn afectadas por sesgos o factores extraos a
la investigacin.
Permite la aplicacin de mtodos de inferencia
estadstica que generalizan resultados obtenidos de la
muestra hacia la poblacin.
La aleatoriedad la forma de seleccin incrementan la
14
La aleatoriedad y la forma de seleccin incrementan la
confiabilidad que la muestra sea representativa,
permitiendo que el anlisis estadstico sea objetivo y
eficiente.
8
Variables
Una variable es una caracterstica en estudio en
una poblacin o muestra.
Clasificacin de las ariables Clasificacin de las variables:
a) Cualitativas.
- J errquica (Ordinal).
- Nominal.
b) Cuantitativas
15
b) Cuantitativas.
- Discretas.
- Continuas.
Variables Cualitativas
Son aquellas que nos proporcionan datos que no pueden
expresarse en forma numrica, es decir, que son categricos
ordinales u ordinales.
Las Cualitativas Nominales son aquellas cuyas categoras
o modalidades no pueden ser organizados y presentados en
cualquier orden. Ej. Sexo, Religin, Estado Civil, Forma de
Pago. etc.
16
Las Cualitativas Jerrquicas son aquellas cuyas
categoras o modalidades pueden ser organizados y
presentados en un orden definido. Ej. Grado de Instruccin,
Opinin sobre el servicio, etc.
9
Variables Cuantitativas
Son aquellas cuyos valores pueden ser expresados en
f i forma numrica.
Las Cuantitativas Discretas son aquellas que tienen un
nmero finito o un nmero infinito numerable de valores
posibles. Obtenidas por procesos de conteo. Ej. Numero de
hijos, Cantidad de crditos aprobados, etc.
17
Las Cuantitativas Continuas son aquellas que tienen una
cantidad infinita no numerable de valores posibles.
Obtenidas por procesos de medicin. Ej. Estatura, Tiempo,
Ventas, Temperatura, Costos, etc.
Unidad elemental
Es la unidad ms pequea de una poblacin, que
esta afectada por la caracterstica que se desea
estudiar y que puede ser identificada para estudiar y que puede ser identificada para
intervenir en el proceso de seleccin de los
elementos de la muestra.
Unidad
elemental
Poblacin
18
Factor en
estudio
ppm de Pb en la
sangre/100 ml
elemental
Un Cerncalo
10
Observacin
Es el dato o registro que se realiza, para cada
unidad elemental de una poblacin o muestra en unidad elemental de una poblacin o muestra, en
relacin a determinada caracterstica o variable
en estudio.
ppm de
Arsnico en
5 ppm de As
19
el Hgado
Unidad elemental
Variable
Observacin
(dato)
Parmetro
Es una medida estadstica o indicador que Es una medida estadstica o indicador que
resume la informacin proporcionada por todas
las unidades elementales que forman una
poblacin.
Es un valor nico o constante.
20
Es un valor nico o constante.
Usualmente es desconocido.
11
Estadstico (Estadigrafo)
Es una medida estadstica o indicador que
permite resumir la informacin de las observaciones
proporcionadas por los elementos que conforman
una muestra.
Puede tomar un valor diferente de una muestra
a otra muestra. Por lo tanto, es una variable.
21
Se le llama tambin estimador de parmetros
pues proporciona estimaciones (aproximaciones) del
valor desconocido de un parmetro.
Poblacion vs. Muestra
Poblacion Muestra
a b c d
ef gh i jk l m n
o p q rs t u v w
Poblacion Muestra
b c
g i n
o r u
x y z
y
Medidas utilizadas para
describir una poblacion son
llamadas Parametros
Medidas estimadas con los
datos de una muestra son
llamados Estadisticos
12
Parmetro, estadstico, valor estadstico
Poblacin
Muestra
Parmetro
Estadstico
o
Estimador

=
i
X
n
1
X
Observaciones
o
datos
Valor
23
n
4.1 ppm
Valor estadstico
Valor estimado
= X
Valor
desconocido
aproximacin
ESTADSTICA por qu y para qu)
Estadstica
Poblacin
Proceso de
generacin de
informacin
confiable
Caractersticas
Media
Variancia
24
Informacin
Tomar
decisiones
Objetivo
SI
se dispone de la informacin?
NO
13
ESTADSTICA por qu y para qu)
Poblacin
Captura de datos Muestreo
Caractersticas
Media
Variancia
Muestra
Estadstica descriptiva
Clasificacin de datos
Grficos
Cuadros
Medidas estadsticas
Generalizacin
25
Tomar
decisiones
Objetivo
Informacin
se dispone de la informacin?
NO
Generalizacin
Inferencia
Inferencia Estadstica
Definicin de Estadstica
Ciencia que se ocupa de la coleccin,
clasificacin, presentacin, resumen, anlisis
e interpretacin de datos y resultados, de
modo tal que se puedan establecer
conclusiones, y decisiones confiables cuando
prevalecen condiciones de incertidumbre
26
prevalecen condiciones de incertidumbre..
14
Estadstica Descriptiva
Parte de la Estadstica que se ocupa de la Parte de la Estadstica que se ocupa de la
clasificacin de la informacin,
representacin grfica y el resumen de la
informacin a travs de medidas estadsticas,
que va permitir realizar un anlisis de la
informacin recabada..
27
Inferencia Estadstica
Parte de la Estadstica que se ocupa de la Parte de la Estadstica que se ocupa de la
aplicacin de procedimientos que permiten
realizar generalizaciones hacia toda la
poblacin, utilizando la informacin
proporcionada por una muestra aleatoria
t d d ll
28
extrada de ella.
15
29
30
16
ESTADSTICA PARA LOS NEGOCIOS ESTADSTICA PARA LOS NEGOCIOS
ORGANIZACIN DE DATOS ORGANIZACIN DE DATOS
ESTADSTICA PARA LOS NEGOCIOS ESTADSTICA PARA LOS NEGOCIOS
31
Elaborado por: J uan Quispe Guerrero
OBJETIVOS:
Al terminar de estudiar este capitulo, podr:
1. Organizar datos originales (en bruto) en una
distribucin de frecuencias.
2. Presentar datos utilizando representaciones usuales
como las grficas de barras y de sectores circulares.
3. Representar la distribucin de frecuencias en un
32
histograma.
4. Representar la distribucin de frecuencias de dos o
mas grupos de datos en un polgono de frecuencias.
17
Organizando: Variables Cualitativas
Datos Cualitativos
Graficando Datos
Tabulando Datos
Grafico
Pie
Grafico de
Barras
Tabla de
Resumen
Grfica de Barras
Se presentan mediante barras las frecuencias ( o porcentajes de
cada suceso)
Se utiliza para: Variables Cualitativas y Cuantitativas
Discretas
En las discretas los sucesos se ordenan de menor a mayor
34
En las discretas, los sucesos se ordenan de menor a mayor.
En las Cualitativas, solo cuando exista un orden natural.
18
Ejercicio 1: El gerente del hotel BAMBU dese analizar el perfil
de los clientes que prefirieron al hotel durante el mes pasado, por
Organizacin de Datos: Variables Cualitativas
tal motivo solicita a la recepcin informacin de los clientes
atendidos durante la ultima semana del mes pasado: Se muestra
solo parte de ella, y se evala La Nacionalidad:
Nacionalidad: Variable Cualitativa Nominal
USA USA USA USA USA
35
USA USA USA USA USA
USA USA USA USA USA
CANADA CANADA CANADA CANADA CANADA
FRANCIA FRANCIA J APON J APON J APON
Cuadro de Frecuencias
Grfica de Barras
Nacionalidad
Frecuencia
observada
fi
Frecuencia
relativa
hi
USA 10 0.50
CANADA 5 0.25
FRANCIA 2 0.10
J APON 3 0.15
Total 20 1
fi
10
8
10
Grafico de Barras: Nacionalidad
36
USA J APON FRANCIA CANADA
6
4
2
0
3
2
5
19
Grfico Circular
Las frecuencias se representan mediante la parte
proporcional de un circulo
Se utiliza para: Variables Cualitativas y
Cuantitativas Discretas
37
Ejercicio 2: La gerencia general del hotel ESTRELLA,
d l lid d d l i i t ibi d
Grfico Circular
preocupada por la calidad del servicio que estn recibiendo sus
clientes, dispone que se consulte la Opinin sobre La Calidad del
Servicio a una muestra de 24 clientes hospedados. La oficina de
imagen institucional del hotel realizo esta consulta, obteniendo
los siguientes resultados:
Opinin sobre La Calidad del Servicio: Variable Cualitativa
38
Jerrquica
Buena Buena Buena Mala Mala Regular
Regular Regular Buena Buena Regular Buena
Mala Regular Buena Buena Buena Mala
Buena Mala Mala Mala Buena Buena
20
Cuadro de Frecuencias
Grfico Circular
Opinion Frecuencia Frecuencia p
sobre
Servicio
observada
fi
relativa
hi
BUENA 12 0.50
EGULAR 5 0.21
MALA 7 0.29
Total 24 1
7, 29.2%
Mala
Category
Buena
Regular
Mala
Grafico de Sectores: Opinion sobre el Servicio
39
5, 20.8%
Regular
12, 50.0%
Buena
Organizando: Variables Cuantitativas
Datos Numericos
Arreglos
Ordenados
Distribuciones de Frecuencia
y
Distribucion Acumulada
Diagrama
Stem-and-Leaf
Histograma Poligono Ojiva
21
Ejercicio 3: La gerencia general de la agencia de viajes VIASA
esta interesada en conocer el comportamiento de las ventas
Organizacin de Datos: Variables Cuantitativas
p
efectuadas por su representante de ventas en la ciudad de Iquitos
TURSA, por tanto dispone evaluar al numero de ventas
mensuales realizadas durante los 25 meses que viene trabajando.
El numero de ventas por mes que efectuaron en este periodo es:
Numero de Ventas/mes: Variable Cuantitativa Discreta.
41
0 0 0 1 1 1 1 1 1 2 2 2 2
2 2 2 2 3 3 3 3 3 4 4 5
Cuadro de Frecuencias
Grfica de Barras
N de Ventas
por mes
Frecuencia
absoluta
fi
Frecuencia
relativa
hi
Frecuencia
Acumulada
absoluta
Fi
Frecuencia
Acumulada
relativa
Hi
0 3 0.12 3 0.12
1 6 0.24 9 0.36
2 8 0.32 17 0.68
3 5 0.20 22 0.88
4 2 0 08 24 0 96
42
4 2 0.08 24 0.96
5 1 0.04 25 1.00
Total 25
22
Grfica de Barras
fi 9
8
Grafico de Barras: N de ventas / mes
8
7
6
5
4
3
2
2
5
6
3
43
N de ventas / mes
5 4 3 2 1 0
2
1
0
1
Histograma
Organizacin de Datos: Variables Cuantitativas
Histograma
Se representan mediante cajas las frecuencias de los resultados
agrupados en intervalos.
Se utiliza para: Variables Cuantitativas Continuas
44
Se utiliza para: Variables Cuantitativas Continuas
23
Ejercicio 4: El gerente del hotel SAVOY desea llevar un mayor control
sobre el tiempo de las llamadas internacionales que realiza su personal
de promocin. Preliminarmente se plantea la idea que estas llamadas
Organizacin de Datos: Variables Cuantitativas
deben tener un limite de 10 minutos. Para examinar mas esta idea la
gerencia solicita le alcancen la relacin de tiempos utilizados por las 50
llamadas internacionales realizadas por el hotel durante el mes de
Febrero 2007. El listado de los tiempos (en minutos) utilizados en cada
llamada es:
Tiempo de Llamada Internacional: Variable Cuantitativa Continua.
45
1.0 2.1 3.2 4.0 4.5 5.1 6.0 6.4 8.0 11.0
1.0 2.1 3.2 4.0 4.5 5.1 6.1 6.5 8.5 12.0
1.0 2.2 3.3 4.0 5.0 5.2 6.1 7.0 9.0 12.1
1.2 3.1 4.0 4.0 5.1 5.4 6.2 7.1 9.0 14.2
1.5 3.1 4.0 4.1 5.1 6.0 6.2 7.1 10.0 15.2
Para obtener la tabla de distribucin de frecuencias se procede de
la siguiente manera:
Histograma
max min
1. Calcular el rango: r = X - X =15.2-1.0=14.2
2. Calcular el N de clases (Regla de Sturges): K=1+3.3log n
K=1+3.3log50=6.60 7; K=7 (redondeo por defecto)


3 Calcular el TIC (Tamao del Intervalo de Clase)
46
3. Calcular el TIC (Tamao del Intervalo de Clase)
r 14.2
TIC= TIC= =2.028 2.1 (redondeo por exeso)
K 7
TIC=2.1

24
4. Elaboracin del Cuadro de Distribucin de Frecuencias
F i F i
Histograma
Intervalos de
Clase
Marca de
Clase
Frecuencia
absoluta
fi
Frecuencia
relativa
hi
Frecuencia
Acumulada
absoluta
Fi
Frecuencia
Acumulada
relativa
Hi
[ 1.0 - 3.1 > 2.05 8 0.16 8 0.16
[ 3.1 - 5.2 > 4.15 19 0.38 27 0.54
[ 5.2 7.3 > 6.25 13 0.26 40 0.80
[ 7.3 9.4 > 8.35 4 0.08 44 0.88
[ 9.4 11.5 > 10.45 2 0.04 46 0.92
47
[ 11.5 13.6 > 12.55 2 0.04 48 0.96
[ 13.6 15.7 > 14.65 2 0.04 50 1.00
Total 50
5. Elaboracin del Histograma de frecuencias:
hi
10
Histograma: Tiempo de duracion de llamadas internacionales
Histograma
40
30
20
26
38
16
48
Tiempo llamada
15.7 13.6 11.5 9.4 7.3 5.2 3.1 1.0
10
0
4 4 4
8
25
Polgono de Frecuencias
Organizacin de Datos: Variables Cuantitativas
Este tipo de grfico es adecuado para obtener
cuadros comparativos del comportamiento de una
variable analizada mediante dos muestras o
investigaciones similares, para ello es necesario que
los datos de dos o mas muestras sean clasificados de
ac erdo a los mismos inter alos a fin tener
49
acuerdo a los mismos intervalos a fin tener
informacin comparable.
Polgono de Frecuencias
40 hi
Poligono: Tiempo de duracion de llamadas internacionales
10
20
30
40 hi
50
1.0 3.1 5.2 7.3 9.4 11.5 13.6 15.7
0
Tiempo
26
Ejercicio 5: Las autoridades sanitarias de un municipio estn
interesadas en evaluar la calidad del agua para consumo en
trminos de colonias de bacterias troficas en un acufero prximo
Polgono de Frecuencias
a la ciudad. Se consideran 2 zonas diferentes del acufero y se
obtienen los siguientes resultados ( numero de colonias por
1000mm de agua)
Zona 1 194 199 191 202 215 214 197
204 199 202 230 193 194 209
Zona 2 158 161 143 174 220 156 156
51
156 198 161 188 139 147 116
Realizar un estudio comparativo en ambas zonas, utilizando
Polgono de Frecuencias.
Distribucin del Numero de Colonias de Bacterias Troficas
/ 1000mm de agua
Polgono de Frecuencias
Poligono de Frecuencias: Colonias de Bacterias
fri
0.8
0.7
0.6
0.5
0.4
0.3
Variable
Zona 1
Zona 2
0 21
0.71
0.43
0 21
52
MarcadeClase
220.5 201.5 182.5 163.5 144.5 125.5
0.2
0.1
0.0
0.21
0.07
0.00 0.00 0.00
0.07 0.07
0.14
0.21
0.07
27
Nota:
Tanto el Histograma como el Polgono de Frecuencias permiten
obtener una imagen rpida de las principales caractersticas de
los datos (mximos, mnimos, disgregacin, concentracin de
puntos, forma de la distribucin de los datos ).
Aunque el objetivo de las dos representaciones es similar, el
Histograma tiene la ventaja de indicar cada clase como un
53
rectngulo, expresando el rea de cada barra rectangular, el
numero total de frecuencias en la clase. El Polgono de
Frecuencias tiene una ventaja notable con respecto al Histograma
para comparar dos o mas distribuciones de frecuencias.
54
28
ESTADISTICA PARA LOS NEGOCIOS ESTADISTICA PARA LOS NEGOCIOS
MEDIDAS DE TENDENCIA CENTRAL
MEDIDAS DE VARIABILIDAD
MEDIDAS DE POSICION
MEDIDAS DE FORMA
MEDIDAS DE TENDENCIA CENTRAL
MEDIDAS DE VARIABILIDAD
MEDIDAS DE POSICION
MEDIDAS DE FORMA
55
MEDIDAS DE FORMA MEDIDAS DE FORMA
Elaboradopor:JuanQuispeGuerrero
En este capitulo, usted aprendera:
Objetivos de Aprendizaje
p p
Describir las propiedades de la Tendencia
Central, Variacion y forma en datos numericos.
Calcular las medidas de resumen descriptivo
para una poblacion.
Construir e Interpretar un Grafico de Cajas o
Box Plot.
56
29
Topicos del Capitulo
Medidas de Tendencia Central, Variacion y
Forma.
Media, mediana, moda
Cuartiles
Rango, RIC Rango Intercuartil, Variancia y
Desviacion Estandar, Coeficiente de Variabilidad. ,
Simetria y Asimetria de las distribuciones.
57
Medidas de Resumen
DescribiendoDatosNumericos
MediaAritmetica
Mediana
M d V i i
Rango
RangoIntercuartil
Asimetria
TENDENCIACENTRAL VARIABILIDAD FORMA POSICION
Cuartiles
Moda Variancia
DesviacionEstandar
CoeficientedeVariacion
58
30
Medidas de Tendencia Central
59
Objetivo: Identificar la ubicacin de aquellos valores
alrededor de los cuales tienden a agruparse las
observaciones.
Medidas de Tendencia Central
TendenciaCentral
MediaAritmetica Mediana Moda
X
n
i
n
X
i

=
=
1
Puntomedio
devalores
ordenados
Valorquese
observacon
mayor
frecuencia
60
31
Una manera de obtener un dato numrico que nos
Media Aritmetica
Una manera de obtener un dato numrico que nos
d idea de la posicin de nuestra poblacin es
calcular el Promedio aritmtico o Media de todas
las observaciones:
Poblacional Muestral
61
N
X
N
i
i
=
=
1

n
Xi
X
n
i

=
=
1
Media Aritmetica
Puede estar afectado por valores extremos (outliers) Puede estar afectado por valores extremos (outliers)
012345678910 012345678910
Media=3 Media=4
3
5
15
5
5 4 3 2 1
= =
+ + + + 4
5
20
5
10 4 3 2 1
= =
+ + + +
62
32
Es el valor que ocupa la posicin central dentro de un
Mediana
conjunto de datos (observaciones), ordenados segn su
magnitud.

63
POBLACIN Me
MUESTRA me
Datocentral
Mediana
9.3,9.3,9.3,......,10.2 9.2, 8.3,8.4,8.7,8.7,.....,9.1,
50%dedatos 50%dedatos
9.3,9.3,9.3,......,10.2 9.2, 8.3,8.4,8.7,8.7,.....,9.1,
64
Mediana
33
Mediana
Los datos son ordenados, la mediana es el valor
central de los datos (50% sobre, 50% debajo) central de los datos (50% sobre, 50% debajo)
012345678910
Mediana=3
012345678910
Mediana=3
No esta afectada por valores extremos, solo por la
cantidad de elementos.
65
65,68,74,......,98 63, 10,13,15,20,.....,60,
Datocentral
Ejemplo: Clculo de la Mediana para datos No Agrupados
en cuadros de frecuencias
65, 68, , ,98 63, 0, 3, 5, 0, , 60,
Mediana
50%de
datos
50%de
datos
66
nesimpar
n 1
2
e
m X
+
=
nespar
1
2
n
2
X
2
n
e
X
m
+
+
=
34
Moda
Valor, clase o categora que ocurre con mayor
f i j t d d t
POBLACIN Mo
MUESTRA mo
frecuencia en un conjunto de datos.
01234567891011121314
Moda=9
0123456
NoModa
CARACTERSTICAS DE LA MODA
1. Unconjuntodedatospuedenotenermodao
tenerunaomsmodas.
2. No est afectada por los llamados valores
extremos.
3 Se aplica a conjuntos de datos cualitativos o
68
3. Se aplica a conjuntos de datos cualitativos o
cuantitativos.
4. Lamodamuestralesinestable.
35
Cinco casas de Playa en la costa del pacifico.
EJEMPLO:
$2,000 K
$500 K
$300 K
PreciodelasCasas:
$2,000,000
500,000
300,000
100,000
$100 K
$100 K
100,000
69
Ejemplo: Resumen Estadistico
M di ($3 000 000/5) Media: ($3,000,000/5)
= $600,000
Mediana: Valor Central.
= $300,000
PreciodelasCasas:
$2,000,000
500,000
300,000
100,000
100,000
Moda: Valor mas frecuente.
= $100,000
$3,000,000
70
36
Media Es generalmente utilizada, cuando no
Cual Medida de Tendencia
Central es mejor?
g ,
existen valores extremos (outliers).
Mediana Es frecuentemente utilizada, la mediana
no es afecta por lo valores extremos.
Moda Es frecuentemente utilizada, la moda no es
afecta por lo valores extremos. Y se puede estimar
para datos cualitativos.
71
PERCENTILES
Un percentil P
p
, es el valor de la variable que tiene
100p% de obsv hacia su izquierda y 100(1p)% de obsv
MEDIDAS DE POSICION
100p% de obsv. hacia su izquierda y 100(1p)% de obsv.
hacia su derecha.
65,68,74,......,98 64, 10,13,15,20,.....,60,
65, 68, 74,......,98 64, 10, 13, 15, 20,....., 60,
PercentilP
0.7
72
P
0.7
=64
70%dedatos 30%dedatos
37
DECILES Y CUARTILES
Soncasosparticularesdelospercentiles.
DECIL D (i=1 2 9) es el valor de la variable que tiene
D
1
=P
0.10
,
D
2
=P
0.20
DECIL D
i
(i=1,2,...,9), es el valor de la variable que tiene
10i% de observaciones son menores al decil y el (100
10i%) de observaciones son mayores al decil.
73
,
.
.
.
D
8
=P
0.80
,
D
9
=P
0.90
DECILES Y CUARTILES
Cuartil Q (i=1 2 3) es el valor de la variable que tiene
Q
1
=P
0.25
,
Cuartil Q
i
(i=1,2,3), es el valor de la variable que tiene
25i% de observaciones son menores al cuartil y el (100
25i%) de observaciones son mayores al cuartil.
74
Q
2
=P
0.50
,
Q
3
=P
0.75
38
CUARTILES
Los Cuartiles dividen los datos ordenados en 4 segmentos
con igual numero de valores por segmento. con igual numero de valores por segmento.
25% 25% 25% 25%
El primer Cuartil, Q
1
, el 25% de observaciones es menor a este
valor y el 75% de observaciones es mayor
Q1 Q2 Q3
valor y el 75% de observaciones es mayor.
Q
2
Es lo mismo que la mediana (50% son menores, 50% son
mayores)
Solo 25% de las observaciones son mayores que el Tercer
Cuartil.
75
MEDIDAS DE VARIABILIDAD
Variacion
Variancia DesviacionE
standar
Coeficiente
de
Variabilidad
Rango Rango
Intercuatilico
Las Medidas de Variacion
nos dan informacion de
Mismocentro,
diferenteVariacion
cuan parecidos o cuan
diferentes son los valores
de las observaciones que se
estudian.
39
RANGO
Es la medida mas simple de Variacion.
Rango=r=X
max
X
min
Ejemplo:
01234567891011121314
Rango=14 1=13
Ejemplo:
77
Rango Intercuartil
Puedes eliminar algunos problemas de outlier Puedes eliminar algunos problemas de outlier
usando el rango intercuartil.
Rango Intercuartil = 3
rd
Cuartil 1
st
Cuartil
= Q
3
Q
1
78
40
M di
Ejemplo:
Rango Intercuartil
Mediana
(Q2)
X
max
X
min
Q1 Q3
Ejemplo:
25%25%25%25%
1230455770
RangoIntercuartil
RIC=57 30=27
79
VARIANCIA O VARIANZA
Lavarianciadeunconjuntodeobservacionessedefine:
POBLACIN
( )
N
X
N
1
2
i
2

=

=
i

80
MUESTRA

( )
n
2
i
2
i=1
X -X
S =
-1 n

41
CARACTERSTICAS DE LA VARIANCIA
1. Esconfiable.
2 S l i d id d d i 2. Suvalornumricoestexpresadaenunidadescuadrticas.
3. Nocambiadevalorcuandosesumaunaconstanteacada
observacindeunconjuntodedatos.
4. CambiadevalorsisemultiplicaporunaconstanteK,acada
observacin de un conjunto de datos Es decir si se define: Y
81
observacindeunconjuntodedatos.Esdecir,sisedefine:Y=
KX;luego,
2 2
X
2
Y
K =
2 2
X
2
Y
K S S =
DESVIACIN ESTNDAR
Eslarazcuadradapositivadelavariancias
POBLACIN

( )
N
X
N
1
2
i

=

=
i

n
82
MUESTRA
( )
1 - n
X X
S
n
1
2
i
=

=
i
42
Caractersticas de la Desviacin Estndar
1. Confiable.
2. Tienelamismaunidaddemedidaquelosdatosoriginales.
3. Nocambiadevalorcuandosesumaunaconstanteacada
observacindeunconjuntodedatos.
4. CuandosemultiplicaalosdatosporunaconstanteK,elvalor
deladesviacinestndarcambiasegnlarelacinsiguiente:
K
X Y
= K S S
X Y
=
83
Ejemplo de calculo:
Desviacion Estandar Muestral
Muestra
D t (X) 10 12 14 15 17 18 18 24 Datos(X
i
):1012141517181824
n=8Media=X=16
1 n
) X (24 ) X (14 ) X (12 ) X (10
S
2 2 2 2

+ + + +
=

4.3095
7
130
1 8
16) (24 16) (14 16) (12 16) (10
2 2 2 2
= =

+ + + +
=
S
S

Desviacion media con
respecto al promedio. 84
43
MIDIENDO LA VARIACION
PequenaDesviacionEstandar
GranDesviacionEstandar
85
COMPARANDO
DESVIACIONES ESTANDAR
d
DataA
Media=15.5
S=3.338
111213141516171819
2021
111213141516171819
DataB
Media=15.5
S=0.926
2021
11121314151617181920
21
Media=15.5
S=4.567
DataC
86
44
COEFICIENTE DE VARIABILIDAD
Medida de variabilidad relativa que indica la cantidad de veces que la
desviacin estndar contiene a la media aritmtica.
POBLACIN

CV

= 100 CV

=
87
MUESTRA

X
S
cv = 100
X
S
cv =
CARACTERSTICAS DEL
COEFICIENTE DE VARIABILIDAD
1. Notieneunidaddemedida.
2. Noaplicablecuandoladistribucintienemediacero.
3. SeafectasuvalorcuandosesumaunaconstanteK
acadaobservacindeunconjuntodedatos.
4. Nocambiadevalorcuandosemultiplicaporuna
88
constanteKacadaunadelasobservaciones.
45
Calificacin de una distribucin de datos, segn el
Grado de Dispersin
CV
Calificacin
(en %)
Calificacin
0 Completamente homognea
0 < CV < 10 Muy homognea
10 CV < 15 Regularmente homognea
15 CV < 20 Regularmente variable
89
g
20 CV < 25 variable
CV 25 muy variable
Comparando el Coeficiente de Variacion
Stock A:
Precio promedio del ao pasado = $50
AmbosStocks
tienen la
Precio promedio del ao pasado $50
Desviacion Estandar = $5
Stock B:
Precio promedio del ao pasado = $100
tienenla
misma
desviacion
estandar,pero
elgradode
variabilidad
delosprecios
10% 100%
$50
$5
100%
X
S
CV
A
= =

=
Precio promedio del ao pasado $100
Desviacion Estandar = $5
enelstockB
esmenos
variable.
5% 100%
$100
$5
100%
X
S
CV
B
= =

=
90
46
MEDIDAS DE ASIMETRA O FORMA
Medidas estadsticas que tienen como objetivo evaluar la
presencia de valores extremos dentro de una distribucin de
datos
POBLACIN
COEFICIENTE DE ASIMETRA DE PEARSON
datos.
3( )
p
Me
Sk

=
91
MUESTRA

3( )
p
X me
Sk
s

=
Caractersticas del Coeficiente de
Asimetra de Pearson
1. No tiene unidad de medida.
2. Se aplica a distribuciones unimodales.
3. Su valor debe encontrarse en el intervalo de 3 3.
(+)
Asimtrica Positiva o Asimtrica a la derecha
92
(-)
Asimtrica Negativa o Asimtrica a la izquierda
(0)
Simtrica
47
Forma de una Distribucion
Describe como los datos estan distribuidos Describe como los datos estan distribuidos
Medidas de Forma
Simetrica o Asimetrica
Mean = Median Mean < Median
Median < Mean
AsimetriaNegativa
Simetrica
AsimetriaPositiva
Mean= Median Mean< Median
Median<Mean
93
GRAFICODECAJAS
En los grficos de cajas se presentan la mediana y los
cuartiles, permitiendo tener una idea de la dispersin de los cuartiles, permitiendo tener una idea de la dispersin de los
datos.
El Rango Intercuartilico RIC = Q
3
Q
1
, es utilizado para
sealar datos atpicos, define las barreras interiores como
sigue:
Barrera Interior Inferior LI = Q 1 5 RIC
94
Barrera Interior Inferior LI = Q
1
1.5 RIC
Barrera Interior Superior LS = Q
3
+ 1.5 RIC
Cualquier valor que se encuentre fuera de las barreras
interiores es considerado un valor atpico
48
De un grfico de cajas se obtiene informacin de:
l d l d ( l d )
GRAFICODECAJAS
1. La centralizacin de los datos (con la mediana).
2. La dispersin (con el rango intercuartil Q
3
Q
1
).
3. La simetra (observando la posicin de la mediana).
4. La longitud de las colas (con los segmentos que parten de los
lados laterales).
95
Los grficos de cajas se usan para comparar la dispersin de dos o ms
grupos de datos, cuando estn expresados en la misma unidad de
medida
GRAFICODECAJAS
Boxplot: Fabrica A, Fabrica B, Fabrica C
i
e
z
a
s

f
a
b
r
i
c
a
d
a
s
130
120
110 110
109
108
107
106
105 105
103
102
101
115
114
113
112
108
107
130
128
116
108
106
103
105.5
107.5
104.5
96
P
i
Fabrica C Fabrica B Fabrica A
100
90
101
99
98
96
94
97
92
89
87
49
DISTRIBUCION DE PROBABILIDAD
CONTINUA
DISTRIBUCION DE PROBABILIDAD
CONTINUA
DISTRIBUCION NORMAL DISTRIBUCION NORMAL
97
Elaborado por: Juan Quispe Guerrero
Distribuciones Continuas
DISTRIBUCIONES DE PROBABILIDAD
Son las funciones de probabilidad asociadas a
variables aleatorias continuas; es decir, para aquellas
variables cuyo valores conforman un conjunto
infinito no numerable.
98
En estos casos el valor de la funcin de probabilidad
no expresa la probabilidad de ocurrencia de un valor
especfico de la variable aleatoria.
50
Una variable aleatoria continua X tiene una distribucin Normal si
su funcin de densidad es dada por:
Distribuciones Continuas
Distribucin Normal
( )
2
1
2
1
( ) , si
2
X
f X X e

= < <
99
donde:
[ ]
[ ]
2 2
X
X
Var
E
= =
= =
X
X
Caractersticas:
1. Tiene una forma acampanada perfecta.
Distribuciones Continuas
Distribucin Normal
2. Es simtrica con respecto a su media.
3. Es asinttica con respecto al Eje Horizontal.
f(x)
100
X

x X

51
Caractersticas de una curva normal
2
( , ) N
101
Clculo de una probabilidad
Distribuciones Continuas
Distribucin Normal
dx
dx x f b X a
x
e
2
2
1

2
1
b
a
b
a
X
X
X



) ( ] < P[

= <

f(x)
102
x X

a b
52
Si X es una variable aleatoria que tiene una distribucin normal con
una media
X
y una variancia ; luego, la variable aleatoria
2
X

Distribuciones Continuas
Distribucin Normal Estndar
Z = (X -
X
)/
X
tiene una distribucin normal con media 0 y
variancia 1, y su funcin de densidad es:
< <

=

z z f
z
e si ,
2
1
) (
2
2

103
donde:
2
[ ]
[ ] 1 Var
0 E
2
Z
Z
= =
= =
Z
Z
Distribuciones Continuas
Distribucin Normal Estndar. Clculo de una probabilidad
b
f(x)

X

=
X
Z

2
1
) ( ] < P[
Z
2
2
1

b
a
a
b
X
X
X

x
dx
dx x f b X a
e =
= <

a b
) , ( N X
2
X X

h(z)
104
X

] < P[

2
1
2
Z
2
b
a

b a
z
z Z z
dz e
< =
=

Z
a ) 1 , 0 ( N Z
Z
b
0
53
Ejemplo: Calcular P(Z < 1.38)
Distribucin Normal Estndar
105
Con Tablas Estadsticas se calcula as:
Distribucin Normal Estndar
9535 9525 9515 9505 9495 9484 9474 9463 9452
1 6
.9429 .9418 .9406 .9394 .9382 .9370 .9357 .9345 .9332
1.5
.9306 .9292 .9278 .9265 .9251 .9236 .9222 .9207 .9192
1.4
.9162 .9147 .9131 .9115 .9099 .9082 .9066 .9049 .9032
1.3
. . . . . . . . . . . . . . . . . . . . . . . . . . . .
0.08 0.07 0.06 0.05 0.04 0.03 0.02 0.01 0.00
106
.9761 .9756 .9750 .9744 .9738 .9732 .9726 .9719 .9713
1.9
.9699 .9693 .9686 .9678 .9671 .9664 .9656 .9649 .9641
1.8
.9625 .9616 .9608 .9599 .9591 .9582 .9573 .9564 .9554
1.7
.9535 .9525 .9515 .9505 .9495 .9484 .9474 .9463 .9452
1.6
54
Ejemplo: Hallar el rea bajo la curva
Normal Estndar entre 1.50 y 2.33
Distribucin Normal Estndar
107
Distribucin Normal Estndar
Con tablas:
P(-1.50 < Z < 2.33) = P(Z < 2.33) P(Z < 1.50)
P(-1.50 < Z < 2.33) = 0.9901 0.0668 = 0.9233
P(Z 1.96) = 1 - P(Z < 1.96)=1 - 0.975=0.025
108
( ) ( )
P( Z > 2.33) = 1 - P(Z 2.33) = 1 - 0.9901=0.0099
55
Ejemplo: Suponga que los gastos semanales en movilidad
realizados por los habitantes de un distrito tienen una
Distribuciones Continuas
Distribucin Normal Estndar.
distribucin normal con una media de 50 nuevos soles y
una desviacin de 12 nuevos soles. Si se elige al azar un
habitante de dicho distrito, halle la probabilidad que su
gasto semanal en movilidad sea mayor de 58 nuevos soles.
X= Gasto semanal en movilidad (nuevos soles)
109
G s o se e ov d d ( uevos so es)
[ ] ? 58 X P = >
[ ]
2 2 2
) 12 ( , 50 ; (12) 50, N X = =
X X
Distribucin Normal Estndar.
[ ]
2 2 2
) 12 ( , 50 ; (12) 50, N X = =
X X
[ ]
[ ] ? 58 X P = >
[ ] 1 , 0 ; 1 0, N
- X
Z
2
= = =
Z Z
X
X

[ ] 67 0
50 58
58) P(X > =

>

= > Z P
X
P
X

110
[ ]
.2514 0.7486 - 1 0.67) P(Z - 1
67 . 0
12
58) P(X
= = =
> =

> = > Z P P
X

56
Ejemplo: Hallar el valor de Z tal que el rea bajo la curva normal estndar a la
izquierda de Z es igual a 76%del rea total bajo la curva.
Distribuciones Continuas
Distribucin Normal Estndar.
111
112
57
113
114
58
ESTADSTICA PARA LOS NEGOCIOS ESTADSTICA PARA LOS NEGOCIOS
Prueba de Hiptesis Prueba de Hiptesis
115
Elaborado por: Juan Quispe Guerrero
Pruebas de Hiptesis
Objetivos:
Definir que es una hipotesis. q p
Describir el procedimiento de 5 pasos para demostrar una
hipotesis.
Diferenciar entre una prueba de una cola o prueba de dos
colas.
Realizar una prueba de hipotesis respecto a una media
116
p p p
poblacional, proporcion poblacional. Y diferencia entre dos
medias poblacionales.
Describir los errores estadisticos que pueden resultar en una
prueba de hipotesis.
59
Pruebas de Hiptesis
Una prueba de hiptesis es un Una prueba de hiptesis es un
procedimiento estadstico, cuya finalidad es
corroborar o desmentir alguna afirmacin
que se hace con relacin a un parmetro
poblacional.
117
Pruebas de Hiptesis
Media Poblacional Media Poblacional
Proporcion Poblacional
Ejemplo: El Promedio del ingreso familiar mensual
en La Molina es mayor a 1000 $. > 1000$
118
Ejemplo: La Proporcion de mujeres que usan
tarjetas de credito en el distrito de la Molina es 82%.
P = 0.82
60
Tipo de Hiptesis Estadstica
1 Hiptesis planteada o nula (H
0
) 1. Hiptesis planteada o nula (H
0
)
Se llama as a una suposicin inicial que sirve para
echar a andar el procedimiento de una prueba o
verificacin de una hiptesis estadstica.
Generalmente se usa el smbolo H
0
para denotar la
119
0
hiptesis nula.
Tipo de Hiptesis Estadstica
Ejemplo: El numero promedio de equipos de TV por
hogar en Lima es igual a dos ( )
La hipotesis nula siempre se establece con respecto
al parametro poblacional y no en funcion del
estadistico
2 : H
0
=
120
estadistico.
2 X : H
0
=
2 : H
0
=
61
Tipo de Hiptesis Estadstica
Inicia con el supuesto de que la hipotesis nula es
d d verdadera.
Similar al concepto de que una persona es
inocente hasta que no se demuestre lo contrario.
Hace referencia al status quo
Siempre contiene = , o
121
Podria ser aceptada o rechazada.
2. Hiptesis alternante (H
1
)
Tipo de Hiptesis Estadstica
Es la hiptesis que establece lo contrario de la
hiptesis nula. Si sta es rechazada, entonces ser la
hiptesis alternativa la que se tomar tentativamente
como vlida, y viceversa.
122
Se usa el smbolo H
1
para denotar la hiptesis
alternativa.
62
Tipo de Hiptesis Estadstica
Es opuesta a la hipotesis nula
Ejemplo., El numero promedio de equipos de
TV por hogar en Lima no es igual a 2.
( H
1
: 2 )
Cambia el status quo
Contiene , < o >
123
Es generalmente la hipotesis que el investigador
esta intentando probar.
Tipo de Hiptesis Estadstica
Ejemplo: En cierto pas se estableci que hace 20
aos el promedio de vida de una persona era de 71 4 aos el promedio de vida de una persona era de 71.4
aos.
Recientemente, se tom una muestra aleatoria de 100
muertes, y se obtuvo que la edad promedio fue de
73.8 aos, y s = 9.8 aos.
124
Se puede argumentar que actualmente la gente vive,
en promedio, ms que hace 20 aos?.
63
Tipo de Hiptesis Estadstica
Establezca las hiptesis nula y hiptesis alternativa
di t
H
0
: 71.4
correspondiente
125
H
1
: > 71.4
Decisin Estadstica
Estado de una H
0
Decisin sobre H
0
a) H
0
verdadera
b) H
0
falsa
126
a) Aceptar H
0
b) Rechazar H
0
64
Tipos de Errores
Decisin sobre H
0
Estado de H
0
0
Aceptar H
0 Rechazar H
0
H
0
Verdadera
Decisin
Correcta
Error tipo I
()
127
H
0
Falsa
Error tipo II
()
Decisin
Correcta
Tipos de Errores
Decisin del Juez
Persona
Juzgada
Libre Condenado
Inocente Decisin
Correcta
Error tipo I
()
128
Culpable Error tipo II
()
Decisin
Correcta
65
Tipos de Errores
E ti I ( ) Ni l d i ifi i Error tipo I (). Nivel de significacin
Se comete cuando se rechaza una H
0
verdadera.
Error tipo II ( )
Se comete cuando se acepta una H
0
falsa.
129
Se comete cuando se acepta una H
0
falsa.
Pruebas de Hiptesis. Supuestos
1.
Para pruebas y
a)
Las observaciones son elegidas aleatoriamente
)
Las observaciones son elegidas aleatoriamente.
b) Las observ. elegidas provienen de una distribucin
normal.
2
Para pruebas sobre comparacin de medias o
variancias poblacionales.
a)
L b i l id l t i t
130
a)
Las observaciones son elegidas aleatoriamente.
b) Las observaciones elegidas provienen de una
distribucin normal.
c) Las muestras provienen de poblaciones independientes.
66
Pruebas de Hiptesis. Supuestos
3
Para pruebas sobre una proporcin poblacional .
a)
Las observaciones son elegidas aleatoriamente
)
Las observaciones son elegidas aleatoriamente.
b)
El tamao de muestra es grande.
4
Para pruebas sobre comparacin de proporciones
poblacionales.
a)
131
a)
Las observaciones son elegidas aleatoriamente.
b) Los tamaos de muestra son grandes.
c) Las muestras provienen de poblaciones independientes.
Pasos para la Pruebas de Hiptesis.
Paso 1. Planteamiento de Hiptesis
Caso A Pruebas bilaterales
H : = H
0
: =
0
H
1
:
0
Caso B Pruebas unilaterales a la derecha
H
0
:
0
H
0
: =
0
H
1
: >
0
H
1
: >
0
132
Caso C Pruebas unilaterales a la izquierda
H
0
:
0
H
0
: =
0
H
1
: <
0
H
1
: <
0
67
Paso 2 Eleccin del Nivel de Significacin
Pruebas de Hiptesis
Paso 2. Eleccin del Nivel de Significacin
Se elige como nivel de significacin a la
probabilidad deseada () para cometer un
Error tipo I; es decir, la probabilidad deseada
para rechazar un hiptesis planteada que es
133
para rechazar un hiptesis planteada que es
verdadera.
Error Tipo I y error Tipo II no pueden ocurrir al mismo
Pruebas de Hiptesis
Error Tipo I y error Tipo II, no pueden ocurrir al mismo
tiempo.
Error Tipo I solo ocurre si H
0
es verdadera.
Error Tipo II solo ocurre si H
0
es falsa.
Si el Error Tipo I ( ) , luego
El Error Tipo II ( )
134
68
Pruebas de Hiptesis.
3. Eleccin del Estadstico de Prueba
PARAMETRO RESTRICCIONES ESTADISTICO DE PARAMETRO RESTRICCIONES ESTADISTICO DE
PRUEBA

Conocida
2

n
X
Zc
/
0

30 n y a Desconocid
2
<
n S
X
Tc
/
0

=
X
135

30 n y a Desconocid
2

n S
X
Zc
/
0

=
Se observa dos valores criticos que definen
las regiones de rechazo
H
0
: = 3
H 3
Pruebas de Hiptesis.
4. Establecimiento de Criterios de Decisin
las regiones de rechazo.
/2
H
1
: 3
/2
3 X
n
X
Z
c

=
Region de Aceptacion Region de Rechazo Region de Rechazo.
-Z 0 +Z
Valor critico
Valor critico
Z
Prueba de dos colas
136
69
Se observa un solo valor critico que determina la
region de rechazo a la Izquierda
H
0
: 3
Pruebas de Hiptesis.
4. Establecimiento de Criterios de Decisin
Region de Rechazo Region de Aceptacion
region de rechazo a la Izquierda.

-Z
0
H
1
: < 3
Z
n
X
Z
c

=
-Z
0
X
Valor Critico
Prueba de cola Izquierda
137
H
0
: 3
Se observa un solo valor critico que
determina la region de rechazo a la Derecha.
Pruebas de Hiptesis.
4. Establecimiento de Criterios de Decisin
Region de Rechazo Region de Aceptacion

H
1
: > 3
g
n
X
Z
c

=
Region de Rechazo Region de Aceptacion
Z 0

Critical value
Z
X
_
Prueba de cola Derecha
138
70
Pruebas de Hiptesis
Ejemplo:
El administrador de una cadena de locales de comida rpida en
los que se expenden refrescos de fruta, ltimamente esta
recibiendo muchas quejas de los clientes quienes afirman recibir
un contenido menor al ofrecido en el vaso de refresco de 320 cc.
Supongamos que se sabe que el contenido de refresco de cada
vaso tiene una desviacin estndar 30 cc.
139
Se podra firmar que las quejas de los clientes son justificadas,
si en una muestra de tamao 36 encontr un promedio de 317.5
cc y decide utilizar un nivel de significancia de 5%?.
Pruebas de Hiptesis
H : 320 (Las quejas no se justifican)
Paso 1:
H
o
: 320 (Las quejas no se justifican)
H
1
: < 320 (Las quejas son justificadas)
= 0.05 Paso 2:
Paso 3:
140
5 . 0
36
30
0 . 320 5 . 317
=

=
n
X
Z
c

71
Pruebas de Hiptesis
Paso 4:
Regin de Aceptacin Regin de Rechazo
141
Zc = -0.5
Pruebas de Hiptesis
Paso 5
Se Acepta H
0
, Es decir no existe suficiente evidencia estadstica
para afirmar que las quejas de los clientes estn justificadas, a un
nivel de significacin del 5%.
142