INSTITUTO TECNOLOGICO SUPERIOR DE ACAYUCAN

INGENIERIA EN GESTION EMPRESARIAL

ACTIVIDAD
1
MATERIA:
Estadística inferencial I
UNIDAD:
Actividades de la unidad I

SEMESTRE:
4°
SISTEMA
On-Line
GRUPO:
405K
DOCENTE:
Mtro. Jorge Aguilar Sixto
 TEMA 1.1 BREVE HISTORIA DE LA ESTADISTICA.
ACTIVIDAD 1: LINEA DEL TIEMPO DE LOS HECHOS MAS RELEVANTES DE
LA ESTADISTICA.

1662 DC. XIX DC. Los

Aparecio el investigadores
758-762 AC. primer aceptaron la
3000 AC. Los Los reyes estudio necesidad de
babilonios Carolingios estadistico reducir la
usaban pipino, el notable de informacion a
tablillas de Breve,Carlom poblacion valores
arcilla para agno titulado numericos
recopilr datos ordenaron comentatio para evitar
sobre la hacer sobre las ambeguidad
produccion estudios particulas de de
entre otras minuciosos de defuncion en descripciones
cosas. la iglecia. londres. verbales. Esta foto
de Autor
HECHOS MAS RELEVANTES DE LA ESTADISTICA desconoci
do está
bajo
licencia
2000 AC. Los 1086 Con la 1692 DC. En CCHOY. Las
BY-NC-
griegos informacion un estudio estadisticas se
realizaban obtenida con l sobre la tasa
NDhan
censos cuya censo por de mortalidad convertido en
informacion gullermo I en una ciudad un metodo
utiilzaba para llevada acabo alemana fue efectivo para
cobrar en 1086 se utilizada de descrivir con
impuestos. recoge en base para exactitud
Domesday hacer tasa de muchos datos
Book. inmortlidad. y
relacionarlos.
TEMA 1.4 ESTADISTICA INFERENCIAL.
ACTIVIDAD 2: MAPA CONCEPTUAL.

Concepto y clasificación de
la estadística
TEMA 1.7 TEORIA DE DECISION EN ESTADISTICA.
ACTIVIDAD 3: CUADRO JERARQUICO DE LAS FASES O ETAPAS DEL
PROCESO DE TOMAS DE DECISONES.

3.Seleccion racional de la
mejor alternativa.

1.Voluntad de tomar la
decision.

4.Informar a los ejecutores

sobre la mjor alternativa
escogida.

PROCESO DE TOMAS DE
DECISIONES
5.Implementar la desicion
estudiando su impacto.

2.Generar y estudiar las 6.Evaluar las consecuencias

posibles alternativas. de la decision implementada.

7.Revisar las posibilidades de

cambio cualquier aspecto de
la deciion que genere
elementos negativos.
TEMA 1.7 COMPONENTES DE UNA INVESTIGACION ESTADISTICA.
ACTIVIDAD 4: RESUMEN DE COMPONENTES DE UNA INVESTIGACION
ESTADISTICA.

El estudio estadístico de una situación con propósitos inferenciales se centra en

dos conceptos fundamentales: población y muestra, los cuales serán definidos a
continuación:

Población. Es el conjunto formado por todos los valores posibles que puede
asumir, la variable objeto de estudio.
Así por ejemplo, en un estudio sobre la preferencia de los votantes en una
elección presidencial, la población consiste en todas las respuestas de los
votantes registrados. Pero el término no sólo está asociado a la colección de seres
humanos u organismos vivos; y tenemos así que, si se va a hacer una
investigación de las ventas anuales de los supermercados, entonces las ventas
anuales de todos los supermercados constituyen así mismo la población.

Es bueno tener en cuenta que el término población se interpreta de dos maneras

cuando se hace un estudio estadístico, a saber:

1. La interpretación propia en el Análisis Estadístico, que corresponde a la que

hemos presentado anteriormente.

2. Como el conjunto de objetos sobre los cuales actúa la variable considerada.

Por tanto, no es extraño escuchar expresiones tales como, "se hizo un estudio de
los niveles de ingreso de la población trabajadora colombiana", entendiéndose con
ello que el elemento estadístico objeto de análisis fue el registro numérico de los
ingresos.

Muestra. Es cualquier subconjunto de la población, escogido al seguir ciertos

criterios de selección.
La muestra es el elemento básico sobre el cual se fundamenta la posterior
inferencia acerca de la población de donde se ha tomado. Por ello, su escogencia
y selección debe hacerse siguiendo ciertos procedimientos que son ampliamente
tratados en la parte de la estadística llamada Teoría de muestreo.

El concepto de muestra tiene también las dos connotaciones que hemos señalado
para la población.

Las características de una población se resumen para su estudio generalmente irá

mediante lo que se denominan parámetros; éstos a su vez se toman o consideran
como valoresverdaderos de la característica estudiada. Por ejemplo, la proporción
de todos los clientes que declaran cierta preferencia por una marca particular de
un producto dado, es un parámetro de la población de todos los clientes; es la
verdadera proporción de la población.
Igualmente, la media aritmética de las cuentas corrientes de los clientes de un
banco determinado constituye un parámetro de la población de las cuentas de los
clientes de ese banco.

Cuando la característica de la población estudiada se reduce a una muestra el

resumen de esa característica se hace mediante una esta (medida) o estadígrafo.
Así por ejemplo. si se toman 100 de todos los posibles clientes y se les entrevista
para ver si están a favor de una marca particular de un producto, estos 100
clientes la constituyen una muestra.. Si hay 70 clientes que prefieren dicha marca
entonces la proporción muestral será 0.70 y constituirá un estadígrafo; de igual
manera si se escogen 1,000 cuentas del total de las cuentas comentes; las 1,000
observaciones conforman una muestra y el promedio aritmético de estas cuentas
un estimador.

La inferencia estadística se orienta a sacar conclusiones acerca del parámetro o

parámetros poblacionales con base en el valor de un estimador obtenido a partir
de los datos muestrales extraídos de esa población. Para llegar a ese objetivo a
través de un proceso racional y eficaz, se aconseja que se tengan en cuenta los
siguientes pasos:

1. Formulación del problema. En este punto se debe especificar de manera clara

la pregunta que se debe responder y la población de datos asociada a la pregunta.
Los conceptos deben ser precisos y deben ponerse limitaciones adecuadas al
problema motivadas por el tiempo, dinero disponible y la habilidad de los
Investigadores.
Algunos conceptos como, artículo defectuoso, económico, salario, pueden variar
en cada caso y para cada problema debemos coincidir con las ideas señaladas en
el estudio.

2. Diseño del experimento. Este aspecto es de gran importancia, puesto que

la recolección de datos requiere dinero y tiempo. Es siempre nuestro deseo
obtener máxima Información con el mínimo costo (dinero y tiempo) posible.
Incluir excesiva Información en la muestra es a menudo costoso y antieconómico.
Incluir poca también es poco satisfactorio. Esto implica, entre otras cosas, que
debemos determinar el tamaño de la muestra o la cantidad o tipo de datos que nos
permita resolver el problema de la manera más eficiente.

3. Recolección de datos. Esta parte, por lo general, es la que exige más tiempo en
la Investigación. Esta recolección debe ajustarse a reglas estrictas ya que de los
datos esperamos extraer la Información deseada.
4. Tabulación y descripción de los resultados. En esta etapa, los datos muestrales
se exponen de manera clara y se ilustran con representaciones tabulares y
gráficas (diagramas. histogramas, etc.); además se calculan las medidas
estadísticas apropiadas al proceso inferencial que haya sido escogido.

5. Inferencia estadística y conclusiones. Este último paso constituye tal vez

la contribución más importante de la estadística al proceso inferencial. Aquí se fija
el nivel de confiabilidad para la inferencia; esto es debido a que las
conclusiones derivadas de inferencias estadísticas jamás se pueden tomar con un
100% de certeza, pero sí se les puede asociar un nivel de confiabilidad; en
términos de probabilidad denominados nivel de confianza y nivel de
significancia. El proceso Inferencial nos llevará a una conclusión estadística que
servirá de orientación a quien o quienes deban tomar la decisión (administrativa o
clínica) sobre el tema objeto de estudio.

TEMA 1.8 RECOLECCION DE DATOS

ACTIVIDAD 5: RESUMEN DE UNA ESTRATEGIA DE RECOLECCION DE

DATOS.

La estrategia de datos de una empresa puede definirse como el plan u hoja de

ruta que sirve para plantear qué hacer con los datos de una compañía y facilitar su
acceso, compartirlos y administrar su contenido. Toda esta información debe
estructurarse e identificarse, estableciendo en los elementos nombres y
descripciones, definir el tipo de contenido e incluir si es necesario metadatos.
También es recomendable añadir las herramientas que se puedan necesitar y los
métodos que permitan la recopilación, publicación y gestión de los datos y su
contenido, así como los detalles técnicos y del mercado donde se hallan. Sin una
estrategia de datos, es imposible manejar todas las herramientas y capacidades
para crear, manipular y acceder a los datos que proporciona una empresa. Una
estrategia de datos puede verse como una guía de supervivencia en la era de la
información. Sin una estrategia de datos, es imposible manejar todas las
herramientas y capacidades para crear, manipular y acceder a los datos que
proporciona una empresa. Una estrategia de datos puede verse como una guía de
supervivencia en la era de la información. Al igual que otros activos centrales de la
empresa, como los financieros o los inmobiliarios, los datos deben ser controlados
en base a una estrategia. Una estrategia de datos es un plan estratégico para
manejar eficazmente todos los datos de una empresa que explica en detalle las
políticas del negocio, procedimientos, roles y responsabilidades para la
normalización de estos datos, la ratificación de sus reglas de negocio, el control de
la redundancia de datos, la gestión de sus datos maestros, la integración
estructurada con datos no estructurados,el proceso de analítica, el
almacenamiento y uso de sus datos, y también la protección de todos estos datos.
Muchas empresas se involucran en el almacenamiento de datos, inteligencia
empresarial, gestión de relaciones con clientes, gestión de datos maestros y otras
iniciativas de nuevas tecnologías sin el marco de una estrategia de datos. Al final,
descubren que el estado de los datos que poseen, en muchos casos, al final es
peor que cuando se comenzó su recolección. Contar con una agencia de
estrategia digital que coordine una estrategia de datos es un elemento esencial y
fundamental de construcción para todas las iniciativas de IT, sin importar si son
iniciativas operativas o de apoyo a las decisiones.

TEMA ESTADISTICA PARA METRICA (POBLACION Y MUESTRA ALEATORIA.)

ACTIVIDAD 6: RESUMEN DE LOS ELEMENTOS DE LA ESTADISTICA

PARAMETRICA.

La estadística paramétrica es una rama de la estadística inferencial que

comprende los procedimientos estadísticos y de decisión que están basados en
distribuciones conocidas. Estas son determinadas usando un número finito
de parámetros. Esto es, por ejemplo, si conocemos que la altura de las personas
sigue una distribución normal, pero desconocemos cuál es la media y la
desviación de dicha normal. La media y la desviación típica de la distribución
normal son los dos parámetros que queremos estimar. Cuando desconocemos
totalmente qué distribución siguen nuestros datos entonces deberemos aplicar
primero un test no paramétrico, que nos ayude a conocer primero la distribución.

La estadística paramétrica, como parte de la inferencia estadística, trata de

estimar determinados parámetros de una población de datos. La estimación, como
casi siempre en estadística, se realiza sobre una muestra estadística. Ahora bien,
la estadística paramétrica siempre basa sus cálculos suponiendo que la
distribución de la variable a estudiar es conocida.

 Muestra estadística
 Estadístico
 Inferencia estadística
 Distribución de probabilidad

Las ventajas de las pruebas paramétricas son:

 Sensibles a rasgos de los datos recolectados
 Estimaciones probabilísticas más exactas
 Tienen una mayor eficiencia estadística
 Mayor poder estadístico

Las desventajas de las purebas paramétricas son:

  Más complicadas de calcular
 Solo se pueden aplicar si se cumplen sus supuestos

Se conoce como estadística paramétrica a las pruebas que se basan en el

muestreo de una población con parámetros específicos.

Las pruebas paramétricas tienen supuestos (requisitos) con respecto a la

naturaleza o forma de las poblaciones implicadas, por ejemplo:
 Distribución conocida (normal, exponencial, etc.)
 Homocedasticidad
 Tamaño de la muestra

Para los procedimientos paramétricos se requiere como mínimo una variable con
nivel de medición intervalar.