Gua de estadstica

aplicada a la investigacin
de mercados

Unidades temticas

l.- Fundamentos de Probabilidad

ll.- Introduccin a la Estadstica
lll.- Bases para la Investigacin
de Mercados

TEMA 1
Ordenamiento o
arreglo de datos
Los datos no procesados, son
grandes cantidades de nmeros
y tienden a confundir en lugar
de aclarar
El procesamiento de datos
disminuye la cantidad de
detalles pero facilita la tarea de
establecer relaciones

Tipos de datos

Continuos: Puede tomar

cualquier valor.
cuantitativos
Discretos: Enteros

nominales: Definen
categoras
cualitativos
jerarquizados:Denotan
orden.

Ejemplos
continuos Discretos Nominales Jerarquizados

Carne

kg

cajas

Res puerco
pollo

Auto

Kph
kpl

#
defectos

colores

Buena
superior
excelente
Ms sucio

Distribucin de
frecuencia
Es un agrupamiento de
datos en clases, que
muestra el nmero o
porcentaje de
observaciones de cada
una de ellas

Elaboracin de una
distribucin de
frecuencia
Decidir el nmero de intervalos
de clase que se vayan a usar
Utilizar entre 5 y 15
Calcular la raz cuadrada de n y
ajustarla a los lmites de 5 a 15

Ejemplos
para 400 = 20 se ajusta a 15
para 40 = 6.32 se ajusta a 6 o 7

Amplitud de
Intervalos de clase

Valor entro mayor - valor menor

# de intervalos que se desee

Distribucin de
frecuencias para datos
continuos
Ejemplo:
kg. De duraznos vendidos/da
11.1 12.5 32.4 7.8
4.4 6.1

21.0 15.4 11.2 22.3

27.5 32.8 18.5 16.4 15.1 6.0

10.7 15.8 25.0 18.2 12.2 12.6 4.7

23.5

14.8 22.6 16.0 19.1 7.4

9.2

26.2

3.5 16.2 14.5 3.2

12.9 19.1 13.7

8.1

0.0

Como son 40 datos

V 40 = 6.32 utilizamos 6 intervalos
de clase, y aplicado la frmula de
amplitud del intervalo tenemos:
(33 - 0) / 6 = 5.5

Marca
de
Intervalos Frecuencia clase
xi
de clase kg
ni
0
< 5.5
5
2.75
5.5 < 11
7
8.25
11 < 16.5
15
13.75
16.5 < 22
5
19.25
22 < 27.5
5
24.75
27.5 < 33
3
30.25
xi = (lim inf + lim sup)/2

Medidas de tendencia
central
Medidas que se ubican en el
centro de la muestra o
poblacin.
Moda = mayor frecuencia
Media = = ((xi)(ni))/N
Mediana = M = L+C(j/fm)
L=Limite inferior de la clase donde se
encuentra n/2 sumando frecuencias.

C=Longitud de la clase.
j=Complemento de la suma de las
frecuencias anteriores para completar n/2.

fm=Frecuencia de la clase.

Aplicacin de la media
al problema anterior
Intervalo Frecuencia Marca de (xi)(ni)
de clase
clase xi
ni
0<5.5
5
2.75
13.75
5.5<11

8.25

57.75

11<16.5

15

13.75

206.25

16.5<22

19.25

96.25

22<27.5

24.75

123.75

27.5<33

30.25

90.75

= 40
= 588.5/40
= 14.7125 Kg

= 588.5

Aplicacin de la
mediana y moda
Intervalo Frecuencia Marca de (xi)(ni)
de clase
clase xi
ni
0<5.5
5
2.75
13.75
5.5<11

8.25

57.75

11<16.5

15

13.75

206.25

16.5<22

19.25

96.25

22<27.5

24.75

123.75

27.5<33

30.25

90.75

M = L+C(j/fm)
M = 11 + 5.5(8/15)
M =13.93 Kg
Mediana =13.93

Medidas de dispersin
Medidas que indican que tan
dispersos o alejados de la media
estn los datos de la muestra o
poblacin.
Varianza = 2 = (xi - )2 ni/N
Desviacin estndar o tpica =
= V (xi - )2 ni/N
Rango = Lim sup - Lim inf
de los intervalos de clase

Aplicacin de varianza
del problema en
cuestin
Intervalo Frecuencia Marca de (xi-) 2ni
de clase
clase xi
ni
0<5.5
5
2.75
715.2
5.5<11

8.25

292.12

11<16.5

15

13.75

13.82

16.5<22

19.25

103.06

22<27.5

24.75

504

27.5<33

30.25

724.47

= 2352.67
2 = 2352.67/40
2 = 58.81

Aplicacin de
desviacin estndar y
rango
= V 58.81
= 7.67 Kg
Rango = 33 - 0
Rango = 33 Kg

Tcnicas de
muestreo
Inferencia estadstica:
Establecer juicios de una
poblacin, despus de
examinar una muestra

Censo:
Examen de toda la poblacin
Muestreo:
Examen de una pequea parte
de la poblacin.

Muestra aleatoria
simple
Para poblaciones discretas es
aquella en que todos los
elementos de la poblacin
tienen la misma oportunidad de
ser incluidos en la muestra.
Para continuas es aquella en
que la probabilidad de incluir
cualquier intervalo de valores
en la muestra, es igual al
porcentaje de la poblacin que
est comprendida en dicho
intervalo.

Tablas de nmeros
aleatorios
Pasos para utilizar las tablas de
nmeros aleatorios
1- Hacer una lista de elementos
2- Numere la lista
3- Tome los nmeros de una tabla
de nmeros aleatorios
4- omita los que no correspondan
5- Estos nmeros se habrn de
incluir en la muestra.

Muestreo de juicio
Para muestras muy pequeas
Ejemplo:
En una cadena de restaurantes se
desea introducir una nueva tcnica
de servicio, y por costos solo se
implementar en 2 restaurantes en
este caso en lugar de hacer
pruebas resulta ms prudente
basarse en el conocimiento de sus
administradores,

Muestreos
probabilisticos
Muestreo sistemtico
Si los elementos de la lista no estn
en orden se puede muestrear cada
Kesimo elemento.
K = N/n
n= Tamao de la muestra
N= Tamao de la poblacin
Muestreo estratificado
Dividir la poblacin en subgrupos de
elementos semejantes.
Muestreo de acumulacin o
conglomerados.
Ordenar en subgrupos heterogneos
que sean representativos de la
poblacin como una mini poblacin.

Distribuciones de
probabilidad
Distribucin de Poisson
P(x) = (e- t ( t ) x) / x!
X = nmero de ocurrencias
e = base de logaritmos naturales
t = nmero de unidades (tiempo,
distancia etc.)
t = cantidad media de ocurrencias
respecto a t, de esta manera = t
P(x) = (e- ( ) x) / x!

Ejemplo
Suponga que los clientes llegan a un
negocio a razn de 2 por minuto y que
esta proporcin est bien aproximada
mediante el proceso de Poisson, si se
observa este proceso durente 30
segundos encuentre la probabilidad de
que:
a) no llegue nadie
b) lleguen 3
c) al menos lleguen 2
a) = t = 2(.5) = 1
P(x=0)= (e-1 (1 )0 ) / 0! = .3678
b) P(x=3)= (e-1 (1 )3 ) / 3! = .061
c) P(x=0)= (e-1 (1 )0 ) / 0! = .3678
P(x=1)= (e-1 (1 )1 ) / 1! = .3678
1 - (P(x=0)+ P(x=1)) = .2664

Distribucin
exponencial
Para tiempo y distancia
P(T >t) = e- t
P(T <t) = 1- e- t
El tiempo que tardan en recibir una orden
despus de hacerla en un restaurante
promedia 10 min.
a) Probabilidad de que espere ms de 10
minutos?
= 1/10 = 0.1 por minuto
P(T >10) = e-0.1 (10) = e-1 = 0.368

b) De que su tiempo de espera sea de 3

minutos o menos?
P(T <3) = 1- e-0.1(3) = 1- 0.741 = .259

TEMA II Introduccin a la
estadstica
TCNICAS DE CONTEO T I
Probabilidad =
Resultados
deseados /
Resultados
posibles
Las tcnicas
de conteo son
frmulas
matemticas
para obtener
los resultados
posibles.

Principio de multiplicacin
V
V
F

V
F
F
V

V
F

V
F
F

Pregunta
No. 1 No. 2 No.3

De haber n
decisiones
secuenciales,
cada una con
m opciones el
nmero total
de resultados
posibles es mn

EJEMPLO

EWM359
COAHUILA

Si las placas se identifican por tres

letras y tres nmeros, cual es el
nmero total de placas que se
pueden obtener?
(26)(26)(26)(10)(10)(10)
=17576000

Ejemplo

Cuantas opciones tiene

un cliente al
comprar un auto si:
6 colores distintos
2 transmisiones
automtica y standard.
2 y 4 puertas
Austero, con clima y
calefaccin y solo con
calefaccin.

6 x 2 x 2 x 3 = 72 opciones para
escoger su auto

Ejemplo
Una empresa capacita a cinco
equipos de promocin de ventas
sobre una tcnica distinta de
promocin a cada equipo, A, B,C, D
y E. Diga cuantas opciones posibles
hay para completar la promocin en
tres zonas de la ciudad.

5 x 5 x 5 = 125 opciones

PERMUTACIONES
Es un arreglo en un orden
particular de los objetos que
forman un conjunto
P(n,r) = n!/(n- r)!
P(N,R) = permutaciones de n objetos si
se toman r a la vez
n = nmero de objetos
r = objetos a la vez

FACTORIAL
El producto de
un entero
positivo por
todos los que le
preceden se
denota como n!
Y se lee n
factorial
n(n-1)! = n!
despejando
(n-1)!= n!/n
De esta manera
cuando n=1, se
define 0!=1

EJEMPLO

EWM359
COAHUILA

Si ninguna letra se
puede repetir

P(n,r) = n!/(n- r)!

P(26,3)=26!/23!
=15600X1000
=15 600 000

Ejemplo
Una empresa capacita a cinco
equipos de promocin de ventas
sobre una tcnica distinta de
promocin a cada equipo, A, B,C, D
y E. Diga cuantas formas distintas
puede iniciar la capacitacin en tres
zonas distintas de la ciudad.
P(n,r) = n!/(n- r)!
P(5, 3) = 5!/ (5 - 3)! = 60
permutaciones

COMBINACIN
Es una seleccin
de objetos sin
importar el orden.
(n/r)=n!/(n-r)! r!
(n/r)=combinaci
n de r objetos
tomados de un
conjunto n de
estos.
n= nmero de
objetos
r= objetos a la
vez

EJEMPLO
Una empresa capacita a cinco equipos
de promocin de ventas sobre una
tcnica distinta de promocin a cada
equipo, A, B,C, D y E. Diga en
cuantas combinaciones distintas
puede iniciar la capacitacin en tres
zonas de la ciudad.
(n/r)=n!/(n-r)! r!
(5/3) = 5! /(5 - 3)! 3! = 10
combinaciones

Teoras de probabilidades
P = Resultados deseados /
Resultados posibles
Muestreo con reemplazo
Al obtener muestras aleatorias de un
espacio muestral, y al reemplazar dichas
muestras antes de las siguiente muestra, se
llama muestreo con reemplazo, y en cada
muestreo la probabilidad ser la misma.

P(

) = 4/7

Ejemplo
Una concesionaria tiene
a la venta por sorteo el
siguiente lote de autos,
reemplazando siempre
el auto que sea sorteado
por otro del mismo
color.
Cual es la probabilidad
que en el segundo sorteo
salga un auto
Cual es la probabilidad
que en el 5o sorteo salga
un auto
R = 1/4 y 1/6

Teoras de probabilidades T II
P = Resultados deseados /
Resultados posibles
Muestreo sin reemplazo
Al obtener muestras aleatorias de
un espacio muestral, y al no
reemplazar dichas muestras antes
de la siguiente muestra, se llama
muestreo sin reemplazo, y en cada
muestreo la probabilidad ser en
aumento.
P1 (
P2 (

P3 (

) = 4/7

) =3/7 x 4/6 = 6/21

) = 3/7 x 2/6 x 4/5 = 24/210

Ejemplo
Una concesionaria tiene
a la venta por sorteo el
siguiente lote de autos, y
si no son reemplazados
Cual es la probabilidad
que en el segundo sorteo
salga un auto
R = 9/12 x 3/11 = 27/132

Cual es la probabilidad
que en el 3er sorteo salga
un auto
R = 10/12 X 9/11 X 2/10 = 180/1320

Probabilidad compuesta
En una ciudad se editan dos peridicos A y
B. El peridico A lo leen 40 de 100 personas,
mientras que el B lo leen 25 de cada 100.
Los lectores de ambos peridicos son 15 de
cada 100. Que probabilidad hay de que una
persona en esta ciudad lea alguno de estos
dos peridicos?
P = (A U B ) = 40 + 25 - 15 = 50 %

A
25

15

10

P = (A U B ) = 25 + 15 + 10 = 50 %

Ejemplo

Del ejemplo anterior encuentre la

probabilidad de que al elegir una persona
de esta ciudad solo lea el peridico B

R = 10%

Probabilidad condicional
La distribucin de 125 autos de una empresa
segn su modelo y su motor es la siguiente:
AUTOS
6 Cilindros
8 Cilindros
SUMA

Austero
40
30
70

Clsico
15
25
40

Lujo
10
5
15

Probabilidad de seleccionar un austero =

Probabilidad de 8 cil.
Condicionada a austero
Probabilidad de seleccionar un 8 cil.
Que sea austero = 0.42857143

SUMA
65
60
125

0.56

S
E
N
D
O
A
I
D
C
I
U
L
I
B
I
B
R
A
T
B
I
S
I
O
I
I
R
D P
T
E
D

Distribucin Binomial

P(x) = (n/x) P (xito)x p (Fracaso) n-x

(n/x) = combinacin
n = nmero de ensayos
x = nmero de xitos
P = probabilidad

Ejemplo
Un vendedor de autos nuevos observa que
el 80% de los autos vendidos son
regresados al departamento de servicios
para corregir diversos defectos de
fabricacin en los primeros 25 das despus
de su compra. De los 11 autos que se
vendieron en un perodo de 5 das cual es
la probabilidad de que:

a) Todos regresen en el lapso de 25

das para recibir servicio.
P(X) = (11/11) (0.8)11 (0.2)0 = 0.0858
b) Solo uno no regrese.
P(X) = (11/10) (0.8)10 (0.2)1 = 0.23

(11/11) = 1
Combinaciones
(11/10) = 11

Uso de la computadora (Excel)

En Excel entramos a fx y en la siguiente
ventana seleccionamos Estadsticas en el
lado izquierdo y buscamos Distribucin
binomial en el derecho.
Aparece una ventana que nos pide los
siguientes datos:
Nmero de xitos
Ensayos
Probabilidad de xito
Acumulado escribir la palabra Falso para
obtener la funcin de probabilidad bruta.

Ejemplo
El 8% de los emparedados se piden sin
mayonesa, si 7 personas piden
emparedados encuentre la probabilidad
que:
a) Todos lo quieran con mayonesa
P(X) = (7/7) (0.92)7 (0.08)0 = 0.5578
b) Solo uno lo quiera con mayonesa
P(X) = (7/1) (0.92)1 (0.08)6 = 0.00000168

Distribucin Normal

f(X) = e-(1/2) ((x-x) / x)2 / V 2 x

e = Constante matemtica 2.71828
= Constante matemtica 3.1416
x = Media de la poblacin
x =Desviacin estndar de la
poblacin
X = Es cualquier variable aleatoria
continua donde
-x < X < +x

Distribucin normal

Resulta demasiado tedioso calcular la

funcin por medio de la frmula anterior,
porque la media y la desviacin estndar
pueden variar y tener un nmero infinito
de combinaciones.

Frmula de Transformacin

Para evitar estos clculos debemos

estandarizar la informacin para analizar
una tabla.

z=X-/

z = Variable normal estndar

= media
= desviacin estndar

Ejemplo
Pizza Rpida tiene registrados los
tiempos de entrega a clientes en la
siguiente tabla, y piensa regalar la
pizza que sea entregada despus de
los primeros 30 min. de que fue
cocinada, encuentre la probabilidad
de que una pizza sea regalada a un
cliente.
= media
10

15

25

20

30

10

10

25

35

15

20

30

15

10

10

20

15

20

15

25

10

15

10

= promedio
=420/25
=16.8

Desviacin estndar
= desviacin estndar o
tpica
= V (xi - )2 / N

(10 - 16.8)2 = 46.24

(15 - 16.8)2 = 3.24
(25 - 16.8)2 = 67.24

= 1544
= V1544/25 = 7.85

CON DATOS AGRUPADOS

Para el problema anterior
2

Intervalos

Marcas de clase
xi

Frecuencias
ni

(xi)(ni)

(x-) ni

5 < 15

10

90

761.76

15 < 25
25 < 35

20
30

10
5

200
150

6.4
583.2

35 < 45

40

40

432.64

= 480 = 1784
= (xi ni) / N
= 480 / 25 = 19.2

= desviacin estndar o
tpica
= V (xi - )2 ni/ N
= V1784 / 25

= 8.44748

Diferencia
Existe una diferencia entre los mtodos
anteriores utilizados para encontrar la media
y la desviacin estndar, aunque el primero
es ms exacto el segundo es el ms utilizado
porque simplifica los clculos, por lo que
debemos practicar el trabajar con datos
agrupados.
Una vez calculados la media y la desviacin
estndar podremos calcular cualquier
probabilidad utilizando la tabla de la
distribucin normal.
Siempre recuerda que la probabilidad
encontrada en la tabla es la probabilidad de
la media al valor estandarizado, es el rea
bajo la curva entre estos dos puntos.

Uso de la tabla
Como nos preguntan la probabilidad de
que se regale la pizza, entonces
tendremos que estandarizar el 30 porque
debemos encontrar la probabilidad de que
sean entregadas en un tiempo mayor de
los 30 minutos

z = (X - ) /
z = (30 - 19.2 / 8.44) = 1.278

19. 30
buscamos este valor en la tabla de la
2
normal y encontramos una probabilidad de
0.3996, esa es la probabilidad de la media
al 30, por lo que la probabilidad mayor de
30 ser 0.5 - .3996 = 0.1004 = 10%

Uso de la computadora (Excel)

En Excel entramos a fx y en la siguiente
ventana seleccionamos Estadsticas y
buscamos Distribucin normal.
Aparece una ventana que nos pide los
siguientes datos
X valor cuya distribucin se desea
obtener
Media
Desviacin estndar
Acumulado escribir la palabra verdadero
para obtener la funcin de probabilidad
acumulativa, por lo que la probabilidad
encontrada ser la acumulada desde el
extremo izquierdo hasta el valor cuya
distribucin se desea obtener, con los
datos en cuestin nos dar 0.89966068
pero como nos interesa la probabilidad
mayor de 30 entonces ser 1- 0.8899 =
0.1004 = 10%

TEMA III Bases para la

investigacin de
mercados
ESTIAMCIN:
Es el proceso de utilizar los datos
muestrales para estimar los valores de
parmetros desconocidos de una
poblacin.
ESTIMACIN DE PUNTO:
Estimacin de un punto nico de un
parmetro de la poblacin.
ESTIMACIN DE INTERVALO:
Estimacin que incluye un intervalo de
valores posibles en el que se considera
que est comprendido un parmetro de
la poblacin.

Criterios para
seleccionar un buen
estimador
IMPARCIALIDAD:
La media de la distribucin de muestreo de las
medias de muestras tomadas de una misma
poblacin es igual a la media de la poblacin
EFICIENCIA:
De dos estadsticas de muestras del mismo
tamao de una misma poblacin, ser ms
eficiente la que tenga menor error estndar o
menor desviacin estndar.
COHERENCIA:
El tamao de la muestra debe ser el adecuado
para que la estadstica sea un estimador
coherente.

SUFICIENCIA:
Cantidad suficiente de informacin en la
muestra sobre el parmetro de la poblacin

Si la media y la mediana coinciden, la

media de la muestra sera buen estimador
de la mediana de la poblacin, mejor
estimador que la propia mediana de la
muestra ya que sta en muestras grandes
tiene desviacin estndar mayor que la
media.

La mediana de la muestra sera un

estimador para la media de la poblacin,
pero no es el ms eficiente porque en
muestras grandes tiene mayor error
estndar que el de la media de la muestra.

EJEMPLO: Estimacin
puntual

Una compaa produce jeringas

hipodrmicas desechables, cada jeringa
viene en envoltura estril y que a su vez
es empacada en grandes cajas, estas
cajas contienen diferentes cantidades de
jeringas. Debido a que las jeringas se
venden por piezas la compaa necesita
una estimacin del nmero de piezas que
hay por caja, y para propsito de
investigacin, se ha tomado una muestra
aleatoria de 35 cajas y contado el nmero
de jeringas por caja.
1 0 1 1 0 3 1 12 1 0 2

98

97

93

105 100

93

94

97

97

97

107

1 0 0 1 10 1 0 6 1 1 0 1 0 3

99

93

98

1 06 1 0 0 1 1 2 1 0 5 1 0 0

114

97

1 10 1 0 2

98

112

99

Uso de la media de la muestra para

estimar la media de la poblacin.
= 3570/35 = 102 jeringas
Tanto el comprador como el vendedor
estarn de acuerdo con esta estimacin
puntual como 102 jeringas para la
poblacin, y el fabricante puede
ahorrarse el gasto y el tiempo para
contar cada una de las jeringas
contenidas en las cajas.

Varianza de la muestra, como varianza

de la poblacin.
2 = (x - )2 /n-1=1228/34 = 36.12

Desviacin estndar de la muestra como

estimador de la desviacin estndar de
la poblacin.
= V (x - )2 /n-1
= V 36.12 = 6.01 jeringas

Uso de la porcin de la muestra para

estimar la porcin de la poblacin.
La empresa desea estimar el nmero de
cajas que lleguen daadas debido a un
mal manejo en el traslado; de una
muestra de 50 cajas desde el punto de
embarque hasta su arribo al punto de
destino se encontr que la porcin de
cajas daadas es de .08 diramos que
esa misma porcin se estima para la
poblacin.

Estimacin de
intervalo
El director de investigaciones de mercado
de una fbrica necesita hacer una
estimacin de la vida promedio de
bateras, se registra el nombre y el
telfono del propietario.
Se encuentra la media para una
estimacin puntual, si es de 36 meses
podramos estimar la duracin media de
la poblacin de 36 meses, pero el director
pide que se de una afirmacin acerca del
intervalo dentro del cual es probable que
est la media de la poblacin, y para esto
debemos encontrar el error estndar de la
media
= / Vn
para poblacin infinita

De las 200 bateras la que dur ms

fueron 75 meses y la que menos dur fue
de 15 meses, una manera burda de
obtener la desviacin estndar de la
muestra para estimar la de la poblacin
sera.
6 = 75 - 15
= 10
pero sera preferible encontrarla por la
frmula ya conocida
= V (x - )2 /n-1
entonces el error estndar sera
= 10 / V 200 = 0.707 meses
con 2 errores estndar en la curva de la
normal = 0.955 con lo que3 podemos
decir que tenemos el 95.5% de confianza
que la vida til de la batera est dentro
del intervalo 34.58 a 37.41 meses.

Estimacin de
intervalo de la media a
partir de muestras
grandes.
Un gran distribuidor de refacciones
automotrices necesita una estimacin de
la vida media que cabe esperar de los
limpiabrisas en condiciones normales de
manejo. La gerencia ya ha determinado
que la desviacin estndar de la
poblacin es de 6 meses, cuando
seleccionamos una muestra aleatoria
simple de 100 limpiabrisas y reunimos los
datos referentes a su vida til, y
obtenemos estos resultados.
N = 100

tamao de la muestra

= 21 meses media muestral

= 6 meses

desv estndar

Como el vendedor utiliza 10 000 de tales

limpiadores al ao, nos pide que
encontremos una estimacin de intervalo
con un nivel de confianza de 95% (como

la muestra es mayor de 30 se utiliza

la distribucin normal)
= / Vn = 6/ V100
= 0.6 meses de error para poblacin
infinita

Clculo de los lmites de confianza 95%

47.5

47.5

= 95%

21
47.5 en la tabla = 1.96 = z
+ 1.96 =lmite de confianza sup.
- 1.96 =lmite de confianza inf.

21 + (1.96 x 0.6) = 22.18 meses

21 - (1.96 x 0.6) = 19.82 meses
Conclusin
podemos informar que la estimacin de la
vida media de la poblacin de limpiadores
de parabrisas est entre 19.82 y 22.18
meses con el 95 % de confianza.

Ser finito cuando la muestra sea

ms del 5% de la poblacin
= (/ V n )x (V N-n/ N-1)

Estimacin de
intervalo de la porcin
a partir de muestras
grandes
p = porcin de xitos en una muestra
p = media de la porcin de xitos
p = P
P = probabilidad de obtener un xito
Error estndar de la porcin
p= Vpq/n
q = porcin de no xito

Ejemplo
En una muestra de 75 personas el 40%
toman cocacola y el director de
investigaciones de mercados necesita un
99% de confianza para encontrar un
intervalo de la verdadera porcin de la
poblacin.
n = 75 tamao de la muestra
p = 0.4 xitos
q = 0.6 no xitos
p = V P q / n = V (0.4)(0.6)/75
p = 0.057 error estndar de la porcin.

Para un nivel de confianza de 99% se

tiene que:
45.9

45.9

En la tabla a 49.5 le corresponden 2.58

errores estndar que son los necesarios
para el 99% de confianza.

Lmite superior de confianza:

p +z cantidad de errores est. x error est.
0.4 + (2.58 x 0.057) = 0.547
Lmite inferior de confianza:
p - z cantidad de errores est. X error est.
0.4 - (2.58 x 0.057) = 0.253

Por lo que podemos concluir que la

verdadera porcin de la poblacin est
entre 0.253 y 0.547
Entre 25.3% y 54.7% de la poblacin
consumen cocacola, lo que podemos
afirmar con un 99% de confianza.

Tamao de la muestra
para estimar una
media
Una tienda est interesada en obtener
una estimacin de intervalo para el
nmero medio de clientes que entran a la
tienda diariamente, los dueos saben que
existe una diferencia de 90 clientes entre
el ndice ms bajo y el ms alto.
Determine el tamao de la muestra que
se deber utilizar con el fin de desarrollar
un intervalo de confianza de 96% para el
nmero medio real de clientes con un
ancho de solamente +8 personas.
Una estimacin burda de la desviacin
estndar sera
6 = 90 clientes (3 a la izq. Y 3 a la der)
= 90 / 60 = 15 clientes

Z=8
para encontrar z debemos utilizar el
nivel de confianza en la tabla
96%
48

48

0.48 en la tabla de la curva normal

z = 2.05
por lo tanto
2.05 = 8
= 8 / 2.05
= 3.9

tenemos que = / V n
3.9 = 15 / V n
n = 14.79 = 15

Tamao de la muestra
para estimar una
porcin
Tenemos indicios que el 60 % de la
poblacin (>100 000) consumen un
producto. Encuentre el tamao adecuado
de la muestra para estimar un intervalo de
ancho + 5%para encontrar la verdadera
porcin con un 90 % de confianza.
p= VPq/n
Despejando
n = p q / ( p )2
sabemos que 90% en tabla z = 1.65
p = 0.6 q = 0.4
Y como z p =.05
p= 0.05/1.65 = 0.03

 p= 0.03
sustituimos en la frmula
n = (0.6)(0.4)/(0.03)2 = 266.66 =267

NOTA:
Para poblaciones infinitas > 100 000
podemos considerar el error E entre
0.02 y 0.06 y utilizamos las sig
frmulas:
E=p
n = pxq/E2 para 90% de confianza
n = 3.84pxq/E2 95% de confianza
n = 7.52 pxq/E2 99% de confianza
el factor 3.84 se obtiene encontrando z de la tabla
de acuerdo al nivel de confianza y elevando al
cuadrado.
Y si no conocemos la p q se les da el valor de 0.5

PARA POBLACIONES FINITAS < 100 000

n=

3.84 N p x q
E2(N - 1) + 3.84 p x q

para un 95 % de confianza

Prueba de hiptesis
de la media
En una muestra de 100 ejes traseros de
camin que deben soportar 80 000 libras
por pulgada cuadrada se encontraron los
siguientes resultados, despus de
someterlos a pruebas de esfuerzos.
= 79,600
= 4,000
n = 100
HO = 80 000
Si el fabricante usa un nivel de
significancia de 0.05 en las pruebas
Cumplirn los ejes con el requisito?
= / Vn = 4000/ V 100 = 400
como el nivel de significancia es de 0.05
se divide entre 2, porque la resistencia de
los ejes no puede ser muy baja pero
tampoco muy alta por los costos

Para 0.5 nivel des significancia

.475

.475
Z = 1.96

0.025

0.025b

Lmite superior 80 000 + 1.96 (400)

= 80 784 Lb/pulg2
Lmite inferior 80 000 - 1.96 (400)
= 79 216 Lb/pulg2
Y como la media est entre los lmites se
acepta la hiptesis nula. S i cumplirn los
requisitos dichos ejes.

Correlacin y
regresin
OBSERVACIN DE VARIABLES
RELACIONADAS
La correlacin mide la fuerza de una
relacin entre dos variables; y la regresin
da lugar a una ecuacin y = a + bx
EJEMPLOS
Un T S U en comer puede explicar los
cambios de la demanda de un producto,
en trminos del nivel de empleo, el precio
de un producto usado en trminos del
tiempo del uso etc.

EJEMPLO
Se indaga si el precio de un auto
usado depende del kilometraje
y es la variable dependiente (precio)
x es la variable independiente (km)
n es nmero de observaciones
Al parecer los autos muestran una
relacin lineal en el kilometraje y el
precio.
Mtodo de mnimos cuadrados
b=

a=

n ( x y ) - ( x ) ( y )
n ( x2 ) - ( x )2
y- bx
n

y sustituimos en y = a + bx para
encontrar los costos

BIBLIOGRAFA

Etadstica Aplicada a la Mercadotecnia.

Roao Humberto
Editorial Diana
Estadstica Paso a Paso
Howard B. Christensen
Editorial Trillas
Matemticas Aplicadas para la Edministracin y la Economa
y Ciencias Sociales
Frank S. Budnick
Editorial Mc Graw Hill
Matemticas Aplicadas a la Administracin y Economa
Jasdish C. Ayra/Robin W. Landner
Editorial Pretince Hall
Estadstica
Murray R. Spiegel
Editorial Mc Graw Hill
Probabilidad y Estadstica
Murray R. Spiegel
Editorial Mc Graw Hill