1
00:00:07,019 --> 00:00:17,219
a lo que es la explicación del vídeo correspondiente al concepto de estadística 2, conceptos básicos.

2
00:00:18,140 --> 00:00:23,359
Estamos dentro del módulo de sistemas de información de mercados y lo que queremos es analizar

3
00:00:23,359 --> 00:00:30,399
o tener un conocimiento, al menos básico, de dos elementos muy importantes dentro de

4
00:00:30,399 --> 00:00:34,859
la estadística, que es la estimación por intervalos, intervalo de confianza y el contraste

5
00:00:34,859 --> 00:00:39,299
de hipótesis. Esto he marcado dentro del ciclo formativo del grado de superior de comercio

6
00:00:39,299 --> 00:00:43,759
internacional y en la unidad de trabajo 5, que es análisis de los datos e interpretación

7
00:00:43,759 --> 00:00:50,079
de los resultados. Nuestro objetivo fundamental es tener una comprensión gradual, es decir,

8
00:00:50,179 --> 00:00:54,479
a medida que vamos avanzando en lo que es la presentación o en la actividad de aula,

9
00:00:54,479 --> 00:01:05,920
Vamos a ir viendo los conceptos de que tratamos de explicar o de entender.

10
00:01:06,540 --> 00:01:09,219
Y bueno, para ello utilizaremos ejemplos.

11
00:01:09,280 --> 00:01:16,959
Ejemplos, al fin y al cabo, fijar lo que son los conceptos, y más conceptos matemáticos, que son mucho más complejos.

12
00:01:17,719 --> 00:01:20,939
Pues es más fácil hacerlo a través de ejemplos.

13
00:01:20,939 --> 00:01:30,840
Es una forma de aquello que no ves a nivel teórico, pues mediante la práctica es más fácil de comprobar o de analizar.

14
00:01:32,099 --> 00:01:45,680
Entonces, dichas herramientas estadísticas van dirigidas a la toma de decisiones, es decir, nos van a servir para conocer o para analizar o investigar determinados aspectos

15
00:01:45,680 --> 00:01:51,760
y que no es que realmente no tenemos la posibilidad de tener una probabilidad del 100% de conocerlos,

16
00:01:52,019 --> 00:01:57,739
pero a través de estas herramientas tendremos o podremos llevar a cabo ese análisis o esa investigación.

17
00:01:58,640 --> 00:02:01,620
Y con ello tomar las decisiones pertinentes.

18
00:02:03,900 --> 00:02:04,680
Contraste de hipótesis.

19
00:02:05,239 --> 00:02:06,739
Empezamos con los fundamentos.

20
00:02:06,739 --> 00:02:14,819
El fundamento de contraste de hipótesis es simplemente plantear una hipótesis.

21
00:02:15,680 --> 00:02:39,240
Sobre un parámetro poblacional, cuando hablamos de parámetro poblacional estamos refiriéndonos, por ejemplo, a algo que realmente queremos estudiar, pero que a efectos prácticos no podemos conocerla, pues sería necesario investigar o encuestar a toda la población para poder llegar a conocer el dato exacto o perfecto.

22
00:02:39,240 --> 00:02:55,180
Entonces planteamos una hipótesis y en función de esa hipótesis, es decir, una hipótesis es algo que realmente marcamos como que pueda ser posible y que lo que tratamos es que esa hipótesis para determinar ese determinado parámetro se acerque lo más posible a lo que es el parámetro poblacional.

23
00:02:55,180 --> 00:03:16,349
Para ello utilizaremos una muestra. Entonces en función de eso trataremos y con una serie de herramientas que conforman el contraste de hipótesis es contrastar esa hipótesis para comprobar si realmente a nivel poblacional estaríamos cerca a nivel poblacional si realmente nos estamos acercando o no.

24
00:03:16,349 --> 00:03:39,490
Es decir, para ello plantearíamos distintas hipótesis, es decir, bueno, sabemos que una hipótesis es de investigación, bueno, aquí planteamos cuatro hipótesis, hipótesis de investigación, hipótesis estadística, hipótesis estadística es cuando hacemos una hipótesis estadística es simplemente estamos tratando de fijar o de determinar o hacer nosotros mismos una hipótesis en relación a algún aspecto, pero de manera cuantitativa.

25
00:03:39,490 --> 00:03:46,009
Eso serían las hipótesis estadísticas, es decir, se formulan con los datos del estudio cuando son como cuantitativos.

26
00:03:46,409 --> 00:03:52,509
Mientras que una hipótesis de investigación simplemente es tratar de proponer y realizar una hipótesis sobre un aspecto,

27
00:03:52,610 --> 00:03:55,409
un aspecto que queremos analizar o que debemos investigar.

28
00:03:55,930 --> 00:03:58,629
Es decir, por ejemplo, aquí ponemos el ejemplo de la mayor publicidad más ventas.

29
00:03:59,050 --> 00:04:07,729
Es obvio que nosotros si consideramos que, si proporcionamos en nuestro negocio y en la venta de nuestro producto,

30
00:04:07,729 --> 00:04:12,770
pues incorporamos más publicidad ya sea en radio en televisión etcétera pues tenemos mayores

31
00:04:12,770 --> 00:04:18,050
probabilidades de que realmente tengamos más ventas en realidad estamos planteando una hipótesis de

32
00:04:18,050 --> 00:04:23,990
investigación otra cosa es luego trasladarla a efectos estadísticos y comprobarla pero en realidad

33
00:04:23,990 --> 00:04:28,129
es una hipótesis de investigación de algo que realmente queremos analizar y luego ya que

34
00:04:28,129 --> 00:04:32,149
plantearíamos o estableceríamos las dos hipótesis que son las que se van a utilizar dentro del

35
00:04:32,149 --> 00:04:37,370
contraste de hipótesis que es la hipótesis nula y la hipótesis alternativa la hipótesis nula es

36
00:04:37,370 --> 00:04:45,649
como la que fijamos como de hipótesis de partida, la que consideramos o que es en realidad

37
00:04:45,649 --> 00:04:49,629
la que queremos refutar, es decir, la que queremos negar. ¿Por qué? Porque la que

38
00:04:49,629 --> 00:04:52,689
nos interesa va a ser la contraria. ¿Y cuál es la contraria? La hipótesis alternativa.

39
00:04:52,870 --> 00:04:59,370
Por lo tanto, tenemos dos tipos de hipótesis. Aquí, bueno, simplemente en esta slide solo

40
00:04:59,370 --> 00:05:04,689
he profundizado un poco, esto si queréis lo podéis leer, pero bueno, es profundizar

41
00:05:04,689 --> 00:05:07,889
un poquito más sobre lo que es una hipótesis de investigación y lo que es una hipótesis

42
00:05:07,889 --> 00:05:13,689
nula. La hipótesis nula se referencia normalmente con el H0, mientras que la hipótesis alternativa

43
00:05:13,689 --> 00:05:18,089
es la con el H0. Entonces, es lo que hemos dicho. En palabras más sencillas podemos

44
00:05:18,089 --> 00:05:25,110
decir que es aquello que es el punto de partida. Para hacer una hipótesis debemos partir sobre

45
00:05:25,110 --> 00:05:29,350
un punto de partida sobre lo que realmente estamos buscando analizar. Y sobre ese punto

46
00:05:29,350 --> 00:05:32,970
de partida, luego contrastarlo, comprobarlo y si realmente es cierto o no

47
00:05:32,970 --> 00:05:37,069
entonces, que es la hipótesis que hemos hecho, aquí vamos a crear dos

48
00:05:37,069 --> 00:05:41,589
hipótesis, la hipótesis 0 o nula

49
00:05:41,589 --> 00:05:44,610
que es la que realmente queremos que no se cumpla

50
00:05:44,610 --> 00:05:45,509
por ejemplo

51
00:05:45,509 --> 00:05:52,829
puede ser con el ejemplo de las, por ejemplo, cuando tenemos aquí el ejemplo

52
00:05:52,829 --> 00:05:57,350
un ejemplo, sí, la expectativa de ingresos no oscila entre 55.000

53
00:05:57,350 --> 00:06:01,149
y 75.000 euros. Cuando realmente lo que nosotros queremos

54
00:06:01,149 --> 00:06:05,370
comprobar o contrastar es que realmente sí oscila. Por tanto, lo que queremos

55
00:06:05,370 --> 00:06:08,730
es anular o refutar

56
00:06:08,730 --> 00:06:12,269
esa hipótesis nula, es decir, negarla. ¿Para qué?

57
00:06:12,269 --> 00:06:16,069
Para así comprobar que realmente la hipótesis alternativa es la que estamos buscando

58
00:06:16,069 --> 00:06:19,629
y la que realmente sea.

59
00:06:19,970 --> 00:06:23,790
Ese es el contraste y de ahí que establezcamos dos hipótesis que en realidad son

60
00:06:23,790 --> 00:06:26,129
dos hipótesis contrarias, una de la otra.

61
00:06:27,850 --> 00:06:29,550
La hipótesis alternativa, pues bueno, lo hemos dicho,

62
00:06:29,730 --> 00:06:31,709
hay opciones distintas a la hipótesis de investigación

63
00:06:31,709 --> 00:06:33,529
y no hay opciones distintas. Es la idea que queremos probar

64
00:06:33,529 --> 00:06:35,790
con los datos del experimento o estudio, es decir, lo que realmente

65
00:06:35,790 --> 00:06:37,709
estamos buscando. Aquí establecemos

66
00:06:37,709 --> 00:06:39,550
una serie de

67
00:06:39,550 --> 00:06:41,769
conceptos, o sea,

68
00:06:41,810 --> 00:06:43,550
de ejemplos para cada una de ellas

69
00:06:43,550 --> 00:06:45,449
y luego al mismo tiempo hacer referencia

70
00:06:45,449 --> 00:06:46,769
también otra vez a la hipótesis estadística.

71
00:06:47,790 --> 00:06:49,550
Nivel de significación. El nivel de significación

72
00:06:49,550 --> 00:06:51,790
es un concepto en estadística

73
00:06:51,790 --> 00:06:53,370
que hace referencia a

74
00:06:53,370 --> 00:07:18,170
un tipo de error. Cuando nosotros estamos... tipos de errores en el contraste de hipótesis, es decir, cuando nosotros estamos llevando a cabo ese contraste de hipótesis, nosotros estamos estableciendo dos tipos de hipótesis, como hemos dicho, la nula y la alternativa, y en función de esas hipótesis, si las aceptamos o las rechazamos y lo comprobamos con la vida real, pues nos dará una serie de errores.

75
00:07:18,170 --> 00:07:22,850
así por ejemplo en esta tabla de doble entrada vemos que en nuestra definición

76
00:07:22,850 --> 00:07:25,829
si aceptamos la, siempre partimos de la hipótesis nula

77
00:07:25,829 --> 00:07:30,410
porque a partir de la hipótesis nula si la negamos tendremos la hipótesis alternativa y el contrario

78
00:07:30,410 --> 00:07:34,029
entonces si aceptamos la hipótesis nula y por otro lado

79
00:07:34,029 --> 00:07:40,250
en la situación real esa hipótesis nula es cierta, estaríamos en el correcto

80
00:07:40,250 --> 00:07:45,410
si aceptamos la hipótesis nula y en la situación real esa hipótesis nula es falsa

81
00:07:45,410 --> 00:07:47,449
estaríamos en el error que vamos a llamar tipo 2

82
00:07:47,449 --> 00:07:49,649
mientras que si rechazamos la hipótesis nula

83
00:07:49,649 --> 00:07:51,990
¿qué es lo que realmente estamos buscando? ¿para qué?

84
00:07:52,069 --> 00:07:54,290
para que la hipótesis alternativa se cumpla

85
00:07:54,290 --> 00:07:55,569
que es la que nosotros buscamos

86
00:07:55,569 --> 00:07:58,230
y en realidad, esa hipótesis nula

87
00:07:58,230 --> 00:07:59,790
es cierta, es cuando estamos

88
00:07:59,790 --> 00:08:02,610
por tanto, aquí, este es el

89
00:08:02,610 --> 00:08:04,149
error que tratamos

90
00:08:04,149 --> 00:08:05,569
de buscar, o el error

91
00:08:05,569 --> 00:08:08,029
principal, que es el que se va

92
00:08:08,029 --> 00:08:09,610
a denominar

93
00:08:09,610 --> 00:08:12,089
o va a tener

94
00:08:12,089 --> 00:08:13,769
la denominación en cuanto a la probabilidad

95
00:08:13,769 --> 00:08:15,810
de que cometamos ese error

96
00:08:15,810 --> 00:08:17,769
ese error de tipo 1. Si cometemos

97
00:08:17,769 --> 00:08:19,649
si la probabilidad de cometer

98
00:08:19,649 --> 00:08:21,649
ese tipo de error de tipo 1

99
00:08:21,649 --> 00:08:23,870
que es el que tratamos

100
00:08:23,870 --> 00:08:25,689
de evitar, porque nosotros lo que queremos

101
00:08:25,689 --> 00:08:27,610
es rechazar la hipotesis nula para que

102
00:08:27,610 --> 00:08:29,670
la hipotesis alternativa sea la correcta

103
00:08:29,670 --> 00:08:31,149
que es la que estamos buscando. Pero

104
00:08:31,149 --> 00:08:33,570
de ahí que nos sea

105
00:08:33,570 --> 00:08:35,590
importante y es lo que se va a llamar como nivel

106
00:08:35,590 --> 00:08:37,269
de significación. Ese nivel de significación es

107
00:08:37,269 --> 00:08:39,529
concretamente la probabilidad de cometer un error

108
00:08:39,529 --> 00:08:40,110
de tipo 1

109
00:08:40,110 --> 00:08:43,710
que consiste

110
00:08:43,710 --> 00:08:45,470
en rechazar la hipotesis nula cuando la hipotesis

111
00:08:45,470 --> 00:08:55,669
es cierta. Más conceptos, estimación puntual, hemos analizado lo que denominamos como estimación

112
00:08:55,669 --> 00:08:59,450
puntual, o sea, con estimación puntual como contraste de hipótesis, o sea, contestar

113
00:08:59,450 --> 00:09:03,950
varias variables, es decir, lo que tratamos es acercarnos a un parámetro poblacional

114
00:09:03,950 --> 00:09:09,629
a través de una muestra y mediante el contraste de hipótesis podemos llegar a determinar

115
00:09:09,629 --> 00:09:17,690
o a tomar decisiones. La idea de la estimación puntual consiste simplemente en estimar un determinado parámetro,

116
00:09:17,809 --> 00:09:25,210
un parámetro poblacional, pero a través de un parámetro muestral. Es decir, imaginemos que queremos saber la media

117
00:09:25,210 --> 00:09:35,490
que estudia en el grado de matemáticas en España. Pues esa media, vamos a coger a todos los estudiantes que estudian en España

118
00:09:35,490 --> 00:09:38,029
y lo vamos a, bueno, se podría comprobar a nivel informático, pero bueno,

119
00:09:38,450 --> 00:09:41,570
imaginaos que tenemos que ir a preguntar a todos y cada uno de ellos

120
00:09:41,570 --> 00:09:50,149
y para evitar el coste y el trabajo que supone eso,

121
00:09:50,429 --> 00:09:52,049
pues nos centraríamos en una muestra,

122
00:09:52,149 --> 00:09:55,350
buscaríamos una muestra de estudiantes y en función de esos estudiantes

123
00:09:55,350 --> 00:09:59,830
igualaríamos esa media muestral, es decir, la media de esos estudiantes,

124
00:09:59,830 --> 00:10:02,929
hemos cogido, por ejemplo, si hay 100.000 y cogemos 1.000,

125
00:10:02,929 --> 00:10:28,389
pues la media muestral de esos 1000 lo igualaríamos a la que es aquí, a la mu, que es la media poblacional, de tal manera que así realizaríamos lo que llamamos estimación puntual, simplemente estimar un parámetro poblacional a través de un parámetro muestral, y puede ser cualquier tipo de parámetro, o sea, de estadístico, utilizar una media muestral, o sea, perdón, una media o cualquier otro tipo de estimador, ¿de acuerdo?

126
00:10:28,389 --> 00:10:31,649
por otro lado tenemos el integrado de confianza

127
00:10:31,649 --> 00:10:33,789
en este caso aquí en lugar de tratar

128
00:10:33,789 --> 00:10:36,149
de estimar puntualmente

129
00:10:36,149 --> 00:10:37,110
a través de un estimador

130
00:10:37,110 --> 00:10:39,389
o de un estadístico

131
00:10:39,389 --> 00:10:42,070
un determinado valor o algo que

132
00:10:42,070 --> 00:10:43,789
estamos buscando, lo que vamos a hacer es que

133
00:10:43,789 --> 00:10:45,909
acotar ese

134
00:10:45,909 --> 00:10:48,190
valor o lo que estamos, por ejemplo la media

135
00:10:48,190 --> 00:10:50,289
esa que indicábamos del grado de matemáticas

136
00:10:50,289 --> 00:10:51,950
de estudiantes, pues acotarlo entre

137
00:10:51,950 --> 00:10:54,090
un intervalo, es decir, una cota mínima y una cota

138
00:10:54,090 --> 00:10:55,210
máxima, entonces

139
00:10:55,210 --> 00:10:57,570
eso es lo que vamos a buscar, para ello

140
00:10:57,570 --> 00:11:02,090
lo vamos a relacionar con la distribución normal

141
00:11:02,090 --> 00:11:05,269
la distribución normal es la clásica campana de Gauss

142
00:11:05,269 --> 00:11:08,169
en la que la media estaría en el centro

143
00:11:08,169 --> 00:11:11,529
y en función de si nos vamos trasladando

144
00:11:11,529 --> 00:11:12,570
hacia la derecha o hacia la izquierda

145
00:11:12,570 --> 00:11:15,610
aunque aquí en la imagen no viene aquí

146
00:11:15,610 --> 00:11:17,509
pero bueno, si fijamos un poquito abajo

147
00:11:17,509 --> 00:11:23,230
viene como un eje de coordenadas

148
00:11:23,230 --> 00:11:24,649
un eje de coordenadas x, x

149
00:11:24,649 --> 00:11:27,230
en el eje de coordenadas x en realidad lo que estamos marcando

150
00:11:27,230 --> 00:11:30,889
de las desviaciones típicas, es decir, cómo se desvía

151
00:11:30,889 --> 00:11:34,850
los valores con respecto a la media. Por tanto, cuanto más nos alejamos de la media

152
00:11:34,850 --> 00:11:39,570
más lejos de la media estamos y por tanto lo medimos en número de desviaciones

153
00:11:39,570 --> 00:11:41,509
típicas, tanto para la izquierda como hacia la derecha.

154
00:11:43,250 --> 00:11:47,090
Y claro, el 1 menos alfa es lo que vamos a llamar como

155
00:11:47,090 --> 00:11:50,889
la probabilidad. Es una probabilidad de que realmente

156
00:11:50,889 --> 00:11:54,710
el valor que estamos buscando se encuentre dentro de esta área, o sea, de esta zona,

157
00:11:54,710 --> 00:12:02,409
desde este punto a este punto, de ahí que alfa sería el nivel de confianza, ¿qué

158
00:12:02,409 --> 00:12:07,470
llamamos el nivel de confianza? Bueno, perdón, el alfa no es el nivel de confianza, el nivel

159
00:12:07,470 --> 00:12:12,950
de confianza es el 1 menos alfa, alfa es la probabilidad de que realmente no se encuentre,

160
00:12:13,090 --> 00:12:18,350
es decir, si marcamos aquí por ejemplo un 5%, es decir, un 2,5% y un 2,5%, es decir

161
00:12:18,350 --> 00:12:22,490
que el valor que estamos buscando se encuentra en estos dos puntos, nuestro nivel de confianza

162
00:12:22,490 --> 00:12:27,450
sería el 1 menos ese 5%, que sería el 95%.

163
00:12:27,450 --> 00:12:29,029
Es decir, ¿qué nivel de confianza tenemos?

164
00:12:29,129 --> 00:12:33,610
Es decir, nuestro nivel de confianza es el que marca que con un 95% de probabilidades

165
00:12:33,610 --> 00:12:38,610
nuestro valor, el valor que estamos buscando, está comprendiendo esto entre este intervalo.

166
00:12:38,889 --> 00:12:41,509
Y este intervalo entre este punto y este punto.

167
00:12:41,509 --> 00:12:47,009
Es decir, entre el punto en la cota más inferior, que se encuentra hasta la cola de la izquierda,

168
00:12:47,009 --> 00:12:52,509
y el que es el z alfa medios, menos a z alfa medios, y el z alfa medios.

169
00:12:53,169 --> 00:12:56,090
En cuanto a lo que se refiere a z, z simplemente es el parámetro,

170
00:12:56,210 --> 00:13:01,870
es el parámetro que marca para una distribución normal.

171
00:13:02,429 --> 00:13:05,809
Es decir, cuando hablamos de una distribución normal, a ver, ¿dónde lo teníamos?

172
00:13:05,809 --> 00:13:10,809
Bueno, hablamos de una distribución normal, una distribución normal tenemos,

173
00:13:11,029 --> 00:13:16,149
si está estandarizada, pues la forma de calcular este parámetro, este z,

174
00:13:16,149 --> 00:13:30,590
que es realmente lo que indicábamos, viene determinado por el uso de una serie de tablas y viene determinado por la media de sus soluciones menos la media muestra,

175
00:13:30,710 --> 00:13:39,710
partido de la diversión típica y partido de la diversión típica partido a su vez por la raíz cuadrada del número de soluciones.

176
00:13:39,710 --> 00:14:00,649
Entonces, los pasos en el sentido de la confianza, para calcular el sentido de la confianza, pues aquí nos vamos a centrar o vamos a extraernos en el sentido de que cómo llegamos a todos estos valores. Estos valores, en realidad, no afectos de uno de lo que es la asignatura o, perdón, el módulo de mercado. Debemos conocer este tipo de herramientas y lo útil que son para la toma de decisiones, afecto de mercado, etc.

177
00:14:00,649 --> 00:14:07,870
Pero tampoco necesitamos plantear una serie de demostraciones para determinar cómo se llegan a estos valores.

178
00:14:08,049 --> 00:14:16,070
En realidad debemos tomar como válidos este intervalo y estas fórmulas y en función de estas fórmulas nos permitirá tomar una serie de decisiones.

179
00:14:16,289 --> 00:14:27,649
Pero no es necesario que fijemos el paso a paso a cómo se han llegado, o un matemático cómo ha llegado a estos valores y a estas fórmulas.

180
00:14:27,649 --> 00:14:32,049
porque no es el objetivo del módulo.

181
00:14:32,450 --> 00:14:37,990
Los pasos para calcular el valor de confianza empezaremos con una población normal y sigma conocida.

182
00:14:38,230 --> 00:14:48,710
El sigma conocida, cuando hablamos de sigma conocida, es decir, si ya hemos planteado para ampliar el 5% o el 2%,

183
00:14:48,710 --> 00:14:51,049
así para ya determinar cuál es el nivel de confianza.

184
00:14:51,049 --> 00:14:54,730
luego queremos que encontremos el punto crítico

185
00:14:54,730 --> 00:14:56,309
que es el llamado, este es el punto crítico

186
00:14:56,309 --> 00:14:58,809
que es el que nos indicaría realmente

187
00:14:58,809 --> 00:15:00,470
los dos puntos

188
00:15:00,470 --> 00:15:03,330
o las dos cotas

189
00:15:03,330 --> 00:15:04,590
del intervalo que estábamos buscando

190
00:15:04,590 --> 00:15:06,850
dentro de la

191
00:15:06,850 --> 00:15:08,629
función normal, el z alfa medios

192
00:15:08,629 --> 00:15:10,350
y en función de eso

193
00:15:10,350 --> 00:15:12,309
calculamos la base, la calculamos

194
00:15:12,309 --> 00:15:14,450
la z de la muestra, para ello

195
00:15:14,450 --> 00:15:16,269
lo que decíamos, la medida muestral

196
00:15:16,269 --> 00:15:18,470
menos la medida proporcional partido de

197
00:15:18,470 --> 00:15:20,230
la teoría científica partido

198
00:15:20,230 --> 00:15:24,269
a su vez de la raíz cuadrada del número de soluciones. Y ya con nuestra

199
00:15:24,269 --> 00:15:28,289
fórmula de intervalo final, pues ya determinaríamos ya cuál es la cota inferior y inferior

200
00:15:28,289 --> 00:15:31,529
superior. Estos valores, zeta de alfa medios, tanto el menos como el más,

201
00:15:31,809 --> 00:15:35,110
vendrán determinados por una tabla, que tenemos aquí, a ver,

202
00:15:36,490 --> 00:15:40,169
no sé dónde, aquí está, la tabla, que es la que nos determina en función de

203
00:15:40,169 --> 00:15:44,250
la probabilidad que buscamos, como luego lo veremos en el ejercicio, pues nos determina

204
00:15:44,250 --> 00:15:48,230
el valor, 1,96 en este caso, o 2,58,

205
00:15:48,230 --> 00:15:58,549
hecho. Pero lo vamos a ver después. Simplemente es aplicar o recoger los datos dentro de las

206
00:15:58,549 --> 00:16:05,269
fórmulas y obtener así las dos cuotas. Entrándonos ya en la estimación de lo que es el ejercicio,

207
00:16:05,269 --> 00:16:08,570
vamos a plantear un primer ejercicio, una estimación de intervalos de confianza. En

208
00:16:08,570 --> 00:16:12,289
este nos encontramos con un contexto, es evaluar cuánto gastan al año los clientes de una empresa

209
00:16:12,289 --> 00:16:16,129
de la Maserati Express, los datos del ejercicio son el nivel de confianza 95, que es lo que

210
00:16:16,129 --> 00:16:21,690
decíamos, el 1 menos alfa o sigma, yo creo que es sigma, no alfa, pero bueno. Luego la

211
00:16:21,690 --> 00:16:27,389
desviación típica, la desviación típica son 280 euros, es decir, que ese gasto se

212
00:16:27,389 --> 00:16:31,450
desvía con respecto a la media en unos 280, tanto para arriba como para abajo, esa sería

213
00:16:31,450 --> 00:16:35,470
la desviación típica. Luego la muestra, 49 clientes, y el gasto medio anual, que son

214
00:16:35,470 --> 00:16:39,049
1240. Entonces, ¿cómo estimamos ese gasto medio? Bueno, aquí, aunque nos da un nivel

215
00:16:39,049 --> 00:16:43,230
de confianza del 95% tendría que poner también el 99, porque nos pide el 95 para el 95

216
00:16:43,230 --> 00:16:47,149
y para el 99. En la resolución del ejercicio

217
00:16:47,149 --> 00:16:50,970
simplemente vamos al error típico, calcular error típico, error estándar.

218
00:16:51,309 --> 00:16:55,110
El error estándar es simplemente la devolución típica, 280 partido de la

219
00:16:55,110 --> 00:16:59,129
raíz cuadrada, que el error típico es una de las

220
00:16:59,129 --> 00:17:02,269
partes que comprendía para calcular nuestro intervalo de confianza.

221
00:17:03,070 --> 00:17:07,089
En este caso es el de 40, pues nada, para el intervalo del 95 nos iríamos a las tablas

222
00:17:07,089 --> 00:17:10,509
que habíamos dicho que era

223
00:17:10,509 --> 00:17:12,109
primero la media de x

224
00:17:12,109 --> 00:17:14,609
que ya lo tenemos, son 1240

225
00:17:14,609 --> 00:17:16,869
y luego más menos

226
00:17:16,869 --> 00:17:18,509
el z alfa medio

227
00:17:18,509 --> 00:17:19,069
sigma medio

228
00:17:19,069 --> 00:17:21,309
partido de 2

229
00:17:21,309 --> 00:17:25,089
que es el 1,96 para el 95%

230
00:17:25,089 --> 00:17:26,210
lo tenemos aquí en rojo

231
00:17:26,210 --> 00:17:28,089
el cuadrado con 0,4750

232
00:17:28,089 --> 00:17:31,690
porque este se refiere a cada una de las colas

233
00:17:31,690 --> 00:17:34,750
el producto son el 95%

234
00:17:34,750 --> 00:17:36,529
que es 1 en la fila

235
00:17:36,529 --> 00:17:39,769
1,9, y en la columna 0,06, por lo tanto 1,96.

236
00:17:40,289 --> 00:17:43,789
Y en el caso del 99%, igual este, si lo metemos en 0,49,

237
00:17:43,869 --> 00:17:47,849
51 por 2 es 99%, o 0,99. Por lo tanto,

238
00:17:48,029 --> 00:17:52,329
2,5 en la fila y 0,08, 2,58. Por lo tanto, ya tenemos

239
00:17:52,329 --> 00:17:56,269
la Z alfa media, o sigma medios, y multiplicado por

240
00:17:56,269 --> 00:18:00,049
el error típico, 40. Ya tenemos 1240 más menos

241
00:18:00,049 --> 00:18:04,309
103, que en realidad esto es lo mismo que el intervalo

242
00:18:04,309 --> 00:18:06,309
entre la cuota mínima y la cuota máxima.

243
00:18:06,410 --> 00:18:09,109
Si 1240 menos 103,2

244
00:18:09,109 --> 00:18:10,450
sería lo mismo,

245
00:18:10,829 --> 00:18:12,130
coma 1240

246
00:18:12,130 --> 00:18:14,170
más 103,2, que son las dos cuotas

247
00:18:14,170 --> 00:18:14,869
inferiores y superiores.

248
00:18:15,730 --> 00:18:18,009
Y ya tendríamos los intervalos, que es lo que estamos buscando.

249
00:18:18,849 --> 00:18:20,150
En cuanto al ejercicio de contraste de hipótesis,

250
00:18:20,230 --> 00:18:21,869
el contraste de hipótesis aquí

251
00:18:21,869 --> 00:18:24,190
nos marca evaluar si un nuevo sistema

252
00:18:24,190 --> 00:18:25,730
de embalaje mejora la eficiencia logística.

253
00:18:26,369 --> 00:18:27,990
Datos, bueno, da un tipo medio esperado.

254
00:18:28,069 --> 00:18:29,950
El tiempo medio esperado es el tiempo que

255
00:18:29,950 --> 00:18:32,509
nosotros marcamos como hipótesis,

256
00:18:32,809 --> 00:18:33,970
que es el que realmente queremos

257
00:18:33,970 --> 00:18:38,369
o que yo creo que va a ser, por eso es una hipótesis

258
00:18:38,369 --> 00:18:41,509
por eso se llama esperado y se marca en 120 minutos

259
00:18:41,509 --> 00:18:44,809
y que tenemos que comprobar si realmente es cierto o no

260
00:18:44,809 --> 00:18:47,910
la edición típica, por lo que hemos dicho, lo que se desvía de respecto a la media

261
00:18:47,910 --> 00:18:54,069
que el tiempo medio observado, hemos obtenido una serie de valores muestrales

262
00:18:54,069 --> 00:18:59,430
y en función de esas mediciones se ha comprobado que la media son 117 minutos

263
00:18:59,430 --> 00:19:01,410
por eso sí es observado, así sí le sabemos

264
00:19:01,410 --> 00:19:08,250
y lo que se lo que sube o baja respecto al conjunto de todas las observaciones que la

265
00:19:08,250 --> 00:19:17,130
del identifica son ocho minutos cuántas muestras han cogido 64 64 lotes y se han marcado lo que

266
00:19:17,130 --> 00:19:20,930
buscamos es tomar una decisión en este caso no un intervalo aquí solo buscamos así se afecta

267
00:19:20,930 --> 00:19:27,089
el sistema anterior con un riesgo de menor o igual a 5 por ciento pues claro pues bueno aquí tenemos

268
00:19:27,089 --> 00:19:35,789
son las conclusiones, pero más o menos es lo mismo que los cálculos, esto lo miráis, pero bueno, es lo mismo que, eso es como el análisis, las conclusiones de lo que realmente viene aquí.

269
00:19:36,609 --> 00:19:52,190
En la resolución del ejercicio con traste de hipótesis, bueno, pues empezamos, enunciamos la hipótesis nula, en nuestra hipótesis nula, estamos marcando, o marcamos la hipótesis de que seguramente la media, el tiempo medio, que debería ser 120,

270
00:19:52,190 --> 00:19:53,910
eso es lo que nosotros hemos considerado

271
00:19:53,910 --> 00:19:56,269
que sería el parámetro poblacional

272
00:19:56,269 --> 00:19:56,670
el MU

273
00:19:56,670 --> 00:19:59,769
pero que en realidad lo que nosotros queremos obtener

274
00:19:59,769 --> 00:20:01,390
es comprobar que

275
00:20:01,390 --> 00:20:04,809
esta hipótesis nula

276
00:20:04,809 --> 00:20:05,529
se rechace

277
00:20:05,529 --> 00:20:07,970
para aceptar la hipótesis alternativa

278
00:20:07,970 --> 00:20:09,569
y que realmente sea distinto

279
00:20:09,569 --> 00:20:11,829
a 120, eso es nuestro objetivo

280
00:20:11,829 --> 00:20:13,930
entonces definimos la zona de aceptación

281
00:20:13,930 --> 00:20:15,410
en la zona de aceptación tenemos

282
00:20:15,410 --> 00:20:16,430
el alfa

283
00:20:16,430 --> 00:20:20,670
sería 0,05

284
00:20:20,670 --> 00:20:24,309
el 0,05 que es el 5%

285
00:20:24,309 --> 00:20:26,369
por tanto nos estamos encontrando que

286
00:20:26,369 --> 00:20:29,609
el nivel de

287
00:20:29,609 --> 00:20:34,710
nuestro nivel de confianza es de 95%

288
00:20:34,710 --> 00:20:36,369
¿de acuerdo? 95%

289
00:20:36,369 --> 00:20:38,869
luego en tablas, lo que hemos dicho

290
00:20:38,869 --> 00:20:41,890
para el 95% nuestra tabla

291
00:20:41,890 --> 00:20:45,230
era 196, ¿vale? por 196

292
00:20:45,230 --> 00:20:48,809
196, y luego el MU son 120

293
00:20:48,809 --> 00:20:52,049
que es la estimación, los valores que nosotros esperamos

294
00:20:52,049 --> 00:20:53,950
pero que no sabemos si es bueno o malo

295
00:20:53,950 --> 00:20:56,990
luego la división típica, que es lo que varía nuestra media

296
00:20:56,990 --> 00:20:58,309
y el número de soluciones

297
00:20:58,309 --> 00:21:03,470
nuestro intervalo será 120, que es aquí el que marcamos

298
00:21:03,470 --> 00:21:06,130
el valor que marcamos, claro, porque tenemos que utilizarlo

299
00:21:06,130 --> 00:21:08,329
y que realmente lo estamos haciendo para ese 120

300
00:21:08,329 --> 00:21:13,309
menos el 1,96 que es la Z

301
00:21:13,309 --> 00:21:15,750
y luego el error, el error estándar

302
00:21:15,750 --> 00:21:17,769
que son los 8 de división típica a partir de la raíz cuadrada

303
00:21:17,769 --> 00:21:19,670
a partir del 64. Esto nos da

304
00:21:19,670 --> 00:21:21,710
tanto por un lado como por otro, o el menos como el más

305
00:21:21,710 --> 00:21:24,089
nos da un intervalo entre 118.04

306
00:21:24,089 --> 00:21:25,410
y 121.96

307
00:21:25,410 --> 00:21:27,730
Por tanto, ¿qué es lo que verificamos?

308
00:21:27,829 --> 00:21:29,869
Pues lo verificamos, y aquí lo pone

309
00:21:29,869 --> 00:21:31,789
es que la media muestral ha sido

310
00:21:31,789 --> 00:21:33,809
de 117 minutos. O sea, si nuestra media

311
00:21:33,809 --> 00:21:35,369
muestral ha sido de 117 minutos

312
00:21:35,369 --> 00:21:37,990
que no está recogida dentro de ese intervalo

313
00:21:37,990 --> 00:21:40,309
es decir, con un 95%

314
00:21:40,309 --> 00:21:41,390
no está recogida

315
00:21:41,390 --> 00:21:42,349
es obvio que

316
00:21:42,349 --> 00:21:46,470
117 al ser menor de 118.04

317
00:21:46,470 --> 00:22:01,009
que deberíamos rechazar la hipótesis nula. Por tanto, llegamos a la conclusión de que lo que estamos buscando nosotros, la alternativa, que es realmente ese medio muestral o ese tiempo medio esperado, debe ser distinto a 120.

318
00:22:01,009 --> 00:22:18,049
Y ya está, con esto tendríamos la explicación de estos conceptos. Un saludo y espero que haya quedado claro con este resumen.