REPBLICA BOLIVARIANA DE VENEZUELA

UNIVERSIDAD DEL ZULIA

FACULTAD DE CIENCIA ECONOMICAS Y SOCIALES
DIVISION DE ESTUDIOS PARA GRADUADOS
MAESTRA EN GERENCIA DE EMPRESAS
MENCIN: GERENCIA DE OPERACIONES

ESTADSTICA I
TRABAJO FINAL

AUTORES:
Ing. Ely Fuenmayor V15.661.441
Ing. Eleazar Gonzlez V18.517.039
Econ. Gloryn Gmez V17.995.481
Lcda. Thais Gutirrez V14.084.446

TUTOR: Prof. Claudio Hurtado

Maracaibo, 31 de Marzo del 2014

NDICE GENERAL

Introduccin..3
Marco Terico..4
Estadstica4
Trminos bsicos...4
Concepto.....5
Tipos de variables..5
Niveles de medicin..5
Descripcin de datos.....6
Tabla de frecuencia...6
Representacin grfica para datos cualitativos7
Distribucin de frecuencia8
Representacin grfica para datos cuantitativos.9
Medidas de tendencia central..10
Media......10
Mediana..10
Moda...11
Medidas de dispersin..11
Rango.....12
Desviacin Estndar....12
Varianza.12
Criterio de homogeneidad......12
Probabilidad.......13
Distribucin binomial....14
Estimacin puntual...14
Intervalos de confianza14
Desarrollo...15
Seleccionar dos variables de la base de datos seleccionada...15
Elaborar tablas y grficos para la presentacin de los datos17
Plante el clculo de algunas probabilidades relevantes..23
Haga una estimacin puntual y una estimacin por intervalos.25
Conclusiones.26
Bibliografa.27

INTRODUCCIN

El presente informe trata de integrar todos los temas visto durante el curso
de Estadstica I, as como poner en prctica con datos reales un anlisis
estadstico que describa y permita tomar las decisiones con propiedad en base
a los resultados del estudio.
Como primera parte, definiremos los conceptos claves para la realizacin
del estudio estadstico, as como los procedimientos y frmulas que intervienen
en dicha realizacin. Posteriormente se tomar una muestra cuantitativa y otra
cualitativa de la Empresa Impresora Tcnica del Zulia, S.A. para aplicar los
conocimientos aprendidos durante el curso y generar resultados que sirven
para la toma de decisiones en dicha empresa.

MARCO TERICO

Estadstica.
Trminos bsicos.
Datos.
Son las observaciones recolectadas
respuestas de encuestas). (Triola, 2009)

(como

mediciones,

gneros,

Poblacin.
Es el conjunto completo de todos los elementos (puntuaciones, personas,
medidas, etctera) que se va estudiar. El conjunto es completo porque incluye
a todos los sujetos que se estudiarn. (Triola, 2009)

Muestra.
Es un subconjunto de miembros seleccionados de una poblacin. (Triola,
2009)

Variable.
Es una caracterstica que cambia o vara con el tiempo y/o para diferentes
personas u objetos bajo consideracin. (Mendenhall y Otros, 2006)

Parmetro.
Es una medicin numrica que describe algunas caractersticas de una
poblacin. (Triola, 2009)

Estadstico.
Es una medicin numrica que describe algunas caractersticas de una
muestra. (Triola, 2009)

Concepto.
Segn Lind y Otros (2008), la Estadstica es la Ciencia que recoge,
organiza, presenta, analiza e interpreta datos con el fin de propiciar la toma de
decisiones ms eficaz. Es decir, contiene un conjunto de procedimientos
empleados para resumir y describir las caractersticas importantes de los datos
recogidos para transfrmalos en informacin til.

Tipos de variables.
Tabla 1. Explicacin de los tipos de variables.
Tipo
Cualitativas
Definiciones Miden una cualidad o
caracterstica en cada unidad
experimental.
Ejemplos
El gnero de un
empleado: Masculino o
Femenino.
Clasificacin de gusto:
excelente, bueno, regular
o malo.
Color de un carro: blanco,
amarillo, rojo, anaranjado
o verde.

Cuantitativas
Miden una cantidad
numrica en cada unidad
experimental.
Peso de una persona.
Distancia recorrida por
un avin.
Nmero de alumnos en
un saln.

Fuenmayor, Gonzlez, Gmez, Gutirrez (2015)

Las variables cuantitativas pueden ser discretas o continuas. Segn Lind y

Otros (2008), las variables discretas adoptan slo ciertos valores y existen
vacos entre ellos como por ejemplo el nmero de camas en una habitacin.
Mientras que las variables continas toman cualquier valor dentro de un
intervalo especfico como por ejemplo la altura de una persona.

Niveles de medicin.
Los datos se clasifican por niveles de medicin. El nivel de medicin de los
datos rige los clculos que se llevan a cabo con el fin de resumir y presentar
los datos. Tambin determina las pruebas estadsticas que se deben realizar.
Tabla 2. Explicacin de los niveles de medicin.

Clasificacin
Nominal

Nominal

Ordinal

Intervalo

Razn

Descripcin
Las observaciones acerca
de una variable cualitativa
slo se clasifican y
cuentan. No existe un
orden natural. Ejemplo: El
gnero de los empleados
de una oficina.
Los datos pueden
acomodarse en algn
orden, aunque no es
posible determinar
diferencias entre los
valores de los datos o
tales diferencias carecen
de significado. Ejemplo:
Calificaciones (Excelente,
bueno, regular o malo).

Incluye todas las

caractersticas del nivel
ordinal, pero, adems, la
diferencia entre valores
constituye una magnitud
constante. Sin embargo,
los datos en este nivel no
tienen punto de partida
cero natural inherente
(donde nada de la
cantidad est presente).
Ejemplo: La temperatura.
Posee todas las
caractersticas del nivel
de intervalo, aunque,
adems, el punto 0 tiene
sentido y la razn entre
dos nmeros es
significativa. Ejemplo: El
salario de los
trabajadores.

Propiedades
Las categoras de datos se
encuentran representadas
por etiquetas o nombres.
Aun cuando las etiquetas
se codifiquen con nmeros,
las categoras de datos no
tienen ningn orden lgico.
Las clasificaciones de los
datos se encuentran
representadas por
conjuntos de etiquetas o
nombres (alto, medio,
bajo), las cuales tienen
valores relativos.
En consecuencia, los
valores relativos de los
datos se pueden clasificar
u ordenar.
Las clasificaciones de
datos se ordenan de
acuerdo con el grado que
posea de la caracterstica
en cuestin.
Diferencias iguales en la
caracterstica representan
diferencias iguales en las
mediciones.

Las clasificaciones de
datos se ordenan de
acuerdo con la cantidad de
caractersticas que poseen.
Diferencias iguales en la
caracterstica representan
diferencias iguales en los
nmeros asignados a las
clasificaciones.
El punto cero representa la
ausencia de caractersticas

Clasificacin

Descripcin

Propiedades
y la razn entre dos
nmeros es significativa.
Fuenmayor, Gonzlez, Gmez, Gutirrez (2015)

Descripcin de datos.
Tabla de frecuencias.
Agrupacin de datos cualitativos en clases mutuamente excluyentes que
muestra el nmero de observaciones en cada clase. (Lind y Otros, 2008)
Mediante la tabla de frecuencias es posible organizar y resumir un conjunto
de datos cualitativos para determinar la cantidad de unidades experimentales
en cada categora. Dentro de la tabla se definen por lo general las siguientes
columnas:

Frecuencias absolutas: Determina el nmero de observaciones

dentro de la clase.
Frecuencias relativas: Es la fraccin del nmero total de
observaciones en cada clase.
Frecuencias acumuladas: Es la suma del nmero total de
observaciones de la clase con la acumulada de la anterior.

Tabla 3. Tabla de frecuencias con respecto a los vehculos vendidos por

marca de una agencia de carros usados durante un ao.
Marca

F. Absoluta

F. Relativa

58
64
16
138

0.420
0.464
0.116
1

Chevrolet
Ford
Mazda
Totales

F. Relativa
(%)
42%
46.4%
11.6%
100%

F. Acumulada
0.42
0.884
1

Fuenmayor, Gonzlez, Gmez, Gutirrez (2015)

Representacin grfico de datos cualitativos.

Grfica de barras.
Aqu las clases se representan en el eje horizontal y la frecuencia de clase
en el eje vertical. Las frecuencias de clase son proporcionales a las alturas de
las barras. (Lind y Otros, 2008)
Grfico 1. Ejemplo de grfica de barras.

70
60

64

58

50
40
30
16

20
10
0
Chevrolet

Ford

Mazda

Fuenmayor, Gonzlez, Gmez, Gutirrez (2015)

Grfica de pastel.
Grfica que muestra la parte o porcentaje que representa cada clase del
total de nmeros de frecuencia. (Lind y Otros, 2008)
Grfico 2. Ejemplo de grfica de pastel.

Ventas por marca

MAZDA
12%
CHEVROLET
42%
FORD
46%

Fuenmayor, Gonzlez, Gmez, Gutirrez (2015)

Distribucin de frecuencias.
Agrupacin de datos en clases mutuamente excluyentes, que muestra el
nmero de observaciones que hay en cada clase. (Lind y Otros, 2008)
Los pasos para construir una distribucin de frecuencia son los siguientes
segn Lind y Otros (2008):
8

Defina el nmero de clases. El objetivo consiste en emplear

suficientes agrupamientos o clases, de manera tal que se perciba la
forma de la distribucin. Aqu se necesita criterio. Una gran cantidad de
clases o muy pocas podran no permitir ver la forma fundamental del
conjunto de datos.
Determine el intervalo o ancho de clase. El intervalo o ancho de clase
debera ser el mismo para todas las clases. Todas las clases juntas
deben cubrir por lo menos la distancia del valor ms bajo al ms alto de
los datos. Expresado esto en una frmula sera:

En la que i es el intervalo de clase; H, el mximo valor observado; L,

el mnimo valor observado y k, el nmero de clases.
Establezca los lmites de cada clase. Esto es importante para que sea
posible incluir cada observacin en una sola categora. Esto significa
que debe evitar la superposicin de lmites de clase confusos. Segn
Triola (2009), se realiza de la siguiente manera:
o Eligimos un punto de partida que puede ser el valor ms bajo de
la lista o el nmero ms conveniente.
o Sume la anchura de clase al punto de partida para determinar el
segundo lmite inferior. Contine y sume la anchura de clase para
obtener los lmites inferiores de clase restantes.
o Liste los lmites de clase inferiores de forma vertical, como se
muestra al margen. Con esta lista podemos identificar con
facilidad los lmites de clases superiores.
Cuente el nmero de elementos de cada clase. El nmero de
elementos que hay en cada clase es la Frecuencia absoluta de la clase.
Adems calculamos la frecuencia relativa y la acumulada.

Representacin grfica de una distribucin de frecuencia.

Polgonos de frecuencias.
Consiste en segmentos de recta que conectan los puntos formados por las
intersecciones de los puntos medios de clase y las frecuencias de clase. (Lind
y Otros, 2008)
Grfico 4. Polgono de frecuencias sobre las edades de un conjunto de
personas.

Serie 1
15

10

0
13,5

16,5

19,5

22,5

25,5

28,5

Serie 1

Fuenmayor, Gonzlez, Gmez, Gutirrez (2015)

Medidas de tendencia central.

Segn Triola (2009), una medida de tendencia central es un valor que se
encuentra en el centro o a la mitad de un conjunto de datos. Hay muchas
formas distintas de determinar el centro, por lo que tenemos diferentes
definiciones de las medidas de tendencia central, que incluyen la media, la
mediana y la moda.

Media.
Segn Triola (2009), la media aritmtica de un conjunto de valores es la
medida de tendencia central que se calcula al sumar los valores y dividir el
total entre el nmero de valores. Tambin comnmente se le conoce como
promedio, y su frmula es la siguiente:
Tabla 4. Frmula para el clculo de la media.
Conjunto
Frmula

Poblacional

=1
=

Muestral
=1
=

Fuenmayor, Gonzlez, Gmez, Gutirrez (2015)

Mediana.
Segn Triola (2009), La mediana de un conjunto de datos es la medida de
tendencia central que implica el valor intermedio, cuando los valores de los
datos originales se presentan en orden de magnitud creciente (o decreciente).
Se denota con
10

Para calcular la mediana, primero se ordenan los valores (se acomodan en

orden) y luego se sigue uno de los siguientes dos procedimientos:
Si el nmero de valores es impar, la mediana es el nmero que se
localiza exactamente a la mitad de la lista.
Si el nmero de valores es par, la mediana se obtiene calculando la
media de los dos nmeros que estn a la mitad.

Moda.
Segn Triola (2009), la moda de un conjunto de datos es el valor que se
presenta con mayor frecuencia.

Cuando dos valores se presentan con la misma frecuencia y sta es la

ms alta, ambos valores son modas, por lo que el conjunto de datos es
bimodal.
Cuando ms de dos valores se presentan con la misma frecuencia y
sta es la ms alta, todos los valores son modas, por lo que el conjunto
de datos es multimodal.
Cuando ningn valor se repite, se dice que no hay moda.

Sesgo.
Segn Triola (2009), una distribucin de datos est sesgada si no es
simtrica y se extiende ms hacia un lado que hacia el otro. (Una distribucin
de datos es simtrica si la mitad izquierda de su histograma es
aproximadamente una imagen en espejo de su mitad derecha).
Grfico 5. Figura 3-2. Sesgo.

Triola (2009)

Medidas de dispersin.
11

Segn Mendenhall y Otros (2006), hay dos razones para medir la

dispersin:

Un valor pequeo en una medida de dispersin indica que los datos se

acumulan con proximidad alrededor de la media aritmtica. Por
consiguiente, la media se considera representativa de los datos. Por lo
contrario, una medida grande de dispersin indica que la media no es
confiable.
Comparar la propagacin de un conjunto de datos en dos o ms
distribuciones.

Rango.
Segn Mendenhall y Otros (2006), la medida ms simple de dispersin es
el rango. Representa la diferencia entre los valores mximo y mnimo de un
conjunto de datos. En forma de ecuacin:
=
Desviacin estndar.
Segn Triola (2009), es la medida de variacin de los valores con respecto
a la media. Es un tipo de desviacin promedio de los valores con respecto a la
media, que se calcula utilizando la siguiente la frmula:
Tabla 5. Frmula para el clculo de la desviacin estndar.
Conjunto
Frmula

Poblacional

Muestral

2

=1 (=1 )
=
()

2 (=1 )2
= =1
( 1)

Fuenmayor, Gonzlez, Gmez, Gutirrez (2015)

Varianza.
Segn Triola (2009), la varianza de un conjunto de valores es una medida
de variacin igual al cuadrado de la desviacin estndar. Es decir:
Tabla 6. Frmula para el clculo de la varianza.

12

Conjunto
Frmula

Poblacional
2

2

=1 (=1 )

= (
)
()

Muestral
2

=1 2 (=1 )2

= (
)
( 1)

Fuenmayor, Gonzlez, Gmez, Gutirrez (2015)

Criterio de homogeneidad.
Segn Estuardo (2012), una distribucin se considera homognea, si la
desviacin estndar se encuentra entre la quinta y la cuarta parte del rango.
Si no es as, entonces se considera que la muestra es heterognea.

Probabilidad
Segn Lind y Otros (2008), es el valor entre cero y uno, inclusive, que
describe la posibilidad relativa (oportunidad o casualidad) de que ocurra un
evento.
Para la notacin: ,

y
.

A,

y C
()

El mtodo clsico probabilidad requiere resultados igualmente probables:

() =

La regla del complemento indica que () + ( ) = 1

La regla de la suma indica que
( ) = ( , )
Si los sucesos A y B son mutuamente excluyentes entonces:
( ) = () + ()
Si los sucesos A y B no son mutuamente excluyentes entonces:
( ) = () + () ( )
13

La regla de la multiplicacin indica que

( ) = ( )
Dos sucesos A y B son independientes cuando la ocurrencia de uno no
afecta la probabilidad de la ocurrencia del otro. (De manera similar, muchos
otros sucesos son independientes si la ocurrencia de cualquiera no afecta las
probabilidades de la ocurrencia de los dems). Si A y B no son independientes,
se dice que son dependientes.
Si los sucesos A y B son independientes entonces:
( ) = () ()

Si los sucesos A y B son dependientes entonces:

( ) = () ()
Distribucin binomial.
Segn Lind y Otros (2008), la distribucin de probabilidad binomial es una
distribucin de probabilidad discreta que se presenta con mucha frecuencia.
Una caracterstica de una distribucin binomial consiste en que slo hay dos
posibles resultados en determinado intento de un experimento. Por ejemplo,
el enunciado en una pregunta de cierto o falso es o cierto o falso. Los
resultados son mutuamente excluyentes, lo cual significa que la respuesta a
una pregunta de cierto o falso no puede ser al mismo tiempo cierta o falsa. En
otro ejemplo, un producto se clasifica como aceptable o inaceptable por el
departamento de control de calidad; un trabajador se clasifica como empleado
o desempleado, y una llamada da como resultado que el cliente compre el
producto o no lo compre. Con frecuencia, se clasifican los dos posibles
resultados como xito y fracaso. Sin embargo, esta clasificacin no implica que
un resultado sea bueno y el otro malo.
La frmula para calcular la probabilidad binomial es:
() = () ( )
Estimacin puntual.

14

Segn Lind y Otros (2008), es un estadstico calculado a partir de

informacin de la muestra para estimar el parmetro poblacional. Entonces la
media, la proporcin y la desviacin estndar muestras son un estimador
puntual de la media, la proporcin y la desviacin estndar poblacional.
Intervalo de confianza.
Segn Lind y Otros (2008), es un conjunto de valores formado a partir de
una muestra de datos de forma que exista la posibilidad de que el parmetro
poblacional ocurra dentro de dicho conjunto con una probabilidad especfica.
La probabilidad especfica recibe el nombre de nivel de confianza.
Para el intervalo de confianza para la media poblacional se usa la siguiente
formula

15

DESARROLLO
Seleccionar dos variables de la base de datos seleccionada, una variable
debe ser cuantitativa y la otra debe ser cualitativa. Escoger como mnimo
50 observaciones para cada variable.
Datos cuantitativos.
El presente estudio requiere analizar las rdenes creadas por el
departamento de Ventas para ello se tom una muestra de tres meses de
trabajo de la empresa Impresora Tcnica del Zulia, S.A. El perodo
seleccionado es desde Septiembre 2014 hasta Noviembre 2014. Para obtener
los datos, se realiz una consulta en la tabla de los histricos de rdenes y al
agruparlas por da, se presenta los siguientes resultados:
Tabla 8. Datos cuantitativos de la variable ordenes creadas por da.
Fecha
Cantidad
01/09/2014
11
02/09/2014
10
03/09/2014
10
04/09/2014
10
05/09/2014
3
08/09/2014
7
09/09/2014
9
10/09/2014
12
11/09/2014
11
12/09/2014
9
15/09/2014
10
16/09/2014
11
17/09/2014
12
18/09/2014
6
19/09/2014
10
22/09/2014
12
23/09/2014
7
24/09/2014
14
25/09/2014
2
26/09/2014
8
29/09/2014
12
30/09/2014
12
01/10/2014
9
02/10/2014
16
03/10/2014
11

Fecha
Cantidad
06/10/2014
11
07/10/2014
17
08/10/2014
6
09/10/2014
23
10/10/2014
11
13/10/2014
3
14/10/2014
19
15/10/2014
28
16/10/2014
25
17/10/2014
24
20/10/2014
18
21/10/2014
10
22/10/2014
5
23/10/2014
6
27/10/2014
8
28/10/2014
10
29/10/2014
3
30/10/2014
1
31/10/2014
5
03/11/2014
8
04/11/2014
8
05/11/2014
4
06/11/2014
6
07/11/2014
5
10/11/2014
4

Fecha
Cantidad
11/11/2014
9
12/11/2014
5
13/11/2014
2
14/11/2014
4
17/11/2014
3
19/11/2014
12
20/11/2014
7
21/11/2014
6
24/11/2014
7
25/11/2014
8
26/11/2014
5
27/11/2014
6
28/11/2014
2

Fuenmayor, Gonzlez, Gmez, Gutirrez (2015)

16

Datos cualitativos.
El presente estudio requiere analizar los distintos colores de bobinas del
almacn de Impresora Tcnica del Zulia, S.A. Mediante una consulta a la
base de datos de inventario, se logr obtener por cada cdigo en existencia
su respectivo color dando como resultado la siguiente tabla:
Tabla 9. Datos cualitativos de las bobinas del almacn de ITZSA.
Color
BL
BL
BL
BL
BL
BL
BL
BL
CA
CA
BL
BL
BL
BL
RO
CA
RO
CA
RO
AZ

Color
AZ
VE
VE
AZ
VE
RO
AZ
VE
VE
AZ
CA
RO
RO
CA
AZ
VE
AZ
VE
CA
AZ

Color
RO
VE
RO
VE
CA
BL
BL
RO
AZ
CA
BL
BL
CA
BL
CA
VE
BL
CA
BL
BL

Color
AZ
RO
CA
RO
AZ
VE
RO
BL
CA
BL
BL
CA
VE
BL
BL
BL
BL
BL
AZ
CA

Color
AZ
BL
BL
BL
BL
AZ
BL
BL
CA
RO
BL
AZ
VE
CA

Fuenmayor, Gonzlez, Gmez, Gutirrez (2015)

Elaborar tablas y grficos para la presentacin de los datos. Hacer un

anlisis estadstico descriptivo para cada variable.
Ordenes creadas por da.
Al revisar el conjunto de datos, debemos ordenar de manera ascendente el
conjunto de valores X que representan las observaciones (ordenes creadas
por da), dando la siguiente tabla:
17

Tabla 10. Ordenes creadas por da ordenadas de forma ascendente.

Posicin
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

X
1
2
2
2
3
3
3
3
4
4
4
5
5
5
5
5
6
6
6
6
6
6
7
7
7

Posicin
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50

X
7
8
8
8
8
8
9
9
9
9
10
10
10
10
10
10
10
11
11
11
11
11
11
12
12

Posicin
51
52
53
54
55
56
57
58
59
60
61
62
63

X
12
12
12
12
14
16
17
18
19
23
24
25
28

Fuenmayor, Gonzlez, Gmez, Gutirrez (2015)

Ya ordenada las observaciones se procede a definir el tamao de la

muestra.

n = 63 La muestra es de 63 das.

Definida el tamao de la muestra comparamos el mencionado valor con

la Gua para determinar el nmero de clases en una distribucin de
frecuencia. Segn dicha gua el nmero de clases es 7, ya que
60>=n<130 7.

18

Hallamos la primera medida de dispersin que es la diferencia entre el

valor mximo con el mnimo, para ello aplicamos:
= 28 1 = 27

Posteriormente determinamos el intervalo de clase a travs de dividir

el Rango entre el nmero de clases.

27

3,86 4

7

Procedemos a construir la tabla de distribucin de frecuencia

determinando los lmites inferiores y superiores de cada clase a
travs del valor del intervalo. Tambin determinamos la frecuencia
absoluta que resulta de contar los elementos que estn dentro de
cada clase.

Tabla 11. Distribucin de frecuencias.

Clase
s

Li Ls Intervalo Marca de clase Fa Fi

Fi(%)

Facum Facum(%)

1 1

1-4

2,50

11

0,17

17,46

11

17,46

2 5

5-8

6,50

20

0,32

31,75

31

49,21

3 9

12

9 - 12

10,50

23

0,37

36,51

54

85,71

4 13 16

13 - 16

14,50

0,03

3,17

56

88,89

5 17 20

17 - 20

18,50

0,05

4,76

59

93,65

6 21 24

21 - 24

22,50

0,03

3,17

61

96,83

7 25 28

25 - 28

26,50

0,03

3,17

63

100,00

63

100,00

Fuenmayor, Gonzlez, Gmez, Gutirrez (2015)

La Marca de clase se determina al dividir el resultado de la suma de

los lmites de la clase entre dos.

La Frecuencia relativa resulta de dividir la frecuencia absoluta de la

clase entre n.

La Frecuencia relativa porcentual resulta de multiplicar Fi por 100.

19

La Frecuencia acumulada es la suma de la frecuencia absoluta con

la anterior de esa clase.

La Frecuencia acumulada porcentual resulta de multiplicar Facum

por 100.

Ahora procedemos a realizar las grficas que ayudan analizar los

datos de la distribucin de frecuencia. Para ello realizaremos el
polgono de frecuencias con la frecuencia absoluta y la grfica de
pastel con los intervalos.

Grfico 6. Polgono de frecuencias.

25

20

15

10

1-4

5-8

9 - 12

13 - 16

17 - 20

21 - 24

25 - 28

29 - 32

Ordenes creadas durante un da

Fuenmayor, Gonzlez, Gmez, Gutirrez (2015)

20

Grfico 7. Grfica de pastel.

Ordenes creadas en un da
17 - 20 21 - 24 25 - 28
3%
5%
3%
13 - 16
3%

1-4
17%

9 - 12
37%

5-8
32%

Fuenmayor, Gonzlez, Gmez, Gutirrez (2015)

Ahora procederemos a calcular las medidas de tendencia central.

La media:
=

=1
63
588
=1
=
=
= 9,33

63
63

Como n=63 es impar, entonces la mediana es el valor del medio que

es igual a la posicin 32 que es 9.

El valor que ms se repite es el 10 por lo que slo hay una moda.

Como la media y la mediana son menores a la moda, se dice que la

distribucin de datos no es simtrica y est sesgada a la izquierda.

Procedemos a hallar las medidas de dispersin.

La desviacin estndar:
63
2
63 63
=1 2 (=1 )2
=1 (=1 )

=
=
( 1)
63(63 1)

21

(63 7508) 5882

473004 345744
=
= 32,58 = 5,71
63 62
3906

La varianza es el cuadrado de la desviacin estndar por lo que 2 =

32,58

Por ltimo, determinamos el criterio de homogeneidad a travs de la

siguiente prueba:
. .

5,4 5,71 6,75

5
4

Procedemos a realizar el anlisis estadstico:

La clase 3 del intervalo 9 al 12 posee la mayor frecuencia relativa, y

dentro de ella estn los valores de la media, mediana y la moda.

Segn la grfica de pastel y polgonos podemos observar fcilmente

que hay mayores probabilidades de que en un da se creen de 5 a
12 rdenes.

A pesar de que el rango es elevado, la muestra es homognea

porque la desviacin estndar est entre la quinta y la cuarta parte
del rango.

La desviacin estndar es alta debido a que hay valores en los

extremos con una distancia pronunciada de la media.

Al observar la acumulada de la tercera clase, hay una alta proporcin

de las observaciones estn dentro de las tres primeras clases.

Color de bobina.
Para realizar la tabla de frecuencias debemos separar el conjunto de datos
en categoras, especficamente, el color de bobina ser las denominaciones
de clases. La tabla queda de la siguiente forma:

22

Tabla 12. Color de bobina.

Color de bobina

Fa

Fi

Fi(%)

Facum

Facum(%)

Blanco

35

0,37

37,23

35

37,23

Azul

15

0,16

15,96

50

53,19

Rojo

18

0,19

19,15

68

72,34

Canario

13

0,14

13,83

81

86,17

Verde

13

0,14

13,83

94

100

94

100,00
Fuenmayor, Gonzlez, Gmez, Gutirrez (2015)

Determinamos la frecuencia absoluta que resulta de contar los

elementos que estn dentro de cada color.

La Frecuencia relativa resulta de dividir la frecuencia absoluta de la

clase entre n.

La Frecuencia relativa porcentual resulta de multiplicar Fi por 100.

La Frecuencia acumulada es la suma de la frecuencia absoluta con la

anterior de ese color.

La Frecuencia acumulada porcentual resulta de multiplicar Facum por

100.

Ahora procedemos a realizar las grficas que ayudan analizar los datos
de la tabla de frecuencia. Para ello realizaremos el grfico de barras con
la frecuencia absoluta y la grfica de pastel.

Grfico 8. Polgono de frecuencias.

40
30

20

35

10

15

18

AZUL

CANARIO

13

13

ROJO

VERDE

0
BLANCO

COLOR DE BOBINA

Fuenmayor, Gonzlez, Gmez, Gutirrez (2015)

23

Grfico 9. Color de bobina porcentual.

Ordenes creadas en un da

VERDE
14%

BLANCO
37%

ROJO
14%

CANARIO
19%

AZUL
16%

Fuenmayor, Gonzlez, Gmez, Gutirrez (2015)

Procedemos a realizar el anlisis estadstico:

Las bobinas de color blanco representan el color dominante de las

bobinas del almacn, mientras que el Rojo y Verde representan el
mnimo.

Es razonable el resultado del anlisis ya que las bobinas de color blanco

se tien para convertirlas en otro color.

Con base a las tablas de frecuencia absoluta plante el clculo de

algunas probabilidades relevantes para las variables seleccionadas.
Verifique si sus variables pueden asumir alguno de los modelos tericos
de probabilidad desarrollados en clase. Caso contrario investigue sobre
algn modelo de distribucin terica que pudieran asumir.

24

Cul es la probabilidad de que al seleccionar al azar una bobina, sta

sea de color azul o rojo?
Definimos el tamao de las observaciones. = 94
Definimos los eventos como: y
.
Como los dos eventos son mutuamente excluyentes, la formula a
aplicar es: ( ) = () + ()
Entonces: ( ) = 0,16 + 0,14 = 0,30
La probabilidad de que al seleccionar una bobina, sta sea de color azul
o rojo es de 0,30.
Cul es la probabilidad de que al seleccionar al azar una bobina, sta
no sea de color rojo ni azul?

Como en el ejercicio anterior hayamos la probabilidad de que la bobina

seleccionada fuera azul o rojo (0,30) entonces aplicamos la regla del
complemento.

Si

, Entonces () = 1 ( ) = 1 0,3 =
0,7

La probabilidad de que al seleccionar una bobina esta no sea de color

rojo o azul, es de 0,70.

Se sabe gracias a la distribucin de frecuencias que se crean nueve o

ms rdenes al da en el 51% de los das observados. Si seleccionamos
5 das al azar, Cul es la probabilidad de que ms de dos das se creen
9 o ms rdenes?

Determinamos el nmero de ensayos, = 5

Necesitamos hallar ( > 2) que es igual a 1 ( 2) = 1

(( = 0) + ( = 1) + ( = 2))

25

Aplicamos la siguiente formula () ( )

Para ( = 0) = 50 0,510 0,495 = 1 1 0,028 = 0,028

Para ( = 1) = 51 0,511 0,494 = 5 0,51 0,057 = 0,147

Para ( = 2) = 52 0,512 0,493 = 10 0,260 0,117 = 0,305

Entonces ( > 2) = 1 (0,028 + 0,147 + 0,305) = 1 0,48 = 0,52

La probabilidad de que en ms de dos das de los cinco das

seleccionados al azar, se creen 9 o ms ordenes es de 0,52.

Las 50 observaciones pueden asumirse como una muestra de la variable.

Haga una estimacin puntual y una estimacin por intervalos para los
parmetros correspondientes a las variables escogidas para este trabajo.

La muestra es de 63 das.

La media muestral de 9,33 constituye un estimador puntual de la media

poblacional.

A pesar de que el estimador puntual se aproxima al parmetro

poblacional, sera conveniente medir cun prximo se encuentra en
realidad. Un intervalo de confianza sirve para este propsito.

Se desea construir un intervalo con el 95% de confianza para

determinar el promedio poblacional por lo que el valor de z es igual 1,96.

5,71

63

Aplicamos la siguiente frmula ( ) = 9,33 1,96 (

) = 9,33

1,96(0,72) = 9,33 1,41

Entonces el promedio poblacional se encuentra entre 7,92 y 10,74 con

un 95% de confianza.

CONCLUSIONES

26

Gracias a la elaboracin de este informe se puso en prctica lo aprendido

en clase, y se observ los beneficios de implementar estos mtodos de anlisis
en el trabajo. Nos permite tomar decisiones en cuanto a que se puede hacer
para mejorar los procesos o predecir resultados que pueden ocurrir.
Un ejemplo de lo anterior, es darnos cuenta que el promedio de registro de
ordenes diarias de 9,33 es un nmero sano que permite tener solo una persona
encargada de este proceso ya que muy pocas veces este nmero sobre pasa
las 20 ordenes diarias.
Es magnfico poder tener varias alternativas de presentacin de datos como
las tablas de frecuencias y las grficas. Solo con observar alguno de estos
instrumentos podemos analizar fcilmente como estn distribuidos los datos
de un conjunto de observaciones.

27

BIBLIOGRAFA

Aaron Estuardo Morales (2012), Estadsticas y Probabilidades. Instituto

Profesional Virginio Gmez. Chile.
William Mendenhall, Robert J. Beaver y Barbara M. Beaver (2010),
Introduccin a la probabilidad y estadstica. Dcima tercera edicin. Editorial
Cengage Learning Editores, S.A. de C.V.
Douglas A. Lind, William G. Marchal y Samuel A. Wathen (2008), Estadstica
aplicada a los Negocios y la Economa. Dcima tercera edicin. Editorial
McGrawHill.
Mario F. Triola (2009), Estadstica. Dcima edicin. Editorial Pearson
Educacin de Mxico, S.A.

28