Академический Документы
Профессиональный Документы
Культура Документы
rubendarioestrella@hotmail.com ; rubenestrella@atalayadecristo.org
www.atalayadecristo.org
SEPTIEMBRE, 2013
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
LIND Douglas A., MARCHAL William G. and WATHEN Samuel A. Estadstica Aplicada a los
Negocios y a la Economa. McGraw-Hill. 15 Edicin. 2012.
ANDERSON David, SWEENEY Dennis and WILLIAMS Thomas. Estadstica para Negocios y
Economa. CENGAGE Learning: 11 Edicin. 2012.
SPIEGEL Murray, SHILLER John and SRINIVASAN R. Alu. Probabilidad y Estadstica. Mc Graw
Hill. 3. Edicin Serie Shaum. 2010.
JONSON Robert and KUBY Patricia. Estadstica Elemental Lo Esencial. International Thomson
Editores, S. A.: Tercera Edicin 2004.
LIPSCHUTS Seymour and LIPSON Marc. PROBABILIDAD. Mc Graw Hill. Segunda Edicin.
2001.
MONTIEL A. M., RIUS F. And BARON F.J. Elementos Bsicos de Estadstica Econmica y
Empresarial. Prentice Hall: 1997.
HOPKINS Kenneth, HOPKINS B.R. and GLASS Gene. Estadstica Bsica para las Ciencias
Sociales y del Comportamiento. Prentice Hall: Tercera Edicin. 1997.
LAPIN Lawrence L. Statistics for Modern Business. The Dryden Press: 1995.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
Estadstica Descriptiva:
Es el proceso de recopilacin, organizacin y presentacin de datos de alguna
manera que describa con rapidez y facilidad.
- Describe, analiza y representa un grupo de datos utilizando mtodos numricos y
grficos que resumen y presentan la informacin contenida en ellos.
- La estadstica descriptiva proporciona herramientas para organizar, simplificar y
resumir informacin bsica a partir de un conjunto de datos que de otra forma seria poco
manejable. Esta incluye la tabulacin, representacin y descripcin de conjuntos de
datos.
- La estadstica es descriptiva cuando los resultados del anlisis estadstico no
pretende ir mas all del conjunto de datos investigados.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
Estadstica Inferencial:
Implica la utilizacin de una muestra para extraer alguna inferencia o conclusin
sobre la poblacin correspondiente.
- Apoyndose en el calculo de probabilidades y a partir de datos muestrales,
efecta estimaciones, decisiones, predicciones y otras generalizaciones sobre un
conjunto mayor de datos.
La estadstica es inferencial cuando se derivan conclusiones generales para un
conjunto de datos ms amplio a partir de la informacin proporcionada por los datos
estudiados.
Es el proceso de reunir datos obtenidos de una muestra para hacer estimaciones o
probar hiptesis acerca de las caractersticas de una poblacin.
Estadstica Descriptiva
Obtener datos o recopilacin
Organizar y resumir
Presentar
Estadstica Inferencial
Analizar
Interpretar
Llegar a conclusiones
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
Variables discontinuas o discretas: Son las que pueden tomar valores intermedios
entre otros dos valores dados, han de hacerlo siempre con valores enteros, por ejemplo el
nmero de alumnos de una escuela, los socios de una cooperativa, etc.
Se obtienen de un nmero finito de posibles valores o bien de un nmero de
posibles valores que pueden contarse.
Slo puede tomar determinados valores, por lo general nmeros enteros. Puede
ser resultado de la enumeracin o del conteo. En ninguno de los casos se observaran
valores fraccionarios.
Consideradas conforme a la posicin que une a las variables entre s, se distingue entre
variables dependientes e independientes.
Variables dependientes (Y): Reciben este nombre las variables a explicar, o sea, el
objeto de la investigacin, que se trata de explicar en funcin de otros elementos.
Variables independientes (X): Son las variables explicativas, o sea, los factores o
elementos susceptibles de explicar las variables dependientes (en un experimento son las
variables que se manipulan).
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
10
10
11
11
12
Ordinal
De Intervalo
De Razn
Resumen
Slo categoras. Los
datos no pueden
acomodarse en un
esquema de
ordenamiento.
Las categoras estn
ordenadas, pero no
es posible determinar
diferencias, o stas
carecen de
significado.
Se pueden calcular
diferencias entre
valores, pero no
existe un punto de
partida inherente.
Los cocientes no
tienen significado.
Igual que el
intervalo, pero con
un punto de partida
inherente. Los
cocientes tienen
significado
Ejemplo
Observacin
Se determina un
orden con
compactos,
medianos y
grandes.
Temperaturas:
45 C
80 C
90 C
90 no es dos veces
ms caliente que 45
C.
Pesos de deportistas
universitarios:
70 kg
85 kg
140 kg
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
12
13
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
13
14
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
14
15
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
15
16
273
201
275
260
286
272
284
282
278
268
263
273
282
285
289
268
208
292
275
279
276
242
285
273
268
258
264
281
262
278
265
241
267
295
283
281
209
276
273
263
218
271
289
223
217
225
283
292
270
262
204
265
271
273
283
275
276
282
270
256
268
259
272
269
270
251
208
290
220
259
282
277
282
256
293
254
223
263
274
262
263
200
272
268
206
280
287
257
284
279
252
280
215
281
291
276
285
287
297
290
228
274
277
286
277
251
278
277
286
277
289
269
267
276
206
284
269
284
268
291
289
293
277
280
274
282
230
275
236
295
289
283
261
262
252
283
277
204
286
270
278
270
283
272
281
288
248
266
256
292
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
16
17
TABLA DE
FRECUENCIA
CLASES FREC. FREC. FREC
.
LI LS ABS. REL. ABS.
ACU
M.
1 200 209
9
0,051
9
2 210 219
3
0,017 12
3 220 229
5
0,029 17
4 230 239
4
0,023 21
5 240 249
4
0,023 25
6 250 259
14
0,080 39
7 260 269
32
0,183 71
8 270 279
52
0,297 123
9 280 289
38
0,217 161
10 290 299
14
0,080 175
TOTALE
175 1,000
S
FREC. MARCA
FREC.
REL.
DE
X MARCA
ACUM. CLASE
DE
CLASE
0,0514 204,5 1.840,50
0,0686 214,5
643,50
0,0971 224,5 1.122,50
0,1200 234,5
938,00
0,1429 244,5
978,00
0,2229 254,5 3.563,00
0,4057 264,5 8.464,00
0,7029 274,5 14.274,00
0,9200 284,5 10.811,00
1,0000 294,5 4.123,00
46.757,50
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
17
18
HISTOGRAMA.
Consiste en una escala horizontal para valores de los datos que se estn
representando, una escala vertical para las frecuencias, y barras que representan la
frecuencia de cada clase de valores.
El eje horizontal pueden ser colocadas las marcas de clase.
Coloca las clases de una distribucin de frecuencia en el eje horizontal y las
frecuencias en el eje vertical.
60
52
50
38
40
FRECUENCIAS
32
30
20
10
14
9
3
214,5
224,5
234,5
244,5
14
0
204,5
254,5
264,5
274,5
284,5
MARCAS DE CLASES
TABLA DE
FRECUENCIA
CLASES FREC. FREC. FREC
.
LI LS ABS. REL. ABS.
ACU
M.
1 200 209
9
0,051
9
2 210 219
3
0,017 12
3 220 229
5
0,029 17
4 230 239
4
0,023 21
5 240 249
4
0,023 25
6 250 259
14
0,080 39
7 260 269
32
0,183 71
8 270 279
52
0,297 123
9 280 289
38
0,217 161
10 290 299
14
0,080 175
TOTALE
175 1,000
S
FREC. MARCA
FREC.
REL.
DE
X MARCA
ACUM. CLASE
DE
CLASE
0,0514 204,5 1.840,50
0,0686 214,5
643,50
0,0971 224,5 1.122,50
0,1200 234,5
938,00
0,1429 244,5
978,00
0,2229 254,5 3.563,00
0,4057 264,5 8.464,00
0,7029 274,5 14.274,00
0,9200 284,5 10.811,00
1,0000 294,5 4.123,00
46.757,50
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
18
294,5
19
0,297
0,217
0,183
0,080
MARCAS DE CLASES
TABLA DE
FRECUENCIA
CLASES FREC. FREC. FREC
.
LI LS ABS. REL. ABS.
ACU
M.
1 200 209
9
0,051
9
2 210 219
3
0,017 12
3 220 229
5
0,029 17
4 230 239
4
0,023 21
5 240 249
4
0,023 25
6 250 259
14
0,080 39
7 260 269
32
0,183 71
8 270 279
52
0,297 123
9 280 289
38
0,217 161
10 290 299
14
0,080 175
TOTALE
175 1,000
S
FREC. MARCA
FREC.
REL.
DE
X MARCA
ACUM. CLASE
DE
CLASE
0,0514 204,5 1.840,50
0,0686 214,5
643,50
0,0971 224,5 1.122,50
0,1200 234,5
938,00
0,1429 244,5
978,00
0,2229 254,5 3.563,00
0,4057 264,5 8.464,00
0,7029 274,5 14.274,00
0,9200 284,5 10.811,00
1,0000 294,5 4.123,00
46.757,50
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
19
4,
5
29
4,
5
28
4,
5
27
4,
5
26
4,
5
25
4,
5
24
4,
5
23
4,
5
22
21
20
0,080
0,017 0,029 0,023 0,023
4,
5
0,051
4,
5
FRECUENCIAS RELATIVAS
0,350
0,300
0,250
0,200
0,150
0,100
0,050
0,000
20
DIAGRAMA DE BARRAS.
Este puede mostrar cantidades o porcentajes para dos o ms valores sobre el eje
vertical.
Es una forma de grfica de representar datos cualitativos que se han resumido en
una distribucin de frecuencias, de frecuencias relativas o porcentuales. Para los datos
cualitativos, las barras deben estar separadas par enfatizar el hecho de que cada clase
(categora) es separada.
Relacion Ingresos/Costos
30000
20000
Ingresos
10000
Costos
0
10
20
30
40
50
60
70
80
90 100 110 120 130 140 150 160 170 180 190 200
ANALISIS DE PUNTO DE
EQUILIBRIO
CANTIDAD COSTO PRECIO
UNIDADES UNITARIO
FIJO
10
20
30
40
50
60
70
80
90
100
110
120
130
140
150
160
170
60
60
60
60
60
60
60
60
60
60
60
60
60
60
60
60
60
7.500
7.500
7.500
7.500
7.500
7.500
7.500
7.500
7.500
7.500
7.500
7.500
7.500
7.500
7.500
7.500
7.500
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
20
21
180
190
200
60
60
60
7.500
7.500
7.500
10.800
11.400
12.000
18.300
18.900
19.500
130
130
130
23.400
24.700
26.000
5.100
5.800
6.500
20
21
22
23
24
25
26
27
28
29
1
0
5
0
0
1
0
0
0
0
0
2
1
7
3
0
2
1
1
0
0
0
3
4
8
3
4
2
1
2
0
0
0
4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
4 6 6 8 8 9
5
6
8
2
2
0
1
1
2
2
0
1
1
4
2
0
1
2
6
2
0
1
2
6
3
0
2
2
6
3
1
2
3
7
3
1
2
3
7
3
2
2
4
8
3
2
2
5
9
4
2
2
5
9
5 5 5 6 7 7 8 8 8 8 8 8 8 8 8 9 9 9 9
2 2 3 3 3 3 3 3 4 4 4 4 5 5 5 5 6 6 6 6 6 7 7 7 7 7
3 3 3 3 3 3 4 4 4 4 5 5 5 6 6 6 6 7 7 8 9 9 9 9 9
7
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
21
22
FRECUENCIAS
60
50
40
30
20
10
0
52
38
32
9
14
3
14
204,5 214,5 224,5 234,5 244,5 254,5 264,5 274,5 284,5 294,5
MARCAS DE CLASES
TABLA DE
FRECUENCIA
CLASES FREC. FREC. FREC
.
LI LS ABS. REL. ABS.
ACU
M.
1 200 209
9
0,051
9
2 210 219
3
0,017 12
3 220 229
5
0,029 17
4 230 239
4
0,023 21
5 240 249
4
0,023 25
6 250 259
14
0,080 39
7 260 269
32
0,183 71
8 270 279
52
0,297 123
9 280 289
38
0,217 161
10 290 299
14
0,080 175
TOTALE
175 1,000
S
FREC. MARCA
FREC.
REL.
DE
X MARCA
ACUM. CLASE
DE
CLASE
0,0514 204,5 1.840,50
0,0686 214,5
643,50
0,0971 224,5 1.122,50
0,1200 234,5
938,00
0,1429 244,5
978,00
0,2229 254,5 3.563,00
0,4057 264,5 8.464,00
0,7029 274,5 14.274,00
0,9200 284,5 10.811,00
1,0000 294,5 4.123,00
46.757,50
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
22
23
AO DE
FUNDACIO
N
UASD
PUCMM
UNPHU
INTEC
UNIBE
1994
AOS
1995
1996
1997
1538
41.139
51.432
62.058
81.753
8.560
8.816
9.081
9.438
6.124
6.171
6.220
6.044
3.074
2.369
2.335
2.803
1.747
1.665
1.910
1.947
1962
1967
1974
1982
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
23
24
ESTUDIANTES MATRICULADOS EN
EL NIVEL SUPERIOR
90.000
80.000
70.000
60.000
50.000
40.000
30.000
20.000
10.000
-
UASD
PUCMM
UNPHU
INTEC
UNIBE
1994
1995
1996
1997
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
24
25
CURVA DE OJIVA.
FRECUENCIAS
ACUMULADAS
1,2000
1,0000
0,8000
0,6000
0,4000
0,2000
0,0000
0,9200
0,7029
0,4057
0,0514
0,0686
0,0971
0,1200
0,1429
0,2229
FREC. MARCA
FREC.
REL.
DE
X MARCA
ACUM. CLASE
DE
CLASE
0,0514 204,5 1.840,50
0,0686 214,5
643,50
0,0971 224,5 1.122,50
0,1200 234,5
938,00
0,1429 244,5
978,00
0,2229 254,5 3.563,00
0,4057 264,5 8.464,00
0,7029 274,5 14.274,00
0,9200 284,5 10.811,00
1,0000 294,5 4.123,00
46.757,50
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
25
26
DIAGRAMA DE PARETO.
Es una grafica de barras en la que las barras se acomodan en orden segn la
frecuencia. Al igual que los histogramas, las escalas verticales de los diagramas de
Pareto pueden representar frecuencias o frecuencias relativas.
En este la barra mas alta queda a la izquierda, y la ms pequea a la derecha.
Paises o territorios con mayor
numero de inmigrantes
25.000.000
20.000.000
15.000.000
10.000.000
Italia
Argentina
Hong Kong
Costa Avorio
Iran
Reino Unido
Arabia Saudita
Canada
Alemania
Francia
Estados Unidos
5.000.000
26
27
8%
5%
FREC.
REL.
DE
X MARCA
ACUM. CLASE
DE
CLASE
0,0514 204,5 1.840,50
0,0686 214,5
643,50
0,0971 224,5 1.122,50
0,1200 234,5
938,00
0,1429 244,5
978,00
0,2229 254,5 3.563,00
0,4057 264,5 8.464,00
0,7029 274,5 14.274,00
0,9200 284,5 10.811,00
1,0000 294,5 4.123,00
46.757,50
3%
2%
200 - 209
2%
2%
8%
22%
FREC. MARCA
210 - 219
220 - 229
230 - 239
240 - 249
250 - 259
260 - 269
18%
270 - 279
280 - 289
30%
290 - 299
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
27
28
PICTOGRAMA.
Expresan con dibujos alusivos al tema de estudio las frecuencias de las
modalidades de la variable. Estos grficos se hacen representado en diferentes escalas
un mismo dibujo.
La escala de los dibujos debe ser tal que el area de cada uno de ellos sea
proporcional a la frecuencia de la modalidad que representa. Se utiliza para representar
variables cualitativas.
DIAGRAMA DE DISPERSION O DISPERSIOGRAMA.
Hay ocasiones en que tenemos datos apareados de manera que se establece una
correspondencia entre cada valor de un conjunto de datos y un valor de un segundo
conjunto de datos.
Un diagrama de dispersin es una grafica de los datos (x,y) apareados con un eje
"x" horizontal y un eje "y" vertical.
En un diagrama de dispersin cada marca (punto o raya) representa la interseccin
de dos valores - hay una marca para cada par de observaciones de los temas. El
propsito principal de la grafica es mostrar de manera grafica la relacin entre dos. La
relacin no es lineal sino curvilnea.
CAMPAA PUBLICITARIA PARA
VENTAS DE PASAJES AEREOS
Y
X
Y
OBSERVACI VENTAS PUBLICIDA 4.38625+1.08132
S.
D
X
MES
EN
EN MILES
MILES
1
15
10
15,20
2
17
12
17,36
3
13
8
13,04
4
23
17
22,77
5
16
10
15,20
6
21
15
20,61
7
14
10
15,20
8
20
14
19,52
9
24
19
24,93
10
17
10
15,20
11
16
11
16,28
12
18
13
18,44
13
23
16
21,69
14
15
10
15,20
15
16
12
17,36
TOTALES
268
187
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
28
29
Pasajes Aereos
10
15
20
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
29
30
La Media Aritmtica
La Media Aritmtica o Promedio de un conjunto de puntajes es el valor que se obtiene
sumando los puntajes y dividiendo el total entre el numero de puntajes.
La media es el punto que menos dista de todas las observaciones. Por esta razn a
veces se le considera como el centro de gravedad de los datos.
La media es un una medida ms confiable que la mediana y la moda, porque tiene
un menor error de muestreo. Adems la media tambin tiene ms facilidad para un
tratamiento estadstico posterior que la mediana o la moda.
Es una medida que toma en consideracin todos los valores de la distribucin.
Esto es positivo, pero por la misma razn es muy sensible a la presentacin de
observaciones extremas que hacen que la media se desplace hacia ellas. En
consecuencia no es recomendable usar la media como medida de tendencia central en
estos casos, pues la cantidad obenida no es representativa del total de los datos.
Tiene la ventaja de que es la nica y siempre se puede calcular. Pero cuando se
trabaja con datos agrupados, la divisin en intervalos influye en el valor resultatne de la
media.
La media es el estadstico de centralizacin ms utilizado para realizar inferencias
debido a una buena propiedad matemtica que posee: es el centro de gravedad de la
distribucin. Depende de todas y cada una de las observaciones.
El valor de la media puede no coincidir con uno de los valores de la variable. Si
consideramos una variable discreta, por ejemplo, nmero de hijos en las familias de un
barrio el valor de la media puede resultar x=2.5 hijos, que no pertenece al conjunto de
valores de la variable.
La media es el promedio ms utilizado.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
30
31
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
31
32
La Moda
La Moda de un conjunto de datos es el puntaje que ocurre con mas frecuencia.
La observacin modal es la observacin que ocurre con mayor frecuencia.
Es el punto donde donde se concentra el mayor nmero de observaciones.
Se puede calcular para todo tipo de variables, incluidas las cualitativas.
Puede no ser nica. Cuando hay dos o ms modas hablamos de distribuciones
bimodales o plurimodales respectivamente.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
32
33
La Mediana Ponderada
Media Ponderada: Media de una coleccin de puntajes a los que se asignado
diferentes grados de importancia.
Media Ponderada w = (X*W)/W
W = es el peso o ponderacin asignada a cada
Observacin.
La Media Geomtrica
Media Geomtrica puede utilizarse para mostrar los cambios porcentuales en una serie
de nmeros positivos.
La media geomtrica proporciona una medida precisa de un cambio porcentual
promedio en una serie de nmeros.
MG = X1*X2*X3*...Xn
La media geomtrica se utiliza con mas frecuencia para calcular la tasa de crecimiento
porcentual promedio de algunas series dadas, a travs del tiempo.
TAREA: RELACION ENTRE LA MEDIA, MEDIANA Y MODA.
VENTAJAS Y DESVENTAJAS
OBSERVACIONES PARA EL USO DE LAS MISMAS.
Observaciones:
1. La media se usa para datos numricos y distribuciones simtricas (no sesgadas o
cargadas).
2. La mediana se utiliza para datos ordinales o para datos numricos si la
distribucin est cargada o sesgada.
3. La moda se utiliza principalmente para distribuciones bimodales.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
33
34
MEDIA ARITMETICA:
Para datos no agrupados:
Media Poblacional = Xi/N =(X1 + X2 + X3...XN)/N
Media Muestral = Xi/n=(X1 + X2 + X3...XN)/n
Para datos agrupados:
Media = *M/n=M/=(1*M1+2*M2+...n*Mn)/
MEDIANA
Para datos no agrupados:
Posicin de la Mediana = (n + 1)/2
Para datos agrupados:
Me = LImd + [(n/2 - F)/fmd] (C)
md = clase mediana
Clase Mediana es la clase cuya frecuencia acumulada es mayor que o igual a n/2.
LImd = limite inferior de la clase de la mediana.
F = frecuencia acumulada de la clase que
antecede a la clase de la mediana.
fmd = es la frecuencia de la clase de la mediana.
C = Es la anchura de la clase (es la diferencia
entre dos LS consecutivos o entre dos LI
consecutivos).
MODA
Para datos no agrupados:
Mo = Mayor Frecuencia
Para datos agrupados:
Mo = LImo + [1/(2+1)]*(C)
mo = clase modal
Clase Modal es la clase que tiene la mayor frecuencia.
LImo = limite inferior de la clase modal
1 = diferencia entre la frecuencia de la clase
modal y la clase que la antecede.
2 = diferencia entre la frecuencia de la clase
modal y la clase que le sigue.
C = Es la anchura de la clase (es la diferencia
entre dos LS consecutivos o entre dos LI
consecutivos).
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
34
35
35
36
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
36
37
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
37
38
Los Cuantiles.
Cuando los valores ordenados de una variable han de ser divididos en grupos
homogneos en cuanto al tamao, se suelen utilizar los cuantiles.
Entre los cuantiles ms utilizados se encuentran:
Los cuartiles Q
Los deciles D
Los percentiles P
Cuartiles.
As como la mediana divide los datos en dos partes iguales, los tres cuartiles,
denotados por Q1, Q2 y Q3, dividen los puntajes clasificados en cuatro partes iguales.
(Los puntajes se clasifican cuando se acomodan en orden). A grandes rasgos:
Q1 separa el 25% inferior de los puntajes clasificados del 75% superior;
- al menos el 25% de los datos es <= Q1
- al menos el 75% de los datos es >= Q1
- N/4 = 25
- Q1 = P25
Q2 es la mediana;
- 2N/4 = 50
- Q2 = P50
Q3 separa el 25% superior del 75% inferior
- al menos el 75% de los datos es <= Q3
- al menos el 25% de los datos es >= Q3
- 3N/4 = 75
- Q3 = P75
Los Deciles.
Hay nueve deciles, denotados por D1, D2, D3, D4, D5, D6, D7, D8, D9, que
dividen los datos en 10 grupos con aproximadamente el 10% de los datos en cada
grupo.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
38
39
39
40
FREC. MARCA
FREC.
REL.
DE
X MARCA
ACUM. CLASE
DE
CLASE
0,0514 204,5 1.840,50
0,0686 214,5
643,50
0,0971 224,5 1.122,50
0,1200 234,5
938,00
0,1429 244,5
978,00
0,2229 254,5 3.563,00
0,4057 264,5 8.464,00
0,7029 274,5 14.274,00
0,9200 284,5 10.811,00
1,0000 294,5 4.123,00
46.757,50
Q1 = LI + N/4 Fi-1 * C
fi
N/4 = 43.75; primera Fi > N/4 = 71
Q1 = 260 + 43.75 39 * (10) = 261.48
32
Q2 = LI + 2N/4 Fi-1 * C
fi
2N/ 4 = 87.50; primera Fi > 2N/4 = 123
Q2 = 270 + 87.50 71 * (10) = 273.17
52
Q3 = LI + 3N/4 Fi-1 * C
fi
3N/4 = 131.25; primera Fi > 3N/4 = 161
Q3 = 280 + 131.25 123 * (10) = 282.17
38
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
40
41
CUARTILES
DECILES
PERCENTILES
Q1
Q2
Q3
D1
D2
D9
P1
P2
P99
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
41
42
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
42
43
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
43
44
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
44
45
Observaciones:
1. Si la media y la mediana son iguales, la distribucin de los resultados suele ser
simetrica.
2. Si la media es mayor que la mediana, la distribucin se carga a la derecha.
3. Si la media es menor que la mediana, la distribucin se carga a la izquierda.
Coeficiente de Sesgo de Pearson.
P = 3 (Media - Mediana)
s
Si P < 0, los datos estn sesgados a la izquierda.
Si P > 0, los datos estn sesgados a la derecha.
Si P = 0, los datos estn distribuidos normalmente.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
45
46
PRECIOS
USUARIAS
5.05
10.05
38
10.05
15.05
167
15.05
20.05
143
20.05
25.05
92
25.05
30.05
37
30.05
35.05
17
35.05
40.05
Caso II.
Se considera la distribucin de los ingresos mensuales de una muestra de directores de
enseanza bsica, segn muestra la siguiente tabla:
NUMERO DE
INGRESOS
DIRECTORES
7,000.00
7,999.00
8,000.00
8,999.00
9,000.00
9,999.00
10
10,000.00
10,999.00
18
11,000.00
11,999.00
30
12,000.00
12,999.00
25
13,000.00
13,999.00
40
14,000.00
14,999.00
80
15,000.00
15,999.00
15
1.
2.
3.
4.
5.
6.
46
47
Caso III.
Una organizacin est por revisar el monto que los estudiantes invierten en textos cada
semestre. Cincuenta estudiantes reportaron las cantidades aproximadas en dlares:
DOLARES
NUMERO DE
INVERTIDOS
ESTUDIANTES
100
124
125
149
11
150
174
175
199
200
224
10
225
249
250
274
TOTALES
1.
2.
3.
4.
5.
6.
7.
50
Caso IV.
Un analista de la Secretara de Estado de Trabajo est evaluando los sueldos de los empleados
dominicanos para recomendar un reajuste salarial. Para esto tomo una muestra de 140 empleados, en
base a la siguiente tabla:
SUELDOS
USA$
USA$
305
609
65
610
914
30
915
1,219
22
1,220
1,524
10
1,525
1,829
1,830
2,134
2,135
2,439
2,440
2,744
2,745
3,049
TOTALES
1.
2.
3.
4.
5.
6.
EMPLEADOS
140
47
48
Caso V.
Un estudiante de quinto semestre de administracin de empresas est cursando 5
asignaturas, y estos estiman obtener las siguientes calificaciones:
ASIGNATURA
NOTA
LETRA
CREDITOS
CONTABILIDAD DE COSTOS
80
B=3
90
A=4
METODOS CUANTITATIVOS
85
B=3
METODOG. DE LA INVESTIGACION
95
A=4
MERCADEO II
90
A=4
1996
1997
1998
1999
12,500
13,250
14,310
15,741
17,630
1995
1996
1997
1998
1999
MANUFACTURA
839.4
866.4
929.9
987.5
1053.6
COMERCIO
554.8
603.9
661.9
733.4
800.1
COMUNICACIONES
159.7
185.7
221.5
267
308.7
259.4
292.6
343.6
359.7
395.6
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
48
49
Caso VIII.
Calcule la desviacin estndar de los siguientes tiempos de espera (en minutos) de los
clientes del Banco BHD, basados en una muestra. Calcule la Mediana y la Moda.
6.5
6.6
6.7
6.8
7.1
7.3
7.4
7.7
7.7
7.7
Caso IX.
Se utilizan dos procesos para producir discos de computadoras, pero han surgido
problemas respecto a la variacin en los tamaos de tales discos. Con base en los datos
de muestra aqu presentados de ocho tamaos de discos en pulgadas para cada proceso.
Explique en cul proceso aconsejara usted si su objetivo es minimizar la desviacin en
el tamao de los discos.
PROCESO I
PROCESO II
3.41
3.22
3.81
3.26
3.74
3.06
3.26
3.79
3.89
3.65
3.07
3.14
3.65
3.33
3.35
3.51
Caso X.
Los salarios en miles de dlares de los directores ejecutivos de las mejores
corporaciones de los Estados Unidos de Amrica reportados por la edicin de la revista
Forbes de la edicin del 24 de mayo de 1997 aparecen en la siguiente tabla de
frecuencias:
SALARIOS
DIRECTORES
(EN MILES DE US$) EJECUTIVOS
90
439
6
440
789
8
790 1,139
10
1,140 1,489
12
1,490 1,839
10
1,840 2,189
8
2,190 2,539
6
TOTALES
1.
2.
3.
4.
5.
6.
7.
8.
Haga un Histograma.
Cul es el salario ms comn de los directores ejecutivos?
Haga un Diagrama Circular e Interprtelo.
Determine si est sesgada.
Cul es el salario que est equidistante de los dos extremos?
Es una distribucin normal? Por qu?
Represente grficamente si es normal o el sesgo.
Compruebe si se cumple la regla emprica.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
49
50
Caso XI.
Un inversionista extranjero est interesado en ingresar en algn sector econmico de la Repblica
Dominicana, para ello seleccion 5 sectores y as evaluar su comportamiento. Este se bas en los datos
del Banco Central de la R. D. segn el informe de la economa dominicana ene-dic 2002 del producto
interno bruto (PIB) durante los aos 1996-2002. Estos sectores crecieron de la siguiente manera:
BANCO CENTRAL DE LA REPUBLICA DOMINICANA
Departamento de Cuentas Nacionales y Estadsticas Econmicas
PRODUCTO INTERNO BRUTO POR SECTORES DE ORIGEN 1996-2002
Millones de RD$
Sectores
CONSTRUCCIN
COMERCIO
COMUNICACIONES
ELECTRICIDAD
FINANZAS
1999
826.2
805.7
308.3
130.5
256.0
50
51
1.
2.
3.
4.
5.
6.
7.
8.
Caso XIII.
El informe Nielsen sobre Tecnologa Domestica (20 de febrero de 1996) describi las
tecnologas caseras y su empleo por parte de personas de 12 aos o ms. Los datos
siguientes son las horas de empleo de computadoras personales durante una semana,
para una muestra de 50 personas.
4.1
3.1
4.1
10.8
7.2
1.5
4.8
4.1
2.8
6.1
10.4
2.0
8.8
9.5
5.7
5.9
14.8
5.6
12.9
5.9
3.4
5.4
4.3
12.1
4.7
5.7
4.2
3.3
0.7
3.9
1.6
3.9
7.1
4.0
3.7
6.1
4.1
10.3
9.2
3.1
3.0
11.1
6.2
4.4
6.1
3.7
3.5
7.6
5.7
3.1
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
51
52
Caso XIV.
Los sueldos de los dominicanos expresados en dlares USA$ oscilan dentro de la
siguiente distribucin de valores:
105
145
185
225
265
1.
2.
3.
4.
5.
6.
305
345
385
425
465
505
545
585
625
665
1,305
1,345
1,385
1,425
1,465
1,505
1,545
1,585
1,625
1,665
1,705
1,745
1,785
1,825
1,865
1,905
1,945
1,985
2,025
2,065
2,105
2,145
2,185
2,225
2,265
2,305
2,345
2,385
2,425
2,465
Caso XV.
Los salarios inicial para recin graduados de licenciatura en contabilidad, durante 1996 y
1997, fue US$30,393 (US Online, U.S. News and World Report, diciembre 1997). A
continuacin vemos una muestra de salarios iniciales, en miles de dlares.
30.7 28.8 29.1 31.1 30.1
29.7 30.7 30.0 30.6 30.5
31.2 32.1 30.2 30.3 32.9
32.2 29.9 28.9 30.6 31.8
32.2 30.3 30.4 32.3 33.3
32.7 29.3 30.3 30.9 30.3
a. Cul es el salario promedio inicial para datos no agrupados?
b. Cul es la mediana de salario inicial para datos no agrupados?
c. Cul es la moda de salario inicial para datos no agrupados?
d. Cul es el primer cuartil?
e. Cul es el segundo cuartil?
f. Condicen estos resultados con lo que afirma U.S. News & World Report?
Caso XVI.
Dos modos que usan los empleados para ir a trabajar diariamente son el transporte
pblico y el automvil. A continuacin vemos unas muestras de tiempos de cada modo.
Las cifras son en minutos.
Transporte
pblico
Automvil
28.0 29.0 32.0 37.0 33.0 25.0 29.0 32.0 41.0 34.0
29.0 31.0 33.0 32.0 34.0 30.0 31.0 32.0 35.0 33.0
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
52
53
71 77 83
74 57 67
60 70 66
84 59 75
72 85 79
84 74 82
73 78 93
81 79 90
84 91 101
92 102 80
79
69
76
94
71
97
95
83
86
69
9. Haga un Histograma.
10.Cul es el nmero de pasajeros que ocurre con ms frecuencia?
11.Qu tan dispersos estn los datos?
12.Haga un Diagrama Circular e Interprtelo.
13.Determine si est sesgada.
14.Qu cantidad de pasajeros est equidistante de los dos extremos?
15.Es una distribucin normal? Por qu?
16.Represente grficamente si es normal o el sesgo.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
53
54
Caso XVIII.
En Aeromar se aceptaron reservaciones telefnicas de vuelos. En la tabla siguiente
vemos las duraciones de las llamadas en minutos, para una muestra de reservaciones
telefnicas.
2.1
3.3
5.3
5.9
7.5
a)
b)
c)
d)
e)
f)
g)
h)
i)
j)
k)
l)
4.8
3.5
5.5
6.6
6.0
5.5
4.8
2.8
7.8
4.5
10.4
5.8
3.6
10.5
4.8
Caso XIX.
Los siguientes datos representan el tiempo, en segundos, para pasar de 0 a 60 mi/h para
una muestra de 15 automviles hechos en Alemania y 20 hechos en Japn:
Automviles
Alemanes
10.0 10.9
6.4 7.9
8.5 6.9
5.5 6.4
5.1 6.0
4.8
8.9
7.1
8.7
7.5
Automviles
Japoneses
9.4 9.5
7.1
8.9 7.7 10.5
6.7 9.3
5.7
7.2 9.1
8.3
8.5 6.8
9.5
8.0
6.5
12.5
8.2
9.7
54
55
Caso XX.
5 compras de una materia prima en los ltimos 3 meses:
Costo por
libra
Cantidad
Compra
Dlares de libras
1
3.00
1,200
2
3.40
500
3
2.80
2,500
4
2.90
1,000
5
3.25
800
Observe que el costo por libra cambi de 3.4 a 2.80 dlares, ya que la cantidad
comprada vari de 500 a 2,500 libras. Suponga que un administrador pidi informacin
sobre el costo promedio por libra de la materia prima.
Caso XXI.
El Colmado Gazcue vende cinco tipos de limpiadores para desages. En la tabla se
muestra cada tipo junto con la utilidad por lata y el nmero de latas vendidas:
Utilidad Volumen de
Limpiador
por lata ventas en latas
Glunk Out
2.00
3
Bubble Up
3.50
7
Dream Drain
5.00
15
Clear More
7.50
12
Main Drain
6.00
52
Determine la utilidad promedio por lata.
Caso XXII.
Los miembros de un Club deben pagar cuotas con base en su peso promedio. De los 60
miembros, 12 pesan 110 libras, 25 pesaron 120 libras, 18 hicieron girar la balanza hasta
150 y el resto registraron 180 libras. Si los miembros deben pagar US$5 por cada libra
que pesan en promedio, cunto debe desembolsar cada uno?
Nmero de
Libras Miembros
110
12
120
25
150
18
180
5
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
55
56
Caso XXIII.
Aplicando el Teorema de Chebyshev.
La media de una lnea area es de 78.7 pasajeros por da, con una desviacin estndar de
12.14. Para programar los tiempos de para una nueva ruta que abri, la gerencia desea
saber con qu frecuencia los pasajeros estn dentro de K = dos desviaciones estndar de
la media, y cul es dicho intervalo.
Caso XXIV.
Suponga que las calificaciones del examen de aptitudes de 100 candidatos a las
posiciones vacantes en su organizacin, tuvieron un promedio de 70 y una desviacin
estndar de 5. Cuntos candidatos tuvieron calificaciones entre 60 y 80? cuntos entre
58 y 82?
Caso XXV.
Wageweb lleva a cabo encuesta de salarios y presenta resmenes en su sitio de la red.
Con los datos de salarios, Wageweb inform que los salarios de los gerentes de
beneficios variaron entre 50,935 a 79,577 dlares. Suponga que los datos siguientes son
una muestra de los salarios anuales para 30 gerentes de beneficios (los datos estn en
miles de dlares).
57.7
63.0
64.2
63.0
68.7
59.3
64.4
64.7
63.3
66.7
63.8
69.5
62.1
61.2
62.2
60.3
59.2
61.7
69.1
66.8
61.2
74.0
60.3
58.9
71.1
61.8
59.4
62.8
56.6
63.1
17.Haga un Histograma.
18.Cul es el nmero de pasajeros que ocurre con ms frecuencia?
19.Qu tan dispersos estn los datos?
20.Qu representa esta dispersin?
21.Haga un Diagrama Circular e Interprtelo.
22.Determine si est sesgada.
23.Qu cantidad de pasajeros est equidistante de los dos extremos?
24.Es una distribucin normal? Por qu? Diga por lo menos 5 razones.
25.Represente grficamente si es normal o el sesgo por pedio de un poligono de
frecuencia.
26.Determine el tercer Cuartil.
27. Determine el octavo Decil.
28. Demuestre y diga si se cumple la regla emprica.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
56
57
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
57
58
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
58
59
Experimento
Lanza una moneda
Seleccionar una parte para inspeccin
Lanzar un dado
Jugar un partido de pelota
Resultados
experimentales
Cara, cruz
Defectuosa, no defectuosa
1, 2, 3, 4, 5, 6
Ganar, perder, empatar
59
60
Espacio muestral.
El conjunto de todos los posibles resultados para un experimento.
Probabilidad.
Los conceptos de probabilidad pueden resultar de suma utilidad cuando
nos hallamos frente a la incertidumbre que caracteriza a al mayor parte de los
ambientes en que se adoptan decisiones.
Es una medida numrica de la posibilidad de que ocurrir un evento.
Es la posibilidad numrica de que ocurra un evento, medida entre 0 y 1.
Es la frecuencia relativa con la que puede esperarse que ocurra ese
evento.
Las probabilidades de los diferentes resultados posibles de un ensayo
deben sumar uno.
Las probabilidades son siempre mayores que o iguales a cero (es decir,
las probabilidades nunca son negativas) y son menores que o iguales a uno.
Cuanto ms pequea sea la probabilidad, tanto menos posibilidad tendr el
evento.
Suceso seguro o evento cierto.
Es aquel que siempre se verifica despus de un experimento aleatorio.
Entre mayor sea la probabilidad de que ocurra un evento, su
probabilidad asignada estar ms prxima a 1.
La probabilidad de certeza es 1.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
60
61
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
61
62
62
63
4. Probabilidad Axiomtica.
El concepto axiomtico de probabilidad fue formulado por Kolmogorov
1933. Para ello preciso ciertas leyes o axiomas que debe cumplir una funcin
de probabilidades. Los axiomas deberan implicar, entre otras, las siguientes
cuestiones:
a. La probabilidad solo puede tomar valores comprendidos entre 0 y 1.
0 <= P(A) <= 1
b. La probabilidad del suceso seguro es 1.
c. La probabilidad de dos sucesos incompatibles (de interseccin vaca)
debe ser la suma de sus posibilidades respectivas.
d. La probabilidad de la interseccin de dos sucesos es menor o igual
que la probabilidad de cada uno de los sucesos por separado, es decir,
P(AB) <= P(A) ; P(AB) <= P(B)
e. La probabilidad de la unin de sucesos es mayor que la de cada uno
de los sucesos separados.
P(AB) >= P(A) ; P(AB) >= P(A)
Mas aun, si los sucesos son disjuntos (incompatibles) ocurre que:
AB = P(AB) = P(A) + P(B)
f. La probabilidad del suceso contrario a A, es
P(A') = 1 - P(A)
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
63
64
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
64
65
Caso I.
La Nike Corporation quiere probar un nuevo material que se usar para hacer zapatos
deportivos. Un grupo de prueba consistente en 20 hombre y 30 mujeres. Si se escoge
aleatoriamente a una persona de este grupo de prueba, calcule la probabilidad o
posibilidad de no escoger a un hombre.
Caso II.
243
243
Caso VI.
Un encuesta Gallup produjo los datos de muestra de la tabla que aparece a continuacin.
Si se escoge aleatoriamente a uno de los encuestados, calcule la probabilidad de que sea
una persona que se cepilla los dientes tres veces al da, tal y como recomiendan los
dentistas.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
65
66
Cepilladas de Dientes
Al Da
Nmero
1
228
2
672
3
240
Caso VII.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
66
67
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
67
68
Eventos dependientes.
Dos eventos son dependientes si la probabilidad de ocurrencia de uno es
afectada por la ocurrencia o no ocurrencia del otro.
Si A y B no son independientes, se dice que son dependientes.
P(AB) = P(A) * P(B\A)
Eventos complementarios (Complemento de un evento).
Para un evento A, el complemento del evento A es el evento consistente
en todos los puntos muestrales que no estn en A.
El complemento del suceso A, denotado por A', consiste en todos los
resultados en los que el suceso A no ocurre.
Si un evento no ocurre, el otro debe ocurrir.
P(A) + P(A') = 1
P(A) = 1 - P(A')
P(A') = 1 - P(A)
P(AUA') = P(A) + P(A')
Ejercicios 1-6 Pgs. 79-80
Ejercicios 7-12 Pgs. 81-82
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
68
69
Tabla de Contingencia.
Las tablas contingencias son aquellas que sirven para comparar dos
variables.
TABLA DE CONTIGENCIA
ADMINISTR.(A)
LINEA (L)
AUXILIAR (O)
TOTAL
HOMBRE (H)
120
150
30
300
MUJER (M)
50
140
10
200
TOTAL
170
290
40
500
Tabla de Probabilidad.
Esta se obtiene dividiendo cada una de las entradas entre el total de las
observaciones (que se encuentra en el extremo inferior de la diagonal).
TABLA DE PROBABILIDAD
ADMINISTR.(A)
LINEA (L)
AUXILIAR (O)
TOTAL
HOMBRE (H)
MUJER (M)
TOTAL
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
69
70
Caso II.
El Presidente Dr. Leonel Fernndez Reina se bas en la opinin de 500 expertos en el
rea econmica de diferentes Universidades, Empresas Privadas y Miembros del
Gabinete de su Gobierno, para someter al Congreso un aumento al ITBIS de un 16%,
con la finalidad de aumentar las recaudaciones y poder hacer frente al dficit fiscal que
posee el Gobierno. Sin embargo, el Presidente tiene duda de que la medida impositiva
afecte significativamente a la economa nacional.
Los asesores econmicos del Gobierno trataron de construir una tabla para organizar
estas opiniones... Pero no pudieron... Trata de completarla...
ESTABLE
(E)
125
ECONOMISTAS
ACADEMICOS (A)
EMPRESAS PRIVADAS (P)
GOBIERNO (G)
25
200
TOTAL
CONTRACCION
EXPANSION(X)
TOTAL
100
35
110
40
65
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
70
71
Probabilidad Condicional.
La probabilidad condicional de B dado A es la probabilidad de que el
suceso B ocurra, dado que el suceso A ya ocurri, y se puede calcular
dividiendo la probabilidad de que ocurran ambos sucesos, A y B, entre la
probabilidad del suceso A:
P(B\A) = P(AB)
P(A)
P(AB) = P(A) * P(B\A)
Es la probabilidad de que el evento B ocurra, dado que o a condicin de
que el evento A ya haya ocurrido.
Ejemplo: La probabilidad de que un trabajador tomado aleatoriamente
sea hombre es P(H)=0.60. Sin embargo, si se desea calcular la probabilidad
de que el trabajador sea hombre dado que es un miembro del personal
administrativo P(H\A).
P(H\A) = P(HA)/P(A) = 0.24/0.34 = 0.71
Otra opcin:
P(H\A) =[P(H)*P(A\H)]/P(A)=(0.60 * 0.40)/0.34=0.71
0.60 --> 1
0.24 --> X
Ejercicios 16 y 17 Pg. 85
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
71
72
Reglas de la probabilidad.
A. Regla de la Multiplicacin.
Consiste en determinar la probabilidad del evento conjunto P(AB), es
decir de la probabilidad de "A y B".
Esta se obtiene simplemente multiplicando sus respectiva
probabilidades.
El procedimiento depende de s A y B son dependientes o
independientes.
Probabilidades de eventos independientes.
P(AB) = P(A) * P(B)
Eventos independientes. Dos sucesos A y B son independientes si la
ocurrencia de uno no afecta la probabilidad de ocurrencia del otro.
La ocurrencia de uno no tiene que ver nada con la del otro.
El 20% de los carros que pasan por el Km. 12 de la Carretera Snchez,
se detienen en un Motel, para alquilar una cabaa.
Cul es la probabilidad de que los prximos dos carros se detengan?
Asumiendo que estos son eventos independientes.
P(C1C2) = 0.20 * 0.20 = 0.04
Cul es la probabilidad de que el primer carro se pare y que el segundo
siga?
P(C1C2) = 0.20 * 0.80 = 0.16
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
72
73
B (cuando
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
73
74
74
75
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
75
76
Teorema de Bayes.
Este fue desarrollado por el reverendo Thomas Bayes (1702-1761).
Asumimos:
Una industria X utiliza dos maquinas para producir su producto.
La maquina A produce el 60% de la produccin total.
La maquina B produce el 40% restante.
El 2% de las unidades producidas por A son defectuosas.
Las unidades de B tienen un 4% de defectos.
Podramos decir:
P(A) = 0.60
P(D\A) = 0.02
P(D'\A) = 0.98
P(B) = 0.40
P(D\B) = 0.04
P(D'\B) = 0.96
76
77
Teorema de Bayes.
P(A\D) = P(AD)/P(D)
P(A\D) = P(AD)/[P(AD) + P(BD)]
P(A\D)=P(A)*P(D\A)]/[P(A)*P(D\A) + P(B)* P(D\B)]
P(A\D)=0.012/(0.012+0.016)=0.429
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
77
78
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
78
79
Caso I.
Suponga que el 60% de los chips de computadora de una compaa se producen en una
de sus fabricas (denotada por A) y 40% se producen en su otra fabrica (denotada A').
Para un chip seleccionado al azar, la probabilidad de que haya provenido de la fabrica A
es de 0.60. Suponga que se entera de que el chip esta defectuoso y que las tasas de
defectos para las dos fabricas son del 35% (para A) y del 25% (para A'). Podemos usar
la formula del Teorema de Bayes para determinar que hay una probabilidad del 0.677 de
que el chip defectuoso haya provenido de la fabrica A.
Construya el diagrama de rbol.
P(A|D)=[P(A)*P(D|A)]/[P(A)*P(D|A)+P(A')* P(D|A')]
Caso II.
Una empresa manufactura recibe embarque de partes de dos proveedores distintos.
Actualmente el 65% de las partes que compra proviene del proveedor 1 y el 35%
restante del proveedor 2. Los datos histricos sugiere que la calidad de las partes vara
segn su origen. El desempeo en termino de calidad de los dos proveedores es el
siguiente:
Porcentaje de piezas buenas del proveedor 1 es de 98%
Porcentaje de piezas buenas del proveedor 2 es de 95%
A) Determine las probabilidades conjuntas de eventos dependientes de piezas buenas
y malas segn su origen.
B) Construya el diagrama de rbol con las dos etapas antes mencionadas.
C) Demuestre el Teorema de Bayes P(Proveedor 1 | Piezas Malas)
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
79
80
Caso III.
La Autoridad Metropolitana de Transporte AMET est formada por 1200 oficiales, 960
hombres y 240 mujeres. El pasado 27 de febrero fueron ascendidos 324 oficiales, 288
hombres y 36 mujeres.
A) Construya una tabla de contingencia tomando en consideracin el genero y
oficiales ascendidos y no ascendidos.
B) Construya la tabla de probabilidades.
C) Probabilidad de que un oficial seleccionado al azar sea hombre y tambin que sea
ascendido.
D) Probabilidad de que un oficial seleccionado al azar sea mujer y tambin que sea
ascendido.
E) Probabilidad de que un oficial seleccionado al azar sea hombre y tambin que no
sea ascendido.
F) Probabilidad de que sea ascendido dado que sea una mujer.
G) Probabilidad de que no sea ascendido dado que sea una mujer.
H) Probabilidad de que dos oficiales seleccionados al azar sean ascendidos.
Caso IV.
Una fabrica utiliza tres mquinas X, Y, Z para producir ciertos artculos. Supongamos
que:
1. La mquina X produce el 50% de todos los artculos, de los cuales el 3% son
defectuosos.
2. La mquina Y produce el 30% de todos los artculos, de los cuales el 4% son
defectuosos.
3. La mquina Z produce el 20% de todos los artculos, de los cuales el 5% son
defectuosos.
a. Encuentre la probabilidad de que el artculo seleccionado aleatoriamente
sea defectuoso.
b. Suponga que se ha encontrado un artculo defectuoso, entre la produccin.
Encuentre la probabilidad de que este provenga de cada una de las
mquinas, es decir, de X, Y, y Z.
c. Construya el diagrama de rbol.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
80
81
Caso V.
Un fabricante de videorreproductoras de casete (VCR) compra un microchip en
particular, llamado LS-24, a tres proveedores: Hall Electronics, Schuller Sales y
Crawford Components. 30% de los chips LS-24 se compran a Hall Electonics, 20% a
Schuller Sales y el 50% restante a Crawford Components. El fabricante tiene registro de
los tres fabricantes y sabe que el 3% de los chips de Hall Electronics estn defectuosos,
el 5% de los chips de Schuller Sales tienen defectos y el 4% de los chips comprados a
Crawford Components estn defectuosos.
Identifique los chips:
A1 = El LS-24 de Hall Electronics
A2 = El LS-24 de Schuller Sales
A3 = El LS-24 de Crawford Components.
B1 = El LS-24 est defectuoso
B2 = El LS-24 no est defectuoso.
1. Construya un diagrama de rbol que incluya las probabilidades conjuntas.
2. Calcule la probabilidad de que la parte seleccionada provenga de de Crawford
Components, debido a que era un chip aceptable.
3. Calcule la probabilidad de que el chip LS-24 provenga de Schuller Sales, dado el
hecho de que el chip seleccionado estaba defectuoso.
Caso VI.
Relacin entre delincuente y victima
Homicidios (H)
Robo (R)
Agresin (A)
Totales
Extrao (E)
12
379
727
1118
39
106
642
787
No se sabe (N)
18
20
57
95
69
505
1426
2000
DETERMINE:
P(E)
P(E|H)
P(C)
P(C|A)
P(N)
P(N|R)
P(H)
P(EH)
P(R)
P(CR)
P(A)
P(NA)
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
81
82
a)
b) Si se escoge aleatoriamente a una persona, qu probabilidad hay que haya sido victima de un extrao, dado que se
escogi a una victima de robo?
c)
Dado que se selecciono a una victima de agresin, qu probabilidad hay de que el delincuente sea un extrao?
d) Calcule la probabilidad de que cuando se selecciona aleatoriamente a uno de los 2000 sujetos, la persona escogida
haya sido robada por un conocido o un pariente.
e)
Si se escogen al azar dos sujetos distintos, calcule la probabilidad de que ambos hayan sido robados.
f)
Si se selecciona al azar a una de las victimas de crmenes representadas en la tabla, calcule la probabilidad de
obtener a una persona que fue victima de alguien a quien no conoce o que haya sido asesinada.
g) Si se selecciona al azar a una de las victimas de crmenes representadas en la tabla, calcule la probabilidad de
obtener a una persona que fue victima de un homicidio, dado que el criminal fue un extrao.
h) Si se selecciona al azar a una de las victimas de crmenes representadas en la tabla, calcule la probabilidad de
obtener a una persona que fue victima de un extrao, dado que fue asesinada.
i)
Si se escoge al azar dos sujetos distintos, calcule la probabilidad de que ambos hayan sido victimas de criminales
desconocidos.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
82
83
Distribucin de Probabilidades
La Distribucin Binomial - Una Distribucin Discreta de Probabilidad.
Desarrollada por Jacob Bernoulli (1654-1705).
Esta se caracteriza por las siguientes propiedades:
- Slo debe haber dos posibles resultados.
- La probabilidad de un xito , sigue siendo constante de un ensayo al
siguiente, al igual que lo hace la probabilidad de fracaso, 1 - .
- La probabilidad de un xito en un ensayo es totalmente independiente
de cualquier otro ensayo.
- El experimento puede repetirse muchas veces.
Una distribucin binomial. Cada ensayo en una distribucin binomial
termina en solo uno de dos resultados mutuamente excluyentes, uno de los
cuales se identifica como un xito y el otro como un fracaso. La probabilidad
de cada resultado permanece constante de un ensayo al siguiente.
Eventos mutuamente excluyentes.
Los sucesos A y B son mutuamente exclusivos si no pueden ocurrir
simultneamente. Si la ocurrencia de un evento prohbe la ocurrencia del
otro.
Probabilidad de una
x
n-x
Distribucin Binomial P(x)=nCx()(1-)
n = numero de ensayos.
= probabilidad de un xito.
x = numero de xitos.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
83
84
Caso I.
Solo 20% de los empleados de la poblacin civil que est en una base
militar restringida, porta su identificacin personal. Si llegan 10
empleados, cual es la probabilidad de que el guardia de seguridad
encuentre:
a. Ocho empleados con identificacin?
Probabilidad de una
x n-x
Distribucin Binomial P(x)=nCx()(1-)
n = 10 empleados
= 0.20
x=8
8
10-8
P(x=8|n=10,=0.20)=10C8(0.20) (1-0.20) =
Use la Calculadora o la Tabla de Distribucin Binomial - Pgs. 584-588
b. Cuatro empleados con identificacin?
4
10-4
P(x=4|n=10,=0.20)=10C4(0.20) (1-0.20) =
c. A lo sumo 5 empleados con identificacin?
P(x<=5|n=10,=0.20)= P(X=0)+P(X=1)+P(X=2)+
P(X=3)+P(X=4)+P(X=5)=0.9986
012345 678910
Evento A
Distribucin Binomial Acumulada esta comprende un rango de valores.
Use la Calculadora o la Tabla de Distribucin Binomial Acumulada Pgs. 589-598
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
84
85
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
85
86
Caso II.
El 80% de los estudiantes de Mtodos Cuantitativos I del maestro
Rubn Estrella pueden conectarse a INTERNET. Cul es la probabilidad
de que en el prximo fin de semana de 10 estudiantes seleccionados
aleatoriamente, 6 estn conectados para verificar si le llego el archivo de
"distribucin de probabilidades"?
Probabilidad de una
x n-x
Distribucin Binomial P(x)=nCx()(1-)
n = 10 estudiantes
= 0.80 ==> 0.80 > 0.50
x=6
Cul es la probabilidad de que no estn conectados (de no xito)?
'=1-
0 1 2 3 4 5 6 7 8 9 10 ( = 0.80)
10 9 8 7 6 5 4 3 2 1 0 ( = 0.20)
en lugar de hallar x xitos en , se halla:
n-x fracasos a 1 -
6 xitos a = 0.80 = 4 fracasos a = 0.20
P(x=6|n=10,=0.80)=P(x=4|n=10,=0.20)
Use la Calculadora o la Tabla de Distribucin Binomial - Pgs. 584-588
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
86
87
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
87
88
La Distribucin hipergeometrica
Si se selecciona una muestra sin reemplazo de una poblacin finita
conocida y contiene una proporcin relativamente grande de la poblacin, de
manera que la probabilidad de xito sea perceptiblemente alterada de una
seleccin a la siguiente, debe utilizarse la distribucin hipergeometrica.
La distribucion hipergeometrica de probabilidad se relaciona
estrechamente con la distribucion binomial. La diferencia principal entre las
dos estriba en que, con la distribucion hipergeometrica, los intentos no son
independientes, y en que la probabilidad de exito cambia de un intento a otro.
P(x)=[(rCx)*(N-rCn-x)]/(NCn)
N
r
n
x
es el tamao de la poblacin.
es el numero de xitos en la poblacin.
es el tamao de la muestra.
es el numero de xitos en la muestra.
(rCx)
representa la cantidad de manera en las que se puede seleccionar x
exitos de un total de r exitos de la poblacion.
(N-rCn-x) representa la cantidad de maneras en que se pueden seleccionar nx fracasos de un total de N-r fracaso en la poblacion.
(NCn)
representa la cantidad de formas en las que se puede seleccionar
una muestra de tamano n de un poblacion de tamano N.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
88
89
Caso I.
Jovanna Melndez como gerente de Recursos Humanos debe contratar
a 10 personas entre 30 candidatos, 22 de los cuales tienen ttulos
universitarios. Cul es la probabilidad de que 5 de los que contrate tengan
un titulo?
N=30 candidatos
r=22 candidatos con ttulos
n=10 candidatos a contratar
x=5 candidatos con ttulos
Caso I.
Jovanna Melndez como gerente de Recursos Humanos debe contratar
a 10 personas entre 30 candidatos, 22 de los cuales tienen ttulos
universitarios. Cul es la probabilidad de que 5 de los que contrate tengan
un titulo?
N=30 candidatos
r=22 candidatos con ttulos
n=10 candidatos a contratar
x=5 candidatos con ttulos
P(x)=[(rCx)*(N-rCn-x)]/(NCn)
P(x=5)=[(22C5)*(30-22C110-5)]/(30C10)
nCr = n!/r!(n-r)!
B) Cul es la probabilidad de que a lo sumo 4 de los que contrate tengan un
titulo?
P(x<=4)=P(x=1)+P(x=2)+P(x=3)+P(x=4)
Ejercicios del 13 al 17 - Pg. 115.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
89
90
La Distribucin de Poisson
Es una distribucin de probabilidad discreta que aplica a ocurrencias de
algn suceso dentro de un intervalo especificado. La variable aleatoria x es
el numero de ocurrencias del suceso en el intervalo. El intervalo puede ser
tiempo, distancia, rea, volumen o alguna unidad similar.
La distribucion de Poisson se utiliza frecuentemente para el modelado
de tasas de llegadas en situaciones de espera en fila.
Fue ideada por el matemtico francs Simen Poisson (1781-1840).
Esta mide la probabilidad de un evento aleatorio sobre algn intervalo
de tiempo o espacio.
Se basa en dos supuestos:
1.- La probabilidad de ocurrencia del evento es constante para dos
intervalos cualesquiera de tiempo o espacio de igual longitud.
2.- La ocurrencia del evento en un intervalo es independiente de la
ocurrencia de otro intervalo cualquiera.
Funcin de probabilidad
de Poisson
x -
P(x)=( * e)/x!
espacio.
La Media es
La desviacin estndar es =
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
90
91
Caso I.
Carmn Guzmn, gerente de trafico de telecomunicaciones del Banco
Popular, esta evaluando el flujo de las llamadas telefnicas recibidas. Para tal
fin selecciona la central telefnica del Banco Popular de Plaza Central, a la
cual llegan 2 llamadas por minuto promedio y se sabe que tiene distribucin
de Poisson. Si el operador se distrae por un minuto, cual es la probabilidad
de que el numero de llamadas no respondidas sea:
a) cero?
b) Por lo menos 1?
c) Entre 3 y 5, inclusive?
Funcin de probabilidad
de Poisson
x -
P(x)=( * e)/x!
a) cero?
=2 llamadas / minuto
x=0 llamada no respondida
e=2.71828
Funcin de probabilidad
0
-2
de Poisson
P(x=0|=2)=(2 * 2.71828)/0!
Use la Calculadora o la Tabla de Distribucin de Poisson - Pgs. 599-604.
b) Por lo menos 1?
=2 llamadas / minuto
x>=1 llamadas no respondidas
e=2.71828
Funcin de probabilidad
de Poisson
P(x>=1|=2)=1-P(x=0)
c) Entre 3 y 5, inclusive?
=2 llamadas / minuto
3<=x<=5 llamadas no respondidas
e=2.71828
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
91
92
Funcin de probabilidad
de Poisson
P(3<=x<=5|=2)=P(<=5)-P(x<=2)
=P(x=0)+P(x=1)+P(x=2)+P(x=3)+P(x=4)+P(x=5)P(x=0)+P(x=1)+P(x=2)
Evento A
012
345
678
P(X<=2) P(X<=5)
Use la Calculadora o la Tabla de Distribucin de Poisson - Pgs. 599-604.
Caso II.
El cable utilizado para asegurar las estructuras de los puentes tiene un promedio de 3
defectos por cada 100 yardas. Si usted necesita 50 yardas,
a. cul es la probabilidad de que haya una defectuosa?
b. cul es la probabilidad de que haya dos o ms defectuosas?
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
92
93
Caso I.
El gerente de Anthony, basado en su experiencia, estima que la probabilidad de que
cualquier cliente compre es de 0.30. Cul es la probabilidad de que 4 de los de los
siguientes 10 clientes que entren hagan una compra?
Caso II.
En una encuesta que se realiz se habl con cientos de estudiantes de edades de 18 a 28
aos de finanzas personales. En la encuesta se encontr que 33% de los estudiantes
tienen tarjeta de crdito.
a. En una muestra de seis estudiantes, Cul es la probabilidad de que dos tengan
tarjeta de crdito?
b. En una muestra de seis estudiantes, Cul es la probabilidad de que por lo menos
dos tengan tarjeta de crdito?
c. En una muestra de diez estudiantes, Cul es la probabilidad de que ninguno
tenga tarjeta de crdito?
Caso III.
El 50% de las industrias manufactureras de tamao mediano planearon visitas de
representantes de su administracin a Canad y Mxico, para aprovechar las
oportunidades que abri el Tratado de Libre Comercio en Norteamrica. Un grupo
exportador e importador de Toronto, Canad, invit a 20 manufactureras
estadounidenses medianas a participar en una conferencia con el fin de investigar las
oportunidades de negocios.
a. Cul es la probabilidad de que 12 o ms de estas empresas manden
representantes?
b. Cul es la probabilidad de que 5 de estas empresas, cmo mximo, manden
representantes?
Caso IV.
El 40% de las personas que viajan por negocios llevan un telfono celular o una
computadora porttil (USA Today, 12 septiembre del 2000). En una encuesta de 15
personas,
a. Cul es la probabilidad de que tres tengan un telfono celular o una computadora
porttil?
b. Cul es la probabilidad de que doce no tengan ni telfono celular ni una
computadora porttil?
c. Cul es la probabilidad de que por lo menos tres tengan un telfono celular o una
computadora porttil?
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
93
94
Caso V.
Al departamento de reservaciones de American Airlines llegan en promedio 48 llamadas
por hora.
a. Calcule la probabilidad de recibir tres llamadas en un intervalo de cinco minutos.
b. Calcule la probabilidad de recibir diez llamadas en un intervalo de quince
minutos.
Caso VI.
El promedio anual de las veces que los clientes de Air Santo Domingo toman vuelos
locales por motivos de personales es 4.
a. Cul es la probabilidad de que un cliente tome dos vuelos locales en un ao por
motivos personales?
b. Cul es la probabilidad de que un cliente tome uno o ms vuelos locales en un
semestre?
Caso VII.
Segn la revista Beverage Digest, la Coca clsica y la Pepsi ocuparon el primero y
segundo lugares en la preferencia de las personas (The Wall Street Journal Almanac,
1998). Suponga que en un grupo de 10 personas, seis prefieren Coca clsica y cuatro
prefieren Pepsi. Se selecciona una muestra aleatoria de tres miembros de ese grupo.
a. Cul es la probabilidad de que exactamente dos prefieran Coca clsica?
b. Cul es la probabilidad de que la mayora (dos o tres) prefieran Pepsi?
Caso VIII.
Un embarque de 10 artculos contiene dos unidades defectuosas y ocho no defectuosas.
Al revisarlo, se tomar una muestra y las unidades se inspeccionarn. Si se encuentra
una unidad defectuosa, se rechazar todo el embarque.
a. Si se selecciona una muestra de tres artculos, cul es la probabilidad de rechazar
el embarque?
b. Si se selecciona una muestra de cuatro artculos, cul es la probabilidad de
rechazar el embarque?
c. Si se selecciona una muestra de cinco artculos, cul es la probabilidad de
rechazar el embarque?
d. Si la gerencia estuviera de acuerdo en que hubiera una probabilidad de 0.90 de
rechazar un embarque con dos defectuosas y ocho no defectuosas?
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
94
95
Caso IX.
De los 15 altos ejecutivos de un negocio de importaciones y exportaciones, se
seleccionan 12 para ser enviados al Japn a estudiar un nuevo proceso de produccin.
Ocho de los ejecutivos ya tienen algo de entrenamiento en el proceso. Cul es la
probabilidad de que 5 de los enviados tengan algo de conocimiento sobre el proceso
antes de partir para el lejano oriente?
Caso X.
Supongamos que se est interesado en la probabilidad de que exactamente 5 clientes
lleguen durante la siguiente hora. La observacin simple de las ltimas 80 horas ha
demostrado que 800 clientes han entrado al negocio.
Caso XI.
Un fabricante en California le suministra un diseo de prototipo para una pieza de
aeronave que requiere un negocio. Este nuevo producto, que es enviado en lotes de n =
12, sufre de una tasa de defectos de 40%.
a. Si usted no desea un riesgo mayor del 10% en la probabilidad de que 5 de los 12
sean defectuosos debera comprarle a ese distribuidor?
b. Si usted no desea enfrentar un riesgo mayor del 20% de probabilidad de que ms
de 5 salgan defectuosos, debera comprarle a este proveedor?
Caso XII.
En el curso de una hora, una mquina especifca llena 1,000 botellas de Cerveza
Presidente. En cada uno de los intervalos, se selecciona aleatoriamente una muestra de
20 botellas y se verifica el volumen del contenido en cada una. Sea X el nmero de
botellas seleccionada con contenido insuficiente. Suponga que en una hora especfica se
producen 100 botellas llenadas en forma deficiente. Calcule la probabilidad de que al
menos tres botellas con contenido deficiente se incluyan en las muestreadas.
Caso XIII.
Se lanza una moneda 100 veces. Encuentre la probabilidad de que ocurra cara entre 48
y 53 veces inclusive.
Caso XIV.
Suponga que hay 300 errores de impresin distribuidos aleatoriamente a lo largo de un
libro de 500 pginas. Encuentre la probabilidad P de que una pgina dada contenga:
a) Exactamente 2 errores de impresin.
b) 2 o ms errores de impresin.
c) Entre 3 y 5 errores inclusive.
d) Exactamente 7 errores de impresin.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
95
96
Caso XV.
PlayTime Toys, Inc. emplea a 50 personas en el Departamento de Ensamblaje. Cuarenta
de los empleados pertenecen al sindicato y diez no. Se seleccionan cinco empleados al
azar para formar un comit que va a hablar a la gerencia acerca de los horarios en que
inician los turnos. Cul es la probabilidad de que cuatro de los cinco empleados
seleccionados para el comit pertenezcan a un sindicato?
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
96
97
97
98
98
99
Caso I.
Claudia Cffaro en su viaje que realizo en el fin de semana
pasado, para reunirse con los funcionarios de la Casa Matriz de
diseo de modas a la cual pertenece, determinaron que el publico
al cual se dirigen estaba en constante cambio en su tamao fsico
y en sus proporciones. Por lo que realizaron un estudio y llegaron
a la conclusin de que las estaturas de sus clientes estaban
distribuidas normalmente alrededor de una media de 67 pulgadas,
con una desviacin estndar de 2 pulgadas.
Si Claudia fuera a expresar en Valor de Z la estatura de dos
de sus clientes, que tienen 64 y 73 pulgadas respectivamente. Que
debe hacer? Tambin represntelo grficamente.
La Desviacin Normal o Formula Z.
Z = (X - )/
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
99
100
100
101
Caso I.
Los tiempos de reemplazo de los reproductores de CD tienen una
distribucion normal con una media de 7.1 aos y una desviacion
estandar de 1.4 aos (basados en datos de "Getting Things Fixed",
Consumer Reports). Determine la probabilidad de que un
reproductor de CD seleccionado al azar tenga un tiempo de
reemplazo de menos de 8 aos.
Caso II.
Suponga que los pesos del papel desechado por los hogares cada
semana estan normalmente distribuidos con un media de 9.4 lbs y
una desviacion estandar de 4.2 lbs. Determine la probabilidad de
seleccionar aleatoriamente un hogar y obtener uno que desecha
entre 5 y 8 lbs de papel en una semana.
Caso III.
Segun la International Mass Retail Association, las muchachas
estadounidenses entre los 13 y 17 aos gastan en promedio US$31.2
dolares al mes cuando van de compras. Suponga que las cantidades tienen
una distribucion normal con una desviacion estandar de US$8.27 dolares.
Si seleccionamos al azar a una muchacha perteneciente a esa categoria de
edades, que probabilidad hay de que gaste entre US$35 y US$40 dolares
en un mes?
Caso IV.
Los puntajes de cociente intelectual (IQ) estan distribuidos normalmente
con una media de 100 y una desviacion estandar de 15. Mensa es una
organizacion para personas con cociente intelectual elevado, y solo acepta
personas con un IQ mayor que 131.5.
Si se escoge aleatoriamente a una persona, determine la probabilidad de
que satisfaga el requisito de Mensa.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
101
102
Caso V.
VERIZON registro los mensajes telefnicos para sus clientes, los cuales
promediaron 150 segundos, con una desviacin estndar de 15 segundos.
VERIZON desea determinar la probabilidad de que una sola llamada dure:
a) Entre 145 y 150.
b) Sea mayor que 145.
c) Sea menor que 155.
d) Entre 145 y 155.
e) Sea Mayor que 155.
f) Entre 160 y 170
g) Entre 140 y 145.
Caso VI.
Cerca del 4.4% de los accidentes fatales de vehculos motorizados se debe
a neumticos defectuosos (basados en datos del Consejo Nacional de
Seguridad de Estados Unidos). Si un estudio de seguridad de autopistas
inicia con la seleccin de 750 casos fatales de choque de vehculos
motorizados, estime la probabilidad de que exactamente 35 de ellos hayan
sido causados por neumticos defectuosos. Represente grficamente la
situacin planteada.
Caso VII.
El promedio de los salarios en los bancos comerciales de New York es de
US$22.87 por hora, con una desviacin estndar de US$5.87. Cul debe
ser su salario por hora si desea ganar (Represente grficamente cada
situacin planteada:
a. Ms que el 80% de todos los empleados?
b. Ms que el 30% de todos los empleados?
c. Menos que el 20% de todos los empleados?
d. Ms que el 50% de todos los empleados?
Caso VIII.
Los registros muestran que el 45% de todos los automviles producidos por
Ford Motor Company contiene partes importadas de Japn. Cul es la
probabilidad de que los prximos 200 carros, 115 contengan partes
japonesas. Represente grficamente.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
102
103
Caso IX.
El precio promedio del boleto de entrada a un juego de bisbol de ligas
mayores fue de $11.98 dlares en 1998 (USA Today, 1 de noviembre de
1998). Sumando a los boletos el costo de alimentos, estacionamiento y
souvenirs, el costo promedio aproximado fue de $110.00 dlares para una
familia de 4 miembros, con una desviacin de $20.00 dlares.
a. Cul es la probabilidad de que una familia gaste ms de $100.00
dlares?
b. Cul es la probabilidad de que una familia gaste $90.00 dlares o
menos?
c. Cul es la probabilidad de que una familia gaste $80.00 dlares a
130 dlares?
d. Cul es la probabilidad de que una familia gaste entre $120.00
dlares y 130 dlares?
e. Cul es la probabilidad de que una familia gaste entre $95.00
dlares y 100 dlares?
f. Cul debe ser el gasto de una familia que esta por encima del 80%
de los datos evaluados?
g. Cul debe ser el gasto del 50% de las familias de 4 miembros?
h. Cul debe ser el gasto de una familia que separa el 40% del 60
restante de los datos evaluados?
i. Si se toma una muestra de 50 familias, cul es la probabilidad de
que gasten entre 115.00 dlares y 125.00 dlares?
Caso X.
Cul es el ingreso que separa el 10% de la gente ms pobre del 90%
restante de la poblacin dominicana? Si el ingreso medio es de RD$5,200 y
la desviacin es de RD$1,300.
Ejercicios 32, 34, 35 y 36 de las pgs. 133-134
Caso XI.
El 40% de los sindicalistas del Sindicato quiere huelga. Si seleccionan 15
miembros Cul es la probabilidad de que 10 apoyen un paro?
Caso XII.
Los registros muestran que 45% de todos los automviles producidos por
Ford Motor Company contienen partes importadas de Japn. Cul es la
probabilidad de que los prximos 200 carros, 115 contengan partes
japonesas?
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
103
104
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
104
105
Distribucin t de Student
Los factores como el costo y el tiempo a menudo limitan
severamente el tamao de las muestras, y es posible que la
distribucin normal no sea una aproximacin adecuada a la
distribucin de las medias de muestras pequeas.
En muestras pequeas, la media de muestra X' generalmente
es el mejor estimado puntual de la media de la poblacin .
Es posible construir intervalos de confianza para muestras
pequeas utilizando la distribucin normal con el mismo margen
de error, siempre que la poblacin original tenga una distribucin
normal y se conozca la desviacin estndar de la poblacin
(condicin que casi nunca se cumple en aplicaciones reales).
Si tenemos una muestra pequea (n30) y queremos
construir un intervalo de confianza pero no conocemos , a veces
podemos usa la Distribucin t de Student ideada por Willian
Gosset (1876-1937). Gosset era un empleado de la cervecera
Guiness que necesitaba una distribucin susceptible de usarse con
muestras pequeas. La cervecera donde trabajaba no permita la
publicacin de los resultados de investigaciones, as que Gosset
publico bajo el pseudnimo Student.
105
106
= (n-1)/(n-3)
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
106
107
Grados de libertad.
El numero de grados de libertad de un conjunto de datos
corresponde al numero de puntajes que puede variar despus de
haber impuestos ciertas restricciones a todos los puntajes.
Es el numero de observaciones menos el numero de
restricciones impuestas sobre tales observaciones.
g.l. = n - 1
Podra parecer un poco extrao que, con una poblacin
distribuida normalmente, a veces utilicemos la distribucin t
para encontrar valores crticos, pero cuando se desconoce el
uso de s de una muestra pequea incorpora otra fuente de
error. A fin de mantener el grado de confianza deseado,
compensamos la variabilidad adicional ensanchando el
intervalo de confianza mediante un proceso que sustituye el
valor critico Z por el valor critico ms grande de t.
El estadstico t
t = (X'-)/(s/n)
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
107
108
Caso I.
Cuando se usan pruebas destructivas, los elementos de una
muestra se destruyen durante el proceso de probarlos. Las
pruebas de choques de automviles son un ejemplo muy costoso
de pruebas destructivas.
Si usted estuviera encargado de tales pruebas de choque, no
querra decirle a su supervisor que necesita chocar y destruir mas
de 30 automviles para poder usar la distribucin normal.
Supongamos que usted ha probado 12 automviles deportivos
Dodge Viper (Precio d lista actual: US$59,300 dlares)
chocndolos en diversas condiciones que simulan colisiones
representativas. Un anlisis de los 12 automviles daados da
como resultado costos de reparacin cuya distribucin al parecer
tiene forma de campana, con una media de X'=US$26,227 y una
desviacin estndar de s=$15,873 (basado en datos de Highway
Loss Data Institute). Determine lo siguiente.
a) El mejor estimado puntual de la media de poblacin , el costo
de reparacin medio de todos los Dodge Viper implicados en
colisiones.
b) El estimado de intervalo del 95% de , el costo de reparacin
medio de todos los Dodge Viper implicados en colisiones.
Solucin:
a) El mejor estimado puntual de la media de poblacin es el
valor de la media de muestra X'. En este caso, entonces, el mejor
estimado puntual de es US$26,227 dlares.
b) DATOS:
n = 12 automviles deportivos Dodge Viper
X'=US$26,227 dlares costo de reparacin
s =US$15,873 dolares
N.F.= 95% ===> t= ?
I.C. para = ?
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
108
109
109
110
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
110
111
y = bo + bix
y = f(x)
describe la relacin entre dos variables. La grafica de la
ecuacin de regresin se denomina lnea de regresin (o lnea de
mejor ajuste, o lnea de mnimos cuadrados).
Esta definicin expresa una relacin entre "x" (variable
independiente o variable predictoria) y "y" (llamada variable
dependiente o variable de respuesta).
Variable dependiente (Y): Es la variable que se desea explicar o
predecir; tambin se le denomina regresando o variable de
respuesta.
Variable independiente (X): se utiliza para explicar a Y.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
111
112
bo
b1
Pendiente de la
la ecuacin de regresin
Ecuacin de la lnea
Y=o+ix
de Regresin
y=bo+bix
y = b o + b ix
Donde bo es la ordenada de origen y bi es la pendiente.
bo y bi
112
113
SCx = X - [(X)/n]
Suma de los cuadrados de Y.
SCy = (Yi-Y')
SCx = Y - [(Y)/n]
Suma de los productos cruzados de X y Y.
SCxy = (Xi-X')(Yi-Y')
SCxy = XY - [(X)(Y)/n]
Vale la pena notar que las primeras porciones de cada una de
estas formulas:
SCx = (Xi-X') | SCy = (Yi-Y') | SCxy = (Xi-X')(Yi-Y')
Ilustran como la recta MCO se basa en las desviaciones de las
observaciones a partir de su media.
Dadas las sumas de cuadrados y los productos cruzados, es
sencillo calcular la pendiente de la recta de regresin y el
intercepto, as:
La Pendiente de la recta de regresin.
bi = SCxy/SCx
bo = Y' - biX'
113
114
o y ix.
El Error Estndar
Se = CME
El error estndar siempre se expresa en las mismas unidades que
la variable dependiente Y.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
114
115
Caso I.
La gerencia de Aeromar, considera que existe una relacin directa
entre los gastos publicitarios y el numero de pasajeros que
escogen viajar por Aeromar. Para determinar si esta relacin
existe, y si es as cual podra ser la naturaleza exacta, los analistas
decidieron utilizar los procedimientos de MCO para determinar el
modelo de regresin. Represente grficamente los resultados.
y=bo+bix
Datos de Regresin para AEROMAR
Observacin Publicidad
Mes
En miles US$
X
1
10
2
12
3
8
4
17
5
10
6
15
7
10
8
14
9
19
10
10
11
11
12
13
13
16
14
10
15
12
TOTALES
187
Pasajeros
En miles
Y
15
17
13
23
16
21
14
20
24
17
16
18
23
15
16
268
XY
X^2
Y^2
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
115
116
SCE = (Yi-Y^i)
Coeficiente de Correlacin
r = SCR/SCT
r = SCxy / (SCx)(SCy)
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
116
117
Caso II.
Para apoyar las ventas de un producto de consumo masivo en un
mercado altamente competitivo una empresa inicio a comienzos
de ao una intensa campaa publicitaria. La comparacin entre la
inversin publicitaria y las ventas del producto en 12 meses se
colocan en la siguiente tabla:
a) Formule la ecuacin de regresin.
b) Si invertimos en publicidad $400,000 cual debera ser las
posibles ventas?
MESES
ENERO
FEBRERO
MARZO
ABRIL
MAYO
JUNIO
JULIO
AGOSTO
SEPTIEMBRE
OCTUBRE
NOVIEMBRE
DICIEMBRE
TOTALES
VENTAS
EN MILES
Y
350
300
630
840
930
1060
1280
850
700
1160
1180
1500
10780
PUBLICIDAD
EN MILES
X
200
250
300
250
330
180
150
350
200
250
250
170
2880
XY
X^2
Y^2
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
117
118
Caso III.
El departamento de ventas de una Compaa realiza un anlisis
comparativo entre el volumen de pedidos levantados y numero de visitas
efectuadas. Por sus diez vendedores en cierto periodo de tiempo, todos los
vendedores trabajan en zonas similares, en lo referente al numero de
clientes que maneja cada uno y potencial de compra de dichos clientes.
Los resultados obtenidos son los siguientes:
a) Formule la ecuacin de regresin.
b) Cunto ascendera el posible monto de los pedidos si las visitas fueran
250?
c) Cul es el grado de relacin entre las variables?
d) Determine el error estndar.
e) Haga el diagrama de dispersin.
f) Grafique la recta de regresin.
PEDIDOS
EN MILES
VISITAS
VENDEDOR
US$
REALIZADAS
13,4
245
10,3
172
15,1
291
6,9
124
7,3
191
14,2
218
5,2
101
11,8
259
14,3
307
10
5,5
142
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
118
119
Caso IV.
Suponga que se reunieron datos de una muestra de 10 restaurantes ubicados
cerca de centros educativos. Para i-sima observacin o restaurante de la
muestra, xi es el tamao de la poblacin estudiantil, en miles, y yi son las
ventas trimestrales (en miles de dlares). Los valores de xi y yi para los 10
restaurantes de la muestra se resumen en la siguiente tabla:
Ventas
Poblacin de
Trimestrales
Restaurante Estudiantes (miles) (miles de dlares
1
2
58
2
6
105
3
8
88
4
8
118
5
12
117
6
16
137
7
20
157
8
20
169
9
22
149
10
26
202
a. Trace un diagrama de dispersin para estos datos.
b. Qu indica el diagrama de dispersin que traz anteriormente,
acerca de la relacin entre las dos variables?
c. Formule la ecuacin de regresin.
d. Realice una interpretacin de la pendiente de la ecuacin de
regresin.
e. Cul es el grado de relacin entre las variables?
f. Determine el error estndar.
g. Grafique la recta de regresin.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
119
120
Caso V.
Los datos siguientes muestran las ventas (en millones) de cajas y los gastos
de publicidad (en millones de dlares) para 7 marcas principales de
refrescos (Superbrands 98, 20 de octubre de 1997).
Gastos de
Publicidad
Ventas de cajas
Marca
(millones de dlares) (en millones)
Coca-Cola Classic
131.3
1,929.2
Persi-Cola
92.4
1,384.6
Diet Coke
40.4
811.4
Sprite
55.7
541.5
Dr. Pepper
40.2
536.9
Mountain Dew
29.0
535.6
7-Up
11.6
219.5
a. Trace un diagrama de dispersin para estos datos.
b. Formule la ecuacin de regresin.
c. Realice una interpretacin de la pendiente de la ecuacin de
regresin.
d. Cul es el grado de relacin entre las variables?
e. Determine el error estndar.
f. Prediga las ventas para una marca que gaste 70 millones de dlares
en publicidad.
g. Grafique la recta de regresin.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
120
121
Caso VI.
En The Wall Street Journal Almanac 1998 aparecieron datos sobre el
desempeo de las aerolneas estadounidenses. A continuacin vemos los
datos sobre el porcentaje de vuelos que llegan puntuales y la cantidad de
quejas por 100,000 pasajeros.
Aerolnea
% de Puntualidad
Quejas
Southwest
81.8
0.21
Continental
76.6
0.58
Northwest
76.6
0.85
US Airways
75.7
0.68
United
73.8
0.74
American
72.2
0.93
Delta
71.2
0.72
American West
70.8
1.22
TWA
68.5
1.25
a. Trace un diagrama de dispersin para estos datos.
b. Qu indica el diagrama de dispersin que traz en el inciso a)?
c. Formule la ecuacin de regresin, que indique cmo se relaciona el
nmero de quejas por cada 100,000 pasajeros con el porcentaje de
vuelos que llegan a tiempo.
d. Realice una interpretacin de la pendiente de la ecuacin de
regresin.
e. Cul es el grado de relacin entre las variables?
f. Determine el error estndar.
g. Cul es la cantidad estimada de quejas por 100,000 pasajeros, si el
porcentaje de vuelos puntuales es de 80 porciento?
h. Grafique la recta de regresin.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
121
122
Caso VII.
La empresa Nielsen Media Research rene datos que muestran qu
publicistas obtienen la mayor difusin durante las horas estelares de
transmisin en 6 redes televisivas. A continuacin se presentan los datos
de la cantidad de familias espectadoras, en millones, y la cantidad de veces
que sali el anuncio al aire durante la semana del 28 de abril al 4 de mayo
de 1997 (USA Today, 5 de mayo de 1997).
Veces que sali al
Familias
Marca Anunciada
aire
espectadoras
Wendy's
28
191.7
Ford Escort
20
174.6
Ausin Powers movie
14
161.3
Nissan
16
161.1
Pizza Hut
16
147.7
Saturn
16
146.3
Father's Day Movie
11
138.2
a. Forme la ecuacin de regresin estimada que describa cmo se
relaciona la cantidad de veces que sale un anuncio con la cantidad de
familia espectadoras.
b. Proponga una interpretacin de la pendiente de la ecuacin de
regresin estimada.
c. Cul es la cantidad estimada de familias espectadoras si un anuncio
sale 15 veces al aire en una semana.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
122
123
Caso VIII.
Un gerente de ventas reuni los datos siguientes relacionados con las
ventas anuales y aos de experiencia.
Aos de
Ventas anuales
Vendedor Experiencia (miles de dlares)
1
1
80
2
3
97
3
4
72
4
4
102
5
6
103
6
8
111
7
10
119
8
10
123
9
11
117
10
13
136
a. Trace un diagrama de dispersin para estos datos.
b. Formule una ecuacin de regresin estimada con la que se puedan
predecir las ventas anuales, dados los aos de experiencia.
c. Use la ecuacin de regresin para predecir las ventas anuales de un
vendedor con 9 aos de experiencia.
Caso IX.
El gerente de ventas de Copier Sales of America, que tiene una fuerza de
ventas muy numerosa en Estados Unidos y Canad, quiere determinar si
existe una relacin entre el nmero de llamadas de ventas que se realizan al
mes y el nmero de copiadoras que se venden durante ese mes. El gerente
selecciona una muestra aleatoria de 10 representantes y determina el
nmero de llamadas de ventas que cada uno hizo el pasado y la cantidad de
copiadoras vendidas. La informacin de la muestra se presenta a
continuacin:
Representante de Ventas
Tom Keller
Jeft Hall
Brian Virost
Greg Fish
Susan Welch
Carlos Ramrez
Rich Niles
Mike Kiel
Mark Reynolds
Soni Jones
Nmero de
Llamadas
de Ventas
20
40
20
30
10
10
20
20
20
30
Nmero de
Copiadoras
Vendidas
30
60
40
60
30
40
40
50
30
70
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
123
124
Caso X.
La humedad influye en la evaporacin, de modo que el equilibrio de
solventes de las pinturas base agua durante su roco se ve afectado por la
humedad. Se emprende un estudio controlado para examinar la relacin de
la humedad con la magnitud de la evaporacin del solvente. El
conocimiento de esta relacin es til para que el pintor ajuste el aspersor de
pintura de modo de considerar la humedad. Se obtienen los datos
siguientes:
OBSERVACION
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
HUMEDAD
EVAPORACION
RELATIVA
SOLVENTE
(%)
35.3
29.7
30.8
58.8
61.4
71.3
74.4
76.7
70.7
57.5
46.4
28.9
28.1
39.1
46.8
48.5
59.3
70.0
70.0
74.4
72.1
58.1
44.6
33.4
28.6
(% DE PESO)
11.0
11.1
12.5
8.4
9.3
8.7
6.4
8.5
7.8
9.1
8.2
12.2
11.9
9.6
10.9
9.6
10.1
8.1
6.8
8.9
7.7
8.5
8.9
10.4
11.1
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
124
125
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
125
126
Distribucin Muestral
Generalmente las poblaciones son demasiado grandes como
para ser estudiadas en su totalidad. Es necesario seleccionar una
muestra representativa de un tamao ms manejable. Esta
muestra se utiliza luego para sacar conclusiones sobre la
poblacin.
Distribucin Muestral:
Es una lista de todos los valores posibles para un estadstico
y la probabilidad relacionada con cada valor.
Error de Muestreo:
Es la diferencia entre el parmetro poblacional y el
estadstico de la muestra para estimar el parmetro.
X'-X"
X'-
Parmetro:
Es una medicin numrica
caracterstica de una poblacin.
que
describe
alguna
que
describe
alguna
126
127
Caso I.
Las ventas en miles de dlares de Electrom, S.A. durante los
ltimos 6 meses fueron de 70, 77, 73, 78, 85 y 80. Asumiendo
que estos cinco meses constituyen una poblacin, la media
claramente es = 77.17. El director de Marketing desea estimar
esta media "desconocida" tomando una muestra de tamao n=4.
Se espera que el error de muestreo que es probable que ocurra sea
relativamente pequeo. Realice la distribucin muestral.
1 Podemos obtener muchas muestras de tamao 4.
Especficamente 6C4 = 15
2 Construya la tabla en base a la cantidad de muestra del primer
punto, indicando los elementos muestrales (Xi), y Medias
Muestrales (X')
3 Construya la tabla con la Probabilidad de cada media muestral.
4 Calcule la media de las medias muestrales.
La Media de las Medias Muestrales:
X"= estndar de las medias muestrales/K.
Varianza de la Distribucin Muestral de las Medias
Muestrales:
x'=(X'-X")/K
Error Estndar de la Muestral de las Medias Muestrales:
x'=x'
Una aproximacin cercana puede obtenerse mediante:
x'=/n
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
127
128
x'=/n
Si el tamao de la muestra es mas del 5% de la poblacin,
n>0.05N, debe aplicarse el factor de correccin para
poblaciones finitas (fpc).
Error Estndar utilizando el fpc:
x'=(/n)((N-n/N-1))
(N-n/N-1) es el fpc.
70
73
77
78
80
85
NUMERO
MUESTRA
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
ELEMENTOS DE
MEDIA (X')
ERROR DE
CUADRADO DEL
LA MUESTRA (X)
MUESTRAL MUESTREO (X'-X") ERROR (X'-X")
70 73 77 78
70 73 77 80
70 73 77 85
70 73 78 80
70 73 78 85
70 73 80 85
70 77 78 80
70 77 78 85
70 77 80 85
70 78 80 85
73 77 78 80
73 77 78 85
73 77 80 85
73 78 80 85
77 78 80 85
MEDIA DE X'
VARIANZA
ERROR ESTANDAR
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
128
129
TABLA DE PROBABILIDADES
NUM.
MEDIAS (NX')
MUESTRAL
MEDIA (X')
NX'/K
P(X')
129
130
En sntesis:
Teorema del Limite Central:
Dado que:
1.- La variable aleatoria x tiene una distribucin (que podra ser o
no normal) con media y una desviacin estndar .
2.- Se seleccionan aleatoriamente muestras de tamao n de esa
poblacin.
Conclusiones:
1.- A medida que aumenta el tamao de las muestras, la
distribucin de las medias de muestra se acercara a una
distribucin normal.
2. - La media de las medias de muestra ser la media de la
poblacin X"=.
3.- La desviacin estndar de las medias de muestra ser x'=/
n.
Reglas prcticas de uso comn:
1.- Para muestras de tamao n mayor que 30, la distribucin de
las medias de muestra se puede aproximar razonablemente bien
con una distribucin normal. La aproximacin es ms exacta a
medida que aumenta el tamao de muestra n.
2.- Si la poblacin original tambin esta distribuida normalmente,
las medias de muestra tendrn una distribucin normal para
cualquier tamao de muestra n.
El Teorema del Limite Central indica que en el caso de muestras grandes (n
> 30), la distribucin de las medias de muestra es aproximadamente normal
con media y desviacin estndar /n. Provocando as una variacin de
la ecuacin:
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
130
131
= (X' - )/(/n)
La regla general es que si n es por lo menos 30, el Teorema del Limite
Central asegurara una distribucin normal en las medias muestrales incluso
si la poblacin no es normal.
Caso I.
Orange registr los mensajes telefnicos de sus clientes, los
cuales promedian 150 segundos, con una desviacin de 15
segundos, por lo que planea instalar nuevos equipos que
mejoraran la eficiencia de sus operaciones. Sin embargo, antes
que los ejecutivos puedan decidir si dicha inversin ser eficaz en
funcin de los costos, deben determinar la probabilidad de que la
media de una muestra de n = 35:
a. Est entre 145 y 150.
b. Sea mayor que 145.
c. Sea menor que 155.
d. Est entre145 y 155.
e. Sea mayor que 155.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
131
132
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
132
133
Caso I.
Publicidad Sarmiento pregunta a toda la poblacin N=4 clientes si
vieron el anuncio publicitario de Sarmiento en el peridico de esta
maana. Se registro una respuesta sicomo xito, y nocomo
fracaso. Los cuatros clientes S1, N2, N3 y S4. La proporcin
poblacional de xitos es = 0.5. Se tomaron muestras de tamao
n = 2, y la proporcin de xitos se registra en la siguiente tabla:
p = x/n
Xi
Nm. De xitos
S1, N2
0.50
S1, N3
0.50
3
4
S1, S4
N2, N3
2
0
1.00
N2, S4
0.50
N3, S4
0.50
TOTAL
3.00
p = (1-)/n * (N-n/N-1)
133
134
Caso II.
BellLabs adquiere componentes para sus telfonos celulares en
lotes de 200 de una firma en Palo Alto. El componente tiene una
tasa de defectos del 10%. Una poltica establecida recientemente
por BellLabs establece que si el siguiente envo tiene:
a. Ms del 12% de defectos, definitivamente buscar un
nuevo suplidor.
b. Entre el 10 y el 12% de defectos, considerar un nuevo
proveedor.
c. Entre el 5 y 10% de defectos, definitamente no
conseguir un nuevo proveedor.
d. Menos del 5% de defectos, incrementar sus pedidos.
i. Cal decisin es ms probable que tome
BellLabs?
Z = (p - )/p
Z = (0.12 0.10)/0.021 = 0.95
Z = 0.95 rea de 0.3289
134
135
Z = (p - )/p
Z = (0.12 0.10)/0.021 = 0.95
Z = 0.95 rea de 0.3289
P(0.10 <= p <= 0.12) = 0.3289
Z = (p - )/p
Z = (0.05 0.10)/0.021 = -2.38
Z = 2.38 rea de 0.4913
P(0.05 <= p <= 0.10) = 0.4913
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
135
136
Z = (p - )/p
Z = (0.05 0.10)/0.021 = -2.38
Z = 2.38 rea de 0.4913
P(p < 0.05) = 0.5 - 0.4913 = 0.0087
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
136
137
Mtodos de Muestreo
Muestra: Es un subconjunto de elementos extrados de una poblacin.
- Es una porcin representativa de la poblacin, que se selecciona
para su estudio porque la poblacin es demasiado grande para analizarla en
su totalidad.
Muestra Aleatoria o Probabilstica: Se seleccionan los miembros de la
poblacin de modo que cada uno tenga la misma probabilidad de ser
escogido.
Son muestras en que los elementos a seleccionar se obtienen con
base en la probabilidad. Cada elemento de una poblacin tiene cierta
probabilidad de ser elegido como parte de la muestra.
Muestra Aleatoria Simple: Una muestra es seleccionada de modo que
todos los elementos de la poblacin tienen la misma probabilidad de ser
elegidos. De igual manera, todas las muestras de tamao n tienen la misma
posibilidad de ser elegidas. La muestras aleatorias simples se obtienen por
muestreo con reemplazo en una poblacin finita o por muestreo sin
reemplazo en una poblacin sin reemprazo.
Una muestra aleatoria simple de n sujetos se selecciona de tal
manera que toda posible muestra de tamao n tenga la misma probabilidad
de ser escogida.
Muestreo Estratificado: Subdividimos la poblacin en por lo menos dos
subpoblaciones (o estratos) distintas que comparten categoras (como
genero), y luego sacamos una muestra de cada estrato.
Si los tamaos de muestra de los distintos estratos reflejan la
poblacin general, decimos que tenemos un muestreo proporcional.
Muestra que se obtinen al estratificar el marco muestral y luego
seleccionar un nmero fijo de elementos de cada uno de los estratos
promedio de una tcnica de muestreo aleatorio simple.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
137
138
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
138
139
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
139
140
140
141
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
141
142
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
142
143
Caso I.
Para estimar el gasto promedio de los clientes en el McDonald's
local, los estudiantes de Mtodos Cuantitativos II toman una
muestra de 200 clientes y encuentran un gasto promedio de
US$5.67, con una desviacin estndar poblacional de US$1.10.
Cul es el intervalo de confianza del 95% para los gastos
promedio de todos los clientes? Interprete sus resultados.
Datos:
=/2*/n=1.96*1.10 /
200=0.15
n=200
N.C.=95% I.C. para estimar = X'
x'=US$5.67 I.C.=?
= US$5.670.15
=US$1.10
= US$5.52 US$5.82
Interpretacin del Caso:
Los estudiantes poseen un 95% de confianza de que la
media poblacional desconocida del gasto de los clientes del
McDonal's evaluados se encuentra entre el intervalo US$5.52
US$5.82.
Si se construyen todos los NCn intervalos de confianza, el
95% de ellos contendr la media poblacional desconocida. Esto
por supuesto significa que el 5% de todos los intervalos estara
errado - no contendran la media poblacional, el Valor alfa .
Calculo del cuando se desconoce (desviacin estndar
poblacional):
Si n > 30, podemos sustituir de la formula del por la
desviacin estndar de la muestra s.
= /2 * s/n
= /2 * sx'
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
143
144
144
145
145
146
146
147
Repasando:
p=
p = denota probabilidad de tener xito en uno de los n
ensayos.
q = denota la probabilidad de fracasar en uno de los n
ensayos.
p+q=1
p=1-q
q=1-p
n > 5
np > 5
n(1-) > 5
nq > 5
Si n y n(1-) son mayores que 5, la distribucin de las
proporciones muestrales ser normal y la distribucin muestal de
la proporcin muestral tendr una media igual a la proporcin
poblacional y error estndar de:
147
148
confianza
para
estimar
la
proporcin
=pE
Caso I.
En una encuesta de 1068 estadounidenses, 673 dijeron que
tenan contestadoras telefnicas (basados en datos de
International Mass Retail Association, informados en USA
Today). Utilizando estos resultados de muestra, determine:
a. El estimado puntual de la proporcin de la poblacin de todos
los estadounidenses que tienen contestadora telefnica.
b. El estimado de intervalo del 95% de la proporcin de todos los
estadounidenses que tienen contestadora telefnica.
a. Estimado puntual para la proporcin de poblacin.
p = x/n = 673/1068 = 0.630
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
148
149
=pE
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
149
150
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
150
151
Caso I.
Un economista desea estimar los ingresos medios durante el
primer ao de trabajo de un graduado universitario que, en un
alarde de sabidura, tomo un curso de estadstica. Cuantos de
tales ingresos es necesario encontrar si queremos tener una
confianza del 95% en que la media de muestra este a menos de
US$500 dlares de la verdadera media de la poblacin? Suponga
que un estudio previo revelo que, para tales ingresos,
=US$6250.
DATOS:
N.C.=95% ===> Z=1.96
Queremos que la media de la muestra este dentro de un
margen de US$500 de la media de la poblacin.
E=US$500
=US$6,250
n = /(X' - )
n = [(1.96)*(6250)]/(500)=
n = [/E]
n = [(1.96 * 6250)/500]=
Caso II.
Que tan grande se requiere que sea una muestra para que
proporcione una estimacin del 90% del numero promedio de
graduados de las universidades de la nacin con un error de 2000
estudiantes si una muestra piloto reporta que s=8,659?
Caso III.
Nielsen Media Research quiere estimar la cantidad media de
tiempo (en horas) que los estudiantes universitarios de tiempo
completo dedican a ver televisin cada da entre semana.
Determine el tamao de muestra necesario para estimar esa media
con un margen de error de 0.25 horas (15 minutos). Suponga que
se desea un grado de confianza del 96%, y que un estudio piloto
indico que la desviacin estndar se estima en 1.87 horas.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
151
152
utilizar
la
REGLA
PRACTICA
DE
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
152
153
Caso I.
Si razonamos que los precios de los libros de textos universitario
tpicamente varan entre US$10 y US$90 dlares.
Usted planea estimar el precio de venta medio de un libro de
texto universitario. Cuantos libros de textos deber muestrear si
desea tener una confianza del 95% en que la media de la muestra
estar a menos de US$2 dlares de la verdadera media de la
poblacin ?
DATOS:
intervalo/4
(US$90-US$10)/4 US$20
N.C.=95% ===> Z=1.96
E=US$2 dlares
n = /(X' - )
n = [(1.96)*(20)]/(2)=
n = [/E]
n = [(1.96 * 20)/2]=
Caso II.
Boston Marketing Company lo acaba de contratar para realizar
una encuesta con el fin de estimar la cantidad media de dinero que
los asistentes al cine de Massachussets gastan (por pelcula).
Primero use la regla practica del intervalo para hacer un estimado
burdo de la desviacin estndar de las cantidades gastadas. Es
razonable suponer que las cantidades tpicas varan entre US$3
dlares y unos US$15 dlares. Luego utilice esa desviacin
estndar para determinar el tamao de muestra que corresponde a
una confianza del 98% y a un margen de error de 25 centavos de
dlar.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
153
154
Tamao de la
poblacional.
muestra para
estimar la proporcin
154
155
Caso I.
155
156
Caso II.
Caso III.
Planeta Azul proporciona agua embotellada, en contenedores de 15
galones, a las casas de un sector del Distrito Nacional. El gerente desea
estimar el nmero promedio de contenedores que una casa tpica utiliza
cada mes. Se toma una muestra de 75 casas y se registra el nmero de
contenedores. La media es 3.2, con una desviacin de 0.78.
a. Qu revelara un intervalo de confianza del 92%?
b. Sin embargo, el gerente siente que el intervalo anterior es demasiado
amplio. Cuntas casas deben tomar como muestra para estar 99%
seguro de que el intervalo no estar errado en ms de 0.10
contenedores?
c. Se selecciona una muestra pequea de 10 casas para estimar el
nmero promedio de miembros de la familia por casa. Los
resultados son 1,3,4,7,2,2,3,5,6 y 6 personas en cada casa. Cules
son los resultados de un intervalo de 99% para el nmero promedio
de miembros de la familia?
d. De las 75 casas de la muestra, 22 tienen ablandadores de agua en
casa. Cul es el estimado del intervalo del 95% de la proporcin de
todas las casas del sector que tiene ablandadores?
e. Si el intervalo oscila entre el 18.8% y el 39.2% de todas las casas que
tienen ablandadores y carece de precisin, qu tan grande debe
tomarse una muestra para producir un intervalo de slo el 10%?
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
156
157
Caso IV.
Se pidi a 200 personas de una muestra identificar su principal fuente de
informacin de noticias; 110 dijeron que esa fuente es los noticiarios
televisivos.
a. Cul es el estimado puntual de la proporcin poblacional?
b. Determine un intervalo de confianza de 95% para la proporcin de
las personas en la poblacin que consideran a la televisin como su
principal fuente de informacin noticiosa. Interprete los resultados.
a. Qu tamao debe tener una muestra para estimar la proporcin de la
poblacin, con un margen de error igual a 0.05 y un nivel de
confianza de 95%?
Caso V.
Al ensayar un nuevo mtodo de produccin, se seleccionaron 18 empleados
al azar, y se les pidi lo probaran. La tasa de produccin promedio
muestral para los 18 empleados fue 80 partes por hora, y la desviacin
estndar muestral fue de 10 partes por hora. Suponiendo que la poblacin
tiene una distribucin de probabilidad normal.
a. Determine un intervalo de confianza de 90% de la tasa de
produccin promedio poblacional con el nuevo mtodo, Interprete
los resultados y Represente grficamente.
b. Construya un intervalo de confianza de 95% de la tasa de produccin
promedio poblacional con el nuevo mtodo, Interprete los
resultados y Represente grficamente.
c. Construya un intervalo de confianza de 99% de la tasa de produccin
promedio poblacional con el nuevo mtodo, Interprete los
resultados y Represente grficamente.
d. Cul es estimado puntual de la tasa de produccin promedio
poblacional con el nuevo mtodo?
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
157
158
Caso VI.
Media Metrix, Inc., vigila a los usuarios de Internet en siete pases:
Australia, Gran Bretaa, Canad, Francia, Alemania, Japn y Estados
Unidos.
Segn las cifras de medicin recientes, los usuarios
estadounidenses ocupan el primer lugar en el uso de Internet con un
promedio de 13 horas por mes. Suponga que en un estudio de seguimiento
en el participaron 145 usuarios de Internet canadienses, la media muestral
fue de 10.8 horas por mes y la desviacin estndar muestral fue de 9.2
horas.
a. Formule las hiptesis nula y alternativa que servirn para determinar
si los datos de la muestra sustentan la conclusin de que los usuarios
de Internet canadienses tienen una media poblacional menor que el
promedio estadounidenses de 13 horas por mes.
b. Con un nivel de significancia de 0.01 Cul es el valor crtico para
comprobar la estadstica de prueba, y cul es la regla de rechazo?
c. Basado en la estadstica de prueba y regla de decisin la
informacin es correcta?
d. Interprete los resultados, de sus conclusiones.
e. Represente grficamente la situacin.
Caso VII.
Una compaa de comunicaciones esta considerando un proyecto para
prestar servicio telefnico de larga distancia. Se le pide a usted realizar un
sondeo de opinin para estimar el porcentaje de los consumidores que esta
satisfecho con su servicio telefnico de larga distancia actual. Usted quiere
tener una confianza del 90% en que su porcentaje de muestra estar a
menos de 2.5 puntos porcentuales del valor real para la poblacin, y un
sondeo sugiere que el porcentaje en cuestin anda alrededor del 85%.
Que tan grande deber ser la muestra?
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
158
159
Estimadores y Estimaciones.
Un estimador es el proceso mediante el cual se obtiene la
estimacin. Una estimacin es el resultado numrico del
estimador.
Estimador: es una estadstica de muestra (como la media de
muestra) que se usa para aproximar un parmetro de poblacin.
Existen dos tipos de estimadores que se utilizan normalmente:
- Estimador puntual
- Estimador por intervalo
Estimado puntual: es un valor individual (o punto) que se usa
para aproximar un parmetro de poblacin.
Estimador Puntual: utiliza un numero nico o valor para
localizar una estimacin del parmetro.
La media de muestra es el mejor estimado de la media de
poblacin.
Podemos decir que la media de la muestra es un estimador
no predispuesto de la media de la poblacin, lo que quiere decir
que la distribucin de las medias de muestra tiende a centrarse
alrededor del valor de la media de la poblacin. (Es decir, las
medias de muestra no tienden a sobreestimar sistemticamente el
valor de , y tampoco tienden a subestimar sistemticamente
dicho valor. En vez de ello, tienden a centrarse en el valor de
misma).
Estimacin por intervalo: especifica el rango dentro del cual
esta el parametro desconocido.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
159
160
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
160
161
REPASO:
Distribuciones de Datos Sesgadas.
Una distribucin de datos esta sesgada, si no es simtrica y
se extiende mas hacia un lado que hacia otro.
Sesgo describe la falta de simetra en una distribucin.
161
162
Estimador Eficiente.
La eficiencia de un estimado depende de su varianza.
'1 y '2 son dos estimadores insesgados, pero ser un
estimador eficiente aquel cuya varianza en muestreo repetidos con
un tamao muestral dado es menor.
162
163
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
163
164
164
165
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
165
166
2. 99%;n=17
4. 95%;n=50
Estimadores de .
Dado que las varianzas de muestras s (que se obtienen con
la formula s=[(x-x')]/(n-1)) tienden a centrarse alrededor del
valor de la varianza de la poblacin , decimos que s es un
estimador no predispuesto de . Es decir, las varianzas de
muestras s no tienden a sobreestimar sistemticamente ; en vez
de ello, tienden a centrarse en el valor de mismo. Adems, los
valores s tienden a producir errores ms pequeos al estar mas
cerca de que otras medidas de variacin. Por estas razones, el
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
166
167
167
168
168
169
Solucin:
Con base en los datos de muestra, la media de X'=3.504 parece
excelente porque esta muy cerca del valor deseado. Los puntajes
dados tienen una desviacin estndar de s=0.109, que podra
parecer mayor que el valor deseado de 0.06 o menos.
Procedamos a obtener el intervalo de confianza para .
Con una muestra de 12 puntajes tenemos 11 grados de libertad.
Con un grado de confianza del 95%, dividimos =0.05
equitativamente entre las dos colas de la distribucin y nos
remitimos a los valores de 0.975 y 0.025 en la fila superior.
Los valores crticos de son L=3.816 y R=21.920.
Utilizando estos valores crticos junto con la desviacin estndar
de muestra s=0.109 y el tamao de muestra de 12 construimos el
intervalo de confianza del 95% evaluando lo siguiente:
(n-1)s/R < < (n-1)s/L
(12-1)(0.109)/21.920 << (12-1)(0.109)/(3.816)
0.006 < < 0.034
Si sacamos la raz cuadrada de cada parte (antes de
redondear) obtenemos:
0.077 < < 0.185
Con base en el intervalo de confianza del 95% para ,
parece que la desviacin estndar es mayor que el valor deseado
de 0.06 o menos, as que el supervisor de control de calidad esta
en problemas y deber tomar medidas correctivas para hacer que
el peso de los bizcochos sea mas uniforme.
El intervalo de confianza de 0.077 < < 0.185 tambin
puede expresarse como (0.077,0.185), pero el formato de =sE
no puede usarse porque el intervalo de confianza no tiene a s en
su centro.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
169
170
Caso II.
Un recipiente anticongelante para automvil supuestamente
contiene 3,785 ml del liquido.
Consciente de que las
fluctuaciones son inevitables, la gerente de control de calidad
quiere estar muy segura de que la desviacin estndar sea de
menos de 30 ml; De lo contrario, algunos recipientes se
desbordaran, mientras que otros no tendrn suficiente
anticongelantes. Ella selecciona aleatoriamente una muestra, con
los resultados que se dan aqu. Utilice estos resultados para
construir el intervalo de confianza del 99% para el verdadero
valor de . Sugiere este intervalo de confianza que las
fluctuaciones estn en un nivel aceptable?
3,761 3,861 3,769 3,772 3,675 3,861
3,888 3,819 3,788 3,800 3,720 3,748
3,753 3,821 3,811 3,740 3,740 3,839
n = 18
X'=3,787.0
s =55.4
Caso III.
a) Los valores que se listan son tiempos de espera (en minutos) de clientes del BHD,
donde los clientes se forman en una sola fila que alimenta tres ventanillas. Construya
un intervalo de confianza del 95% para la desviacin estandar de la poblacin .
6.5
6.6. 6.7
6.8
7.1
7.3
7.4
7.7
7.7
7.7
b) Los valores que se listan son tiempos de espera (en minuto) de clientes del Banco
Popular, donde los clientes pueden formarse en cualquiera de tres filas distintas que se
han formado frente a tres ventanillas distintas. Construya un intervalo de confianza del
95% para y compare los resultados con el intervalo de confianza para los datos del
Banco BHD. Sugieren los intervalos de confianza alguna diferencia en la variacin de
los tiempos de espera de cada banco? Cul sistema parece mejor: el de fila nica o el
de mltiples filas?
4.2
5.4
5.8
6.2
6.7
7.7
7.7
8.5
9.3
10.0
Caso IV.
Se espera que un proceso estandarizado produzca arandelas con una desviacin muy pequea en su
espesor. Suponga que se tomaron 10 de estas arandelas y sus espesores, en pulgadas fueron:
0.123
0.124
0.126
0.120
0.130
0.133
0.125
0.128
0.124
0.126
Cul es un intervalo de confianza de 90 por ciento para la desviacin estndar del espesor de una
arandela producida mediante este proceso?
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
170
171
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
171
172
172
173
1951
1985
1995
1996
74
89
86
88
60
90
86
86
74
60
62
85
42
65
104
89
74
82
62
83
52
84
95
85
65
54
79
91
68
85
62
68
62
58
94
91
66
79
79
56
62
57
86
89
60
88
85
94
12
12
12
12
MEDIA X'
63,3
74,3
81,7
83,8
DESVIACION
9,4
14,2
13,7
10,9
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
173
174
F=1,029.23/149.125 = 6.9018
Si llevamos mas posiciones decimales obtendremos una
estadstica de prueba ms exacta: F=6.9018
El valor critico de F se obtiene suponiendo una prueba de cola
derecha, ya que los valores grandes de F corresponden a
diferencias significativas entre las medias. Con k muestras cada
una de las cuales tiene n puntajes, los nmeros de grados de
libertad se calculan como sigue:
Grados de libertad con k muestras del mismo tamao n.
grados de libertad del numerador = k - 1
grados de libertad del denominador = k (n-1)
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
174
175
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
175
176
Caso I.
Que concluye usted acerca de la aseveracin de que las tres
poblaciones correspondientes a los tres grupos de edades tienen la
misma temperatura corporal media?
TEMPERATURAS CORPORALES (F) POR EDAD
18-20
21-29
30 o ms
98,0
99,6
98,6
98,4
98,2
98,6
97,7
99,0
97,0
98,5
98,2
97,5
97,1
97,9
97,3
X'
97,940
98,580
97,800
0,568
0,701
0,752
Caso II.
La City Resouce Recovery Company (CRRC) recolecta
desperdicios desechados por los hogares de la regin. Los
desperdicios deben separarse en las categoras de metal, papel,
plstico y vidrio. Al planificar que equipo necesita para
recolectar y procesar la basura, la CRRC consulta los datos que se
resumen en la siguiente tabla:
En el nivel de significancia de 0.05, pruebe la afirmacin de que
las cuatro poblaciones especificas tienen la misma media. Con
base en los resultados, cree usted que las cuatro categoras
requieran los mismos recursos para su recoleccin y
procesamiento?
METAL
PAPEL
PLASTICO
VIDRIO
62
62
62
62
X'
2,218
9,428
1,911
3,752
1,091
4,168
1,065
3,108
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
176
177
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
177
178
Prueba de Hiptesis
Las hiptesis indican lo que estamos buscando o tratando
de probar y pueden definirse como explicaciones tentativas del
fenmeno investigado formuladas a manera de proposiciones.
Las hiptesis no necesariamente son verdaderas, pueden o
no serlo, pueden o no comprobarse con hechos.
Son
explicaciones tentativas, no los hechos en s.
Dentro de la investigacin cientfica, las hiptesis son
proposiciones tentativas acerca de las relaciones entre dos o ms
variables y se apoyan en conocimientos organizados y
sistematizados.
Sampieri H., Roberto. "Metodologa de la Investigacin".
McGraw Hill: Segunda Edicin. 1998 BEST SELLER
INTERNACIONAL.
Hiptesis nulas son, en cierto modo, el reverso de las hiptesis
de investigacin. Tambin constituyen proposiciones acerca de la
relacin entre variables; que sirven solo para refutar o negar lo
que afirma la hiptesis de investigacin.
Hiptesis alternativas, como su nombre lo indica, son
posibilidades "alternas" ante las hiptesis de investigacin y nula:
Ofrece otra descripcin o explicacin distintas a las que
proporcionan estos tipos de hiptesis.
Si la hiptesis de investigacin establece: "esta silla es roja",
y podran formularse una o ms hiptesis alternativas: ""esta silla
es azul", "esta silla es verde", "esta silla es amarilla", etctera.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
178
179
179
180
180
181
Error Tipo I.
El error de rechazar la hiptesis nula, dado que es verdadera.
La probabilidad de cometer un error tipo I es igual al nivel
de significancia, o valor en el que se prueba la hiptesis.
181
182
Regin critica.
El conjunto de todos los valores de la estadstica de prueba
que nos haran rechazar la hiptesis nula.
Valor critico.
El valor o valores que separan la regin critica de los
valores de la estadstica de prueba que no nos haran rechazar la
hiptesis nula. Los valores crticos dependen de la naturaleza de
la hiptesis nula, la distribucin de muestreo pertinente y el nivel
de significancia .
Prueba de dos colas para
Hay cuatro pasos involucrados en una prueba:
Paso 1: Plantear las hiptesis.
Paso 2: Con base en los resultados de la muestra,
calcular el valor del estadstico de
prueba Z.
Paso 3: Determinar la regla de decisin con base
en los valores crticos de Z.
Paso 4: Interpretacin y conclusiones.
Caso I.
Como gerente de compras de una gran empresa de seguros usted
debe decidir si actualizar o no los computadores de la oficina. A
usted se le ha dicho que el costo promedio de los computadores es
de US$2,100. Una muestra de 64 minoristas revela un precio
promedio de US$2,251, con una desviacin estndar de US$812.
A un nivel de significancia del 5% parece que su informacin es
correcta?
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
182
183
Datos:
Ho:=US$2,100
n=64 minoristas
X'=US$2,251 precio promedio (de los computadores)
de la muestra
s=US$812
=5%=0.05 (nivel de significancia)
Paso 1: Plantear las hiptesis.
El gerente de compra desea probar la hiptesis de que la media
poblacional es =US$2,100 bajo un nivel de significancia
=5%=0.05. Debido a que se plantea la hiptesis de que
=US$2,100, la hiptesis nula y la alternativa son:
Ho: = 2,100
Ha: 2,100
Paso 2: Con base en los resultados de la muestra,
calcular el valor del estadstico de
prueba Z.
Para probar la hiptesis, se calcula el estadstico de prueba
Z, y se compara con los valores crticos de Z.
= (X' - H)/(/n)
= (X' - H)/(s/n)
en donde
X' es la media muestral
H es el valor de la media poblacional
bajo hiptesis nula
/n es el error estndar de la distribucin muestral
Ho: = 2,100
n=64 minoristas
X'=US$2,251
s=US$812
= (2,251 - 2,100)/(812/8)
= (151)/(101.5)
= 1.49
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
183
184
184
185
Caso III.
Un gerente de una empresa considera que los empleados gastan
un promedio de 50 minutos para llegar al trabajo. Se toma una
muestra de 70 empleados que se toman en promedio 47.2
minutos con una desviacin estndar de 18.9 minutos. Fije en
1% y pruebe la hiptesis.
TAREA: Ejercicios 1 al 16 Pgs. 204-205. Para entregar en la
prxima clase.
Las colas de una distribucin son las regiones extremas
delimitadas por valores crticos. Rechazamos la hiptesis nula
Ho si nuestra estadstica de prueba esta en la regin critica o
rea de rechazo porque eso indica una discrepancia
significativa entre la hiptesis nula y los datos de la muestra.
Algunas pruebas son de cola izquierda, con la regin critica
situada en la regin de extrema izquierda de la curva; otras
podran ser de cola derecha, con la regin critica en la regin de
la extrema derecha bajo la curva.
En las pruebas de dos colas, el nivel de significancia se
divide equitativamente entre las dos colas que constituyen la
regin critica o rea de rechazo. En las pruebas de cola derecha
o izquierda, el rea de la regin critica es .
Si examinamos la hiptesis nula Ho, deberemos poder
deducir si una prueba es de cola derecha, de cola izquierda o de
dos colas. La cola corresponder a la regin critica que
contenga los valores que podran contradecir significativamente
la hiptesis nula.
Vale la pena destacar que tanto en la prueba de cola a la
izquierda como a la derecha el signo igual se coloca en la
hiptesis nula. Esto es porque la hiptesis nula se esta probando a
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
185
186
Caso I.
Determinacin de valores crticos o zona de no rechazo: Muchos
pasajeros de cruceros usan parches cutneos que suministran
dramamina al cuerpo con el fin de evitar el mareo. Se prueba una
aseveracin respecto a la dosis media con un nivel de
significancia de = 0.05. Las condiciones son tales que es
posible usar la distribucin normal estndar (porque aplica el
teorema del limite central). Encuentre el o los valores crticos de
z si la prueba es (a) de dos colas, (b) de cola izquierda y (c) de
cola derecha. Represente grficamente el valor critico y la regin
critica.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
186
187
Caso II.
Baskin-Robbins, la franquicia de helados, afirma que el numero
de tiendas que se abre se ha incrementado por encima del
promedio semanal de 10.4 experimentado en tiempo de escasez
(The Wall Street Journal, febrero de 1997). Existe alguna
evidencia para sustentar esta afirmacin si 50 semanas muestran
una media de 12.5 y una desviacin estndar de 0.66 tiendas? La
gerencia esta dispuesta a aceptar una probabilidad del 4% de
rechazo de la hiptesis nula si esta es cierta.
Datos:
n=50 semanas
X'=12.5 tiendas de la muestra
s=0.66 tiendas
=4%=0.04 (nivel de significancia)
Paso 1: Plantear las hiptesis.
La afirmacin de que el incremento es por encima del promedio
semanal de 10.4 sirve como hiptesis alternativa debido a que
>10.4 no contiene el signo igual.
Una prueba de cola a la derecha tiene una zona de rechazo solo en
la cola derecha y se da bajo la condicin de:
Ho: algn valor
Ha: > algn valor
Ha: > 10.4 tiendas semanal
Ho: 10.4 tiendas semanal
Paso 2: Con base en los resultados de la muestra,
calcular el valor del estadstico de prueba Z.
Para probar la hiptesis, se calcula el estadstico de prueba
Z, y se compara con los valores crticos de Z.
= (X' - H)/(/n)
= (X' - H)/(s/n)
en donde X' es la media muestral
H es el valor de la media poblacional
bajo hiptesis nula
/n es el error estndar de la distribucin muestral
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
187
188
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
188
189
Caso III.
Segn Wall Street Journal (mayo 12 de 1997) muchas compaas
de ropa deportiva estn tratando de comercializar sus productos
entre los mas jvenes. El articulo sugiri que la edad promedio
de los consumidores haba cado por debajo de la media de 34.4
aos que caracterizo los comienzo de la dcada. Si una muestra
de 1000 clientes reporta una media de 33.2 aos y una desviacin
de 9.4, qu se concluye a un nivel de significancia de del 4%?
Datos:
n=1000 clientes
X'=33.2 aos (edad promedio de la muestra de los
consumidores de ropa deportiva)
s=9.4 aos
=4%=0.04 (nivel de significancia)
Paso 1: Plantear las hiptesis.
La afirmacin de que la edad de los consumidores estaba por
debajo de 34.4 aos sirve como hiptesis alternativa debido a que
< 34.44 no contiene el signo igual.
Una prueba de cola a la izquierda tiene una zona de rechazo solo
en la cola izquierda y se da bajo la condicin de:
Ho: algn valor
Ha: < algn valor
Ha: < 34.4 aos (edad promedio de los
consumidores de ropa deportiva)
Ho: 34.4 aos
Paso 2: Con base en los resultados de la muestra,
calcular el valor del estadstico de
prueba Z.
Para probar la hiptesis, se calcula el estadstico de prueba
Z, y se compara con los valores crticos de Z.
= (X' - H)/(/n)
= (X' - H)/(s/n)
en donde
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
189
190
190
191
Interpretacin:
La hiptesis nula se rechaza ya que la edad promedio no ha
cado por debajo del grupo de edad de 34.4 aos.
Ejercicios 17 al 26 - Pg. 209 para entregar en la prxima
clase.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
191
192
192
193
valores de n > 30, las diferencias son tan pequeas que podemos
utilizar los valores crticos de z en lugar de crear una tabla mucho
ms grande de valores crticos de t.
Grados de libertad.
El numero de grados de libertad de un conjunto de datos
corresponde al numero de puntajes que puede variar despus de
haber impuestos ciertas restricciones a todos los puntajes.
Es el numero de observaciones menos el numero de
restricciones impuestas sobre tales observaciones.
g.l. = n - 1
Podra parecer un poco extrao que, con una poblacin
distribuida normalmente, a veces utilicemos la distribucin t
para encontrar valores crticos, pero cuando se desconoce el
uso de s de una muestra pequea incorpora otra fuente de
error. A fin de mantener el grado de confianza deseado,
compensamos la variabilidad adicional ensanchando el
intervalo de confianza mediante un proceso que sustituye el
valor critico Z por el valor critico ms grande de t.
El estadstico t
t = (X'-)/(s/n)
Prueba de dos colas para
Hay cuatro pasos involucrados en una prueba:
Paso 1: Plantear las hiptesis.
Paso 2: Con base en los resultados de la muestra,
calcular el valor del estadstico de
prueba Z.
Paso 3: Determinar la regla de decisin con base
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
193
194
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
194
195
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
195
196
Valor P
Interpretacin
0.01 a 0.05
Estadsticamente significativo
Suficientes indicios en contra de
la hiptesis nula
Caso I.
A comienzo de los aos 90 Sony Corporation introdujo su Play
Station de 32 bits en el mercado de los juegos de video. La
gerencia esperaba que el nuevo producto incrementara las ventas
mensuales en Estados Unidos por encima de los US$283,000,000
que Sony haba experimentado en la dcada anterior. Una
muestra de 40 meses reporto una media de US$297,000,000. Se
asume una desviacin estndar de US$97,000,000. Pruebe la
hiptesis nula a un nivel de significancia del 1%. Calcule e
interprete el valor p.
Datos:
n=40 meses
X'=US$297,000,000 ventas de la muestra
s=US$97,000,000
=1%=0.01 (nivel de significancia)
Paso 1: Plantear las hiptesis.
La afirmacin de que el nuevo producto incrementara las ventas
por encima de US$283,000,000 sirve como hiptesis alternativa
debido a que > US$283,000,000 no contiene el signo igual.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
196
197
197
198
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
198
199
Caso II.
En el verano de 1997, el Congreso de USA aprob un presupuesto
federal que contena varias partidas para reducciones de
impuestos.
Los analistas afirmaron que ahorrara al
contribuyente promedio US$800.00 dlares. Una muestra de 500
contribuyentes demostr una reduccin promedio en los
impuestos de US$785.10 con una desviacin estndar de
US$277.70. Pruebe la hiptesis a un nivel de significancia del
5%. Calcule e Interprete el valor p.
Datos:
n= 500 contribuyentes
X'=US$785.10
s=US$277.70
=5%=0.05 (nivel de significancia)
Paso 1: Plantear las hiptesis.
Ha: = US$800.00
Ho: US$800.00
Paso 2: Con base en los resultados de la muestra,
calcular el valor del estadstico de
prueba Z.
= (X' - H)/(/n)
= (X' - H)/(s/n)
= (785.10 800.00)/(277.70/500)
= -14.9/12.42
= - 1.20
El valor Z para el nivel de insignificancia de 5% se divide entre
dos. Se obtiene en la tabla el valor de Z = 1.96.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
199
200
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
200
201
201
202
horas
con
una
desviacin
estndar
de
202
203
Nnorte= 75 camiones
N.C. 95%
RUTA
X'
S
N
ESTE
17.2
5.3
100
NORTE
19.4
4.5
75
UNIDADES
HORAS
HORAS
CAMIONES
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
203
204
N2 = 10 tazas
X1 = 15.3 onzas
X2 = 17.1 onzas
204
205
TIPO
X'
S2
N
llenado
1
15.3
3.5
15
llenado
2
UNIDADES
17.1
ONZAS
3.9
ONZAS
10
TAZAS
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
205
206
(s12/n1 + s22/n2)2______
g.l. =
Aunque el
N2 = 15 ejecutivos
X1 = 73.5 puntos
X2 = 79.8 puntos
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
206
207
TIPO
X'
S
N
(s12/n1 + s22/n2)2______
(s12/n1) 2 / (n1- 1) + (s22/n2) 2 / (n2- 1)
g.l. =
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
207
208
p1 = 37/150 = 0.25
p2 = 52/150 = 0.35
208
209
-18.7% (1 2) - 1.3%
La empresa puede estar 90% segura de que la proporcin de
trabajadores nocturnos ausentes en cinco o ms oportunidades
est entre 1.3% y 18.7% ms alta que los del turno diurno.
Pruebas de Hiptesis para dos medias con muestras
independientes
Hay cuatro pasos involucrados en una prueba:
Paso 1: Plantear las hiptesis.
Ho:1 = 2
Ha:1 2
O el equivalente
Ho:1 - 2 = 0
Ha:1 - 2 0
Paso 2: Con base en los resultados de la muestra,
calcular el valor del estadstico de
prueba Z o t.
Z = (X1-X2) (1-2)
SX1-X2
Paso 3: Determinar la regla de decisin con base
en los valores crticos de Z o t.
Paso 4: Interpretacin y conclusiones.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
209
210
Caso V.
Weaver Ridge Golf Course desea ver si el tiempo promedio en
horas que requieren los hombres para jugar los 18 hoyos es
diferente al de las mujeres.
HOMBRES MUJERES
3.5
4.9
0.9
1.5
50
45
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
210
211
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
211
212
Caso VI.
Las negociaciones salariales entre su empresa y el sindicato de
sus trabajadores estn a punto de romperse. Existe un desacuerdo
considerable sobre el nivel salarial promedio de los trabajadores
en la planta de Atlanta y en la planta de Newport News, Virginia.
Los salarios fueron fijados por el antigua acuerdo laboral de hace
tres anos y se basan estrictamente en la antigedad. Debido a que
los salarios estn controlados muy de cerca por el contrato
laboral, se asume que la variacin en los salarios es la misma en
ambas plantas y que los salarios estn distribuidos normalmente.
Sin embargo, se siente que existe una diferencia entre los niveles
salariales promedio debido a los patrones de antigedad diferentes
entre las dos plantas. El negociador laboral que representa a la
gerencia desea que usted desarrolle un intervalo de confianza del
98% para estimar la diferencia entre los niveles salariales
promedio. Si existe una diferencia en las medias, deben hacerse
ajustes para hacer que los salarios ms bajos alcancen el nivel de
los ms altos.
N1 = 23 empleados
N2 = 19 empleados
S12 = 92.10
S22 = 87.10
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
212
213
t = 0.69
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
213
214
Esta
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
214
215
Caso VII.
Un negocio vende dos tipos de amortiguadores de caucho para
coches de bebs.
N2 = 10 amortiguadores
X1 = 11.3 semanas
X2 = 7.5 semanas
S1 = 3.5 semanas
S2 = 2.7 semanas
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
215
216
t = (11.3-7.5) (0)
(3.5/13) + (2.7/10)
t = 2.94
Paso 3: Determinar la regla de decisin con base
en los valores crticos de Z o t.
Si = 0.02 (con un nivel de confianza del 98%)
Grados de libertad cuando las varianzas poblacionales non son
iguales.
g.l. =
(s12/n1 + s22/n2)2______
(s12/n1) 2 / (n1- 1) + (s22/n2) 2 / (n2- 1)
g.l. =
(3.52/13 + 2.72/10)2______
(3.52/13) 2 / (13- 1) + (2.72/10) 2 / (10- 1)
g.l. = 20.99 = 20
el valor crtico de t es 2.528.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
216
217
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
217
218
Z = (p1 p2) - (1 2)
Sp1-p2
Error Estndar de la diferencia entre dos proporciones muestrales:
Z = (p1 p2) - (1 2)
Sp1-p2
Error Estndar de la diferencia entre dos proporciones muestrales:
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
218
219
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
219
220
Pruebas no paramtricas
En la practica, surgen muchas situaciones en las cuales
simplemente no es posible hacer de forma segura ningn supuesto
sobre el valor de un parmetro o sobre la forma de la distribucin
poblacional. Mas bien se deben utilizar otras pruebas que no
dependan de un solo tipo de distribucin o de valores de
parmetros especficos. Estas pruebas se denominan Pruebas no
paramtricas o libres de distribucin.
Pruebas no paramtricas.
Son procedimientos estadsticos que pueden utilizarse para
contrastar hiptesis cuando no son posibles los supuestos respecto
a los parmetros o a las distribuciones poblacionales.
Experimento multinomial.
Es un experimento que satisface las siguientes condiciones.
1. El numero de ensayos es fijo.
2. Los ensayos son independientes.
3. Todos los resultados de ensayos individuales se deben
clasificar en una y slo una de varias categoras distintas.
4. Las probabilidades de las diferentes categoras se mantienen
constantes para cada ensayo.
Distribucin Chi-cuadrado
Las dos aplicaciones ms comunes de Chi-cuadrado son:
1. Pruebas de bondad de ajuste.
2. Pruebas de independencia.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
220
221
221
222
222
223
Valores Crticos.
1. Los valores crticos se encuentran en la tabla de Chi-cuadrado
usando k-1 grados de libertad, donde k es el numero de
categoras.
2. Las pruebas de hiptesis de bondad del ajuste siempre son de
cola derecha.
La forma de la estadstica de prueba es tal que una
concordancia cercana entre los valores observados y los esperados
produce un valor pequeo de . Un valor grande de indica
una fuerte discrepancia entre los valores observados y los
esperados. Por tanto, un valor significativamente alto de har
que se rechace la hiptesis nula de que no hay diferencia entre las
frecuencias observadas y esperadas. Entonces, la prueba es de
cola derecha porque el valor critico y la regin critica se
encuentran a la extrema derecha de la distribucin.
A diferencia de pruebas de hiptesis previas en las que
tenamos que determinar si la prueba era de cola izquierda, de
cola derecha o de dos colas, todas estas pruebas de bondad del
ajuste son de cola derecha.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
223
224
Caso I.
Jennifer Calcao gerente de crdito del BHD, en la torre Principal
en Santo Domingo, trata de seguir una poltica de extender un
60% de sus crditos a empresas comerciales, un 10% a personas
naturales y un 30% a prestatarios extranjeros.
Para determinar si la poltica se estaba siguiendo, Jos
Rondn, vicepresidente de mercadeo, selecciona 85 crditos que
se aprobaron recientemente. Encuentra que 62 de tales crditos se
otorgaron a negocios, 10 a personas naturales, y 13 a prestatarios
extranjeros. Al nivel del 10%, parece que el patrn de cartera
deseado se preserva? Pruebe la hiptesis de que:
Ho: Se mantuvo el patrn deseado: 60% son crditos comerciales,
10% son prestamos personales y 30% son crditos extranjeros.
Ha: El patrn deseado no se mantuvo.
Tabla de Tipo de Crdito.
Tipo de Credito
Oi
Ei
Comercial
62,00
51,00
Personal
10,00
8,50
Extranjero
13,00
25,50
Total
85,00
85,00
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
224
225
Valores Crticos.
1. Los valores crticos se encuentran en la tabla de Chi-cuadrado
usando k-1 grados de libertad, donde k es el numero de
categoras.
2. Las pruebas de hiptesis de bondad del ajuste siempre son de
cola derecha.
Con un = 10% y k = 3 categoras de crdito (comerciales,
privados y extranjeros), existen k-m-1= 3-0-1=2 grados de
libertad, el valor critico es
0.10,2 = 4.605
Regla de decisin: "No rechazar la hiptesis nula 4.605.
Rechazar s la hiptesis nula > 4.605.
Interpretacin.
Las diferencias entre lo que el VP Jos Rondn observo y lo
que esperaba observar si el patrn de crdito deseado se alcanzaba
era demasiado grande como para ocurrir por simple azar. Existe
solo un 10% de probabilidad de que una muestra de 85 crditos
seleccionados aleatoriamente pudieran producir las frecuencias
observadas aqu demostradas, si el patrn deseado en la cartera de
crdito del banco se estuviera manteniendo.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
225
226
Frecuencia Probabilidades
PSI
Real Oi
20
142
310
370
128
30
Totales
1000
pi
Frecuencias
Esperadas Ei
O-E
(O-E)^2
[(O-E)^2]/E
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
226
227
Valor Critico.
Se desea probar la hiptesis al nivel del 5%. Debido a que tanto
la media poblacional como la desviacin estndar son dadas y no
tienen que estimarse, m = 0. Existe k = 6 clases en la tabla de
frecuencias, de manera que los grados de libertad son k-1=5. Se
encuentra que el valor critico es 0.05,5 =11.07
Regla de decisin: "No rechazar la hiptesis nula si es menor
que 11.07. Rechazar la hiptesis nula si es mayor que 11.07"
Estadstica de prueba para pruebas de bondad del ajuste en
experimentos multinomiales.
Determine el valor
=[(Oi-Ei)/Ei]
Interpretacin:
Si la hiptesis nula se acepta. Las diferencias entre lo que
se observo y lo que se espera observar si los contenidos
estuvieran distribuidos normalmente con una media de 600 y una
desviacin estndar de 10 pueden atribuirse al error de muestreo.
Si la media poblacional y la desviacin estndar no fueran
conocidas, se hubieran tenido que estimar de los datos muestrales
de la tabla. Entonces m=2, y los grados de libertad serian k-2-1 o
6-2-1=3.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
227
228
228
229
=[(Oi-Ei)/Ei]
Valores crticos.
1. Los valores crticos se encuentran en la tabla usando:
grados de libertad = (r-1)(c-1)
2. Las pruebas de independencia con tablas de contingencia solo
implican regiones criticas de cola derecha.
Frecuencia esperada para una tabla de contingencia.
Frecuencia esperada
columna)]/Gran Total
(E)=
[(Total
de
fila)*(Total
de
229
230
Ingresos
Bajo
Medio
Alto
Total
83
62
37
182
52
71
49
172
63
58
63
184
198
191
149
538
Frecuencia Esperada
Moderado
Frecuencia Esperada
Poco
Frecuencia Esperada
Totales
230
231
El valor es
=[(Oi-Ei)/Ei]
Valores crticos.
1. Los valores crticos se encuentran en la tabla usando:
grados de libertad = (r-1)(c-1)
2. Las pruebas de independencia con tablas de contingencia solo
implican regiones criticas de cola derecha.
Si se determina en 1%, y con (f-1)(c-1)=(3-1)(3-1)=4
grados de libertad 0.01,4=13.277
Regla de decisin: "No rechazar la hipotesis nula si es menor
que 13.277. Rechazar la hiptesis nula si es mayor que
13.277"
Interpretacin.
La hiptesis nula se rechaza.
Existe solo 1% de
probabilidad de que si no existe relacin entre ingreso y
significancia del precio, las diferencias entre Oi y Ei serian lo
suficientemente grandes como para producir un Chi-cuadrado
ms grande que 13.277. Existe evidencia de una relacin entre el
ingreso de los clientes y la importancia dada al precio de un auto
de lujo.
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
231
232
Caso I
Jess Diequez, Gerente de Calidad de Mars, Inc. asegura que sus dulces
M&M estn distribuidos segn los porcentajes de color de 30% marrn,
20% amarillo, 20% rojo, 10% anaranjado, 10% verde y 10% azul. Usando
los datos de muestra de la siguiente tabla y un nivel de significacin de
0.905 pruebe la afirmacin de que la distribucin de colores es la que el
gerente de calidad asegura.
FRECUENCIAS DE LOS DULCES M&M
CATEGORA
FREC.
FREC.
DE COLOR
OBSERVADA
ESPERADA
MARRON
33
AMARILLO
26
ROJO
21
ANARANJADO
VERDE
AZUL
Caso II.
A los compradores del centro comercial local se les pide calificar un nuevo
producto en una escala continua que comienza en cero. Con base en los
siguientes datos agrupados, puede usted concluir al nivel del 5% que los
datos estn distribuidos normalmente, con una media de 100 y una
desviacin estndar de 25?
CALIFICACIN
FRECUENCIA
MENOS DE 50
50-70
51
70-90
112
90-110
151
110-130
119
130-150
43
150-170
21
MAS DE 170
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
232
233
Caso III.
Ada Henrquez, gerente de mercadeo de Trans World Airways (TWA)
desea determinar si existe alguna relacin entre el numero de vuelos que las
personas toman y su ingreso. A que conclusin llega al nivel del 1% con
base en los datos para 100 viajeros en la tabla de contingencia?
FRECUENCIA DE VUELOS
INGRESO
NUNCA
RARA VEZ
CON FRECUENCIA
TOTALES
MENOS DE US$30,000
20
15
US30,000-US$50,000
US50,000-US70,000
12
MAS DE US$70,000
15
Totales
Caso IV.
A los compradores del centro comercial local se les pide calificar un nuevo
producto en una escala continua que comienza en cero. Con base a los
siguientes datos agrupados, puede usted concluir al nivel del 5% que los
datos estn distribuidos normalmente, con una media de 100 y una
desviacin de 25?
CALIFICACION FRECUENCIA
MENOS DE 50
1
50-70
5
70-90
112
90-110
151
110-130
119
130-150
43
150-170
21
MAS DE 170
2
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
233
234
Caso V.
En un anlisis de segmentacin de mercado para tres cervezas, el grupo de
investigacin encargado ha planteado la duda de si las preferencias para las
tres cervezas son diferentes entre los consumidores hombres y mujeres. Si
la preferencia de las cervezas fuera independiente del sexo del consumidor,
se iniciara una campaa publicitaria para todas las cervezas. Sin embargo,
si la preferencia depende del sexo del consumidor, se ajustarn los
promociones para tener en cuenta los distintos mercados metas. Pruebe el
supuesto a un nivel de significancia de un 5%.
Los datos de la tabla constituyen las frecuencias observadas para las
seis clases o categoras.
CERVEZA
PREFERIDA
LIGERA CLARA
SEXO
HOMBRE
20
40
MUJER
30
30
OSCURA
20
10
Caso VI.
La empresa National Computer Products, Inc. (NCP) fabrica impresoras y
mquinas de fax en plantas de Atlanta, Dallas y Seattle, Estados Unidos.
Para evaluar los conocimientos de sus empleados acerca de administracin
de calidad total se tom una muestra aleatoria de seis empleados en cada
planta y se les someti a un examen de conciencia de la calidad. Las
calificaciones de esos 18 empleados se presentan a continuacin. Con
estos datos, los gerentes desean probar la hiptesis de que la media de la
calificacin del examen es igual para las tres plantas con un nivel de
significancia de un 5%.
PLANTA 1
ATLANTA
85
75
82
76
71
85
PLANTA 2
DALLAS
71
75
73
74
69
82
PLANTA 3
SEATTLE
59
64
62
69
75
67
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
234
235
Caso VII.
Proqun contrata, anualmente, unos 400 empleados para sus cuatro plantas
en todo el pas. El director de personal pregunta si se podra aplicar una
distribucin normal a la poblacin de las calificaciones obtenidas. Si se
pudiera aplicar esa distribucin, sera muy til para evaluar calificaciones
especficas. Esto es, las calificaciones de 20% superior, 40% inferior, etc.,
se podran identificar con rapidez. En consecuencia se desea probar la
hiptesis nula de que la poblacin de calificaciones en la prueba de actitud
se apega a una distribucin de probabilidad normal. Si se toma una
muestra una muestra de 50 calificaciones, cuya media es de 68.42 y su
desviacin estndar es de 10.41. Los datos se muestra a continuacin en la
siguiente tabla. Interprete los resultados.
INTERVALO DE FRECUENCIA
CALIFICACIONES OBSERVADA
MENOS DE 55.1
5
55.1
59.68
5
59.68
63.01
9
63.01
65.82
6
65.82
68.42
2
68.42
71.02
5
71.02
73.83
2
73.83
77.16
5
77.16
81.74
5
81.74
O MAS
6
TOTAL
50
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
235
236
Caso VIII.
Decoracin Ruddy se especializa en arreglos de jardines residenciales. El
costo estimado de mano de obra en determinada oferta de decoracin se
basa en la cantidad de rboles, arbustos, etc., que se plantan en el proyecto.
Para fines de estimacin de costos, los gerentes aplican dos horas de mono
de obra plantar un rbol mediano. Los tiempos reales, en horas, para una
muestra de 10 rboles plantados durante el mes pasado son los siguientes:
1.9
1.7
2.8
2.4
2.6
2.5
2.8
3.2
1.6
2.5
Con un nivel de significancia de 0.05, pruebe si la media del tiempo de
plantacin de rboles es mayor de dos horas.
A. Establezca las hiptesis nulas y alternativa.
B. Cul es el valor crtico para la prueba y cul es la regla de decisin?
C. Calcule la media muestral.
D. Determine la desviacin estndar.
E. Calcule el valor del estadstico de prueba.
F. Cul es su conclusin?
[Mtodos Cuantitativos para Negocios I] | Ing. Rubn Daro Estrella, MBA Cavaliere
Ingeniero de Sistemas, Administrador, Matemtico, Telogo y Maestro
236