Proyecto Final-Jhonny Yeraldi

INSTITUTO TECNOLOGICO SUPERIOR DE VILLA
LA VENTA TABASCO
DOCENTE:
JHONNY DE LA CRUZ OCAA
INTEGRANTES:
ELSA PRISCILA ESPAA SANCHEZ
WIGELMI GIRALLY HERNADEZ HEREDIA
YERALDI MONTIEL ALOR
NALLELI LUNA RUIZ
MARIA ESTHER RODRIGUEZ SALGADO
KEYLA SHASHIELLE VELAZQUEZ LARA
MATERIA:
PROBABILIDAD Y ESTADISTICA APLICADA AL CAMPO
PETROLERO
TEMA:
PROYECTO: MEJORA DEL SERVICIO Y A ATENCION AL CLIENTE
DE LA EMPRESA ELEKTRA DE LA CIUDAD LA VENTA TABASCO
GRADO:
4
GRUPO:
"P"
LA VENTA TABASCO
NDICE DE CONTENIDO
INTRODUCCIN.
MARCO REFERENCIAL.
Planteamiento del problema.
Formulacin del problema.
Justificacin del problema.
Objetivos.
Objetivo general.
Objetivos especficos.
Importancia del problema
Hiptesis.
MARCO TERICO.
Encuestas
Distribuciones Maestrales
Distribucin de medias
Distribucin de varianzas
Distribucin de proporciones
Distribucin de diferencias
Intervalos de confianza para la media
Intervalos de confianza para la varianza
Intervalos de confianza de proporciones
Intervalos de confianza para las diferencias
Prueba de hiptesis para la media

LA VENTA TABASCO
Prueba de hiptesis para la varianza
Prueba de hiptesis de proporciones
Prueba de hiptesis para las diferencias
Conclusin
LA VENTA TABASCO
INTRODUCCIN
En nuestros das, la estadstica se ha convertido en un mtodo efectivo para
describir con exactitud los valores de datos econmicos, polticos, sociales,
psicolgicos, biolgicos o fsicos, y sirve como herramienta para relacionar y
analizar dichos datos. El trabajo del experto estadstico no consiste ya slo en reunir
y tabular los datos, sino sobre todo en el proceso de interpretacin de esa
informacin.
De esta manera, la estadstica ocupa un lugar de gran importancia en la

investigacin y en la prctica mdica. En los estudios de medicina de cualquier pas
se incluyen varias asignaturas dedicadas a la estadstica; es difcil, por no decir
imposible, que un trabajo de investigacin sea aceptado por una revista mdica sin
que sus autores hayan utilizado tcnicas y conceptos estadsticos en su
planteamiento y en el anlisis de los datos.
LA VENTA TABASCO
ESTADISTICA DESCRIPTIVA
Se refiere a la recoleccin, presentacin, descripcin, anlisis e interpretacin de

una coleccin de datos, esencialmente consiste en resumir stos con uno o dos
elementos de informacin (medidas descriptivas) que caracterizan la totalidad de
los mismos.
Consiste sobre todo en la presentacin de datos en forma de tablas y grficas; as

que se emplea simplemente para resumir de forma numrica o grfica un conjunto
de datos. Esta comprende cualquier actividad relacionada con los datos y est
diseada para resumir o describir los mismos sin factores pertinentes adicionales;
esto es, sin intentar inferir nada que vaya ms all de los datos, como tales.
La estadstica Descriptiva es el mtodo de obtener de un conjunto de datos

conclusiones sobre s mismos y no sobrepasan el conocimiento proporcionado por
stos. Puede utilizarse para resumir o describir cualquier conjunto ya sea que se
trate de una poblacin o de una muestra, cuando en la etapa preliminar de la
Inferencia Estadstica se conocen los elementos de una muestra.
As pues, si aplicamos las herramientas ofrecidas por la estadstica descriptiva a

una muestra, solo nos limitaremos a describir los datos encontrados en dicha
muestra, por lo que no se podr generalizar la informacin hacia la poblacin.
LA VENTA TABASCO
DISTRIBUCIN DE FRECUENCIAS
En estadstica, se le llama distribucin de frecuencias a la agrupacin de datos
en categoras mutuamente excluyentes que indican el nmero de observaciones en
cada categora. Esto proporciona un valor aadido a la agrupacin de datos. La
distribucin de frecuencias presenta las observaciones clasificadas de modo que se
pueda ver el nmero existente en cada clase.
TIPOS DE FRECUENCIAS
Frecuencia absoluta
La frecuencia absoluta es el nmero de veces que aparece un determinado valor en
un estudio estadstico. Se representa por fi. La suma de las frecuencias absolutas
es igual al nmero total de datos, que se representa por N. Para indicar
resumidamente estas sumas se utiliza la letra griega (sigma mayscula) que se
lee suma o sumatoria.
Frecuencia relativa
Se dice que La frecuencia relativa es el cociente entre la frecuencia absoluta de un
determinado valor y el nmero total de datos. Se puede expresar en tantos por
ciento y se representa por fi. La suma de las frecuencias relativas es igual a 1,
siempre y cuando no sea igual que 7 o por debajo de los 7 primeros nmeros
sucesivos.
Frecuencia relativa (fi), es el cociente entre la frecuencia absoluta y el tamao de la
muestra (N). Es decir:
Siendo el fi para todo el conjunto i. Se presenta en una tabla o nube de puntos en

una distribucin de frecuencias.
Si multiplicamos la frecuencia relativa por 100 obtendremos el porcentaje o tanto
por ciento (pi)
Frecuencia acumulada
La frecuencia acumulada es la suma de las frecuencias absolutas de todos los
valores inferiores o iguales al valor considerado. La frecuencia acumulada es la
LA VENTA TABASCO
frecuencia estadstica F(XXr) con que el valor de una variable aleatoria (X) es menor
que o igual a un valor de referencia (Xr). La frecuencia acumulada relativa se deja
escribir como Fc (XXr), o en breve Fc (Xr), y se calcula de:
Fc (Hr) = HXr / N
Donde MXr es el nmero de datos X con un valor menor que o igual a Xr, y N es
nmero total de los datos. En breve se escribe:
Fc = M / N
Cuando Xr=Xmin, donde Xmin es el valor mnimo observado, se ve que Fc=1/N,

porque M=1. Por otro lado, cuando Xr=Xmax, donde Xmax es el valor mximo
observado, se ve que Fc=1, porque M=N.
En porcentaje la ecuacin es:
Fc (%) = 100 M / N
Frecuencia relativa acumulada

La frecuencia relativa acumulada es el cociente entre la frecuencia acumulada de
un determinado valor y el nmero total de datos. Se puede expresar en tantos por
ciento. Ejemplo:
Durante el mes de julio, en una ciudad se han registrado las siguientes temperaturas
mximas:
32, 31, 28, 29, 33, 32, 31, 30, 31, 31, 27
Distribucin de frecuencias agrupadas
La distribucin de frecuencias agrupadas o tabla con datos agrupados se emplea si
las variables toman un nmero grande de valores o la variable es continua. Se
agrupan los valores en intervalos que tengan la misma amplitud denominados
clases. A cada clase se le asigna su frecuencia correspondiente. Lmites de la clase.
Cada clase est delimitada por el lmite inferior de la clase y el lmite superior de la
clase.
LA VENTA TABASCO
La amplitud de la clase es la diferencia entre el lmite superior e inferior de la clase.
La marca de clase es el punto medio de cada intervalo y es el valor que representa
a todo el intervalo para el clculo de algunos parmetros.
Construccin de una tabla de datos agrupados:
3, 15, 24, 28, 33, 35, 38, 42, 43, 38, 36, 34, 29, 25, 17, 7, 34, 36, 39, 44, 31, 26, 20, 11, 13,
22, 27, 47, 39, 37, 34, 32, 35, 28, 38, 41, 48, 15, 32, 13.
1. Se localizan los valores menor y mayor de la distribucin. En este caso son

3 y 48.
2. Se restan y se busca un nmero entero un poco mayor que la diferencia y
que sea divisible por el nmero de intervalos que queramos establecer.
Es conveniente que el nmero de intervalos oscile entre 6 y 15.
En este caso, 48 - 3 = 45, incrementamos el nmero hasta 50: 5 = 10 intervalos.
Se forman los intervalos teniendo presente que el lmite inferior de una clase
pertenece al intervalo, pero el lmite superior no pertenece al intervalo, se cuenta en
el siguiente intervalo.
LA VENTA TABASCO
LA VENTA TABASCO
EJEMPLO APLICADO A LA EMPRESA
En Elektra la encargada hizo una encuesta para saber cuntas personas adquirieron
productos y que productos se vendieron ms en todo un mes en el cual los
resultados de las 40 personas fueron los siguientes:
3 refrigeradores
10 televisiones
20 celulares
6 aires acondicionados
1 estufa
Electrodomsticos Frecuencia Frecuencia Frecuencia Frecuencia
absoluta Fi. Relativa ni. Acumulada Fi. relativa
acumulada Ni
Refrigeradores 3 3/40 3 3/15
Televisin 10 10/40 3+10=13 13/15
Celulares 20 20/40 3+10+20= 33 33/15
Aires 6 6/40 3+10+20+6=39 39/15

Acondicionados
Estufas 1 1/40 3+10+20+6+1=40 40/15
40 1
LA VENTA TABASCO
MEDIDA DE DISPERSIN
Hasta el momento hemos estudiado los valores centrales de la distribucin, pero

tambin es importante conocer si los valores en general estn cerca o alejados de
estos valores centrales, es por lo que surge la necesidad de estudiar medidas de
dispersin.
Es la primera medida que vamos a estudiar, se define como la diferencia existente
entre el valor mayor y el menor de la distribucin, Lo notaremos como R. Realmente
no es una medida muy significativa en la mayora de los casos, pero indudablemente
es muy fcil de calcular.
Hemos estudiado varias medidas de centralizacin, por lo que podemos hablar de
desviacin con respecto a cualquiera de ellas, sin embargo, la ms utilizada es con
respecto a la media.
Desviacin: Es la diferencia que se observa entre el valor de la variable y la media
aritmtica. La denotaremos por di.
La primera solucin puede ser calcular la media de todas las desviaciones, es decir,
si consideramos como muestra la de todas las desviaciones y calculamos su media.
Pero esta solucin es mala pues como veremos siempre va a ser 0.
Luego por lo tanto esta primera idea no es vlida, pues las desviaciones positivas
se contrarrestan con las negativas.
Para resolver este problema, tenemos dos caminos:
Tomar el valor absoluto de las desviaciones. Desviacin media
Elevar al cuadrado las desviaciones. Varianza.
Desviacin media:
Es la media de los valores absolutos de las desviaciones, y la denotaremos por dm.
LA VENTA TABASCO
Varianza:
Es la media de los cuadrados de las desviaciones, y la denotaremos por o
tambin por .
Aunque tambin es posible calcularlo como:
Este estadstico tiene el inconveniente de ser poco significativo, pues se mide en el

cuadrado de la unidad de la variable, por ejemplo, si la variable viene dada en cm.
La varianza vendr en cm2.
No es una medida, son muchas medidas, pues cada valor de la variable lleva
asociada su correspondiente desviacin, por lo que precisaremos una medida que
resuma dicha informacin.
La medida de dispersin ms simple recibe el nombre de Amplitud o recorrido y es
muy poco usada puesto que su nica ventaja es la sencillez con que se calcula. Es
comn que se use tambin el nombre de Rango para esta medida. La amplitud (A)
de un conjunto de datos es la diferencia entre las observaciones que tienen el mayor
y el menor valor numrico en el mismo.
Por ejemplo: Supngase que en un hospital el pulso de cada paciente se mide tres
veces al da y que cierto da los registros de dos pacientes muestran:
Paciente 1: 73 77 74
Paciente 2: 64 90 73
LA VENTA TABASCO
Cul es la Amplitud en pulsaciones para cada paciente?
Para calcular la amplitud de los datos necesario identificar el valor ms grande y el
valor ms pequeo del conjunto de datos de cada uno de los pacientes.
Para el Paciente 1:
A = 77 - 73 = 4
Para el Paciente 2:
A = 90 - 64 = 26
La amplitud es una medida de dispersin cuya ventaja es la facilidad con que se

calcula. Tiene en cambio las siguientes desventajas: En su clculo slo intervienen
dos elementos del conjunto.
Al aumentar el nmero de observaciones, puede esperarse que aumente la
variabilidad. Puesto que la amplitud no tiene en cuenta el tamao del conjunto, no
es una medida adecuada para comparar la variabilidad de dos grupos de
observaciones, a menos que stos sean del mismo tamao.
Rango
Indica la dispersin entre los valores extremos de una variable. Se calcula como la
diferencia entre el mayor y el menor valor de la variable. Se denota como R.
Para datos ordenados se calcula como:
R = x(n) - x (1)
Dnde: x(n): Es el mayor valor de la variable. X(n): Es el menor valor de la variable.
Desviacin media
Es la media aritmtica de los valores absolutos de las diferencias de cada dato
respecto a la media.
LA VENTA TABASCO
Donde:
xi: valores de la variable.
n: nmero total de datos
Desviacin estndar
La desviacin estndar mide el grado de dispersin de los datos con respecto a la
media, se denota como s para una muestra o como para la poblacin. Se define
como la raz cuadrada de la varianza segn la expresin:
Obsrvese que el denominador es n - 1, a diferencia de la desviacin media donde
se divide entre n; tambin existe la frmula de desviacin tpica donde el
denominador es n pero se prefiere n-1.
Mientras menor sea la desviacin estndar, los datos son ms homogneos, es
decir existe menor dispersin, el incremento de los valores de la desviacin estndar
indica una mayor variabilidad de los datos.
Varianza
Es otro parmetro utilizado para medir la dispersin de los valores de una variable
respecto a la media. Corresponde a la media aritmtica de los cuadrados de las
desviaciones respecto a la media. Su expresin matemtica es:
Coeficiente de Variacin
Permite determinar la razn existente entre la desviacin estndar (s) y la media.
Se denota como CV. El coeficiente de variacin permite decidir con mayor claridad
sobre la dispersin de los datos.
Tambin puede ser expresado en por ciento.
LA VENTA TABASCO
Ejemplo: El resultado de que Elektra venda dos diferentes tipos de
motos 120 veces viene dado por la tabla:
Su m a s V ec es
2 3
3 8
4 9
5 11
6 20
7 19
8 16
9 13
10 11
11 6
12 4
LA VENTA TABASCO
1. Calcular la media y la desviacin tpica.
2. Hallar el porcentaje de valores comprendidos en el intervalo (x , x + ).
XI FI XI FI XI2 FI
2 3 6 12
3 8 24 72
4 9 36 14 4
5 11 55 27 5
6 20 12 0 72 0
7 19 13 3 93 1
8 16 12 8 10 24
9 13 11 7 10 53
10 11 11 0 11 00
11 6 66 72 6
12 4 48 57 6
12 0 84 3 66 33
LA VENTA TABASCO
X = 4.591 x + = 9.459
Los valores comprendidos en el intervalo (4.591, 9.459) son los correspondientes a

las sumas de 5, 6, 7, 8 y 9.
11 + 20 + 19 + 16 + 13 = 79
LA VENTA TABASCO
Medidas de tendencia central
Al describir grupos de diferentes observaciones, con frecuencia es conveniente
resumir la informacin con un solo nmero. Este nmero que, para tal fin, suele
situarse hacia el centro de la distribucin de datos se denomina medida o parmetro
de tendencia central o de centralizacin. Cuando se hace referencia nicamente a
la posicin de estos parmetros dentro de la distribucin, independientemente de
que sta est ms o menos centrada, se habla de estas medidas como medidas de
posicin. En este caso se incluyen tambin los cuantiles entre estas medidas.
Entre las medidas de tendencia central tenemos:
Media aritmtica
Media ponderada
Media geomtrica
Media armnica
Mediana
Moda
La media aritmtica
La media aritmtica es el valor obtenido por la suma de todos sus valores dividida
entre el nmero de sumadores.
Por ejemplo, las notas de 5 alumnos en una prueba:
nio nota
1 6,0 Primero, se suman las notas:
2 5,4 6,0+5,4+3,1+7,0+6,1 = 27,6
3 3,1 Luego el total se divide entre la cantidad de alumnos:
4 7,0 27,6/5=5,52
5 6,1
La media aritmtica en este ejemplo es 5,52
La media aritmtica es, probablemente, uno de los parmetros estadsticos ms

extendidos. Se le llama tambin promedio o, simplemente, media.
Media aritmtica ponderada

A veces puede ser til otorgar pesos o valores a los datos dependiendo de su
relevancia para determinado estudio. En esos casos se puede utilizar una media
ponderada.
LA VENTA TABASCO
Si son nuestros datos y son sus "pesos" respectivos,
la media ponderada se define de la siguiente forma:
Media muestral
Esencialmente, la media muestral es el mismo parmetro que el anterior, aunque
el adjetivo "muestral" se aplica a aquellas situaciones en las que la media
aritmtica se calcula para un subconjunto de la poblacin objeto de estudio.
La media muestral es un parmetro de extrema importancia en la inferencia
estadstica, siendo de gran utilidad para la estimacin de la media poblacional,
entre otros usos.
Media geomtrica
En matemticas y estadstica, la media geomtrica de una cantidad arbitraria de
nmeros (por decir n nmeros) es la raz n-sima del producto de todos los
nmeros, es recomendada para datos de progresin geomtrica, para promediar
razones, inters compuesto y nmeros ndices.
Por ejemplo, la media geomtrica de 2 y 18 es
Otro ejemplo, la media de 1, 3 y 9 sera
Media armnica
La media armnica (designada usualmente mediante H) de una cantidad finita de
nmeros es igual al recproco, o inverso, de la media aritmtica de los recprocos
de dichos valores y es recomendada para promediar velocidades.
As, dados n nmeros x1, x2,..., xn la media armnica ser igual a:
LA VENTA TABASCO
La media armnica resulta poco influida por la existencia de determinados valores
mucho ms grandes que el conjunto de los otros, siendo en cambio sensible a
valores mucho ms pequeos que el conjunto.
La media armnica no est definida en el caso de que exista algn valor nulo.
Mediana
La mediana es un valor de la variable que deja por debajo de s a la mitad de los
datos, una vez que stos estn ordenados de menor a mayor.7 Por ejemplo, la
mediana del nmero de hijos de un conjunto de trece familias, cuyos respectivos
hijos son: 3, 4, 2, 3, 2, 1, 1, 2, 1, 1, 2, 1 y 1, es 2, puesto que, una vez ordenados
los datos: 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 4, el que ocupa la posicin central es 2:
En caso de un nmero par de datos, la mediana no correspondera a ningn valor

de la variable, por lo que se conviene en tomar como mediana el valor intermedio
entre los dos valores centrales. Por ejemplo, en el caso de doce datos como los
siguientes:
Se toma como mediana

Existen mtodos de clculo ms rpidos para datos ms numerosos (vase el
artculo principal dedicado a este parmetro). Del mismo modo, para valores
agrupados en intervalos, se halla el "intervalo mediano" y, dentro de ste, se obtiene
un valor concreto por interpolacin.
Moda
La moda es el dato ms repetido de la encuesta, el valor de la variable con mayor
frecuencia absoluta.5 En cierto sentido la definicin matemtica corresponde con la
locucin "estar de moda", esto es, ser lo que ms se lleva.
Su clculo es extremadamente sencillo, pues solo necesita un recuento. En
variables continuas, expresadas en intervalos, existe el denominado intervalo modal
o, en su defecto, si es necesario obtener un valor concreto de la variable, se recurre
a la interpolacin.
Por ejemplo, el nmero de personas en distintos vehculos en una carretera: 5-7-4-
6-9-5-6-1-5-3-7. El nmero que ms se repite es 5, entonces la moda es 5.
LA VENTA TABASCO
Hablaremos de una distribucin bimodal de los datos, cuando encontremos dos
modas, es decir, dos datos que tengan la misma frecuencia absoluta mxima.
Cuando en una distribucin de datos se encuentran tres o ms modas, entonces es
multimodal. Por ltimo, si todas las variables tienen la misma frecuencia diremos
que no hay moda.
Cuando tratamos con datos agrupados en intervalos, antes de calcular la moda, se
ha de definir el intervalo modal. El intervalo modal es el de mayor frecuencia
absoluta.
La moda, cuando los datos estn agrupados, es un punto que divide el intervalo
modal en dos partes de la forma p y c-p, siendo c la amplitud del intervalo, que
verifiquen que:
Siendo la frecuencia absoluta del intervalo modal y y las frecuencias

absolutas de los intervalos anterior y posterior, respectivamente, al intervalo modal.
Las calificaciones en la asignatura de Matemticas de 39 alumnos de una clase
vienen dadas por la siguiente tabla (debajo):
Calificaciones 1 2 3 4 5 6 7 8 9
Nmero de alumnos 2 2 4 5 8 9 3 4 2
EJERCICIO #1
La demanda de cierto artculo en 48 das fue 1, 4, 1, 0, 2, 1, 1, 3, 2, 1, 1,
0, 3, 2, 4, 3, 4, 1, 2, 1, 1, 2, 2, 2, 1, 3, 3, 3, 1, 4, 4, 0, 2, 1, 4, 0, 3, 1, 3, 3,
4, 2, 2, 1, 0, 1, 2, 4, mientras que en otros 48 das hubo una demanda de 1 Artculo

en 13 de ellos, de 2 artculos en 12, de 3 en 10, de 4 en 9 y el resto de los das no
hubo demanda. Podras decir en qu conjunto de das hubo mayor demanda
diaria?
Solucin:
El objetivo es comparar la demanda diaria de ambas muestras. Gran parte de este

problema est planteado en el Ejercicio resuelto 1.2. Solo cambia que ahora se
LA VENTA TABASCO
tienen 2 muestras. Se denotar a por xilos datos de la primera muestra y por yj los
de la segunda. Las frecuencias de ambas muestras se recogen en la Tabla 3.1.
XI ni
0 5
1 15
2 11
3 9
4 8
Total 48
yj nj
0 4
1 13
2 12
3 10
4 9
Total 48
Tabla 3.1: Tablas de frecuencias.
Mtodo y justificacin:
En principio, parece que no tiene sentido hacer esa comparacin, porque la

demanda diaria es variable y habr das en que sea mayor en una muestra y das
en que sea mayor en la otra. Adems, a simple vista no es sencillo comparar tantos
valores a la vez. Sin embargo, si se logra resumir mediante un nico valor como es
aproximadamente la demanda diaria en cada conjunto de das, se podran
comparar esos dos valores.
LA VENTA TABASCO
INTRODUCCION
En el mundo la mayora de las personas da con da consume cualquier producto
que los satisface, las empresas que distribuyen y comercializan esos productos
hacen que el cliente lo obtenga el lugar adecuado, el momento adecuado y sepa
cmo se maneja tal producto.
Se trata de una herramienta de mercadeo que puede ser muy eficaz en una
organizacin si es utilizada de forma adecuada, para ello se deben seguir ciertas
polticas institucionales.
Servicio al cliente es la gestin que realiza cada persona que trabaja en una
empresa y que tiene la oportunidad de estar en contacto con los clientes y buscar
en ellos su total satisfaccin. Se trata de un concepto de trabajo y una forma de
hacer las cosas que compete a toda la organizacin, tanto en la forma de atender
a los clientes (que nos compran y nos permiten ser viables) como en la forma de
atender a los Clientes Internos, diversas reas de nuestra propia empresa .
En todos los mercados debido a la globalizacin existen unos factores

fundamentales para el xito de las organizaciones y es la calidad de sus productos
o servicios que brinde. A nivel mundial existen unas tendencias de los clientes los
cuales al pasar de los aos se vuelven ms exigentes con la calidad de lo que van
adquirir, para esto se debe tener conciencia que es necesario la mejora de la calidad
en forma sistemtica para as lograr la satisfaccin del cliente y obtener un buen
rendimiento econmico.
LA VENTA TABASCO
PLANTEAMIENTO DEL PROBLEMA
a) Determinacin del problema

Calidad de atencin al cliente en la empresa Elektra
Qu tcnicas podemos emplear para mejorar la calidad de servicio al cliente?
b) Formulacin del problema

Calidad de la atencin al cliente
c) Objetivo General
En este trabajo de investigacin se pretende formular un plan de mejoramiento del
servicio y atencin al cliente de acuerdo a la evaluacin del mismo dentro de la
empresa.
d) Objetivo especifico
Investigar el servicio que da la empresa al cliente
Recopilar datos y evaluar la satisfaccin del cliente con respecto a la atencin
dentro de la empresa.
Identificar los convenientes que impiden una mejor calidad del servicio
Disear tcnicas para mejorar la calidad de servicio al cliente en la empresa
Organizacin de la idea propuesta
Comunicar los resultados de nuestro proyecto
LA VENTA TABASCO
HIPOTESIS NULA
Proponer ideas a los trabajadores para la mejora del servicio al cliente en la
empresa Elektra.
HIPOTESIS ALTERNATIVA
A pesar de dar las ideas propuestas, no logramos que los trabajadores tomen en cuenta lo que les
propusimos.
LA VENTA TABASCO
ABARCAREMOS NUESTRO PRIMER OBJETIVO ESPECFICO
Ubicacin: La Venta Tabasco.
Mapa de la ubicacin de la empresa.
1.1 CONTROL DE LA CALIDAD.
Si se habla de calidad de manera estrecha se puede decir que significa calidad del
producto; y si se hace de una manera ms amplia significa calidad en el trabajo,
calidad en el servicio, calidad en la informacin, calidad en el proceso, calidad de
la divisin, calidad en las personas incluyendo a los trabajadores, calidad en el
sistema, calidad de la empresa, calidad de los objetivos, etc.
Hacer el Control de Calidad significa:
1) Emplear el Control de Calidad como base.
2) Hacer el Control Integral de costos, precios y utilidades.
3) Controlar la calidad, as como fechas de entrega.
Cuando todas las divisiones y todos los empleados de una empresa participan en
el Control de Calidad, deben aplicar este control en su momento ms amplio, que
incluye el control de costos y cantidades; por esta razn el Control Total de la
Calidad se llama tambin Control de Calidad Integrado, Control de Calidad con
plena participacin y Control de Calidad gerencial.
3.3 QU ES LA CALIDAD?
LA VENTA TABASCO
El significado de esta palabra puede adquirir mltiples interpretaciones, ya que todo
depender del nivel de satisfaccin o conformidad del cliente. Sin embargo, la
calidad es el resultado de un esfuerzo arduo, se trabaja de forma eficaz para poder
satisfacer el deseo del consumidor. Dependiendo de la forma en que un producto o
servicio sea aceptado o rechazado por los clientes, podremos decir si ste es bueno
o malo.
Muchas veces el nivel de calidad se mide de acuerdo a la reaccin y preferencias

del cliente. Desde el mismo momento en que ste llega al establecimiento
comercial, sabe exactamente qu va a comprar y dnde ubicarlo, va directo al lugar
donde se encuentra el producto de su preferencia.
En ocasiones, no encontrar lo que est buscando, y por tanto se decidir por otro
producto de mayor o menor precio, sin embargo, cuando su nivel de preferencia se
afinca en una determinada marca, el cliente prefiere seguir buscando en otros
establecimientos en vez de resolverse con un producto sustitutivo.
Cuando esto ocurre, es muy posible que la calidad de ese producto sea alta, ya que
est logrando que el consumidor no lo reemplace por otro. La calidad aporta nivel
al cliente, pero no siempre el bolsillo del consumidor est preparado a invertir en
ella. Sin embargo, cuando el individuo est pagando por un servicio, muchas veces
la calidad de ste depender de la atencin al cliente y de las mnimas
incomodidades que ste pueda darle.
En algunas ocasiones, incurrimos en el error de pensar que un producto o servicio

es de calidad porque lo escuchamos o leemos a toda en hora en la radio, prensa y
televisin. Hay que estar mosca con las campaas engaosas, y no dejarnos
persuadir por una marca, simplemente porque est de moda o es la ms sonada.
El cliente ser quien finalmente decidir qu es lo que mejor le conviene.
1.2 NIVELES DE CALIDAD.
Ya que se conoce que es la calidad, es necesario saber que existen cuatro niveles
para ella y qu quiere decir cada uno de ellos:
1) El Control de la Calidad
2) El aseguramiento de la Calidad.
3) La Administracin de la Calidad.
4) La Calidad Total
LA VENTA TABASCO
Control de la Calidad: Es la intervencin por la cual el resultado de un
procedimiento o de una actividad se mide para comparar los datos con los datos
con los objetivos propuestos.
Aseguramiento de la Calidad: La direccin verifica el buen funcionamiento del

proceso y de los resultados de los procedimientos para alcanzar los resultados
previstos.
Administracin de la Calidad: Es una funcin de planificacin de organizacin,

direccin, control y aseguramiento de la Calidad.
Calidad Total: Es una filosofa de administracin centrada en la movilizacin de

toda la organizacin hacia la satisfaccin, es decir, la cautivacin del cliente, y el
uso de tcnicas para la deteccin de anlisis de las fallas. Podemos decir tambin
que la Calidad Total es un concepto, una estrategia, un modelo de hacer negocios
y est localizado hacia el cliente.
La Calidad Total es la mejora permanente del aspecto organizacional, el gerencial,

donde cada trabajador, desde el gerente, hasta el funcionario de ms bajo nivel
jerrquico est comprometido con los objetivos empresariales. Para lograrla es
necesario rescatar los valores bsicos de la sociedad.
Para tener xito en una situacin altamente competitiva es necesario conocer las
caractersticas que busca el cliente Ser la rapidez del servicio? El precio de
venta? La exactitud o precisin del trabajo? Una atencin personal?
La etapa ms concreta del camino de la Calidad Total consiste, en medir el nivel de

calidad para enfocar la atencin eficazmente en aspectos particulares de la
organizacin: se desarrollan ndices de calidad; anlisis estadsticos que traza el
comportamiento de la calidad y ayuda a realizar un diagnstico justo y hacer
pronsticos.
1.3 CONSECUENCIAS DE LA FALTA DE CALIDAD.
Cuando la falta de Calidad se manifiesta internamente, como los errores que se

cometen cotidianamente sin afectar el servicio a la clientela, las consecuencias
repercuten sobre la eficacia de la organizacin y sobre los costos de fabricacin, lo
que obviamente son perdidas en la organizacin.
La gestin de la calidad podra definirse como una serie de ceros conocidos como
los Ceros de la Calidad:
LA VENTA TABASCO
+ CERO
ERROR
+ CERO RETRASOS
+ CERO QUEJAS
+CERO REPETICIN DE TRABAJOS
+ CERO RECLAMACIONES
+ CERO PRDIDAS
+ CERO DESIDIA
+ CERO DESPERDICIOS
= 100% DE EFICACIA
Si se est satisfecho con los resultados, es necesario modificar la manera de operar;

Sin el cambio, los resultados sern los mismos. Es necesario aprender a medir el
tiempo de respuesta y de ejecucin de las tareas, el nmero de movimientos
establecidos.
Tambin se debe aprender a verificar frecuentemente con los clientes, tanto internos
como externos, si la calidad de los servicios recibidos cumple siempre con sus
expectativas.
Es necesario medir lo intangible: los ndices de satisfaccin personal, la imagen que

se percibe, lo que el cliente siente en sus transacciones con la empresa la actitud y
motivacin personal, y todos los criterios emocionales que no representan
caractersticas materiales del servicio.
No hay una mejora sin una apreciacin de nivel de calidad: no se perfecciona lo que
no se conoce.
En la bsqueda de la Calidad Total se impone otra orientacin: Medir para mejorar

y no para controlar
1.4 SISTEMA DE CALIDAD.
Un sistema de gestin es un mtodo de trabajo mediante el cual se asegura la

conformidad de unas actividades con unos requisitos determinados.
LA VENTA TABASCO
Entonces, un sistema de calidad se podra definir como la siguiente frase: Escribe
como trabajas y trabaja segn lo escrito.
Todo sistema de gestin de la calidad consta bsico de dos partes:
1. La definicin de los procesos de la empresa y

las responsabilidades y funciones el personal.
2. Los recursos necesarios para la correcta realizacin de dichos procesos:
A) Recursos fsicos: instalaciones, mquinas, etc.
B) Recursos humanos: formacin y motivacin del personal.
Los puntos clave para poner en marcha un sistema de calidad:
1. Cumplimiento de requisitos.
2. Definicin de un mtodo de trabajo.
3. Ejecucin de un mtodo de trabajo.
4. Medir los resultados.
5. Actuar basndose en los resultados.
Cumplimiento de requisitos: Para lograr la satisfaccin se deben satisfacer sus

necesidades. Estas necesidades de debemos convertirlas en requisitos o
especificaciones, que nos servirn de punto de partida para que se defina el sistema
de calidad que se requiere.
Definicin de un mtodo de trabajo: Todos los procesos de la empresa se deben

realizar siempre de la misma forma para evitar obtener resultados diferentes de los
que se esperan. Para definir los mtodos se debe de contar con un concepto de lo
que son y de lo que deberan ser los procesos que existen en la empresa. Despus
de establecer los procesos, se deben definir los procedimientos y documentarlos.
Ejecucin de un mtodo de trabajo: Una vez definido un mtodo de trabajo en los

procedimientos, el sistema de calidad tambin debe asegurar que se cumplan los
requisitos que en ellos se han determinado. Cerciorarse de que existen los medios
materiales y humanos necesarios para ejecutar los procedimientos es un paso que
debe quedar resuelto previamente.
LA VENTA TABASCO
Medir los resultados: Los procesos se deberan controlar para verificar que
cumplen con los requisitos que hemos definido inicialmente. Tambin se debe
comprobar los resultados obtenidos con los objetivos previstos.
Actuar basndose en los resultados: con los resultados obtenidos, la informacin

analizada, servir de base para introducir cambios en el sistema de calidad que
suponga mejoras. Tambin ayudar a definir nuevos objetivos de la organizacin y
ajustar los que ya existen. Con estos nuevos trminos de medir y actuar se
completa el Bucle de la Calidad de Deming, que contiene la filosofa de los sistemas
de gestin de la calidad: la realimentacin de datos servir para la mejora continua
del sistema.
1.5 EL SERVICIO AL CLIENTE.
Son muy diversas las definiciones que existen sobre el servicio, algunas de ellas
son:
El servicio es el conjunto de prestaciones que el cliente espera, adems del

producto o del servicio bsico, como consecuencia de la imagen y la reputacin del
mismo (Jaques Horovitz)
Servicio es en primer lugar un proceso. Mientras que los artculos son objetos, los
servicios son realizaciones (L.Berry, R. Bennnet y W. Brown).
El servicio no es ms que el conjunto de soportes que rodean al acto de comprar.
Los servicios hacen referencia algunas veces a bienes intangibles y una de sus
principales caractersticas es que en general coincide el momento de su produccin
con el momento de consumo (Pearce, 1981).
Los servicios afectan a la produccin y al consumo de bienes, son intangibles y se

caracterizan porque pueden consumirse al mismo tiempo que se producen. Las
actividades de servicios suelen ser frecuentemente intensivas en la utilizacin de la
fuerza de trabajo (Bannock, Baxter y Ress).
Un producto en cambio es un objeto tangible que una empresa desarrolla.
3.6.1 CARACTERSTICAS DEL BUEN SERVICIO.
Algunas caractersticas de los servicios son los siguientes:
Un servicio es ms un proceso que un producto.

LA VENTA TABASCO
Un servicio casi nunca se puede almacenar.
El servicio no se puede inspeccionar o supervisar de manera rgida o inamovible,

como ocurre con un producto.
No se puede predeterminar de antemano la calidad final de un servicio.
La materia prima fundamental de casi todo proceso de servicio es la informacin.
Los servicios como resultado ocurren o suceden, no permanecen, tienen un

principio y un fin de en el tiempo, son finitos en funcin del consumo o su demanda.
Los servicios se basan en la confianza entre las personas.
En el sector servicios, cuando menos alguno sino es que varios, de los

trabajadores que lo generan o producen, tienen trato directo con el cliente o
consumidor final.
Los trabajadores tienen como contenidos del trabajo los relacionados con ser
productores, procesadores, distribuidores y operadores de la informacin.
Resulta entonces que LA INFORMACIN Y LA INTERACCIN HUMANA son las

principales materias primas a transformar en un proceso de trabajo que genere un
servicio y los que determinan la calidad del mismo.
3.6.2 PRINCIPIOS DEL SERVICIO.
Para llevar a cabo un servicio son necesarias las bases fundamentales, es decir, los
principios del servicio, los cuales pueden servir de gua para adiestrar o capacitar a
los empleados encargados de esta vital actividad econmica, as como
proporcionar orientacin de cmo mejorar.
Los principios del servicio se dividen en principios bsicos del servicio y principios
del servicio al cliente.
Principios bsicos del servicio.
Los principios bsicos del servicio es la filosofa subyacente de este, que sirven para
entenderlo y, a su vez, aplicarlo de la mejor manera para el aprovechamiento de sus
beneficios por la empresa.
LA VENTA TABASCO
Actitud de servicio: Conviccin ntima de que es un honor servir.
Satisfaccin del usuario: Intencin de vender satisfaccin ms que productos.
Dado el carcter transitorio, inmediatista y variable de los servicios, se requiere

una actitud positiva, dinmica y abierta: esto es, la filosofa de todo problema tiene
una solucin, si se sabe buscar.
Toda la actividad se sustenta sobre bases ticas: es inmoral cobrar cuando no se

ha dado nada ni se va a dar.
El buen servidor es quien se encuentra satisfecho dentro de la empresa, situacin

que lo estimula a servir con gusto a los clientes: no se puede esperar buenos
servicios a quien se siente esclavizado, frustrado, explotado y respira hostilidad
contra la propia empresa.
Tratando de instituciones de autoridad, se plantea una continuidad que va desde

el polo autoritario (el poder) hacia el polo democrtico (el servicio): en el polo
autoritario hay siempre el riesgo de la prepotencia y del mal servicio. Cuanto ms
nos alejemos del primer polo, mejor estaremos.
Principios del servicio al cliente.
Existen diversos principios que se deben seguir al llevar a cabo el servicio al cliente,
estos pueden facilitar la visin que se tiene acerca del aspecto ms importante del
servicio, el cliente.
Hacer de la calidad un hbito y un marco de referencia.
Establecer las especificaciones de los productos y servicios de comn acuerdo

con todo el personal y con los clientes y proveedores.
Sistemas, no sonrisas. Decir por favor, "corazn" y gracias no le garantiza que

el trabajo resulte bien a la primera. En cambio los sistemas s le garantizan eso.
Anticipar y satisfacer consistentemente las necesidades de los clientes.
Dar libertad de accin a todos los empleados que tengan trato con los clientes, es
decir, autoridad para atender sus quejas.
LA VENTA TABASCO
Preguntar a los clientes lo que quieren y drselo una y otra vez, para hacerlos
volver.
Los clientes siempre esperan el cumplimiento de su palabra. Prometer menos, dar

ms.
Mostrar respeto por las personas y ser atentos con ellas.
Reconocer en forma explcita todo esfuerzo de implantacin de una cultura de

calidad. Remunerar a sus empleados como si fueran sus socios (incentivos).
Investigar quines son los mejores y cmo hacen las cosas, para apropiarse de
sus sistemas, para despus mejorarlos.
Alentar a los clientes a que digan todo aquello que no les guste, as como
manifiesten lo que s les agrada.
No dejar esperando al cliente por su servicio, porque todo lo dems pasar

desapercibido por l, ya que estar molesto e indispuesto a cualquier sugerencia o
aclaracin, sin importar lo relevante que sta sea.
3.6.3 EL CLIENTE.
De la misma manera existe una diversidad de definiciones sobre lo que es un cliente
alguna son ms tcnicas que otras, sin embargo en general se piensa que el cliente
es la persona que solicita el servicio.
Existen dos tipos de clientes: los externos que son los consumidores finales y los
internos que son los trabajadores de una organizacin. La satisfaccin de ambos es
fundamental para la empresa.
LA VENTA TABASCO
Caractersticas de las organizaciones que ofrecen un buen servicio al cliente.
Existen dos tipos de compaas las centras en el cliente y las centradas en s

mismas cada una favorece u obstaculiza el buen servicio. En la siguiente tabla se
muestran las caractersticas de ambas.
Centradas el cliente Centradas en s mismas

El reconocimiento lo obtienen los No reconoce a los empleados que
empleados que logran manejar de atienden bien a los clientes sino a los
manera equilibrada la eficiencia en el que logran lo objetivos internos de la
trabajo y la satisfaccin del cliente. compaa.
Los directivos concentran su atencin El personal se dedica ms a
en apoyar a los empleados para que satisfacer a sus directivos que a los
haga bien su trabajo, de tal manera clientes.
que se puedan concentrar su atencin
en promociones
Las atender las senecesidades
basan en tantodel
en Las promociones se hacen sobre la
cliente.
las habilidades de prestar un buen base de la antigedad del empleado y
servicio como en la antigedad del del favoritismo, ms que de los
empleado.
El pensamiento a corto plazo es la mritos. se prefieren los arreglos
Siempre
excepcin. ad hoc y a corto plazo a las
El entrenamiento del personal tiene soluciones
A a largo plazo.
los empleados se les entrena, si
una alta prioridad, y se concentra acaso, en las funciones de su trabajo,
tanto en las destrezas tcnicas como ms casi nunca en su esencia.
en las habilidades interpersonales.
Todo el personal sabe quines son Los departamentos que no se
sus clientes (externos e internos) y de entienden directamente con los
qu manera los empelados forman clientes externos no se consideran
parte de la cadena de los clientes responsables de satisfacerlos.
Un estilo de gerencia participativa Las decisiones que afectan al cliente
prevalece en toda la compaa y se las toma la alta gerencia
procura siempre averiguar que piensa (generalmente a puerta cerrada) y
el personal en todo lo que se refiere a luego, sin consultar para nada al
los clientes, antes de tomar cualquier personal que atiende al pblico le
decisin. ordena que proceda en consecuencia.
En las siguientes figuras se ilustra la forma en que funcionan ambas organizaciones.
Presidente
LA VENTA TABASCO
Compaa centrada en si
misma
Directivos
Gerentes de nivel medio
Supervisore
s
Empleados que atienden al cliente

LA VENTA TABASCO
3.6.4 ELEMENTOS E IMPORTANCIA DE ATENCIN AL CLIENTE.

Dentro de los elementos que se puede mencionar que se encuentran en el servicio
al cliente son:
El contacto con el cliente de manera personal aquel que se lleva a cabo de la

manera ms directa en donde el cliente y en este caso la empresa se comunican de
manera personal.
La relacin con el cliente la forma en que la empresa establece su atencin con el

cliente.
Mediante la correspondencia tambin es una forma de atender al cliente y hacer

que el siente que la empresa lo tiene presente.
Una manera de complacer al cliente es escuchar cuales son los problemas que
presenta el cliente y darle solucin a los mismos.
Mantener buenas las instalaciones hace sentir al cliente a gusto.

LA VENTA TABASCO
La importancia de que una empresa establezca el servicio al cliente le proporciona
una ventaja debido a que esto es vital lo que provoca que sus clientes se sientan
contentos con la empresa y le ayuda a que sus clientes se mantengan firmes con la
empresa, adems que esto sirve de retroalimentacin ya que a travs de las quejas
que los clientes le proporcionen pueden ir mejorando el servicio y conocer cules
son las necesidades de los clientes para que sean satisfechas.
3.7 ESTRATEGIAS GENERALESPARA MEJORAR EL SERVICIO

AL CLIENTE.
3.7.1 PLAN DE MEJORAMIENTO.
Para que una empresa pueda responder ante los cambios que presenta su entorno
y cumplir con los objetivos de su empresa, debe implantar un plan de mejora con la
finalidad de detectar puntos dbiles de la empresa, y de esta manera atacar las
debilidades y plantear posibles soluciones al problema.
Al desarrollar un plan de mejora permite definir mecanismos que le permitirn a la

empresa alcanzar aquellas metas que se han puesto y que le permitirn ocupar un
lugar importante y reconocido dentro de su entorno.
El plan de mejora no es un fin o una solucin, es sencillamente un mecanismo

para identificar riesgos e incertidumbre dentro de la empresa, y al estar conscientes
de ellos trabajar en soluciones que generen mejores resultados.
Para generar un plan de mejora que vaya de acorde a las necesidades de una
empresa, es necesario involucrar a toda persona que participe en el proceso de
creacin del producto u otorgamiento del servicio que ofrece la empresa.
Cuando se logre esa interaccin, se lograra entonces identificar todos los

elementos, situaciones y/o problemas que presenta la empresa.
Como planteamiento de solucin, un plan de mejora debe contener estrategias

generales que permitan definir el rumbo que tomara la empresa y la forma en que
solucionara los problemas.
Las estrategias permitirn:
Contar con procesos ms competitivos y eficaces.

LA VENTA TABASCO
Tener mayor control y seguimiento de las acciones que se van a emplear para
corregir los problemas que se presentan en los procesos.
Conocer las causas que ocasionan los problemas y encontrar su posible solucin.
Decidir los puntos prioritarios y la estrategia que se debe seguir.
Determinar en un plan, las acciones a realizar en un futuro, al igual que la manera

en que se controlara y se dar el seguimiento.
Aumentar la eficacia y la eficiencia de la empresa.
3.7.2 ESTRATEGIAS GENERALES.

De manera general para mejorar el servicio que se presta en cualquier organizacin
se tienen desarrollar tres acciones:
1. Ampliar la definicin de servicio.
Lo cual implica considerar que es necesario dar al cliente todas las prestaciones
que espera adems del servicio bsico, cuidando dos aspectos fundamentales: el
trato y la informacin que se le proporciona.
2. Reconsiderar quienes son los clientes.
Que implica desarrollar una actitud en el que se considere que el cliente:
Es la persona ms importante en cualquier negocio.
No depende de nosotros, nosotros dependemos de l.
No nos interrumpe, es nuestro objetivo de trabajo.
Nos hace un favor cuando llega y no nosotros se lo hacemos al atenderlo.
No es ningn extrao.
3. Desarrollar una actitud amistosa hacia el cliente.
Una vez que se ha reconsiderado la definicin de servicio y cliente se puede

desarrollar una actitud amistosa hacia los clientes la cual consiste principalmente
en:
Servir por el placer de servir.

LA VENTA TABASCO
No sustituir la conveniencia por el servicio.
Considerar cada reclamacin como una solicitud servicio.
Administrar los momentos de la verdad (cuando se atiende el cliente).
Atender a sus clientes e invitar a su jefe a que lo atienda a usted.
Considere que los jefes no son responsables del trabajo que hace la gente, sino
de la gente que hace el trabajo.
Considere que el placer de los negocios y del trabajo proviene de servir a la gente
y no de venderles algo.
Reconozca el buen servicio y permita ser servido.
3.8 ESTRATEGIAS ORGANIZACIONALES PARA MEJORAR EL

SERVICIO AL CLIENTE.
Para que una organizacin mejore el servicio que brinda una empresa debe realizar
bsicamente las siguientes acciones:
1. Realizar encuestas de opinin
2. Disear un plan de accin para mejorar el servicio.
3. Elaborar un programa de entrenamiento para su personal
4. Establecer grupos de mejora continua
5. Establecer normas de servicio
6. Disear un programa integral de recompensas y reconocimientos
3.8.1 LAS ENCUESTAS DE OPININ.

Algunas sugerencias para su elaboracin:
1. Determinar el aspecto del servicio al cliente que se va a medir.
2. Determinar indicadores vlidos de dicho aspecto, centrndose sobre todo en

conductas concretas.
3. Seleccionar una muestra de indicadores vlidos.
4. Estructurar el instrumento con los siguientes elementos:

LA VENTA TABASCO
Los datos de la institucin en la que se elabor
Los datos de identificacin del encuestado y encuestador
Una breve explicacin del objetivo de la prueba
Instrucciones
Los reactivos a evaluar
5. Determinar la validez del instrumento. (Revisar con expertos o en la bibliografa

que lo que se evala sea lo importante y que sea congruente con el objetivo para el
que fue diseada la prueba.
6. Aplicarlo y determinar su confiabilidad
7. Realizar las correcciones pertinentes
8. Elaborar la versin final del instrumento
3.8.2 ATENCIN DE QUEJAS Y EL SERVICIO.

Los reclamos o quejas son generados por alguna razn valedera. Desde el punto
de vista del cliente, sus expectativas no han sido satisfechas. Un principio inmutable
y verdadero es que la percepcin de la realidad difiere. Lo que es bueno para unos,
no lo es para otros.
Los reclamos u quejas deben verse como una gran oportunidad para evaluar los
productos y servicios que ofrece cualquier empresa. Una valiosa oportunidad para
tomar contacto con el cliente, evaluar el servicio, su percepcin del producto y
conseguir que siga siendo un fiel y devoto usuario o comprador.
Qu es un reclamo? Es la comunicacin personal, escrita o telefnica que

realizan los clientes a la empresa operadora ante posibles inconvenientes con la
prestacin del servicio, con la finalidad de que sea solucionado su reclamo.
Qu es una queja? Las quejas de los clientes pueden ser una llamada de alerta
para las empresas cuando stas no estn logrando su propsito fundamental:
satisfacer las necesidades de los clientes. El quejarse en la mayora de los casos
nunca se ve con buenos ojos. Las empresas que no aprecian las quejas de los
clientes sufren las consecuencias de una publicidad boca a boca negativa y costosa.
3.8.3 TIPOS DE CLIENTES: CLASIFICACIN GENERAL.

LA VENTA TABASCO
En primer lugar, y en un sentido general, una empresa u organizacin tiene dos
tipos de clientes:
Clientes Actuales: Son aquellos (personas, empresas u

organizaciones) que le hacen compras a la empresa de forma
peridica o que lo hicieron en una fecha reciente. Este tipo de
clientes es el que genera el volumen de ventas actual, por tanto, es
la fuente de los ingresos que percibe la empresa en la actualidad y
es la que le permite tener una determinada participacin en el
mercado.
Clientes potenciales: Son aquellos (personas, empresas u organizaciones)
que no le realizan compras a la empresa en la actualidad pero que son
visualizados como posibles clientes en el futuro porque tienen la disposicin
necesaria, el poder de compra y la autoridad para comprar. Este tipo de
clientes es el que podra dar lugar a un determinado volumen de ventas en el
futuro (a corto, mediano o largo plazo) y por tanto, se los puede considerar
como la fuente de ingresos futuros.
3.8.4 TIPOS DE CLIENTES: CLASIFICACIN ESPECFICA.

En segundo lugar, cada uno de stos dos tipos de clientes (actuales y
potenciales) se dividen y ordenan de acuerdo a la siguiente clasificacin (la cual,
permite una mayor personalizacin):
Clasificacin de los Clientes Actuales: Se dividen en cuatro tipos de clientes,

segn su vigencia, frecuencia, volumen de compra, nivel de satisfaccin y grado
de influencia.
Clientes Activos e Inactivos: Los clientes activos son aquellos que en la

actualidad estn realizando compras o que lo hicieron dentro de un periodo corto
de tiempo. En cambio, los clientes inactivos son aquellos que realizaron su ltima
compra hace bastante tiempo atrs, por tanto, se puede deducir que se pasaron
a la competencia, que estn insatisfechos con el producto o servicio que
recibieron o que ya no necesitan el producto.
Esta clasificaciones muy til por dos razones:
1) Porque permite identificar a los clientes que en la actualidad estn realizando

compras y que requieren una atencin especial para retenerlos, ya que son los
que en la actualidad le generan ingresos econmicos a la empresa, y
LA VENTA TABASCO
2) para identificar aquellos clientes que por alguna razn ya no le compran a la
empresa, y que por tanto, requieren de actividades especiales que permitan
identificar las causas de su alejamiento para luego intentar recuperarlos.
Clientes de compra frecuente, promedio y ocasional: Una vez que se han

identificado a los clientes activos, se los puede clasificar segn su frecuencia de
compra, en:
Clientes de Compra Frecuente: Son aquellos que realizan compras repetidas

a menudo o cuyo intervalo de tiempo entre una compra y otra es ms corta que
el realizado por el grueso de clientes. Este tipo de clientes, por lo general, est
complacido con la empresa, sus productos y servicios. Por tanto, es fundamental
no descuidar las relaciones con ellos y darles continuamente un servicio
personalizado que los haga sentir "importantes" y "valiosos" para la empresa.
Clientes de Compra Habitual: Son aquellos que realizan compras con cierta
regularidad porque estn satisfechos con la empresa, el producto y el servicio.
Por tanto, es aconsejable brindarles una atencin esmerada para incrementar
su nivel de satisfaccin, y de esa manera, tratar de incrementar su frecuencia de
compra.
Clientes de Compra Ocasional: Son aquellos que realizan compras de vez

en cuando o por nica vez. Para determinar el porqu de esa situacin es
aconsejable que cada vez que un nuevo cliente realice su primera compra se le
solicite algunos datos que permitan contactarlo en el futuro, de esa manera, se
podr investigar (en el caso de que no vuelva a realizar otra compra) el porqu
de su alejamiento y el cmo se puede remediar o cambiar sa situacin.
Clientes de alto, promedio y bajo volumen de compras: Luego de

identificar a los clientes activos y su frecuencia de compra, se puede realizar la
siguiente clasificacin (segn el volumen de compras):
Clientes con Alto Volumen de Compras: Son aquellos (por lo general, "unos
cuantos clientes") que realizan compras en mayor cantidad que el grueso de
clientes, a tal punto, que su participacin en las ventas totales puede alcanzar
entre el 50 y el 80%. Por lo general, estos clientes estn complacidos con la
empresa, el producto y el servicio; por tanto, es fundamental retenerlos
planificando e implementando un conjunto de actividades que tengan un alto
LA VENTA TABASCO
grado de personalizacin, de tal manera, que se haga sentir a cada cliente como
muy importante y valioso para la empresa.
Clientes con Promedio Volumen de Compras: Son aquellos que realizan

compras en un volumen que est dentro del promedio general. Por lo general,
son clientes que estn satisfechos con la empresa, el producto y el servicio; por
ello, realizan compras habituales. Para determinar si vale la pena o no, el
cultivarlos para que se conviertan en Clientes con Alto Volumen de Compras, se
debe investigar su capacidad de compra y de pago.
Clientes con Bajo Volumen de Compras: Son aquellos cuyo volumen de

compras est por debajo del promedio, por lo general, a este tipo de clientes
pertenecen los de compra ocasional.
Clientes Complacidos, Satisfechos e Insatisfechos: Despus de identificar a los

clientes activos e inactivos, y de realizar una investigacin de mercado que haya
permitido determinar sus niveles de satisfaccin, se los puede clasificar en:
Clientes Complacidos: Son aquellos que percibieron que el desempeo de la

empresa, el producto y el servicio han excedido sus expectativas. Segn Philip
Kotler (en su libro "Direccin de Mercadotecnia"), el estar complacido genera una
afinidad emocional con la marca, no solo una preferencia racional, y esto da lugar a
una gran lealtad de los consumidores. Por tanto, para mantener a stos clientes en
ese nivel de satisfaccin, se debe superar la oferta que se les hace mediante un
servicio personalizado que los sorprenda cada vez que hacen una adquisicin.
Clientes Satisfechos: Son aquellos que percibieron el desempeo de la empresa,

el producto y el servicio como coincidente con sus expectativas. Este tipo de clientes
se muestra poco dispuesto a cambiar de marca, pero puede hacerlo si encuentra
otro proveedor que le ofrezca una oferta mejor. Si se quiere elevar el nivel de
satisfaccin de estos clientes se debe planificar e implementar servicios especiales
que puedan ser percibidos por ellos como un plus que no esperaban recibir.
Clientes Insatisfechos: Son aquellos que percibieron el desempeo de la

empresa, el producto y/o el servicio por debajo de sus expectativas; por tanto, no
quieren repetir esa experiencia desagradable y optan por otro proveedor. Si se
quiere recuperar la confianza de stos clientes, se necesita hacer una investigacin
profunda de las causas que generaron su insatisfaccin para luego realizar las
correcciones que sean necesarias. Por lo general, este tipo de acciones son muy
costosas porque tienen que cambiar una percepcin que ya se encuentra arraigada
en el consciente y subconsciente de este tipo de clientes.
LA VENTA TABASCO
3.9 LAS DISTRIBUCIONES DE PROBABILIDAD.
DISCRETAS
-Binomial
La empresa Elektra en su oficina de servicio al cliente se atienden 100 personas

diarias, por lo general la mitad de personas se van sin recibir bien el servicio.
Determine la probabilidad de que una encuesta de 4 clientes 3 no haya

recibido un buen servicio
Solucin: Utilizando la formula
Se trata de una distribucin de probabilidad binomial, B(n, p) aqu hay solo dos
opciones haber recibido un buen servicio o no.
Suceso A (xito) tener a mas de un persona sin haber recibido un buen servicio
p = A(acierto) = 0,5suceso B (fallo) q=0,5
n = 4 clientes ------ B (n. p) ----- B (4; 0.5)
La distribucin binomial es una distribucin de probabilidad discreta que cuenta el nmero de

xitos en una secuencia de n independientes entre s, con una probabilidad fija pde
ocurrencia del xito entre los ensayos.
LA VENTA TABASCO
Contando con que podamos identificar de manera ms rpida como saber si los clientes estn
satisfechos con el servicio proporcionado en las instalaciones o no, es una manera ms rpida
de calcular.
-Poisson
En teora de probabilidad y estadstica, la distribucin de Poisson es una

distribucin de probabilidad discreta que expresa, a partir de una frecuencia de
ocurrencia media, la probabilidad de que ocurra un determinado nmero de
eventos durante cierto perodo de tiempo. Concretamente, se especializa en la
probabilidad de ocurrencia de sucesos con probabilidades muy pequeas, o
sucesos "raros".
La funcin de masa o probabilidad de la distribucin de Poisson es
Donde:
K es el nmero de ocurrencias del evento o fenmeno (la funcin nos da la

probabilidad de que el evento suceda precisamente k veces).
es un parmetro positivo que representa el nmero de veces que se

espera que ocurra el fenmeno durante un intervalo dado. Por ejemplo, si el
suceso estudiado tiene lugar en promedio 4 veces por minuto y estamos
interesados en la probabilidad de que ocurra k veces dentro de un intervalo de 10
minutos, usaremos un modelo de distribucin de Poisson con = 104 = 40.
e es la base de los logaritmos naturales (e = 2,71828...)
Ejemplo:
La empresa Elektra observa que el nmero de componentes que fallan antes de

cumplir 100 horas de funcionamiento es una variable aleatoria de Poisson. Si el
nmero promedio de estos fallos es ocho,
1. cul es la probabilidad de que falle un componente en 25 horas?
2. y de que fallen no ms de dos componentes en 50 horas?
3. cul es la probabilidad de que fallen por lo menos diez en 125 horas?

LA VENTA TABASCO
SOLUCIN:
Sea la variable aleatoria , con distribucin de Poisson con parmetro = [ ] =

8, E que determina el nmero de componentes que fallan antes de cumplir 100
horas de funcionamiento.
1. Considerando que se cumplen ciertas condiciones de regularidad, podemos

asumir que una variable que mide el nmero de componentes que fallan antes
de cumplir 25 horas de funcionamiento sigue una distribucin de Poisson con
parmetro = E [ ] = 8=4 = 2.
Por lo tanto, la probabilidad deseada es la siguiente:
2
= ( = 1) = 4 = 0,27067
1!
2. Anlogamente, definimos una variable aleatoria U con distribucin de Poisson

de parmetro U = 8=2 = 4, que mide el nmero de componentes que fallan antes
de cumplir las 50 horas de funcionamiento.
Se tiene entonces que:

2
4
( 2) = 4 = 0,2381
!
=0
3. De la misma forma, definiendo una variable aleatoria V con distribucin de

Poisson de parmetro V = 10, se obtiene:
10
10 10
( 10) = 1 ( < 10) = 1 = 0,41696
!
=0
APLICACIN EN LA EMPRESA
Dentro de la empresa se observ que el promedio de atencin es de 16 clientes

pro 4 horas, encuentre la probabilidad que en 30 minutos
se atiendan menos de 3 clientes.
LA VENTA TABASCO
De acuerdo a la frmula de Poisson
La probabilidad que en 30 minutos se atienda menos de 3 personas.
=16 clientes/4horas =4 clientes/1hora =2 clientes/media hora
Se calcula P=(x<3)=e^ (0)/0!+e(1)/1!+e(2)/2!
P= (x<3)=0.6767 es la probabilidad que en 30 minutos se atienda menos de 3

clientes.
-Hipergeomtrica
La distribucin hipergeomtrica es una de las distribuciones de probabilidad
discreta.
Se utiliza para calcular la probabilidad de una seleccin aleatoria de un objeto sin

repeticin.
Para poder calcularla se utiliza la siguiente ecuacin
Donde:
N= tamao de poblacin.
n= tamao de muestra.
C= todos o cantidad de elementos que cumple caracterstica deseada.
X= Cantidad de xitos.
A continuacin aplicamos la distribucin Hipergeomtrica en la empresa Elektra con

los empleados que han estado laborando durante los 4 aos. El objetivo de esta
LA VENTA TABASCO
distribucin es calcular la probabilidad de seleccionar aleatoriamente un objeto pero
sin repetir.
De los 6 empleados 4 han estado en la empresa durante 5 o ms aos, se eligieron

3 empleados al azar de ese grupo Cul es la probabilidad de que exactamente 3
de ellos tengan una antigedad de 5 aos o ms?
DATOS:
X= 2----------PROBABILIDAD DE EXITOS
n=4-----------TAMAO DE LA MUESTRA
C=3-----------CANTIDAD DE ELEMENTOS QUE CUMPLE CARACTERISTICA

DESEADA
N=6----------TOTAL DE EMPLEADOS
Sustituyendo en la ecuacion :
Se concluye que 0.60% es la probabilidad de que 3 empleados de la empresa

tengan una antigedad de 5 aos o mas.
LA VENTA TABASCO
CONTINUAS
-NORMAL
La distribucin normal N (, ): es un modelo matemtico que rige muchos
fenmenos. La experiencia demuestra que las distribuciones de la mayora de
las muestras tomadas en el campo de la industria se aproximan a la distribucin
normal si el tamao de la muestra es grande. Esta distribucin queda definida
por dos parmetros: la media y la desviacin tpica . Se presenta mediante
una curva simtrica conocida como campana de Gauss. Esta distribucin nos
da la probabilidad de que al elegir un valor, ste tenga una medida contenida en
unos intervalos definidos. Esto permitir predecir de forma aproximada, el
comportamiento futuro de un proceso, conociendo los datos del presente.
La distribucin normal fue reconocida por primera vez por el francs Abraham
de Moivre (1667 -1754). Posteriormente, Carl Friedrich Gauss (1777 -1855)
realiz estudios ms a fondo donde formula la ecuacin de la curva conocida
comnmente, como la Campana de Gauss ".
Una distribucin normal de media y desviacin tpica se designa por N(, ).
Su grfica es la campana de Gauss:
El rea del recinto determinado por la funcin y el eje de abscisas es igual a la

unidad. Al ser simtrica respecto al eje que pasa por x = , deja un rea igual a
LA VENTA TABASCO
0.5 a la izquierda y otra igual a 0.5 a la derecha. La probabilidad equivale al rea
encerrada bajo la curva. Distribucin normal estndar N(0, 1) La distribucin
normal estndar, o tipificada o reducida, es aquella que tiene por media el valor
cero( =0), y por desviacin tpica uno ( =1).
La probabilidad de la variable X depender del rea del rea sombreado en la

figura. Y para calcularla utilizaremos una tabla adjunta)
Ejemplo:
Varios test de inteligencia que se hicieron a los empleados de Elektra dieron una
puntuacin que sigue una ley normal con media 100 y desviacin tpica 15.
a) Determinar el porcentaje de los empleados que obtendran un coeficiente
entre 95 y 110.
b) Qu intervalo centrado en 100 contiene al 50% de los empleados de

Elektra?
Para poder utilizar la tabla tenemos que transformar la variable X que sigue una
distribucin N(,) en otra variable Z que siga una distribucin N(0, 1). Clculo
LA VENTA TABASCO
de probabilidades en distribuciones normales La tabla nos da las probabilidades
de P(z k), siendo z la variable tipificada.
Estas probabilidades nos dan la funcin de distribucin (k). (k) = P(z k)
Bsqueda en la tabla de valor de k Unidades y dcimas en la columna de la
izquierda y Centsimas en la fila de superior. P(Z a)=1- P(Z >
-T Student
La distribucin t de Student (desarrollada por Gosset)es, con la chi2, la F de

Snedecor, y, por supuesto, la normal, transcendental para aplicaciones
diferenciales, en especial para aquellas en las que se desconoce la varianza; dado
que no depende de las varianzas de las variables que la integran.
Su expresin formal parte de dos variables X e Y tales que:
he de manera que
Siendo t una nueva distribucin conocida como t de Student con n grados de

libertad.
La distribucin t de Student con n grados de libertad tiene siempre como media el

valor "0, sea cuales fueren los grados de libertad; es simtrica, asintticamente
tiende a, de forma campaniforme, al igual que la distribucin normal, teniendo
como varianza el valor
Los valores de la funcin de probabilidad para los diversos estn tabulados

atendiendo al nico parmetro de la distribucin, es decir, el nmero de grados de
libertad; evidentemente, es ms recomendable para su clculo la utilizacin del
programa que presentamos.
En otro orden de cosas la distribucin t de Student con n grados de libertad

converge en ley a una normal tipificada (estandarizada) cuando el nmero de
grados de libertad tiende a infinito
La necesidad de trabajar con muestras de pequeo tamao limita la aplicabilidad

del modelo normal, y justifica la utilizacin de la distribucin denominada t de
Student, cuya aparicin histrica ilustra la interaccin entre el desarrollo de las
LA VENTA TABASCO
tcnicas estadsticas y los problemas del mundo real. El modelo t es en muchos
sentidos similar al normal que aparece en su numerador, ya que se trata de una
distribucin unimodal simtrica y campaniforme. Este modelo viene caracterizado
por el parmetro n, que representa sus grados de libertad, coincidentes con los de
la distribucin chi-cuadrado que aparece en su denominador.
Ejemplo:
Elektra, una empresa de ventas especializadas, afirma que su producto (motos)

durar un promedio de 500 horas de trabajo. Para conservar este promedio esta
persona verifica 25 motos cada mes. Si el valor y calculado cae entre t 0.05 y t
0.05, l se encuentra satisfecho con esta afirmacin. Qu conclusin deber l
sacar de una muestra de 25 motos cuya duracin fue?:
Solucin:
=

= 1 = 10%
V= n-1 = 24
T= 2.22
LA VENTA TABASCO
Enseguida se muestra la distribucin del problema segn el grafico sig.
-Chi Cuadrada
La funcin Chi-cuadrado es igual a la funcin normal elevada al cuadrado. Esto es,
el producto de dos distribuciones de Gauss es una distribucin de Chi-cuadrado. Si
de una poblacin normal, o aproximadamente normal, se extraen muestras
aleatorias e independientes, y se le calcula el estadgrafo 2 usando el valor
muestral de la varianza y el poblacional con:
(n 1)s 2
2
2
Esta funcin matemtica est caracterizada por el valor del nmero de grados de
libertad =n-1 (donde n es el tamao muestral). Al igual que la t-Student, el valor
total del rea bajo la curva es igual a la unidad, pero la diferencia principal es que
esta no es simtrica respecto al origen, sino que se extiende desde 0 hasta +
porque no puede ser negativa.
LA VENTA TABASCO
Ejemplo:
El gerente quiere estudiar si hay asociacin entre la prctica laboral y la sensacin

de bienestar. Extrae una muestra aleatoria de 100 empleados. Los datos aparecen
a continuacin.
Contraste la hiptesis de independencia entre bienestar y prctica de deporte (alfa

= 0,01).
LA VENTA TABASCO
f i. f . j
Calculemos las frecuencias esperadas: eij
n
( f ij eij ) 2
Calculemos Chi-cuadrado: 2
exp
i j eij
1) Hagamos otra tabla, donde restamos a las frecuencias absolutas las
frecuencias esperadas.
2) Este valor elevado al cuadrado.
3) Dividido por la frecuencia esperadas.
exp
2
3,1296 1,3413 2,5606 1,0974 8,13
Tenemos: exp
2
8,13
Ahora calculemos el valor de la tabla Chi-cuadrado

LA VENTA TABASCO
1) Grados de libertad, son:
K = (nmero de fila-1)x(nmero de columnas-1)
= (2-1)x(2-1) = 1
2) El valor alfa 0,01
3) El valor que buscamos
g2.l .; 12;0,01 6,63
exp
2
8,13
Tenemos:
g2.l .; 12;0,01 6,63
Por tanto: exp

2
12;0,01

SIGNIFICADO: Las variables no son independientes

SIGNIFICADO en el ejemplo: La prctica laboral y la sensacin de bienestar ests
asociadas.
LA VENTA TABASCO
-F FISHER
Se usa para la comparacion de varianzas muestrales y se usa fundamentalmente
en la estadistica inferencial.
La distribucin F de Fisher es una distribucin que depende de dos parmetros. Es

una distribucin que aparece, con frecuencia, como distribucin de un estadstico
de test, en muchos contrastes de hiptesis bajo las suposiciones de normalidad.
LA VENTA TABASCO
GRADO DE LIBERTAD (V1 Y V2)

LA VENTA TABASCO
Ejemplo:
En un proceso hay dos mquinas cortadoras diferentes en antigedad lo que hace

pensar que las varianzas de corte no son iguales. Se toma una muestra de 16 partes
de cada mquina, cul es la probabilidad de que la razn de varianzas sea:
a. Mayor a 1.97?
b. Menor a 3.52?
SOLUCIN
a.
P( F 1.97) 1 0.9 0.1 para v1 15 y v2 15

La probabilidad de que la razn de varianzas sea mayor a 1.97 es 0.1.
b.
P( F 3.52) 0.99 para v1 15 y v2 15

La probabilidad de que la razn de varianzas sea menor a 3.52 es 0.99
LA VENTA TABASCO
-Gamma
En estadstica la distribucin gamma es una distribucin de probabilidad continua
con dos parmetros y cuya densidad para valores es
Aqu es el nmero e y es la funcin gamma. Para valores la funcin

gamma es (el factorial de ). En este caso - por ejemplo para
describir un proceso de Poisson - se llaman la distribucin Erlang con un parmetro
.
El valor esperado y la varianza de una variable aleatoria X de distribucin gamma

son
Ejemplo:
En la empresa Elektra se observa que el consumo diario de energa (en millones de

kilowatt-hora) es una variable aleatoria que sigue una distribucin gamma con
parmetros = 3 y =2. Si la planta de energa que suministra a la empresa tiene
una capacidad diaria de generar un mximo de 12, cul es la probabilidad de que
haya un da donde no se pueda satisfacer la demanda?
1 x
f(x) = x 1 e
r()
Donde:
=3 =2
r(a) = (n 1)! r(3) = (3 1)! = 2
De forma que:
LA VENTA TABASCO
La probabilidad de que exista 1 exceso

1
1 u
F(1) = P(X 1) = 3
u31 e du =
2 2 0 2
Resolviendo la integral con ayuda del Derive, la probabilidad obtenida es,
1
= (16 26 e0,5 ) = 0,01438
16
La representacin grfica y verificacin con Excel del clculo:
Anteriormente se aplica en la empresa Elektra ya que es de mucha utilidad para

saber la probabilidad que tiene cierto evento en realizarse a fin de que se cumpla
con el criterio deseado. Al igual que se utiliza para modelar variables que describen
el tiempo hasta que se produce p veces un determinado suceso.
LA VENTA TABASCO
-Weibull
Ejemplo:
En Elektra se tiene un sistema de ventilacin y enfriamiento que produce un
ambiente estable dentro de dicho establecimiento, queremos conocer la duracin
de un ventilador, en hora, que se usa en un sistema computacional tiene una
distribucin de weibull con = 1.5 =0.0001
Cul es la probabilidad de que un ventilador dure ms de 10000 horas

Cul es la probabilidad de que un ventilador dure menos de 5000 horas
Cul es la probabilidad de que un ventilador dure entre 3000 y 9000 horas
Solucion:
Utilizando dicha formula
1. 1-e ((0.0001)(10000)^1.5)=1
2. 1-e ((0.0001)(5000) ^1.5) =1
3. 1-e ((0.0001)(3000) ^1.5) =1

1-e ((0.0001)(9000) ^1.5) =1.204239664x10^-03
La distribucin de Weibull es una distribucin verstil que se puede utilizar Por

ejemplo, la distribucin se utiliza frecuentemente en anlisis de fiabilidad para
modelar datos de tiempo para falla, como la probabilidad de que una parte falle
despus de uno, dos o ms aos. Por eso comenzamos dando este problema la
duracin de vida de la ventilacin de dicho establecimiento.
LA VENTA TABASCO
Encuestas realizadas a los clientes de la empresa Elektra
LA VENTA TABASCO
LA VENTA TABASCO
LA VENTA TABASCO
LA VENTA TABASCO
LA VENTA TABASCO
LA VENTA TABASCO
DISTRIBUCIONES MUESTRALES
El estudio de determinadas caractersticas de una poblacin se efecta a travs de

diversas muestras que pueden extraerse de ella.
El muestreo puede hacerse con o sin reposicin, y la poblacin de partida puede

ser infinita o finita. Una poblacin finita en la que se efecta muestreo con reposicin
puede considerarse infinita tericamente. Tambin, a efectos prcticos, una
poblacin muy grande puede considerarse como infinita. En todo nuestro estudio
vamos a limitarnos a una poblacin de partida infinita o a muestreo con reposicin.
Consideremos todas las posibles muestras de tamao n en una poblacin. Para

cada muestra podemos calcular un estadstico (media, desviacin tpica,
proporcin,...) que variar de una a otra. As obtenemos una distribucin del
estadstico que se llama distribucin muestral.
Las dos medidas fundamentales de esta distribucin son la media y la desviacin

tpica, tambin denominada error tpico.
Hay que hacer notar que si el tamao de la muestra es lo suficientemente grande
las distribuciones mustrales son normales y en esto se basarn todos los
resultados que alcancemos.
DISTRIBUCIN MUESTRAL DE MEDIAS
Cada muestra de tamao n que podemos extraer de una poblacin proporciona una media. Si
consideramos cada una de estas medias como valores de una variable aleatoria podemos estudiar
su distribucin que llamaremos distribucin muestral de medias.
Si tenemos una poblacin normal N( , ) y extraemos de ella muestras de tamao n, la

distribucin muestral de medias sigue tambin una distribucin normal
Si la poblacin no sigue una distribucin normal pero n>30, aplicando el

llamado Teorema central del lmite la distribucin muestral de medias se aproxima tambin
a la normal anterior.
1) Las notas de cierto examen se distribuyen segn una normal de media 5,8 y desviacin tpica
2,4. Hallar la probabilidad de que la media de una muestra tomada al azar de 16 estudiantes est
comprendida entre 5 y 7
La poblacin es N(5,8;2,4), con n=16 la distribucin muestral de
medias se distribuye N(5,8;0,6)
LA VENTA TABASCO
En la escena llamamos s a la desviacin tpica de la poblacin. Compara los grficos de la
distribucin muestral y de la distribucin de la poblacin. Estas distribuciones estn dibujadas
con una escala diferente a la N (0,1), puedes cambiarla con el valor ESCALA.
Si x es la media de la muestra hemos de calcular la probabilidad

P(5 x 7)=P(-1.33 z 2)=
=P(z 2)-[1-P(z 1.33)] = 0,8854
Ejemplo:
La empresa Elektra tiene focos que tienen una duracin que se distribuye
aproximadamente en forma normal, con media de 800 horas y desviacin estndar
de 40 horas. Encuentre la probabilidad de que una muestra aleatoria de 16 focos
tenga una vida promedio de menos de 775 horas.
Este valor se busca en la tabla de z
La interpretacin sera que la probabilidad de que la media de la muestra de 16

focos sea menor a 775 horas es de 0.0062.
LA VENTA TABASCO
DISTRIBUCIN DE VARIANZAS
En teora de probabilidad, la varianza de una variable aleatoria es una medida de

dispersin definida como la esperanza del cuadrado de la desviacin de dicha
variable respecto a su media.
Est medida en la unidad de medida de la variable al cuadrado. Por ejemplo, si la

variable mide una distancia en metros, la varianza se expresa en metros al
cuadrado. La desviacin estndar es la raz cuadrada de la varianza, es una medida
de dispersin alternativa expresada en las mismas unidades de los datos del
variable objeto de estudio. La varianza tiene como valor mnimo 0.
EJEMPLO:
Las estaturas de 1000 trabajadores de la empresa ELEKTRA estn distribuidas

aproximadamente en forma normal con una media de 174.5 centmetros y una
desviacin estndar de 6.9 centmetros. Si se extraen 200 muestras aleatorias de
tamao 25 sin reemplazo de esta poblacin, determine:
A) El nmero de las medias mustrales que caen entre 172.5 y

175.8centmetros.
B) El nmero de medias mustrales que caen por debajo de 172centmetros.
Solucin:
Como se puede observar en este ejercicio se cuenta con una poblacin finita y un
muestreo sin reemplazo, por lo que se tendr que agregar el factor de correccin.
Se proceder a calcular el denominador de Z para slo sustituirlo en cada inciso
LA VENTA TABASCO
(0.7607)(200)=152 medias mustrales.
(0.0336)(200)= 7 medias mustrales.

LA VENTA TABASCO
DISTRIBUCION MUESTRAL DE PROPORCIONES
Existen ocasiones en las cuales no estamos interesados en la media de la muestra,

sino que queremos investigar la proporcin de artculos defectuosos o la proporcin
de alumnos reprobados en la muestra. La distribucin muestral de proporciones es
la adecuada para dar respuesta a estas situaciones. Esta distribucin se genera de
igual manera que la distribucin muestral de medias, a excepcin de que al extraer
las muestras de la poblacin se calcula el estadstico proporcin (p=x/n en donde
"x" es el nmero de xitos u observaciones de inters y "n" el tamao de la muestra)
en lugar del estadstico media.
Una poblacin binomial est estrechamente relacionada con la distribucin muestral

de proporciones; una poblacin binomial es una coleccin de xitos y fracasos,
mientras que una distribucin muestral de proporciones contiene las posibilidades
o proporciones de todos los nmeros posibles de xitos en un experimento binomial,
y como consecuencia de esta relacin, las afirmaciones probabilsticas referentes a
la proporcin muestral pueden evaluarse usando la aproximacin normal a la
binomial, siempre que np 5 y
n(1-p) 5. Cualquier evento se puede convertir en una proporcin si se divide el
nmero obtenido entre el nmero de intentos.
GENERACIN DE LA DISTRIBUCIN MUESTRAL DE PROPORCIONES
Suponga que se cuenta con un lote de 12 piezas, el cual tiene 4 artculos

defectuosos. Se van a seleccionar 5 artculos al azar de ese lote sin reemplazo.
Genere la distribucin muestral de proporciones para el nmero de piezas
defectuosas.
LA VENTA TABASCO
Como se puede observar en este ejercicio la Proporcin de artculos defectuosos
de esta poblacin es 4/12=1/3. Por lo que podemos decir que el 33% de las piezas
de este lote estn defectuosas.
El nmero posible de muestras de tamao 5 a extraer de una poblacin de 12

elementos es 12C5=792, las cuales se pueden desglosar de la siguiente manera:
Nmero de
Proporcin de
Artculos maneras en las que
Artculos Malos artculos
Buenos se puede obtener
defectuoso
la muestra
1 4 4/5=0.8 8C1*4C4=8
2 3 3/5=0.6 8C2*4C3=112
3 2 2/5=0.4 8C3*4C2=336
4 1 1/5=0.2 8C4*4C1=280
5 0 0/5=0 8C5*4C0=56
Total 792
Para calcular la media de la distribucin muestral de proporciones se tendra que

hacer la sumatoria de la frecuencia por el valor de la proporcin muestral y dividirla
entre el nmero total de muestras. Esto es:
Como podemos observar la media de la distribucin muestral de proporciones es

igual a la Proporcin de la poblacin.
p =P
Tambin se puede calcular la desviacin estndar de la distribucin muestral de

proporciones:
La varianza de la distribucin binomial es 2= npq, por lo que la varianza de la

LA VENTA TABASCO
distribucin muestral de proporciones es 2 =(Pq)/n. Si se sustituten los valores
p
en esta frmula tenemos que:
, este valor no coincide con el de 0.1681,

ya que nos falta agregar el factor de correccin para una poblacin finita y un
muestreo sin reemplazo:
La frmula que se utilizar para el clculo de probabilidad en una distribucin

muestral de proporciones est basada en la aproximacin de la distribucin normal
a la binomial. Esta frmula nos servir para calcular la probabilidad del
comportamiento de la proporcin en la muestra.
A esta frmula se le puede agregar el factor de correccin de si se cumple con las

condiciones necesarias.
LA VENTA TABASCO
EJEMPLO
Ejemplo:
Se ha determinado que 60% de los clientes que pasan por la empresa Elektra
fuman cigarrillos. Se toma una muestra aleatoria de 800 clientes. Calcule la
probabilidad de que la proporcin de la muestra de la gente que fuma cigarrillos sea
menor que 0.55.
Solucin:
Este ejercicio se puede solucionar por dos mtodos. El primero puede ser con la
aproximacin de la distribucin normal a la binomial y el segundo utilizando la
frmula de la distribucin muestral de proporciones.
Aproximacin de la distribucin normal a la binomial:
Datos:
n=800 clientes
p=0.60
x= (.55) (800) = 440 clientes
p (x 440) = ?
Media= np= (800) (0.60)= 480
p (x 440) = 0.0017. Este valor significa que existe una probabilidad del 0.17% de
que al extraer una muestra de 800 clientes, menos de 440 fuman cigarrillos.
LA VENTA TABASCO
Distribucin Muestral de Proporciones
Datos:
n=800 clientes
P=0.60
p= 0.55
p (p 0.55) =?
Observe que este valor es igual al obtenido en el mtodo de la aproximacin de la

distribucin normal a la binomial, por lo que si lo buscamos en la tabla de "z" nos da
la misma probabilidad de 0.0017. Tambin se debe de tomar en cuenta que el factor
de correccin de 0.5 se est dividiendo entre el tamao de la muestra, ya que
estamos hablando de una proporcin.
LA VENTA TABASCO
La interpretacin en esta solucin, estara enfocada a la proporcin de la muestra,
por lo que diramos que la probabilidad de que al extraer una muestra de 800
clientes, la proporcin de clientes que fuman cigarrillos sea menor al 55% es del
0.17%.
EJEMPLO:
Una fbrica de motocicletas en su produccin habitual, un 3% de motocicletas

defectuosos. Un cliente recibe un pedido de 500 motocicletas de la fbrica. Calcula
la probabilidad de que encuentre ms de los 5 % de motocicletas defectuosos.
SOLUCIN:
Estamos tomando una muestra de tamao n=500, de una poblacin donde la

proporcin de pasteles defectuosos es de p=0.03. Podemos usar las Distribucin
Muestral de Proporciones, que se ajusta a una normal
a)
Se ha tipificado la variable y se ha hecho uso de la tabla de la N(0,1).

LA VENTA TABASCO
DISTRIBUCIN DE DIFERENCIAS.
Suponga que se tienen dos poblaciones distintas, la primera con media

1 y desviacin estndar 1, y la segunda con media 2 y desviacin
estndar 2. Ms an, se elige una muestra aleatoria de tamao n1 de la
primera poblacin y una muestra independiente aleatoria de tamao n2
de la segunda poblacin;
se calcula la media muestral para cada muestra y la diferencia entre

dichas medias. La coleccin de todas esas diferencias se llama
distribucin muestral de las diferencias entre medias o la distribucin
muestral del estadstico.
La distribucin es aproximadamente normal para n130 y n230. Si las

poblaciones son normales, entonces la distribucin muestral de medias
es normal sin importar los tamaos de las muestras.
EJEMPLO:
La frmula que se utilizar para el clculo de probabilidad del estadstico

de diferencia de medias es:
LA VENTA TABASCO
Un seor compra dos televisores en la empresa Elektra. Los televisores

de la empresa, una tiene una vida media de 7.2 aos con una desviacin
estndar de 0.8 aos, mientras que la otra tiene una vida media de 6.7
aos con una desviacin estndar de 0.7.
Determine la probabilidad de que una muestra aleatoria de 34

televisiones de la empresa, una tenga una vida promedio de al menos
un ao ms que la de una muestra aleatoria de 40 televisiones de la
otra.
Datos:
A= 7.2 aos
B = 6.7 aos
A= 0.8 aos
B= 0.7 aos
nA = 34 tubos
nB = 40 tubos
LA VENTA TABASCO
INTERVALO DE CONFIANZA PARA LA MEDIA
Intervalo de confianza para la media de una poblacin normal

con desviacin tpica conocida
Si partimos de una poblacin que sigue una distribucin Z ~ N (0,1)

bastar con encontrar el punto crtico z/2 para tener un intervalo que
contenga la media poblacional con probabilidad c.
P (-z/2< Z < z/2) = c

Si en el caso general tomamos:
Bastar con hacer unas sencillas operaciones para llegar a que el

intervalo de confianza para la media de una poblacin normal con
desviacin tpica conocida es:
LA VENTA TABASCO
Determinacin del tamao de la muestra
Intervalo de confianza para la media de una poblacin con
Un problema tpico es determinar el tamao muestral mnimo para que
eldesviacin tpica conocida
intervalo de confianza con un nivel de confianza dado
para la media
tenga
En eluna
casocota
de de error igualque
poblaciones a una
nocantidad conocida.
son normales, o que simplemente no
sabemos
Para si lo
calcular son o no,
el tamao necesitamos
muestral mnimoque el tamao
basta plantearde
la la muestra sea
igualdad:
suficientemente grande (n > 30) para poder aplicar el Teorema central
del lmite para obtener que el intervalo de confianza para la media de
una poblacin con desviacin tpica conocida es:
De donde:
Si el valor que se obtiene no es entero se tomar el menor entero mayor

que el valor obtenido.
Intervalo de confianza para la media de una poblacin con

desviacin tpica desconocida
Cuando se desconoce la desviacin tpica poblacional se usa como

estimador la desviacin tpica de la muestra con lo que el intervalo
de confianza para la media de una poblacin con desviacin tpica
desconocida es:
LA VENTA TABASCO
En estos problemas no es necesario conocer la media muestral. Si se

conoce la media muestral se puede determinar el intervalo de confianza.
EJEMPLO
En Elektra se hizo una prueba que la duracin de la batera de cierto

modelo de telfono mvil se puede aproximar por una distribucin
normal con una desviacin tpica de 5 meses. Se toma una muestra
aleatoria simple de 10 bateras y se obtienen las siguientes duraciones
(en meses): 33, 34, 26, 37, 30, 39, 26, 31, 36, 19 Halla un intervalo
de confianza al 95 % para la duracin media de ese modelo de batera.
Solucin:
El intervalo de confianza de la media poblacional, para las muestras

de tamao muestral n de media x y desviacin tpica es:
Siendo Z x/2 el valor correspondiente en la tabla normal para una

confianza de 1 x
LA VENTA TABASCO
Por tanto, el intervalo de confianza para la media es
INTERVALOS DE CONFIANZA PARA LA VARIANZA
Si tenemos una muestra de tamao n tomada de una poblacin normal,

podemos obtener un intervalo de confianza del nivel dado (90%, 95%,
99%, etc.) para la varianza sabiendo que el valor de chi cuadrada es

para este caso:
El cual es una variable aleatoria que tiene una distribucin Chi cuadrada
con n-1 grados de libertad. Por lo tanto, podemos emplear esta
definicin para estimar un intervalo de confianza ya que lo que
necesitamos es que
Donde X es el valor de Chi cuadrada para los grados de libertad y

nivel de confianza (1 -) especificado.
LA VENTA TABASCO
Entonces podemos despejar la varianza 2:
Los valores de Chi cuadrada
Corresponden a lo que se muestra en la siguiente figura (notar que el

valor mayor define el lmite de la izquierda del intervalo y el menor el
derecho, ya que estn dividiendo).
Suponiendo un nivel de confianza de 95% y 5 grados de libertad

LA VENTA TABASCO
Por lo que el intervalo de confianza para la varianza estar dado por:
Podemos encontrar el intervalo de confianza correspondiente para la

desviacin estndar,,obteniendo las races cuadradas de los lmites de
confianza para la varianza.
EJEMPLO:
La empresa Elektra desea calcular el tiempo medio que los trabajadores

que laboran en el centro de la ciudad utilizan para llegar al trabajo. Una
muestra de 15 trabajadores revela el tiempo medios es de 35.06
minutos, con una desviacin estndar de 6 minutos. Construya un
intervalo de confianza del 98% para la media de la poblacin.
n= 15x=35.06 s= 6N.C=98%
G.L= n-1=15-1=14t= + - 2.624

LA VENTA TABASCO
INTERVALOS DE CONFIANZA DE PROPORCIONES
Un estimador puntual de la proporcin Pen un experimento binomial

est dado por la estadstica P=X/N, donde X representa el nmero de
xitos en N pruebas. Por tanto, la proporcin de la muestra p=x/n se
utilizar como estimador puntual del parmetro P. Si no se espera que
la proporcin P desconocida est demasiado cerca de 0 de 1, se
puede establecer un intervalo de confianza para Pal considerar la
distribucin muestral de proporciones.
Considerando el valor z para la distribucin de proporciones
Si intentamos despejar el valor de P nos encontramos con que
Pero cmo podemos encontrar Psi tambin est del lado derecho de
la ecuacin? Lo que haremos es aproximar la proporcin de la poblacin
por la de la muestra, es decir sustituir P por la proporcin de la muestra
p siempre y cuando el tamao de muestra no sea pequeo.
LA VENTA TABASCO
Cuando n es pequea y la proporcin desconocida P se considera

cercana a 0 a 1, el procedimiento del intervalo de confianza que se
establece aqu no es confiable ya que realmente se debera emplear la
distribucin binomial, por tanto, no se debe utilizar. Para estar seguros,
se debe requerir que np y n (1-p) sea mayor o igual a 5.
El error de estimacin ser la diferencia absoluta entre p y P, y podemos

tener el nivel de confianza de que esta diferencia no exceder el valor
de
Ejemplos: 1. Un fabricante de reproductores de discos compactos utiliza

un conjunto de pruebas amplias para evaluar la funcin elctrica de su
producto. Todos los reproductores de discos compactos deben pasar
todas las pruebas antes de venderse. Una muestra aleatoria de 500
reproductores tiene como resultado 15 que fallan en una o ms pruebas.
Encuentre un intervalo de confianza de 90% para la proporcin de los
reproductores de discos compactos de la poblacin que no pasaran
todas las pruebas.
Solucin:
n= 500
LA VENTA TABASCO
p= 15/500= 0.03
0.0237<P<0.0376
z= (0.90) = + - 1.645
LA VENTA TABASCO
EJEMPLO 2
En una muestra de 400 minisplits marca LG en el almacn de Elektra,

se encontraron 20 defectuosas. Si la proporcin p de minisplits
defectuosas en esa muestra se usa para estimar P, que vendr a ser la
proporcin verdadera de todos los minisplits defectuosos marca LG
almacenadas en Elektra, encuentre el mximo error de estimacin tal
que se pueda tener un 95% de confianza en que P dista menos de de
p
Solucin:
P= x/n 20/400= 0.05
Z (0.95) = 1.96
Si p=0.05 se usa para estimar P, podemos tener un 95% de confianza

en que P dista menos de 0.021 de p. En otras palabras, si p=0.05 se
usa para erstimar P, el error mximo de estimacin ser
aproximadamente 0.021 con un nivel de confianza del 95%.
Para calcular el intervalo de confianza se tendra:
Esto da por resultado dos valores, (0.029, 0.071). Con un nivel de

confianza del 95% se sabe que la proporcin de pulas defectuosas de
esta compaa est entre 0.029 y 0.071.
Si se requiere un menor error con un mismo nivel de

confianza slo se necesita aumentar el tamao de la muestra.
LA VENTA TABASCO
INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS

DE DOS DISTRIBUCIONES NORMALES, VARIANZAS
DESCONOCIDAS
En esta seccin se ver el caso en donde se tienen dos poblaciones

con medias y varianzas desconocidas, y se desea encontrar un intervalo
de confianza para la diferencia de dos medias 1- 2. Si los tamaos
de muestras n1 y n2 son mayores que 30, entonces, puede emplearse
el intervalo de confianza de la distribucin normal. Sin embargo, cuando
se toman muestras pequeas se supone que las poblaciones de inters
estn distribuidas de manera normal, y los intervalos de confianza se
basan en la distribucin t.
INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS

DE DOS DISTRIBUCIONES NORMALES, VARIANZAS
DESCONOCIDAS PERO IGUALES
Si s12 y s22 son las medias y las varianzas de dos muestras

aleatorias de tamao n1 y n2, respectivamente, tomadas de dos
poblaciones normales e independientes con varianzas desconocidas
pero iguales, entonces un intervalo de confianza del 100( ) por
ciento para la diferencia entre medias es:
En donde:
LA VENTA TABASCO
Es el estimador combinado de la desviacin estndar comn de la
poblacin con n1+n2 2 grados de libertad.
Ejemplos:
1. Un artculo publicado dio a conocer los resultados de un anlisis

del peso de calcio en cemento estndar y en cemento
contaminado con plomo. Los niveles bajos de calcio indican que
el mecanismo de hidratacin del cemento queda bloqueado y esto
permite que el agua ataque varias partes de una estructura de
cemento. Al tomar diez muestras de cemento estndar, se
encontr que el peso promedio de calcio es de 90 con una
desviacin estndar de 5; los resultados obtenidos con 15
muestras de cemento contaminado con plomo fueron de 87 en
promedio con una desviacin estndar de 4. Supngase que el
porcentaje de peso de calcio est distribuido de manera normal.
Encuntrese un intervalo de confianza del 95% para la diferencia
entre medias de los dos tipos de cementos. Por otra parte,
supngase que las dos poblaciones normales tienen la misma
desviacin estndar.
Solucin:
El estimador combinado de la desviacin estndar es:
Al calcularle raz cuadrada a este valor nos queda que sp = 4.41

LA VENTA TABASCO
Expresin que se reduce a 0.72 1- 2 6.72
Ntese que el intervalo de confianza del 95% incluye al cero; por

consiguiente, para este nivel confianza, no puede concluirse la
existencia de una diferencia entre las medias.
PRUEBA SOBRE DOS MEDIAS, POBLACIONES NORMALES,

VARIANZAS DESCONOCIDAS PERO IGUALES
Las situaciones que ms prevalecen e implican pruebas sobre dos

medias son las que tienen varianzas desconocidas. Si el cientfico
prueba mediante una prueba F, que las varianzas de las dos
poblaciones son iguales, se utiliza la siguiente frmula:
Donde:
LA VENTA TABASCO
Los grados de libertad estn dados por:
PRUEBA SOBRE DOS MEDIAS, POBLACIONES NORMALES,

VARIANZAS DESCONOCIDAS PERO DIFERENTES
EJEMPLO
2. Un fabricante de monitores prueba dos diseos de

microcircuitos para determinar si producen un flujo de corriente
equivalente. El departamento de ingeniera ha obtenido los datos
siguientes:
Diseo 1 n1 = 16 s12 = 10
Diseo 2 n2 = 10 s22 = 40
Con = 0.05, se desea determinar si existe alguna diferencia

significativa en el flujo de corriente promedio entre los dos diseos,
LA VENTA TABASCO
donde se supone que las dos poblaciones son normales, pero no es
posible suponer que las varianzas desconocidas sean iguales.
Solucin:
Primero se probarn varianzas desiguales.
Ensayo de hiptesis:
Estadstico de prueba:
La sugerencia que se hace es que el numerador sea el de valor mayor.
Entonces los grados de libertad uno ser el tamao de la muestra de la

poblacin uno menos uno. 1= 10-1 = 9 y 2 = 16-1=15.
LA VENTA TABASCO
Regla de decisin:
Si 0.265 Fc 3.12 No se rechaza Ho,
Si la Fc < 0.265 si Fc > 3.12 se rechaza Ho.
Clculo:
Decisin y Justificacin:
Como 4 es mayor que 3.12 se rechaza Ho, y se concluye con un =

0.05 que existe suficiente evidencia para decir que las varianza de las
poblaciones son diferentes.
Con la decisin anterior se procede a comparar las medias:
Ensayo de Hiptesis
Ho; 1- 2=0
LA VENTA TABASCO
H1; 1- 2 0
Para poder buscar el valor de t en la tabla, se necesita saber el valor de

los grados de libertad:
Este valor se redondea al prximo menor que sera 11.
Regla de decisin:
Si 2.201 tR 2.201 No se rechaza Ho
Si tR < -2.201 si tR > 2.201 se rechaza Ho
Clculos:
Justificacin y decisin:
LA VENTA TABASCO
Como 0.1395 est entre 2.201 y 2.201, no se rechaza Ho y se concluye
con un = 0.05, que no existe diferencia significativa en el flujo de
corriente promedio entre los dos diseos.
3. Dos proveedores fabrican un engrane de plstico utilizado en una

impresora lser. Una caracterstica importante de estos engranes
es la resistencia al impacto la cual se mide en pies-libras. Una
muestra aleatoria de 10 engranes suministrados por el primer
proveedor arroja los siguientes resultados: y s1 = 12. Del
segundo proveedor se toma una muestra aleatoria de 16
engranes, donde los resultados son
Y s2 = 45. Existe evidencia que apoye la afirmacin de que los

engranes del proveedor 2 tienen una mayor resistencia promedio al
impacto. Use un nivel de significancia de 0.05. Calcule el valor de P.
Solucin:
Datos:
Proveedor 1 Proveedor 2
LA VENTA TABASCO
n1 = 10 n2 = 16
S1= 12 S2 = 45
Primero se probarn varianzas desiguales.
Ensayo de hiptesis:
Estadstico de prueba:
La sugerencia que se hace es que el numerador sea el de valor mayor.
Entonces los grados de libertad uno ser el tamao de la muestra de la

poblacin uno menos uno. 1= 16-1 = 15 y 2 = 10-1=9.
LA VENTA TABASCO
Regla de decisin:
Si 0.320 Fc 3.01 No se rechaza Ho,
Si la Fc < 0.320 si Fc > 3.01 se rechaza Ho.
Clculo:
Decisin y Justificacin:
Como 14.06 es mayor que 3.01 se rechaza Ho , y se concluye con un

= 0.05 que existe suficiente evidencia para decir que las varianza de
las poblaciones son diferentes.
Con la decisin anterior se procede a comparar las medias:
Ensayo de Hiptesis
Ho; 2- 1=0
H1; 2- 1 >0
Para poder buscar el valor de t en la tabla, se necesita saber el valor de

los grados de libertad:
LA VENTA TABASCO
Este valor se redondea al prximo menor que sera 18.
Regla de decisin:
Si tR 1.734 No se rechaza Ho
Si tR > 1.734 se rechaza Ho
Clculos:
Justificacin y decisin:
Como 2.61 es mayor que 1.734, se rechaza Ho y se concluye con un

=0.05, que existe evidencia suficiente para decir que el promedio de
resistencia de los engranes del proveedor 2 es mayor al promedio de
resistencia de los engranes del proveedor 1.
LA VENTA TABASCO
Para calcular el valor de P se busca adentro de la tabla de t el valor de

2.61 con 18 grados de libertad y se observa que se encuentra entre dos
reas que son 0.01 y 0.0075, al interpolar nos da un valor de P =
0.00894.
LA VENTA TABASCO
CONCLUSION
Llegamos a la conclusin que en la actualidad las empresas estn en gran
competencia por obtener el mayor nmero de clientes posibles ya que sin ellos
no existira la empresa, y ya no solo se preocupan por la calidad de los
LA VENTA TABASCO
productos o servicio que prestan, sino tambin por la atencin que deben
brindarles para mantenerlos a gusto, cumpliendo con todas sus expectativas.
La empresa Elektra es una de ellas, su servicio es eficaz pero puede mejorar,

ya que algunos clientes nos mencionaban que la empresa no sabe manejar el
servicio al cliente cuando tienen mucha clientela, pero que no se pueden quejar
ya que cuando ellos reciben el servicio tienen un buen trato y saben dar una
buena informacin.
LA VENTA TABASCO
Prueba de hiptesis para la media

Etapas bsicas en pruebas de hiptesis. Al realizar pruebas de hiptesis, se parte de un
valor supuesto (Hipottico) en parmetro poblacional. Despus de recolectar una muestra
aleatoria, se compara la estadstica muestral, as como la media, con el parmetro
hipottico, se compara con una supuesta media poblacional. Despus se acepta o se
rechaza el valor hipottico, segn proceda. Se rechaza el valor hipottico slo si el resultado
muestral resulta muy poco probable cuando la hiptesis es cierta.
- Etapa 1. Planear la hiptesis nula y la hiptesis alternativa. La hiptesis nula (H0) es el

valor hipottico del parmetro que se compra con el resultado muestral resulta muy poco
probable cuando la hiptesis es cierta.
- Etapa 2. Especificar el nivel de significancia que se va a utilizar. El nivel de significancia

del 5%, entonces se rechaza la hiptesis nula solamente si el resultado muestral es tan
diferente del valor hipottico que una diferencia de esa magnitud o mayor, pudiera ocurrir
aleatoria mente con una probabilidad de 1.05 o menos.
- Etapa 3. Elegir la estadstica de prueba. La estadstica de prueba puede ser la

estadstica muestral (el estimador no segado del parmetro que se prueba) o una versin
transformada de esa estadstica muestral. Por ejemplo, para probar el valor hipottico
de una media poblacional, se toma la media de una muestra aleatoria de esa distribucin
normal, entonces es comn que se transforme la media en un valor z el cual, a su vez,
sirve como estadstica de prueba.
Consecuencias de las Decisiones en Pruebas de Hiptesis.
Decisiones Posibles Situaciones Posibles

La hiptesis nula es La hiptesis nula es
verdadera falsa
Aceptar la Hiptesis Se acepta correctamente Error tipo II o Beta
Nula
Rechazar la Hiptesis Error tipo I o Alfa Se rechaza
Nula correctamente
LA VENTA TABASCO
- Etapa 4. Establecer el valor o valores crticos de la estadstica de prueba. Habiendo
especificado la hiptesis nula, el nivel de significancia y la estadstica de prueba que
se van a utilizar, se produce a establecer el o los valores crticos de estadstica de
prueba. Puede haber uno o ms de esos valores, dependiendo de si se va a realizar una
prueba de uno o dos extremos.
- Etapa 5. Determinar el valor real de la estadstica de prueba. Por ejemplo, al probar un

valor hipottico de la media poblacional, se toma una muestra aleatoria y se determina
el valor de la media muestral. Si el valor crtico que se establece es un valor de z,
entonces se transforma la media muestral en un valor de z.
- Etapa 6. Tomar la decisin. Se compara el valor observado de la estadstica muestral

con el valor (o valores) crticos de la estadstica de prueba. Despus se acepta o se
rechaza la hiptesis nula. Si se rechaza sta, se acepta la alternativa; a su vez, esta
decisin tendr efecto sobre otras decisiones de los administradores operativos, como,
por ejemplo, mantener o no un estndar de desempeo o cul de dos estrategias de
mercadotecnia utilizar.
La distribucin apropiada de la prueba estadstica se divide en dos regiones: una regin de

rechazo y una de no rechazo. Si la prueba estadstica cae en esta ltima regin no se
puede rechazar la hiptesis nula y se llega a la conclusin de que el proceso funciona
correctamente.
Al tomar la decisin con respecto a la hiptesis nula, se debe determinar el valor crtico en
la distribucin estadstica que divide la regin del rechazo (en la cual la hiptesis nula no se
puede rechazar) de la regin de rechazo. A hora bien el valor crtico depende del tamao
de la regin de rechazo.
Pasos de la Prueba de Hiptesis
- Expresar la hiptesis nula

- Expresar la hiptesis alternativa
- Especificar el nivel de significanca
- Determinar el tamao de la muestra
- Establecer los valores crticos que establecen las regiones de rechazo de las de no
rechazo.
- Determinar la prueba estadstica.
LA VENTA TABASCO
- Coleccionar los datos y calcular el valor de la muestra de la prueba estadstica
apropiada.
- Determinar si la prueba estadstica ha sido en la zona de rechazo a una de no rechazo.
- Determinar la decisin estadstica.
- Expresar la decisin estadstica en trminos del problema.
Hiptesis Estadstica. Al intentar alcanzar una decisin, es til hacer hiptesis (o

conjeturas) sobre la poblacin aplicada. Tales hiptesis, que pueden ser o no ciertas, se
llaman hiptesis estadsticas. Son, en general, enunciados acerca de las distribuciones de
probabilidad de las poblaciones.
Hiptesis Nula. En muchos casos formulamos una hiptesis estadstica con el nico
propsito de rechazarla o invalidarla. As, si queremos decidir si una moneda est trucada,
formulamos la hiptesis de que la moneda es buena (o sea p=0,5, donde p es la
probabilidad de cara). Analgicamente, si deseamos decidir si un procedimiento es mejor
que otro, formulamos la hiptesis de que no hay diferencia entre ellos (o sea. Que cualquier
diferencia observada se debe simplemente a fluctuaciones en el muestreo de la misma
poblacin). Tales hiptesis se suelen llamar hiptesis nula y se denotan por Ho.
Para todo tipo de investigacin en la que tenemos dos o ms grupos, se establecer una
hiptesis nula. La hiptesis nula es aquella que nos dice que no existen diferencias
significativas entre los grupos. Por ejemplo, supongamos que un investigador cree que, si
un grupo de jvenes se somete a un entrenamiento intensivo de natacin, stos sern
mejores nadadores que aquellos que no recibieron entrenamiento. Para demostrar su
hiptesis toma al azar una muestra de jvenes, y tambin al azar los distribuye en dos
grupos: uno que llamaremos experimental, el cual recibir entrenamiento, y otro que no
recibir entrenamiento alguno, al que llamaremos control. La hiptesis nula sealar que
no hay diferencia en el desempeo de la natacin entre el grupo de jvenes que recibi el
entrenamiento y el que no lo recibi.
Una hiptesis nula es importante por varias razones:
- Es una hiptesis que se acepta o se rechaza segn el resultado de la investigacin.

- El hecho de contar con una hiptesis nula ayuda a determinar si existe una diferencia
entre los grupos, si esta diferencia es significativa, y si no se debi al azar.
LA VENTA TABASCO
- No toda investigacin precisa de formular hiptesis nula. Se recomienda que la hiptesis
nula es aquella por la cual indicamos que la informacin a obtener es contraria a la
hiptesis de trabajo.
Al formular esta hiptesis, se pretende negar la variable independiente. Es decir, se enuncia

que la causa determinada como origen del problema flucta, por tanto, debe rechazarse
como tal.
Hiptesis Alternativa: Toda hiptesis que difiere de una dada se llamar una hiptesis
alternativa. Una hiptesis alternativa a la hiptesis nula se denotar por H1.
Al responder a un problema, es muy conveniente proponer otras hiptesis en que

aparezcan variables independientes distintas de las primeras que formulamos. Por tanto,
para no perder tiempo en bsquedas intiles, es necesario hallar diferentes hiptesis
alternativas como respuesta a un mismo problema y elegir entre ellas cules y en qu orden
vamos a tratar su comprobacin.
Las hiptesis, naturalmente, sern diferentes segn el tipo de investigacin que se est
realizando. En los estudios exploratorios, a veces, el objetivo de la investigacin podr ser
simplemente el de obtener los mnimos conocimientos que permitan formular una hiptesis.
Tambin es aceptable que, en este caso, resulten poco precisas, como cuando afirmamos
que "existe algn tipo de problema social en tal grupo", o que los planetas poseen algn
tipo de atmsfera, sin especificar de qu elementos est compuesto.
Los trabajos de ndole descriptiva generalmente presentan hiptesis del tipo "todos los X
poseen, en alguna medida, las caractersticas Y". Por ejemplo, podemos decir que todas
las naciones poseen algn comercio internacional, y dedicarnos a describir, cuantificando,
las relaciones comerciales entre ellas. Tambin podemos hacer afirmaciones del tipo "X
pertenece al tipo Y", como cuando decimos que una tecnologa es capital - intensiva. En
estos casos, describimos, clasificndolo, el objeto de nuestro inters, incluyndolo en un
tipo ideal complejo de orden superior.
Por ltimo, podemos construir hiptesis del tipo "X produce (o afecta) a Y", donde estaremos
en presencia de una relacin entre variables.
LA VENTA TABASCO
Errores de tipo I y de tipo II. Si rechazamos una hiptesis cuando debiera ser aceptada,
diremos que se ha cometido un error de tipo I. Por otra parte, si aceptamos una hiptesis
que debiera ser rechazada, diremos que se cometi un error de tipo II.
En ambos casos, se ha producido un juicio errneo. Para que las reglas de decisin (o no
contraste de hiptesis) sean buenos, deben disearse de modo que minimicen los errores
de la decisin; y no es una cuestin sencilla, porque para cualquier tamao de la muestra,
un intento de disminuir un tipo de error suele ir acompaado de un crecimiento del otro tipo.
En la prctica, un tipo de error puede ser ms grave que el otro, y debe alcanzarse un
compromiso que disminuya el error ms grave. La nica forma de disminuir ambos a la vez
es aumentar el tamao de la muestra que no siempre es posible.
Niveles de Significacin. Al contrastar una cierta hiptesis, la mxima probabilidad con la

que estamos dispuesto a correr el riesgo de cometern error de tipo I, se llama nivel de
significacin. Esta probabilidad, denota a menudo por s, suele especificar antes de tomar
la muestra, de manera que los resultados obtenidos no influyan en nuestra eleccin.
En la prctica, es frecuente un nivel de significacin de 0,05 0,01, si bien se une otros

valores. Si por ejemplo se escoge el nivel de significacin 0,05 ( 5%) al disear una regla
de decisin, entonces hay unas cinco (05) oportunidades entre 100 de rechazar la hiptesis
cuando debiera haberse aceptado; Es decir, tenemos un 95% de confianza de que hemos
adoptado la decisin correcta. En tal caso decimos que la hiptesis ha sido rechazada al
nivel de significacin 0,05, lo cual quiere decir que tal hiptesis tiene una probabilidad 0,05
de ser falsa.
Prueba de 1 o 2 Extremos. Cuando estudiamos ambos valores estadsticos, es decir,

ambos lados de la media lo llamamos prueba de uno y dos extremos o contraste de una y
dos colas. Con frecuencia, no obstante, estaremos interesados tan slo en valores
extremos a un lado de la media (o sea, en uno de los extremos de la distribucin), tal como
sucede cuando se contrasta la hiptesis de que un proceso es mejor que otro (lo cual no
es lo mismo que contrastar si un proceso es mejor o peor que el otro) tales contrastes se
llaman unilaterales, o de un extremo. En tales situaciones, la regin crtica es una regin
situada a un lado de la distribucin, con rea igual al nivel de significacin.
LA VENTA TABASCO
Curva Caracterstica Operativa y Curva de Potencia. Podemos limitar un error de tipo I
eligiendo adecuadamente el nivel de significancia. Es posible evitar el riesgo de cometer el
error tipo II simplemente no aceptando nunca la hiptesis, pero en muchas aplicaciones
prcticas esto es inviable. En tales casos, se suele recurrir a curvas caractersticas de
operacin o curvas de potencia que son grficos que muestran las probabilidades de error
de tipo II bajo diversas hiptesis. Proporcionan indicaciones de hasta que punto un test
dado nos permitir evitar un error de tipo II; es decir, nos indicarn la potencia de un test a
la hora de prevenir decisiones errneas. Son tiles en el diseo de experimentos por que
sugieren entre otras cosas el tamao de muestra a manejar.
Inferencias acerca de la Media Poblacional (varianza conocida). Supongamos que de

una poblacin normal con media desconocida . y varianza conocida 2 se extrae una
muestra de tamao n, entonces de la distribucin de la media muestral x se obtiene que:
x o
Z
/ n
Se distribuye como una normal estndar. Luego, P Z / 2 Z Z / 2 1
Donde Z/2 es un valor de la normal estndar tal que el rea a la derecha de dicho valor es
/2, como se muestra en la figura
Sustituyendo la frmula de z se obtiene:

LA VENTA TABASCO
x
P Z / 2 Z / 2 1
/ n
Haciendo un despeje algebraico, se obtiene
Z Z
P / 2 x /2 1
n n
De lo anterior se puede concluir que un Intervalo de Confianza del 100(1-)% para la media
poblacional , es de la forma:
Z Z
x /2 ,x /2
n n
Usualmente =0.1, 0.05 0.01, que corresponden a intervalos de confianza del 90, 95 y 99
por ciento respectivamente. La siguiente tabla muestra los Z/2 ms usados.
Nivel de Confianza Z/2
90 1.645
95 1.96
99 2.58
En la prctica si la media poblacional es desconocida entonces, es bien probable que la

varianza tambin lo sea puesto que en el clculo de 2 interviene. Si sta es la situacin,
y si el tamao de muestra es grande (n>30, parece ser lo ms usado), entonces 2 es
estimada por la varianza muestral s2 y se puede usar la siguiente frmula para el intervalo
de confianza de la media poblacional:
Z s Z s
x /2 ,x /2
n n
LA VENTA TABASCO
Por otro lado, tambin se pueden hacer pruebas de hiptesis con respecto a la
media poblacional. Por conveniencia, en la hiptesis nula siempre se asume que
la media es igual a un valor dado. La hiptesis alterna en cambio, puede ser de un
slo lado: menor mayor que el nmero dado, de dos lados: distinto a un nmero
dado.
Existen dos mtodos de hacer la prueba de hiptesis: el mtodo clsico y el mtodo

del P-Value.
a. En el mtodo clsico, se evala la prueba estadstica de Z y al valor obtenido se

le llama Z calculado (Zcalc). Por otro lado, el nivel de significacin dado
determina una regin de rechazo y una de aceptacin. Si Z calc cae en la regin
de rechazo, entonces se concluye que hay suficiente evidencia estadstica para
rechazar la hiptesis nula con base en los resultados de la muestra tomada. Las
frmulas estn resumidas en la siguiente tabla:
Caso I Caso II Caso III
Ho: =0 Ho : =0 Ho : =0
Ha: <0 Ha : 0 Ha : >0
x o
Prueba Estadstica: Z
/ n
Aqu Z es el valor de la normal estndar tal que el rea a la derecha de dicho valor es
. Recordar tambin que puede ser sustituido por s, cuando la muestra es
relativamente grande (n>30). Los valores de ms usados son 0.01 y 0.05. Si se
rechaza la hiptesis nula al .01 se dice que la hiptesis alterna es altamente significativa
y al .05 que es significativa.
b. Trabajar slo con esos dos valores de simplificaba mucho el aspecto computacional,
pero por otro lado creaba restricciones. En la manera moderna de probar hiptesis se
usa una cantidad llamada P-Value. El P-Value llamado el nivel de significacin
observado, es el valor de al cual se rechazara la hiptesis nula si se usa el valor
calculado de la prueba estadstica. En la prctica un P-Value cercano a 0 indica un
rechazo de la hiptesis nula. As un P-Value menor que .05 indicar que se rechaza la
prueba estadstica.
LA VENTA TABASCO
Frmulas para calcular P-Value:
- Si Ho: >o, entonces P-value = 1*Prob(Z>Zcalc).

- Si Ho: <o, entonces P-value = 1*Prob(Z<Zcalc).
- Si Ho: o, entonces P-value = 2*Prob(Z>|Zcalc ).
Los principales programas estadsticos dan los P-Value para la mayora de las pruebas
estadsticas. A travs de todo el texto usamos el mtodo del P-Value para probar
hiptesis.
Concepto. Afirmacin acerca de los parmetros de la poblacin.
EJEMPLO:
Debido a la dificultad de explicar este tema se enfocar un problema basado en un estudio

de la empresa Elektra. En este problema la empresa Elektra tiene dos turnos de operarios,
turno de da y turno mixto. Se selecciona una muestra aleatoria de 100 llantas vendidas por
cada turno para ayudar al gerente a sacar conclusiones de cada una de las siguientes
preguntas
- Es la duracin promedio de las llantas vendidas en el turno de da igual a 25 000 millas?

- Es la duracin promedio de las llantas vendidas en el turno mixto menor de 25 000
millas?
- Se revienta ms de un 8% de las llantas vendidas por el turno de da antes de las 10
000 millas?
Prueba de Hiptesis para la media. En la empresa Elektra la hiptesis nula y alternativa

para el problema se plantearon como,
Ho: = 25 000 H1: 25 000

LA VENTA TABASCO
Si se considera la desviacin estndar las llantas vendidas en el turno de da, entonces,
con base en el teorema de limite central, la distribucin en el muestreo de la media seguira
la distribucin normal, y la prueba estadstica que esta basada en la diferencia entre la
media X de la muestra y la media hipottica se encontrara como
x o
Z
/ n
Si el tamao de la regin de rechazo se estableciera en 5% entonces se podran

determinar los valores crticos de la distribucin. Dado que la regin de rechazo esta dividida
en las dos colas de la distribucin, el 5% se divide en dos partes iguales de 2.5%.
Dado que ya se tiene la distribucin normal, los valores crticos se pueden expresar en
unidades de desviacin. Una regin de rechazo de 0.25 en cada cola de la distribucin
normal, da por resultado un rea de .475 entre la media hipottica y el valor crtico. Si se
busca est rea en la distribucin normal, se encuentra que los valores crticos que dividen
las regiones de rechazo y no rechazo son + 1.96 y - 1.96
Por tanto, la regla para decisin sera rechazar Ho si Z > +1.96 o s z < -1.96, de lo contrario,
no rechazar Ho. No obstante, en la mayor parte de los casos se desconoce la desviacin
estndar de la poblacin. La desviacin estndar se estima al calcular S, la desviacin
estndar de la muestra. Si se supone que la poblacin es normal la distribucin en el
muestreo de la media seguira una distribucin t con n-1 grados de libertad.
En la prctica, se a encontrado que siempre y cuando el tamao de la muestra no sea muy

pequeo y la poblacin no este muy sesgada, la distribucin t da una buena aproximacin
a la distribucin de muestra de la media. La prueba estadstica para determinar la diferencia
LA VENTA TABASCO
entre la media x de la muestra y la media de la poblacin cuando se utiliza la desviacin
estndar S de la muestra, se expresa
X
t n 1
s/ n
Para una muestra de 100, si se selecciona un nivel de significancia de 0.05, los

valores crticos de la distribucin t con 100-1= 99 grados de libertad se puede
obtener como se indica en la siguiente tabla tenemos el valor de 1.9842. Como esta
prueba de dos colas, la regin de rechazo de 0.05 se vuelve a dividir en dos partes
iguales de 0.025 cada una. Con el uso de las tablas para t, los valores crticos son
1.984 y +1.984. La regla para la decisin es,
Rechazar Ho si t 99 1.9842 o t 99 1.9842 de lo contrario, no rechazar Ho

Los resultados de la muestra para el turno de da (en millas) fueron
X da 25.430, Sda 4.000 y n da 100 millas. Puesto que se esta probando si
la media es diferente a 25 000 millas, se tiene con la ecuacin
X 25.430 25.00
t n 1 t 1001 1.075
S/ n 4.000 / 100
Dado que t100-1=1.075, se ve que -1.984 < +1.075 < + 1.984, entonces no se rechaza Ho.
Por ello, la decisin de no rechazar la hiptesis nula Ho. En conclusin, es que la duracin
promedio de las llantas es 25 000 millas. A fin de tener en cuenta la posibilidad de un error
de tipo II, este enunciado se puede redactar como no hay pruebas de que la duracin
promedio de las llantas sea diferente a 25 000 millas en las llantas vendidas en el turno de
da.
LA VENTA TABASCO
PRUEBA DE HIPTESIS PARA LA VARIANZA
La varianza como medida de dispersin es importante dado que nos ofrece una mejor visin
de dispersin de datos.
Por ejemplo: si se determina que la poblacin califica en promedio con 6 el desempeo del
gobierno; al decir que la varianza es de cero (y por lo tanto la desviacin estndar es de
cero) podemos confiar en que aproximadamente la misma calificacin le asignara toda la
poblacin, en otras palabras, en trminos generales la poblacin en su conjunto ve al
gobierno con la misma calificacin ya que no hay variacin o dispersin en dicha
calificacin.
Por el contrario, con la misma calificacin promedio de 6 pero con una varianza muy alta
podemos interpretar que hay gente contenta con el gobierno que le ha asignado
calificaciones muy arriba del 6; pero hay un conjunto poblacional muy molesto con el
gobierno que asigna calificaciones muy por debajo del 6. Este tipo de informacin solo es
posible mediante el anlisis de la varianza.
Otro campo del conocimiento donde la varianza se ocupa en gran medida es en control de
calidad; cuando un producto se elabora el rea de control de calidad busca que los
productos est dentro de ciertos lmites de tolerancia, pero tambin que la variabilidad de
un producto sea lo menor posible. De ah viene la filosofa seis sigma (significa seis veces
la varianza).
Nuevamente consideramos que la poblacin sigue una distribucin de probabilidad normal,

para lo cual usamos el siguiente estadstico de prueba:
( 1) 2
2 =
2
Este estadstico de prueba se le conoce como ji cuadrada
PRUEBA DE HIPOTESIS PARA LA VARIANZA POBLACIONAL
En una prueba de hiptesis para la varianza poblacional se emplean el valor hipottico de

la varianza poblacional 2 o y la varianza muestral s 2 para calcular el valor estadstico de
prueba X2. Si la poblacin tiene una distribucin normal, el estadstico de prueba es el
siguiente:
Una vez calculado el estadstico de prueba X2, para determinar si se acepta o se rechaza
la hiptesis nula se encuentra el valor crtico y se realiza la comparacin.
PRUEBAS DE HIPTESIS PARA DOS VARIANZAS POBLACIONALES.
En algunas aplicaciones estadsticas interesa comparar las varianzas de las calidades de

producto obtenido mediante dos mtodos de produccin diferentes, o las varianzas de
LA VENTA TABASCO
tiempos de fabricacin empleando dos mtodos diferentes, o las varianzas de temperaturas
que se tienen con dos dispositivos distintos de calentamiento. Para comparar dos varianzas
poblacionales, se emplean datos obtenidos de dos muestras aleatorias independientes, una
de la poblacin 1 y otra de la poblacin 2.
Distribucin muestral de 1 2 /2 2 cuando 1 2 /2 2 se utiliza la distribucin F con n1 -1

grados de libertad en el numerador y n2 -1 grados de libertad en el denominador. Formula
general del estadstico de prueba:
= S1 2 2 2
CONCLUSION:
En esta sesin se presentaron los procedimientos estadsticos que se usan en las

inferencias acerca de varianzas poblacionales. Se introdujeron dos distribuciones de
probabilidad nuevas: la distribucin chi-cuadrada y la distribucin F. La distribucin chi-
cuadrada se usa en pruebas de hiptesis para la varianza de una poblacin normal. La
distribucin F se usa en varianzas de dos poblaciones normales. En la siguiente sesin
aprenderemos a trabajar la regresin y correlacin lineal.
ESTADISTICO
ji-cuadrada
Ejemplo:
Elektra, un fabricante de lquidos para motos est interesado en la uniformidad de la
maquina utilizada para llenar botellas de manera especfica es deseable que la
varianza sea; 0.01 onzas del lquido. Al tomar una muestra aleatoria de 20 botellas
se obtiene una varianza muestral (s) para el volumen de llenado de ese cuadrado
s=0.0153. (Distribucin normal) El fabricante est preocupado porque piensa que la
variacin del proceso es mayor que la variacin histrica. Con un =0.05, el
fabricante tiene elementos que sustenten se preocupacin.
1) H0: 0.01
H1: 0.01
LA VENTA TABASCO
2) Calcular valores crticos.
3) Decisin.
No hay evidencia estadstica para no aceptar H0.
Conclusin: Existe evidencia que la varianza no es mayor al valor histrico por lo

tanto, no es necesario hacer ajustes al proceso de llenado.
LA VENTA TABASCO
PRUEBA DE HIPTESIS PARA PROPORCIONES
Las pruebas de proporciones son adecuadas cuando los datos que se estn analizando constan de cuentas o
frecuencias de elementos de dos o ms clases. El objetivo de estas pruebas es evaluar las afirmaciones con
respecto a una proporcin (o Porcentaje) de poblacin. Las pruebas se basan en la premisa de que una
proporcin muestral (es decir, x ocurrencias en n observaciones, o x/n) ser igual a la proporcin verdadera de
la poblacin si se toman mrgenes o tolerancias para la variabilidad muestral.
Las pruebas suelen enfocarse en la diferencia entre un nmero esperado de ocurrencias, suponiendo que una
afirmacin es verdadera, y el nmero observado realmente. La diferencia se compara con la variabilidad
prescrita mediante una distribucin de muestreo que tiene como base el supuesto de que es realmente
verdadera.
En muchos aspectos, las pruebas de proporciones se parecen a las pruebas de medias, excepto que, en el
caso de las primeras, los datos muestrales se consideran como cuentas en lugar de como mediciones. Por
ejemplo, las pruebas para medias y proporciones se pueden utilizar para evaluar afirmaciones con respecto a:
1) Un parmetro de poblacin nico (prueba de una muestra)

2) La igualdad de parmetros de dos poblaciones (prueba de dos muestras)
3) La igualdad de parmetros de ms de dos poblaciones (prueba de k muestras).
Adems, para tamaos grandes de muestras, la distribucin de muestreo adecuada para pruebas de
proporciones de una y dos muestras es aproximadamente normal, justo como sucede en el caso de pruebas
de medias de una y dos muestras.
Prueba de proporciones de una muestra

Cuando el objetivo del muestreo es evaluar la validez de una afirmacin con respecto a la proporcin de una
poblacin, es adecuado utilizar una prueba de una muestra. La metodologa de prueba depende de si el nmero
de observaciones de la muestra es grande o pequeo.
Como se habr observado anteriormente, las pruebas de grandes muestras de medias y proporciones son
bastante semejantes.
De este modo, los valores estadsticos de prueba miden la desviacin de un valor estadstico de muestra a
partir de un valor propuesto. Y ambas pruebas se basan en la distribucin normal estndar para valores crticos.
Quiz la nica diferencia real entre las ambas radica en la forma corno se obtiene la desviacin estndar de la
distribucin de muestreo.
Esta prueba comprende el clculo del valor estadstico de prueba Z
LA VENTA TABASCO
Posteriormente este valor es comparado con el valor de Z, obtenido a partir de una tabla normal a un nivel de
significacin seleccionado.
Como ocurri con la prueba de medias de una muestra, las pruebas de proporciones pueden ser de una o dos
colas.
La primera alternativa establece una prueba de cola derecha, la segunda, izquierda y la tercera, una prueba
de dos colas.
LA VENTA TABASCO
Ejemplo ilustrativo
En un estudio se afirma que 3 de 10 estudiantes universitarios trabajan. Pruebe esta aseveracin, a un nivel
de significacin de 0,025, respecto a la alternativa de que la proporcin real de los estudiantes universitarios
trabajan es mayor de lo que se afirma, si una muestra aleatoria de 600 estudiantes universitarios revela que
200 de ellos trabajan. La muestra fue tomada de 10000 estudiantes.
Los datos son:
Como en los datos aparece el tamao de la poblacin, se debe verificar si el tamao de la nuestra es mayor
que el 5%. Se remplaza valores en la siguiente frmula:
LA VENTA TABASCO
Los clculos en Excel se muestran en la siguiente figura:
El grfico elaborado en Winstats y Paint se muestra a continuacin:
Decisin:
LA VENTA TABASCO
EJERCICIO SOBRE LA EMPRESA ESTABLECIDA ELEKTRA

El gerente de ventas de Elektra desea saber si la proporcin de mujeres que entran a su negocio es
igual o mayor al 60% para confirmarlo se realiza una muestreo de 40 personas donde una
proporcin de mujeres del 58%
Realizar la prueba de hiptesis con un nivel de significancia de 0.1
Solucin:
Ho : P= >0.6
Ha: P=< 0.6
El nivel de significancia es el rea bajo la curva de la regin del rechazo 1- =90%
=0% =10%
Distribucin de la regin de aceptacin

40%
10%
0.2562
Z=-1.285
LA VENTA TABASCO
0.580.6
0.58(10.58)
= 40
= 0.2562
p- se acepta Ho =0.256
LA VENTA TABASCO
PRUEBA DE HIPOTESIS PARA LA DIFERENCIA
Cuando se trabaja simultneamente con una variable categrica (posible VI) y una
variable dependiente (posible VD).
Se debe considerar el nmero de niveles de la variable categrica. El objetivo es

comparar los valores de la variable cuantitativa en funcin de los niveles de la
variable categrica.
Se asume que los grupos son independientes.
Prueba para probar, con una probabilidad especificada, que cierto parmetro tiene
un determinado valor. Dependiendo del parmetro que se pruebe y del tamao de
la muestra, debe identificar el estadstico de prueba correspondiente y manejar el
concepto del valor p.
EJERCICIO:
La empresa Elektra dice que su producto tiene el 65% del mercado. Un estudio,
muestra que de 300 productos 160 son del fabricante. Con un 95% de confianza
pruebe la hiptesis del fabricante.
2. La prueba es sobre una proporcin de una poblacin con muestra grande, del
formulario
LA VENTA TABASCO
3. A) , el valor de z que corresponde a sta rea es
(tablas normal estndar) es de - 1.96
B) Para z = -1.77, se tiene un valor p o rea desde menos infinito de 0.384
4. Por cualquiera de las dos comparaciones, se observa, para el nivel de confianza

establecido, que no hay suficiente evidencia estadstica para rechazar H0
5. Se concluye que el fabricante tiene razn

LA VENTA TABASCO
CONCLUSIN
Una prueba de hiptesis es una prueba estadstica que se utiliza para determinar si
existe suficiente evidencia en una muestra de datos para inferir que cierta condicin
es vlida para toda la poblacin.
Una prueba de hiptesis examina dos hiptesis opuestas sobre una poblacin: la
hiptesis nula y la hiptesis alternativa. La hiptesis nula es el enunciado que se
probar. Por lo general, la hiptesis nula es un enunciado de que "no hay efecto" o
"no hay diferencia". La hiptesis alternativa es el enunciado que se desea poder
concluir que es verdadero.
LA VENTA TABASCO
REFRENCIAS
Bouza Herrera, Carlos N. y Sistachs Vega, Vivian: Estadstica,

Teora Bsica y Ejercicios. Editorial Flix Varela, La Habana,
2004
Colectivo de autores. Estadstica, probabilidad y pre clculo,

Manual esencia, Editorial Santillana, Santiago de Chile, 2008
ISBN: 978-956-15-1390-7
http://www.dgbiblio.unam.mx/servicios/dgb/publicdgb/bole/fullt
ext/volII2/mercado.html
http://www.crecenegocios.com/que-es-el-servicio-al-cliente-y-
cual-es-su-importancia/
http://joseluislorente.es/estadistica/Tema5_binomial.pdf
https://www.uv.es/ceaces/base/modelos%20de%20probabilidad
/poisson.htm
http://www.aulafacil.com/cursos/l11242/ciencia/estadisticas/est
adisticas/distribuciones-discretas-hipergeometrica
http://www.uoc.edu/in3/emath/docs/Distrib_Normal.pdf
https://www.uv.es/ceaces/normaMu/t/t.htm
http://www.uoc.edu/in3/emath/docs/Chi_cuadrado.pdf
http://www.iqcelaya.itc.mx/~roosph/pye/u4/eu4t8.pdf
http://www.scielo.org.co/pdf/prosp/v12n1/v12n1a12.pdf
http://www.sc.ehu.es/sbweb/fisica3/viento/datos/estadistica.ht
ml
https://www.google.com.mx/?gws_rd=ssl#q=conclusion+de+distribucion
+muestrales

Proyecto Final-Jhonny Yeraldi

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Proyecto Final-Jhonny Yeraldi

Cargado por

Copyright:

Formatos disponibles

INSTITUTO TECNOLOGICO SUPERIOR DE VILLA

WIGELMI GIRALLY HERNADEZ HEREDIA

YERALDI MONTIEL ALOR

NALLELI LUNA RUIZ

MARIA ESTHER RODRIGUEZ SALGADO

KEYLA SHASHIELLE VELAZQUEZ LARA

Formulacin del problema.

Justificacin del problema.

Importancia del problema

Intervalos de confianza para la media

Intervalos de confianza para la varianza

Intervalos de confianza de proporciones

Intervalos de confianza para las diferencias

Prueba de hiptesis para la media

Prueba de hiptesis de proporciones

Prueba de hiptesis para las diferencias

De esta manera, la estadstica ocupa un lugar de gran importancia en la

Se refiere a la recoleccin, presentacin, descripcin, anlisis e interpretacin de

Consiste sobre todo en la presentacin de datos en forma de tablas y grficas; as

La estadstica Descriptiva es el mtodo de obtener de un conjunto de datos

As pues, si aplicamos las herramientas ofrecidas por la estadstica descriptiva a

Siendo el fi para todo el conjunto i. Se presenta en una tabla o nube de puntos en

Cuando Xr=Xmin, donde Xmin es el valor mnimo observado, se ve que Fc=1/N,

Frecuencia relativa acumulada

1. Se localizan los valores menor y mayor de la distribucin. En este caso son

EJEMPLO APLICADO A LA EMPRESA

Televisin 10 10/40 3+10=13 13/15

Celulares 20 20/40 3+10+20= 33 33/15

Aires 6 6/40 3+10+20+6=39 39/15

Estufas 1 1/40 3+10+20+6+1=40 40/15

Hasta el momento hemos estudiado los valores centrales de la distribucin, pero

Es la media de los cuadrados de las desviaciones, y la denotaremos por o

Aunque tambin es posible calcularlo como:

Este estadstico tiene el inconveniente de ser poco significativo, pues se mide en el

La amplitud es una medida de dispersin cuya ventaja es la facilidad con que se

Los valores comprendidos en el intervalo (4.591, 9.459) son los correspondientes a

Por ejemplo, las notas de 5 alumnos en una prueba:

La media aritmtica en este ejemplo es 5,52

La media aritmtica es, probablemente, uno de los parmetros estadsticos ms

Media aritmtica ponderada

Por ejemplo, la media geomtrica de 2 y 18 es

Otro ejemplo, la media de 1, 3 y 9 sera

En caso de un nmero par de datos, la mediana no correspondera a ningn valor

Se toma como mediana

Siendo la frecuencia absoluta del intervalo modal y y las frecuencias

La demanda de cierto artculo en 48 das fue 1, 4, 1, 0, 2, 1, 1, 3, 2, 1, 1,

4, 2, 2, 1, 0, 1, 2, 4, mientras que en otros 48 das hubo una demanda de 1 Artculo

El objetivo es comparar la demanda diaria de ambas muestras. Gran parte de este

En principio, parece que no tiene sentido hacer esa comparacin, porque la

En todos los mercados debido a la globalizacin existen unos factores

PLANTEAMIENTO DEL PROBLEMA

a) Determinacin del problema

Qu tcnicas podemos emplear para mejorar la calidad de servicio al cliente?

b) Formulacin del problema

Mapa de la ubicacin de la empresa.

1.1 CONTROL DE LA CALIDAD.

Hacer el Control de Calidad significa:

1) Emplear el Control de Calidad como base.

2) Hacer el Control Integral de costos, precios y utilidades.

3) Controlar la calidad, as como fechas de entrega.

Muchas veces el nivel de calidad se mide de acuerdo a la reaccin y preferencias

En algunas ocasiones, incurrimos en el error de pensar que un producto o servicio

1.2 NIVELES DE CALIDAD.