Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Presentado por:
Carlos Mauricio Vargas Ciceri
Hather Uriel Lizcano
Marlyn Viviana Melo
Leandro Patiño Guzman
Grupo:
Presentado a:
Desviación
poblacional
15.092873438
FORMULAS
Error B 1
Tamaño de muestra n= 787
o el objeto de medir el tamaño de muestra para la variable, nos evidencio que el tamaño para l
FORMULAS
Error B 700
Tamaño de muestra n= 708
FORMULAS
el tamaño de lamust
FORMULAS
Desviación
poblacional
6730.21638018
N= 2950 N= 2950
α 0.09 a= 0.09
1-α= 0.91 1-a= 0.91
Z= 2.43 2.43
Z=
Desviación del
σ 6730.22 promedio obtenido 6730.22
s=
B 230 Error d=B=E=e= 230
n= 1865 no= 5066
n= 1864
ESTUDIANTE 5
N= N=
α a=
1-α= 1.00 1-a= 1.00
Z= #VALUE! #VALUE!
Z=
Desviación del
σ 0.00 promedio obtenido 0.00
s=
B Error d=B=E=e=
n= #VALUE! no= #VALUE!
n= #VALUE!
Desviación
poblacional
FORMULAS
Error B
Tamaño de muestra n= #VALUE!
COLABORATIVO
Enunciado del ejercicio: Calcular el tamaño de muestra para la variable probabilidad de defecto, con una significancia del 5
0,07
FORMULAS
Error B 0.07
Tamaño de muestra n= 487
N=
a=
1-a= 1.00
#VALUE!
Z=
Desviación del
promedio obtenido 0.00
s=
Error d=B=E=e=
no= #VALUE!
n= #VALUE!
N= 2950
a= 0.05
1-a= 0.95
1.96
Z=
Desviación del
promedio obtenido 0.86
s=
Error d=B=E=e= 0.07
no= 583
n= 487
Características:
K= 6.0574949
N= 2950
n= 487
K= 6.00 se redondea
TOMA
CANTIDAD
MUESTRA
Elemento
vendido Tipo de articulo
2 12 12 4
8 48 48 5
14 84 84 5
16 96 96 2
18 108 108 5
24 144 144 3
33 198 198 5
37 222 222 1
38 228 228 1
39 234 234 2
46 276 276 1
60 360 360 3
62 372 372 3
65 390 390 3
67 402 402 1
70 420 420 1
71 426 426 5
72 432 432 1
74 444 444 3
77 462 462 2
88 528 528 3
96 576 576 5
97 582 582 2
98 588 588 3
102 612 612 3
103 618 618 3
108 648 648 5
115 690 690 2
118 708 708 2
119 714 714 2
123 738 738 1
128 768 768 3
129 774 774 1
130 780 780 4
134 804 804 1
137 822 822 5
140 840 840 2
142 852 852 2
144 864 864 5
153 918 918 4
155 930 930 4
159 954 954 4
161 966 966 1
162 972 972 1
165 990 990 2
169 1014 1014 5
173 1038 1038 2
178 1068 1068 4
181 1086 1086 1
187 1122 1122 1
188 1128 1128 2
190 1140 1140 2
202 1212 1212 4
203 1218 1218 1
211 1266 1266 2
213 1278 1278 3
216 1296 1296 2
217 1302 1302 1
221 1326 1326 5
223 1338 1338 3
224 1344 1344 3
229 1374 1374 2
230 1380 1380 2
238 1428 1428 3
241 1446 1446 2
242 1452 1452 2
249 1494 1494 5
258 1548 1548 3
261 1566 1566 4
264 1584 1584 2
270 1620 1620 2
272 1632 1632 1
275 1650 1650 1
277 1662 1662 1
283 1698 1698 4
299 1794 1794 2
300 1800 1800 5
313 1878 1878 4
314 1884 1884 5
320 1920 1920 1
328 1968 1968 3
329 1974 1974 5
331 1986 1986 1
332 1992 1992 2
336 2016 2016 3
350 2100 2100 5
351 2106 2106 3
353 2118 2118 3
364 2184 2184 2
370 2220 2220 1
372 2232 2232 2
375 2250 2250 5
383 2298 2298 3
384 2304 2304 5
390 2340 2340 1
395 2370 2370 1
397 2382 2382 4
399 2394 2394 1
400 2400 2400 2
402 2412 2412 2
405 2430 2430 4
419 2514 2514 2
422 2532 2532 3
423 2538 2538 2
429 2574 2574 3
432 2592 2592 3
434 2604 2604 5
436 2616 2616 3
437 2622 2622 1
440 2640 2640 5
444 2664 2664 1
445 2670 2670 2
446 2676 2676 2
463 2778 2778 5
465 2790 2790 4
467 2802 2802 1
468 2808 2808 2
470 2820 2820 4
472 2832 2832 5
474 2844 2844 3
476 2856 2856 5
478 2868 2868 5
482 2892 2892 3
TIPO DE MUESTREO: Sistemático
ento de la población)
ada k elementos
eatorio entre 1 y K.
o aleatorio como valor para que no este cambiando
sde 1 hasta n
iables de la población
Precio del
Precio de impuesto envío Género de cliente
6200 6000 2
5200 5500 2
6200 5500 2
5200 6000 1
7300 5500 1
7300 6000 1
3600 5500 1
1400 5000 2
2100 5000 2
5200 6000 2
3600 5000 2
6200 6000 1
4700 6000 1
4400 6000 2
2000 5000 1
5000 5000 2
3000 5500 2
4400 5000 2
2600 6000 1
2300 6000 1
6200 6000 2
6200 5500 1
1900 6000 2
2900 6000 1
6900 6000 2
7300 6000 2
5200 5500 1
5200 6000 1
2100 6000 1
3600 6000 1
3700 5000 2
4200 6000 1
4400 5000 1
4400 6000 2
4400 5000 1
4400 5500 2
4400 6000 1
5200 6000 2
5200 5500 2
1600 6000 1
7300 6000 1
1700 6000 1
2200 5000 1
3600 5000 2
2200 6000 1
5200 5500 2
5200 6000 1
4300 6000 2
3700 5000 1
2400 5000 2
4000 6000 1
4400 6000 2
7300 6000 1
5000 5000 1
3600 6000 1
2500 6000 1
4400 6000 2
5200 5000 1
8200 5500 1
5200 6000 1
3600 6000 2
2100 6000 1
5200 6000 2
2500 6000 2
6900 6000 1
5200 6000 1
4400 5500 1
3300 6000 2
1700 6000 1
1600 6000 1
4400 6000 2
2400 5000 1
6200 5000 1
1700 5000 2
2900 6000 2
5200 6000 1
2000 5500 2
3600 6000 2
7300 5500 2
5200 5000 2
7300 6000 1
7300 5500 1
5200 5000 2
2600 6000 2
5300 6000 1
2100 5500 2
5200 6000 1
3600 6000 2
5200 6000 2
4400 5000 1
6200 6000 1
8400 5500 1
2200 6000 2
2000 5500 1
4200 5000 1
5200 5000 1
1900 6000 2
7300 5000 1
3700 6000 2
7300 6000 1
7300 6000 2
3300 6000 1
2600 6000 2
5200 6000 1
3600 6000 2
4000 6000 2
2400 5500 2
2500 6000 2
4300 5000 1
2400 5500 2
6900 5000 2
2000 6000 2
2500 6000 1
7300 5500 2
3600 6000 2
3600 5000 1
5200 6000 2
2500 6000 1
6200 5500 2
6200 6000 1
7300 5500 2
2500 5500 1
2300 6000 1
% se debe de proceder a realizar un muestreo aleatorio
e.
Probabili
dad de
Portal de volver a Utilidad del
Edad del cliente Satisfacción compra comprar producto
36 4 3 1 1
29 3 2 1 3
27 2 4 1 1
31 3 2 1 3
31 2 3 1 3
22 3 5 2 2
29 1 3 2 2
43 4 1 1 3
31 2 5 1 1
54 1 4 2 2
28 3 2 2 3
54 4 4 2 3
51 4 3 1 3
21 2 4 1 3
49 3 4 1 3
44 1 4 2 2
27 1 4 1 1
33 3 1 2 2
22 2 3 2 1
47 2 3 2 4
34 1 4 2 1
21 3 3 1 4
37 3 4 1 2
55 4 5 2 2
43 1 4 2 2
55 4 2 1 1
50 4 3 1 2
26 2 2 1 1
26 2 3 2 1
52 4 1 1 2
48 3 1 1 1
31 2 4 2 4
27 1 5 2 4
35 4 1 1 4
46 1 4 2 4
39 4 5 2 1
29 4 5 2 3
40 1 5 1 3
48 2 5 2 2
22 1 4 1 4
53 3 4 1 4
18 1 5 1 4
26 4 3 2 1
24 1 5 2 1
51 1 2 2 2
36 4 5 2 2
37 1 5 1 4
32 1 4 1 3
20 3 4 2 2
21 2 2 1 2
20 2 3 1 2
21 4 4 1 2
39 4 1 2 1
41 2 2 1 4
26 2 4 1 3
29 3 5 2 4
43 1 3 1 4
50 2 4 2 2
29 4 1 2 1
55 4 5 1 2
18 2 2 2 2
50 4 4 1 4
23 1 1 2 1
26 2 5 1 4
44 2 3 1 1
24 1 1 1 1
46 2 5 2 2
35 4 4 1 3
22 2 2 2 1
45 1 4 2 3
33 4 4 1 3
36 1 2 1 2
39 2 1 2 4
39 4 5 2 4
20 1 3 2 3
47 2 2 1 4
47 1 3 2 3
32 1 4 1 1
33 1 4 2 2
35 1 2 1 1
27 2 3 2 2
32 2 4 2 2
29 1 4 2 1
51 3 1 2 4
41 3 2 2 1
18 4 4 2 3
46 1 3 2 2
37 4 3 2 1
32 3 2 1 2
55 3 3 1 2
40 3 1 2 2
41 3 4 2 2
46 2 4 1 2
39 4 5 1 3
21 1 1 2 1
23 3 2 1 4
25 1 2 1 1
48 3 4 2 3
29 4 1 1 2
37 1 3 2 3
45 1 3 2 3
47 1 3 2 3
30 4 5 2 4
21 2 4 1 2
43 2 5 2 1
54 4 3 2 4
28 3 2 2 3
24 1 4 2 4
52 1 4 2 1
21 4 2 2 2
35 3 1 1 2
29 1 1 2 3
20 4 5 2 2
43 2 4 1 1
39 1 4 2 3
53 2 1 2 2
44 1 2 2 2
36 1 5 2 2
31 3 4 1 4
44 3 1 2 1
24 3 3 1 1
55 2 1 1 1
28 2 5 2 2
Recomendación
del producto
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
PROCEDIMIENTO ALTERNO EN EXCEL PARA ELABORAR INTERVALOS DE CONFIANZ
LA MEDIA
Variables cuantitativas
Significancia
(a)
0.03 9%
Valor Z 2.17009037758456 1.70
Limi inf 33.1735022827615 15,405.96
Limi sup 35.3957480349005 16,431.00
IC= { 33.17 : 35.39 } 15,456:16431
𝑰.𝑪.
INTERVALO DE CONFIANZA PARA LA MEDIA: =𝒙 ̅±𝒁_(𝜶∕𝟐)∗𝒔/√𝒏
Li= 15405.61
Ls= 16431.77
Análisis Carlos Se pudo observar que en los intervalos de confianza para calcular la media de la variable PRECIO
Mauricio Vargas
Ciceri 33.24 : 35.46 y para la variable PROBABILIDAD DE DEFECTO los intervalos de confianza pa
Radio= 1.11112287607
Li= 33.17350228276
Ls= 35.3957480349
Estudiante 4 CARLOS
MAURICIO VARGAS Estudiante 5 Variable
CICERI
%Grasa Solidos totales
2950 2950 Cálculo
708 487 N=
34.3559322033898 2.470884341293 n=
total de valores de la
0.04 0.05 P
categoria/ total de n
2.05374891063182 1.95996398454 Q
- Radio IC
+ Radio IC
ra calcular la media de la variable PRECIO DE VENTA DEL PRODUCTO es de Análisis Carlos
Mauricio Vargas
E DEFECTO los intervalos de confianza para la media es 2.39 : 2.54 Ciceri
Estudiante 4 CARLOS
Estudiante 1 Estudiante 2 Estudiante 3
MAURICIO VARGAS CICERI
𝑰.𝑪. :𝒑 ̅±𝒁_(𝜶∕𝟐)∗√((𝒑 ̅∗𝒒 ̅)/𝒏)
TERVALO DE CONFIANZA PARA LA
PROPORCIÓN: √((𝑵−𝒏)/(𝑵−𝟏))
Fórmula de excel que Calcula el radio del intervalo NO SIRVE PARA ESTE CASO
Se pudo evidenciar que en los intervalos de confianza para la proporcion de la variab
articulo (DEPORTIVOS) en su categoria es de 14.82% : 19.92% asi mismo para la v
recomendación del producto en la categoria (SI) es de 21,73% : 28.78%
Estudiante 5
Satisfacción
2950
487
SI
25%
La suma de P y Q debe
ser 100%
75%
0.05
1.9599639845401
2950
1342
21.73%
28.78%
{ 21.73% : 28,78% }
∗𝒒 ̅)/𝒏)
proporcion de la variable tipo de
2% asi mismo para la variable
s de 21,73% : 28.78%
H0:
media de la Probabilidad de defecto del tipo articulo de belleza es mayor o igual a 2,5
H1:
media de la Probabilidad de defecto del tipo articulo de belleza es menor a 2,5
H0 : µ > = 2,5
H1: µ < 2,5
(Prueba Unilateral izquierda)
𝒁_𝒑𝒓𝒖𝒆𝒃𝒂=(𝒙 ̅−
𝝁)/(𝒔/√𝒏)
Zprueba= -1.38
Zteórico= -1.645
Se acepta la hipótesis nula (Ho) porque el valor de Zprueba es mayor a Z teórico. P valor es
mayor a significancia por lo tanto se acepta hipotesis nula
Se acepta la hipótesis nula (Ho) porque el valor de Zprueba es mayor a Z teórico. P valor es
mayor a significancia por lo tanto se acepta hipotesis nula
Conclusión:
nilateral izquierda)
se va a trabajar
p-valor
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎
𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
a es mayor a Z teórico. P valor es
a
leza es menor a 2,5
a media de la probabilidad de defecto del tipo de
or o igual a 2,5 (Prueba Unilateral izquierda)
Tabla de distribucion normal
Fase 3 Pruebas de Hipotesis
Datos
Tamaño de la muestra = 487
Media Muestral promedio= 34.432098765
Desviación estandar= 15.545693159
Promedio de la variable X= 24
Paso 1: Describir la hipótesis
H0: LA MEDIA DE VIDA UTIL DEL TIPO DE ARTICULO DEPORTIVO ES MAYOR O IGUAL A 24
MESES
H1:
LA MEDIA DE VIDA UTIL DEL TIPO DE ARTICULO DEPORTIVO ES MAYOR A 24 MESES
H0 : µ > = ≥ 24
𝒁_𝒑𝒓𝒖𝒆𝒃𝒂=(𝒙 ̅−
𝝁)/(𝒔/√𝒏)
Zprueba= 14.81
Zteórico= -1.645
se acepta la hipotesis al ser el Z de prueba mayor que el Z teorico y el p-valor es mayor al nivel de
significancia
Conclusión:
se puede concluir que la media de vida util de articulo deportivo es mayor a 24 meses
tesis
ilateral izquierda)
va a trabajar
p-valor
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎
𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
orico y el p-valor es mayor al nivel de
o es mayor a 24 meses
media de vida útil del tipo de artículo deportivo
24 meses (Prueba Unilateral izquierda)
Tabla de distribucion normal
Fase 3 Pruebas de Hipotesis
Datos
Tamaño de la muestra = 487
Media Muestral promedio= 15918.685831622
Desviación estandar= 6678.4895102
Promedio de la variable X= $ 12,000
Paso 1: Describir la hipótesis
H0:
La media del precio de costo del tipo de articulo vestuario es mayor o igual a $12000
H1:
la media del precio de costo del tipo de articuo vestuario es mayor a $12000
H0 : µ > = ≥$12000
H1: µ < $12000
(Prueba Unilateral izquierda)
𝒁_𝒑𝒓𝒖𝒆𝒃𝒂=(𝒙 ̅−
𝝁)/(𝒔/√𝒏)
se rechaza la hipotesis nula, por que el valor zprueba es menor a H0, por que pvalor es menor a nivel
de significancia.
se rechaza la hipotesis nula, por que el valor zprueba es menor a H0, por que pvalor es menor a nivel
de significancia.
Conclusión:
la media del precio de costo del tipo de articulo vestuario es mayor a $12000
tesis
es mayor a $12000
ilateral izquierda)
va a trabajar
p-valor
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎
𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
or a H0, por que pvalor es menor a nivel
mayor a $12000
a media del precio de costo del tipo de artículo
gual a $12000 (Prueba Unilateral izquierda)
Tabla de distribucion normal
Fase 3 Pruebas de Hipotesis
Datos
Tamaño de la muestra = 487
Media Muestral promedio= 34.3908524
Desviación estandar= 15.5364169
Promedio de la variable X= 40
Paso 1: Describir la hipótesis
H0: la media de vida útil del tipo de artículo Hogar es mayor o igual a 40 meses.
H1: la media de vida útil del tipo de artículo Hogar es menor a 40 meses.
H0 : µ ≥ 40
H1: µ < 40
(Prueba Unilateral izquierda)
𝒁_𝒑𝒓𝒖𝒆𝒃𝒂=(𝒙 ̅−
𝝁)/(𝒔/√𝒏)
Zprueba= -7.97
Zteórico= -1.645
se rechaza la hipotesis nula al ser el el Z de prueba menor que el Z teorico y el p-valor es menor al
nivel de significancia
se rechaza la hipotesis nula al ser el el Z de prueba menor que el Z teorico y el p-valor es menor al
nivel de significancia
Conclusión:
entonces podemo concluir que; la media de vida útil del tipo de artículo Hogar es menor a 40
meses.
otesis
or o igual a 40 meses.
nilateral izquierda)
se va a trabajar
p-valor = 0
α= 0.05
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎
𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
que el Z teorico y el p-valor es menor al 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
o de artículo Hogar es menor a 40
a media de vida útil del tipo de artículo Hogar es
0 meses. (Prueba unilateral izquierda)
z crítico
Tabla de distribucion normal
Fase 3 Pruebas de Hipotesis
Datos
Tamaño de la muestra = 487
proveedores con satisfacción “satisfecho” = 142
(p) % Clientes es con Uso del producto "bastante util" = 29%
(P) Proporción= 50%
Paso 1: Describir la hipótesis
H0: % de clientes con uso de producto "bastante util” es menor o igual al 50%
H1: % de clientes con uso de producto "bastante util” es mayor al 50%
H0 : P < = 50%
H1: P > 50 % (Prueba Unilateral derecha)
Zprueba= -9.20
Zteórico= 1.645
Se acepta la H0 porque Zprueba es menor que Zteorico y al realizar la grafica, se ubica en la zona de no rechazo
Se acepta la H0 porque Zprueba es menor que Zteorico y al realizar la grafica, se ubica en la zona de no rechazo
Conclusión:
No se acepta hipotesis H1 porque % de clientes con uso de producto "bastante util” es mayor al 50%
c. Una PH para la proporción, para probar si los clientes consideran qu
del producto es bastante útil es mayor al 50%. (Prueba Unilateral dere
al derecha)
29%
50%
p-valor
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎
𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
H0 : P ≤ 30%
H1: P > 30% (Prueba Unilateral derecha)
Zprueba= -3.08
Zteórico= 1.645
se acepta la hipotesis nula al ser el Z de prueba menor al Z teorico, el p valor es mayor al nivel de
significancia
se acepta la hipotesis nula al ser el Z de prueba menor al Z teorico, el p valor es mayor al nivel de
significancia
Conclusión:
el número de artículos vendidos con satisfacción “muy satisfecho” es menor igual al 30%., con una
significancia del 5%
a. Una PH para la proporción, para probar si el número de artículos vend
satisfacción “muy satisfecho” es mayor al 30%. (Prueba Unilateral der
teral derecha)
24%
30%
p-valor = 0.9989
α= 0.05
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑎𝑐𝑒𝑝𝑡𝑎 𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
p valor es mayor al nivel de
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑎𝑐𝑒𝑝𝑡𝑎 𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
Z critico
Fase 3 Pruebas de Hipotesis
Datos
Tamaño de la muestra = 487
Cantidad del filtro = 140
(p) % = 29%
(P) Proporción= 20%
Paso 1: Describir la hipótesis
H0: el número de artículos vendidos en portal de compra mercado libre es mayor o igual al 20 %
H1: el número de artículos vendidos en portal de compra mercado libre es mayor al 20 %
H0 : P > = 20%
H1: P > 20% (Prueba Unilateral derecha)
Zprueba= 4.83
Zteórico= 1.645
se acepta la hipotesis al ser el Z de prueba mayor al Z teorico, el p valor es mayor al nivel de significancia
se acepta la hipotesis al ser el Z de prueba mayor al Z teorico, el p valor es mayor al nivel de significancia
Conclusión:
re es mayor o igual al 20 %
re es mayor al 20 %
teral derecha)
29%
20%
p-valor = 0.9989
α= 0.05
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑎𝑐𝑒𝑝𝑡𝑎 𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
or es mayor al nivel de significancia
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑎𝑐𝑒𝑝𝑡𝑎 𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
or es mayor al nivel de significancia
mayor al 20 %
o de artículos vendidos en portal de
%. (Prueba Unilateral derecha)
Fase 3 Pruebas de Hipotesis
Datos
Tamaño de la muestra = 487
proveedores con satisfacción “satisfecho” = 81
(p) % proveedores con satisfacción “satisfecho” = 17%
(P) Proporción= 40%
Paso 1: Describir la hipótesis
H0: el numero de articulos vendidos en portal de compra pagina oficial es mayor o igual al 40%
H1: el nujmero de articulos vendidos en portal de ompra pagina oficial es mayor a 40%
H0 : P < = 40%
H1: P > 40% (Prueba Unilateral derecha)
Zprueba= -10.53
Zteórico= 1.645
se rechaza la hipotesis siendo zprueba menor a zteorico, p valor es mayor al nivel de significancia
se rechaza la hipotesis siendo zprueba menor a zteorico, p valor es mayor al nivel de significancia
Conclusión:
los articulos vendidos en portal de articulos vendidos pagina oficial es menor al 40%
Una PH para la proporción, para probar si él % de proveedores con pru
peroxidasa es positiva es mayor al 90%. (Prueba Unilateral derech
teral derecha)
17%
40%
p-valor
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖𝑜𝑛:
menor al 40%
él % de proveedores con prueba de
0%. (Prueba Unilateral derecha)
Fase 3 Pruebas de Hipotesis
Datos
MEDIA POBLACIONAL
0
MEDIAS MUESTRALES
promedio de precio de costo para el tipo de articulo "accesorio tecnologico" promedio de precio de costo para el tipo de articulo "articulo
deportivo"
Ha: El promedio de costos de tipo de articulo accesorios tecnologicos no es igual al tipo "articulo
deportivo"
Ho : 𝜇_1 = 𝜇_2
Ha : 𝜇_1 ≠ 𝜇_2
Donde
BILATERAL
𝜇_1: promedio de de costos de tipo de articulo"accedo
tecnologico"
𝜇_2: promedio de costos de tipo de articulo "deportivo"
a = 0.05
Zprueba= -0.02
Conclusión:
El promedio de costos de tipo de articulo accesorios tecnologicos no es igual al tipo "articulo deportivo"
c. Una PH para la diferencia de medias, para probar que el promedio de p
costo para el tipo de articulo accesorios tecnológicos es igual al tipo de arti
deportivo. (Prueba bilateral)
io de costo para el tipo de articulo "articulo
deportivo"
15524.6406570842
6879.67189739994
106
ATERAL
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎
𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎
𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
Datos
MEDIA POBLACIONAL
0
MEDIAS MUESTRALES
promedio de edad de clientes para el tipo de articulo deportivo promedio de edad de clientes para el tipo de articulo vest
el promedio de edad de clientes para el tipo de articulo deportivo es igual al tipo de articulo de
H0: vestuario.
Ha: el promedio de edad de clientes para el tipo de articulo deportivo no es igual al tipo de articulo de
vestuario.
Ho : 𝜇_1 = 𝜇_2
Ha : 𝜇_1 ≠ 𝜇_2
Donde
BILATERAL
𝜇_1: promedio de edad de clientes para el tipo de
articulo deportivo
𝜇_2: promedio de edad de clientes para el tipo de
articulo vestuario
a = 0.05
Zprueba= -0.06
36.765690376569
10.4904626069048
105
LATERAL
p-valor = 0.9563
α= 0.05
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎
𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎
𝐻_0
z critico
Fase 3 Pruebas de Hipotesis
Datos
MEDIA POBLACIONAL
0
MEDIAS MUESTRALES
células somáticas para el tipo de leche esterilizada células somáticas para el tipo de leche pasteurizada
H0: el promedio del precio de venta para el tipo de articulo adquirido en el portalde compra amazon
es igual al tipo de articulo en el portal de pagina oficial
Ha: el promedio del precio de venta para el tipo de articulo adquirido en el portalde compra amazon
no es igual al tipo de articulo en el portal de pagina oficial
Ho : 𝜇_1 = 𝜇_2
Ha : 𝜇_1 ≠ 𝜇_2
Donde
𝜇_1: el promedio del precio de venta para el tipo de articulo adquirido en
BILATERAL
el portalde compra amazon es igual al tipo de articulo en el portal de
pagina oficial 𝜇_2: el promedio del precio de venta para el tipo de articulo
adquirido en el portalde compra amazon no es igual al tipo de articulo en
el portal de pagina oficial
a = 0.05
Zprueba= 0.00
Conclusión:
el promedio del precio de venta para el tipo de articulo adquirido en el portalde compra amazon no es igual al tipo
de articulo en el portal de pagina oficial
Una PH para la diferencia de medias, para probar que el promedio de cé
somáticas para el tipo de leche pasteurizada es igual al tipo de leche este
(Prueba bilateral)
3.10766045548654
1.36068207840598
82
ATERAL
e compra amazon no es igual al tipo
a probar que el promedio de células
a es igual al tipo de leche esterilizada.
ateral)
Fase 3 Pruebas de Hipotesis
Datos
MEDIA POBLACIONAL
0
MEDIAS MUESTRALES
promedio del precio de venta para el tipo de articulo adquirido en el promedio del precio de venta para el tipo de articulo adquir
portal de compra Mercado libre el portal de compra Instagram
el promedio del precio de venta para el tipo de articulo adquirido en el portal de compra Mercado
H0: es igual al tipo de articulo adquirido en el portal de compra Instagram
Ha: el promedio del precio de venta para el tipo de articulo adquirido en el portal de compra Mercad
no es igual al tipo de articulo adquirido en el portal de compra Instagram
Ho : 𝜇_1 = 𝜇_2
Ha : 𝜇_1 ≠ 𝜇_2
Donde
𝜇_1: el promedio del precio de venta para el tipo de articulo adquirido
en el portal de compra Mercado libre es igual al tipo de articulo
BILATERAL
adquirido en el portal de compra Instagram
𝜇_2: el promedio del precio de venta para el tipo de articulo adquirido
en el portal de compra Mercado libre no es igual al tipo de articulo
adquirido en el portal de compra Instagram
a = 0.05
Zprueba= 0.03
Conclusión:
se concluye que el promedio de precio de venta para el tipo de articulo adquirido en el portal de compra Mercado
es igual al tipo de articulo adquirido en el portal de compra Instagram
e. Una PH para la diferencia de medias, para probar que el promedio
venta para el tipo de articulo adquirido en el portal de compra Mer
igual al tipo de articulo adquirido en el portal de compra Inst
cio de venta para el tipo de articulo adquirido en
el portal de compra Instagram
29474.0124740125
10468.1983840667
96
LATERAL
p-valor = 0.9563
α= 0.05
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎
𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎
𝐻_0
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟<𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒
ignificancia
𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_0
Ha:
Articulo adquirido por el cliente femenino de tipo belleza no es igual al articulo adquirido por el
cliente femenino articulo vestuario
Zprueba= -0.05 =
0.070970997009855
Paso 4: Estadístico teórico (tablas)
Zteórico= -1.960 1.960
Conclusión:
Articulo adquirido por el cliente femenino de tipo belleza no es igual al articulo adquirido por el cliente
femenino articulo vestuario
TOTAL
c.Una PH para la diferencia de proporciones, para probar que el númer
195 adquiridos por clientes de género femenino tipo belleza es igual al tipo
de vestuario. (Prueba bilateral)
ticulo vestuario, genero "Femenino"
rueba Bilateral)
jar
-0.749768065755961
à en la zona de aceptación.
ARTICULO TIPO HOGAR, UTILIDAD "MUY UTIL" ARTICULO TIPO ACCESORIO TECNOLOGICO, UTILIDAD "MUY UTIL"
X1= 25 X2= 21
P1= 24% P2= 22%
Proporción Ponderada Pc
PC= 23%
1-PC= 77%
Ha:
número de artículos calificados de utilidad “muy útil” de tipo hogar es mayor al tipo de articulo de
accesorios tecnológicos.
Donde
(Prueba Unilateral derecha)
P1: numero de articulos de tipo hogar con
utilidad muy util
P2: numero de articulos de tipo
accesorios tecnologicos con utilidad muy
util
P1 - P2
Zprueba =
PC (1- PC ) PC (1- PC )
+
n1 n2
Zprueba= 0.01 =
0.059622120644712
Paso 4: Estadístico teórico (tablas)
Zteórico= 1.645
se acepta la hipotesis nula al ser el Z de prueba menor al Z teorico, el p valor es mayor al nivel de
significancia
Conclusión:
número de artículos calificados de utilidad “muy útil” de tipo hogar es menor igual al tipo de articulo de
accesorios tecnológicos.
TOTAL
a. Una PH para la diferencia de proporciones, para probar que el n
200 artículos calificados de utilidad “muy útil” de tipo hogar es mayor al tip
de accesorios tecnológicos. (Prueba unilateral derecha).
ACCESORIO TECNOLOGICO, UTILIDAD "MUY UTIL"
a Unilateral derecha)
jar
0.208727920947045
p-valor = 0.4173
α= 0.05
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎
𝐻_0
z critico
Fase 3 Pruebas de Hipotesis
Datos
numero de articulos de tipo hogar numero de articulos vestuario
n1= 106 n2 = 105
ARTICULO TIPO HOGAR, CALIFICADO "TAL VEZ" ARTICULO TIPO VESTUARIO "TAL VEZ"
X1= 56 X2= 48
P1= 53% P2= 46%
Proporción Ponderada Pc
PC= 49%
1-PC= 51%
Ha:
el número de artículos calificados con recomendación “tal vez” de tipo hogar es mayor al tipo de
articulo vestuario.
Donde
(Prueba Unilateral izquierda)
P1: numero de articulos de tipo hogar con
calificacion tal vez
P2: numero de articulos de tipo vestuario
P1 - P2
Zprueba =
PC (1- PC ) PC (1- PC )
+
n1 n2
Zprueba= 0.07 =
0.06883665346382
Paso 4: Estadístico teórico (tablas)
Zteórico= 1.645
no se acepta la hipotesis nula ya que el número de artículos calificados con recomendación “tal vez” de tipo
hogar es mayor al tipo de articulo vestuario.
Conclusión:
el número de artículos calificados con recomendación “tal vez” de tipo hogar es mayor al tipo de articulo
vestuario.
TOTAL
e. Una PH para la diferencia de proporciones, para probar que el nú
211 artículos calificados con recomendación “tal vez” de tipo hogar es men
articulo vestuario. (Prueba unilateral izquierda)
RTICULO TIPO VESTUARIO "TAL VEZ"
Unilateral izquierda)
jar
1.03373749403719
p-valor = 0.4173
α= 0.05
𝑅𝑒𝑔𝑙𝑎 𝑑𝑒 𝑑𝑒𝑐𝑖𝑠𝑖ó𝑛:
𝑆𝑖 𝑝−𝑣𝑎𝑙𝑜𝑟 ≥𝛼, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎
𝐻_0
z critico
Fase 3 Pruebas de Hipotesis
Datos
PROVEEDORES DEPARTAMENTO 1 PROVEEDORES DEPARTAMENTO 3
n1= 102 n2 = 80
Ha:
el numero de articulos calificados con satisfaccion "poco satisfecho" de tipo deportivo es mayor a
tipo de belleza.
Donde
(Prueba Unilateral derecha)
P1: articulos tipo deportivo,
calificados"poco satisfecho"
P2: articulos tipo blleza, calificados "poco
satisfecho"
P1 - P2
Zprueba =
PC (1- PC ) PC (1- PC )
+
n1 n2
Zprueba= 0.05 =
0.068580781835345
Paso 4: Estadístico teórico (tablas)
Zteórico= 1.645
se rechaza la hipotesis porque la calificacion con satisfaccion "poco satisfecho" tipo deportivo, no es igual a
tipo belleza.
Conclusión:
el numero de articulos calificados con sarisfaccion "poco satisfecho" tipo deportivo es mayor a los articulos
tipo belleza.
Una PH para la diferencia de proporciones, para probar que él % de p
TOTAL con peroxidasa positiva en el departamento 1 es igual al % de provee
182 peroxidasa positiva en el departamento 2. (Prueba Bilatera
a Unilateral derecha)
jar
0.707624067063275
o satisfecho" tipo deportivo, no es igual a
H0: Los promedios de los precios de las ventas en los tres tipos de articulos son igual
H1: al menos dos de los tres tipos de articulos sean diferentes
RESUMEN
Grupos Cuenta
Tipo de artículo Hogar 5
Tipo de artículo Belleza 5
Tipo de artículo Vestuario 5
ANÁLISIS DE VARIANZA
Origen de las variaciones Suma de cuadrados
Entre grupos 36933333.3333335
Dentro de los grupos 1808400000
Total 1845333333.33333
Paso 5: Tomar la decisión
Conclusión:
Los promedios de los precios de las ventas en los tres tipos de articulos son iguales. Lo
” depende del “tipo de artículo”. La organización de los datos a trabajar debe ser así:
e se va a trabajar
Suma Promedio
138000 27600
157000 31400
150000 30000
14
No rechazar Ho
0.122539261225393
3.88529383465239 Rechazar Ho
los tres tipos de articulos son iguales. Lo que implica que el precio de venta no depende del tip
bajar debe ser así:
Varianza
138800000
177800000
135500000
Muy satisfecho
Vida útil del producto 1.
Vida útil del producto 2.
Vida útil del producto 3.
Vida útil del producto 4.
Vida útil del producto 5.
Paso 1: Describir la hipótesis
H0: la vida útil del producto depende de “satisfacción” que se tiene del artículo de t
H1: la vida útil del producto no depende de “satisfacción” que se tiene del artículo d
Muy satisfecho
Observación 1 36
Observación 2 36
Observación 3 36
Observación 4 36
Observación 5 12
RESUMEN
Grupos Cuenta
Muy satisfecho 5
Satisfecho 5
Poco satisfecho 5
ANÁLISIS DE VARIANZA
Origen de las variaciones Suma de cuadrados
Entre grupos 705.6
Dentro de los grupos 2044.8
Total 2750.4
Paso 5: Tomar la decisión
se acepta la hipotesis nula al ser el Z de prueba < Z teorico o crítico, por ende decimos que la vida útil del producto depend
nde de “satisfacción” que se tiene del artículo de tipo belleza. La organización de los dato
trabajar
e se va a trabajar
Suma Promedio
156 31.2
198 39.6
114 22.8
14
3,885
2,07
, por ende decimos que la vida útil del producto depende de “satisfacción” que se tiene del artículo de tipo belleza
organización de los datos a
Varianza
115.2
244.8
151.2
H0: Los promedios de los "precios de venta" de los tipos de articulos (hogar, bellez
H1: al menos dos de ellos sean diferentes
RESUMEN
Grupos Cuenta
TIPO DE ARTICULO HOGAR 5
TIPO DE ARTICULO DE BELLE 5
TIPO DE ARTICULO DE VEST 5
ANÁLISIS DE VARIANZA
Origen de las variaciones Suma de cuadrados
Entre grupos 30400000
Dentro de los grupos 955200000
Total 985600000
Total 335225.733333333
Dentro de los grupos 501907.2
Total 515293.333333333
Conclusión:
Los promedios de los precios de venta de los tres articulos son iguales. Lo que implic
depende del “tipo de artículo”. La organización de los datos a trabajar debe ser así:
e se va a trabajar
Suma Promedio
132000 26400
148000 29600
146000 29200
14
14
12 41825.6
14
No rechazar Ho
0.190954773869347
3.88529383465239 Rechazar Ho
res articulos son iguales. Lo que implica que el precio de venta no depende del articulo.
rabajar debe ser así:
Varianza
89300000
62300000
87200000
Muy satisfecho
Vida útil del producto 1.
Vida útil del producto 2.
Vida útil del producto 3.
Vida útil del producto 4.
H0: la vida útil del producto depende de “satisfacción” que se tiene del artículo de tipo
H1: la vida util del articulo tipo hogar no depende de "satisfacción"
Observación 1
Muy satisfecho
Observación 2 1
Observación 3 1
Observación 4 1
Observación 5 1
1
RESUMEN
Grupos Cuenta
Muy satisfecho 5
Satisfecho 5
Poco satisfecho 5
ANÁLISIS DE VARIANZA
Origen de las variaciones Suma de cuadrados
Entre grupos 10
Dentro de los grupos 0
Total 10
Paso 5: Tomar la decisión
Conclusión:
la prueba hipotesisi nula se acepta, evaluando que la vida util del producto hogar si dep
rtamento” del cual es recibida la leche. La organización de los datos a trabajar debe ser así:
e se va a trabajar
14
65535
3.88529383465239
Para iniciar a encontrar las variables que aumentan esta problemática es necesario realizar
un análisis descriptivo sobre los diferentes escenarios en los que permita incluir
cada una de las variables en las que se destacan las variables cualitativas continuas que son
la probabilidad de defecto, precios de costos, precios de venta, precio del impuesto y
precio de envió, también las variables discretas, edad del cliente, elemento vendido, portal
de compra y vida útil del producto. Las variables de la problemática de estudio son genero
del cliente, satisfacción, que es de suma importancia ya que esto genera futuras ventas,
recomendación del producto, para que cada vez sea más reconocida la empresa y así
mismo se pueda vender productos de calidad no solo nacional, sino que también
internacionalmente, tipo de artículo, con la mejor atención y la mejor calidad, utilidad del
producto y probabilidad de comprar.
De acuerdo al análisis indagativo que se realizo, se puede deducir que las problemáticas
que más afectan las ventas en línea son:
Que no se pueda ver la descripción completa del producto, es decir, si nuestros clientes no
saben con certeza cuales son las funciones y la utilidad del producto no será de su agrado
comprarlo ya que la descripción no es clara ni concisa.
Defectos que puede presentar los productos: a la hora de brindar calidad, tiene que ser
real dicha palabra, ver que lo que se está vendiendo debe de estar en un buen estado, un
almacenamiento, para así mismo garantizar la efectividad de cualquier producto y que de
ser así, se brinde una opción de modificación al producto defectuoso.
Retraso en la entrega: cuando hablamos de ventas en línea, se dice entregar un producto al
menor tiempo posible, dependiendo de donde se encuentre el cliente asi mismo sea la
puntualidad de su entrega, porque las entregas atrasada, bajan calidad, bajan la imagen de
responsabilidad de la empresa.
Peroxidasa N/A N/A N/A N/A si la toma de muestras
aleatorias durante el
Solución problema Grupal
En un resumen estadístico, después de realizar los diversos análisis, se proponen u
estrategias de solución que permitirán eliminar la problemática encontrada y logr
mejorá en las ventas en línea de la compañía k-mundo, con el fin de evitar un défi
ecónomico y liquidación de la compañia.
Se proponen realizar las siguientes estrategias de marketing para el fortalecimien
crecimiento de las ventas en línea:
Fortalecimiento de la página web de tal menera que la interfaz gráfica sea de form
intuitiva, es decir de fácil entendimiento para el cliente, de igual forma se deben s
productos por categorías en el que se incluya diversos aspectos tales como descrip
producto, fabricante, modo de uso, recomendaciones y estimado de entrega.
Crear procentajes de descuento el cual se puede clasificar por variables cuantitati
que capten la atención del consumidor.
Realizar un adecuado contol de calidad en los productos antes de ser ofertados y
al cliente.
a toma de muestras Medio Alto
eatorias durante el
upal
s análisis, se proponen unas
mática encontrada y lograr una
n el fin de evitar un déficit
ng para el fortalecimiento, y
erfaz gráfica sea de forma
e igual forma se deben separar los
ectos tales como descripción del
timado de entrega.
por variables cuantitativas en el
Romero, R. E. (2016). Estadística para todos: análisis de datos: estadística descriptiva, teoría de la
probabilidad e inferencia. Madrid, ESPAÑA: Larousse - Ediciones Pirámide. (pp. 313-328).
Espejo, M. I., Fernández, P. F., & López, S. M. (2016). Inferencia estadística: teoría y problemas (2a.
ed.). Madrid, ESPAÑA: Servicio de Publicaciones de la Universidad de Cádiz. Pp. 81-102. Recuperado
de https://elibro-net.bibliotecavirtual.unad.edu.co/es/ereader/unad/33882?page=118
ptiva, teoría de la
13-328).
y problemas (2a.
81-102. Recuperado
e=118
dístico de la calidad y
//www.ebooks7-
todos-estadisticos/1-
NALISIS%20DE