ESTADISTICA

INFERENCIAL
TRAB
TRABAJ
AJO
O FIN
FINAL
AL
TEMA: MEDICION DEL NIVEL DE PERCEPCIÓN
DE LOS CLIENTES, SOBRE EL SERVICIO QUE
BRINDA PACIFICO ASISTENTE

PROFESOR: SECCIÓN:

INTEGRANTES:
ESTADISTICA INFERENCIAL

ESTRUCTURA DEL TRABAJO

1.  Título del tema de investigación.

investigación.
2. Integrantes
3. Descripción de la empresa
4. lanteamiento de los o!"etivos #general $ especí%co&
5. De%niciones !'sicas #po!lación( muestra( elemento( escala de medición $

tipo de cada una de las varia!les&

6. Desarrollar)
I. *ipótesis estadísticas
estadísticas para un par'metro
par'metro e +ipótesis estadísticas
estadísticas

para dos par'metros de acuerdo a sus o!"etivos de intereses

planteados $ de acuerdo a la naturale,a de las varia!les.

II. rue!as
rue!as C+i Cuadrado
Cuadrado #rue!a
#rue!a de Indepen
Independenci
dencia(
a( rue!a
rue!a de

*omogeneidad de Su! po!laciones( rue!a de -ondad de A"uste

ultinomial $ oisson&.
III. rue!as de Analisis
Analisis de /arian,a
/arian,a de un 0actor
I/.
I/. rue!as de an'lisis de Regresión
Regresión lineal simple
simple $ No lineal.
. resentación
resentación de conclusiones $ recomendaciones
recomendaciones preliminares.
preliminares.

1. TEMA

EDICI1N DEL NI/EL DE ERCECI2N DE L1S CLIENTES( S1-RE EL

SER/ICI1 34E -RINDA ACIFIC1 ASISTENTE.

2. IN
INTE
TEGRA
GRANT
NTES
ES

5
ESTADISTICA INFERENCIAL

3. DES
DESCRIP
CRIPCIÓ
CIÓNN DE LA EMPRESA
EMPR ESA

Empresa líder en el mercado asegurador peruano 6ue tiene como o!"etivo

principal servir a sus clientes con soluciones de gestión de riesgos 6ue
prote"an a6uello 6ue valoran $ aseguren el logro de sus metas. Forma
parte del grupo Credicorp el holding %nanciero m's grande del er7 $
cuenta con m's de 8(999 pro0esionales dedicados a !rindar a sus clientes
una o0erta integral de productos $ servicios en sus tres líneas de negocio)
Riesgos :enerales; Salud( a trav<s de su su!sidiaria ací%co Salud $;
/ida( a trav<s de ací%co /ida

Cue
Cuenta
nta con la cali%
ali%ca
caci
ción
ón de grad
grado
o de inv
inversió
rsión
n inter
nterna
naci
cion
onal
al
de Moody's  $ Fitch Ratings
Ratings( dos
dos de las
las clas
clasi%
i%ca
cado
dora
rass de ries
riesgo
go m'
m'ss
importantes del mundo.

Es reconocida como la me"or compa=ía de seguros generales del er7 por

el sector empresarial( los líderes de opinión $ la opinión p7!lica( seg7n
estudios reali,ados por Ipsos>Apo$o $ la Encuesta Anual de E"ecutivos de
la C'mara
C'mara de Comercio
Comercio de Lima.
Lima. Adem'
Adem'ss es la primer
primera
a ase
asegur
gurador
adora
a
 Car!ono Neutral del país( es decir una empresa comprometida con el
medio am!iente 6ue !usca remover de la atmós0era tanto dió?ido de
car!ono #C1@& como el 6ue genera.

VISIÓN)

@
ESTADISTICA INFERENCIAL

Ser una de las cinco me"ores aseguradoras de Latinoam<rica) simple(

tran
transp
spar
aren
ente
te(( acce
accesi
si!l
!le(
e( renta
enta!l
!le
e $ con
con cola
cola!o
!ora
rado
dorres alta
altame
ment
nte
e
competentes $ motivados.

MISION:

A$udar a los clientes a proteger su esta!ilidad económica( o0reci<ndoles

soluciones 6ue prote"an a6uello 6ue valoran $ aseguren el cumplimiento
de sus o!"etivos.

PRINCIPIOS:

ESTADISTICA INFERENCIAL

• C!"#$%&'(!# %)*+'!")# -) *+%! /*+0!: Creemos en las relaciones de

largo pla,o $ nos en0ocamos en desarrollarlas con nuestros asegurados(
corredores $ canales de distri!ución.

• S!(!# )#/)'+*'#$+# )" *+ )#$'" -) %')#!#: Tra!a"amos "unto a

nuestros clientes para entender sus necesidades $ les o0recemos
soluciones 6ue les permitan mane"ar sus riesgos en 0orma e%ciente.

• C&(/*'(!# !" "&)#$%+# !*'+'!")# -) !%(+ &#$+ 

!/!%$&"+: Resolvemos los siniestros de nuestros clientes con un alto
criterio de "usticia $ los pagamos de 0orma oportuna.

• B&#+(!# *+ ))*)"'+ )" )* #)%7''! +* *')"$): Asesoramos a

nuestros clientes en la gestión de sus riesgos $ nos es0or,amos día a día
para darles la calidad de servicio 6ue merecen.

• S!(!# &"+ !(/+89+ !"+*)  !" +(/*'+ #!*'-)0

"+"')%+: Nuestra 0ortale,a %nanciera( así como una gestión
pro0esional $ prudente del negocio de seguros( garanti,an la m's alta
capacidad de pago de nuestras o!ligaciones a+ora $ en el 0uturo.

B
ESTADISTICA INFERENCIAL

4. OBJETIVOS DE INVESTIGACIÓN

O)$'7! G)")%+*:

 Anali,ar el nivel de percepción 6ue +an tenido los clientes( so!re el

servicio !rindado por aci%co Asistente( cuando +a ocurrido un siniestro.

O)$'7!# )#/)9!#:

 Evaluar cu'les son las principales causas de un siniestro.

 Determinar si e?iste di0erencia entre los accidentes en los distritos de

iraores $ Surco( $a 6ue estos son lo 6ue m's ocurrencia tienen.

 Evaluar si el tiempo de atención est' inuenciado en las causas de los

siniestros.

 Evaluar si la percepción de los clientes est' inuenciado por el tiempo de

llegada de la unidad de au?ilio.

8
ESTADISTICA INFERENCIAL

P%!*)(+:

Las demoras en el tiempo de llegada de las unidades al siniestro( est'

ocasionando severos pro!lemas #los reclamos ante el ente regulador e
INDEC1I( da=o en la imagen reputacional $ pro!lemas %nancieros& en la
percepción del servicio 6ue !rinda aci%co Asiste.


ESTADISTICA INFERENCIAL

5. DEFINICIONES B;SICAS <POBLACIÓN, MUESTRA ,

UNIDAD DE AN;LISIS=

POBLACION:

Todas los asegurados de la ciudad de Lima que tomaron el servicio de Pacifico

Asiste, en el año 2013.

MUESTRA:

Un grupo de ciento cincuenta asegurados de la ciudad de Lima que tomaron el

servicio de Pacifico Asiste, en el año 2013.

UNIDAD DE ANÁLISIS:

Un asegurado de la ciudad de Lima que tom el servicio de Pacifico Asiste, en el

año 2013.

ESCALA DE MEDICION Y TIPO DE VARIABLES:


 ESTADISTICA INFERENCIAL

6. DESARROLLO:

I. >IPOTESIS ESTADISTICA PARA UNO ? DOS PARAMETROS

1.1. >IPOTESIS ESTADISTICA PARA UN PARAMETRO:

PROMEDIO

La empresa aseguradora aci%co desea conocer cu'l es la percepción de

sus usuarios acerca de la rapide, en la atención.

Se est'n +aciendo prue!as para evaluar si +a$ una me"ora en el tiempo

de llegada al siniestro( el tiempo promedio del a=o pasado era de 5.
min #59B seg.&. Considere un nivel de signi%cación de @G.

E* $')(/! /%!()-'! -) +$)"'" @+ ()!%+-! !" %)#/)$! +* +8!

/+#+-!.

Planteamiento de la Hipótesis:

>! : El tiempo promedio de atención no +a me"orado con respecto al a=o

pasado.

>1 : El tiempo promedio de atención +a me"orado con respecto al a=o

pasado.

>'/$)#'# "&*+: H  59B s

>'/$)#'# +*$)%"+"$): H  59B s


ESTADISTICA INFERENCIAL

Hallando el Tc:

Tiempo promedio
(segundos)

M)-'+ .1
Error típico B.98
ediana 8.89
oda .99
D)#7'+'"
)#$"-+% 564.3
/arian,a de la 55.
muestra 9
Curtosis B.9
Coe%ciente de
asimetría 5.5
Rango B9.99
ínimo .99
'?imo 898.99
5B@.
Suma 99
Cuenta 589.99

´ − μ o
 X 
T cal= t ( n−1) gl
S
√ n

T cal=
978.18 −1046
=−1.233
564.03

√ 50


ESTADISTICA INFERENCIAL

Hallando el Punto crítico:

 Tc cae en la Jona de Aceptación

 Decisión:
N1 REC*AJ1 *o

Conclusión:

A un nivel de signi%cación del @G e?iste evidencia estadística su%ciente

para N1 AFIRAR 6ue los tiempos promedios de atención +an me"orado.

CONCLUSIONES ? RECOMENDACIONES

Luego del an'lisis( podemos concluir 6ue no +a +a!ido una me"ora en el

tiempo de atención +acia nuestros clientes( por lo 6ue recomendamos
aumentar la ,ona de co!ertura para la atención de emergencias( es
importante poner ma$or <n0asis en este punto( $a 6ue es importante para
me"orar la percepción acerca del servicio.

59
ESTADISTICA INFERENCIAL

PROPORCIÓN

La empresa aseguradora aci%co desea conocer cu'l es el nivel de

percepción de sus usuarios acerca del servicio 6ue o0recen.
ara entender 6ue +a +a!ido una me"ora en el servicio( la proporción de
clientes satis0ec+os #!ueno& no de!ería de ser menor al 9G. Considere
un nivel de signi%cación de @G.

Planteamiento de la Hipótesis:

>! : La proporción de aceptación acerca del servicio no es ma$or al 9G.

>1 : La proporción de aceptación acerca del servicio es ma$or al 9G.

>'/$)#'# "&*+: H  9.

>'/$)#'# +*$)%"+"$): p H 9.

Hallando el Tc

Cuenta de
ERCECI1N DEL
CLIENTE
ERCECI1N DEL  Tot
CLIENTE al
-4EN1 B -ueno B .2
AL1 8B N 589
4K -4EN1 B
RE:4LAR 5
15
T!$+* )")%+* 

 p− p o
^

 z =

√
 p o ( 1 − p o )
n

55
ESTADISTICA INFERENCIAL

 z =
  0.29 −0.3
=0.26

√Hallando el Punto critico

0.3 ( 1 −0.3 )
150

Jc cae en la Jona de Rec+a,o

Decisión:
REC*AJ1 *o
Conclusión:

A un nivel de signi%cación del @G e?iste evidencia estadística su%ciente

para AFIRAR 6ue el nivel de aceptación acerca del servicio es no ma$or
al 9G.

CONCLUSIONES ? RECOMENDACIONES

Luego del an'lisis( podemos concluir 6ue no +a +a!ido una me"ora en la

percepción acerca del servicio( esto de!ido a 6ue el porcenta"e de
aceptación #!ueno& no es ma$or al 9G( por lo 6ue recomendamos
identi%car los puntos d<!iles $ poner ma$or <n0asis en este punto( $a 6ue
es importante para me"orar la percepción acerca del servicio 6ue

5@
ESTADISTICA INFERENCIAL

!rindamos.

5
 ESTADISTICA INFERENCIAL

II. >IPOTESIS ESTADISTICA PARA DOS PARAMETROS:

2.1 PRUEBA DE >IPOTESIS PARA DOS VARIANAS POBLACIONALES

La empresa aseguradora aci%co desea sa!er si e?iste di0erencia entre

las variaciones en la cantidad de siniestros ocurridos en mes de Fe!rero
para los distritos de iraores $ Surco.
ara determinar esto se considerara un nivel de signi%cación de 8G.

OTRO
SANTIAG S <26
MIRAFLO O DE D'#$%'$ T!$+*
RES SURCO !#= )")%+*
ATR1ELL1 5 5
CAIDA EN *4EC1 @ @
C*134E C1N R1. EN
1/IIENT1 5 5
C*134E C1N R1. EN
1/IIENT1 K F4:A 5  
C*134E C1NTRA ANIAL 5 5
C*134E C1NTRA 1-ET1 5 @ B 559
C*134E ESTACI1NAD1  5 B 
DAM1S 1R INTENT1 DE
R1-1 5 5
DAM1S 1R 1-ET1
C1NT4NDENTE @  
DESISTE 5  B
INCENDI1 5 5
RIES:1S 1LITIC1S 5 5 @
R1-1 DE /E*IC4L1 1R
ASALT1 5 5
R1-1 ESTACI1NAD1 DE
/E*IC4L1 5 5
R1T4RA DE /IDRI1 5 5
T!$+* )")%+* 22 26 12 15

5B
ESTADISTICA INFERENCIAL

Planteamiento de la Hipótesis:

>!: La varian,a de accidentes en iraores es igual a la varian,a de

accidentes en Surco

>1: La varian,a de accidentes en iraores no es igual a la varian,a de

accidentes en Surco

>'/$)#'# "&*+:

>'/$)#'# +*$)%"+"$):

Hallando el Fc

rue!a F para varian,as de dos muestras

SATIA!O "E
  MIRAFLORES S#R$O
edia .5B@85B .8
/arian,a 5.B59B 5@5
1!servaciones  B
:rados de li!ertad  
F 9.599@8@
#FO0& una cola 9.9@889985
/alor crítico para F #una cola& 9.@59@58B

2
S 1
 F c = 2
~ F ( n1 −1,n2 −1)
S 2

Fc O 9.59

58
ESTADISTICA INFERENCIAL

Hallando el Punto critico

Jc cae en la Jona de aceptación

Decisión:
No se rec+a,a *o
Conclusión:

A un nivel de signi%cación del 8G e?iste evidencia estadística su%ciente

para concluir 6ue las varian,as son iguales.

CONCLUSIONES ? RECOMENDACIONES
Luego del an'lisis( podemos concluir 6ue se de!er' prestar ma$or atención
a los accidentes ocurridos en los distritos de iraores $ Surco( por ser los
distritos con ma$ores incidencias en siniestros( de este modo generar
estrategias para !rindar r'pidas $ me"or respuestas a los usuarios.

5
 ESTADISTICA INFERENCIAL

2.1 PRUEBA DE >IPOTESIS PARA LA DIFERENCIA DE DOS MEDIAS

POBLACIONALES, <1K 2=: MUESTRAS INDEPENDIENTES

VARIANAS IGUALES
La empresa aseguradora aci%co desea determinar si los siniestros de
C*134E C1NTRA 1-ET1 les genera ma$ores ingresos 6ue los C*134E
ESTACI1NAD1( seg7n la data recolectada en mes de Fe!rero.
ara determinar esto se considerara un nivel de signi%cación de G.
Dado 6ue las varian,as po!lacionales son desconocidas( el primer paso
ser' reali,ar unas prue!as de +ipótesis para determinar si son varian,as
+omog<neas.

Planteamiento de la Hipótesis:

>!: La varian,a de c+o6ue contra o!"etos es igual a la varian,a de

c+o6ues estacionado
>1: La varian,a de c+o6ue contra o!"etos no s igual a la varian,a de
c+o6ues estacionado

>'/$)#'# "&*+: *9) s @5 % s @@

>'/$)#'# +*$)%"+"$): *5) s @5 & s @@
Hallando el Fc

2
S 1
 F c = 2
~ F ( n1 −1, n2 −1)
S 2

Fc O 9.B

5
ESTADISTICA INFERENCIAL

P%&)+ F /+%+ 7+%'+"0+# -) -!# (&)#$%+#

$O#E $OTRA
O*ETO $O#E ESTA$IOA"O
edia B 8.8
/arian,a B9@B. B58.
1!servaciones  B
:rados de li!ertad 8 
F 9.BBB
#FO0& una cola 9.B8B8888
/alor crítico para F #una 9.5B5@5
cola&

Hallando el Punto critico

Jc cae en la Jona de aceptación

5
ESTADISTICA INFERENCIAL

Decisión:
SE ACETA *o

Conclusión:

A un nivel de signi%cación del G e?iste evidencia estadística su%ciente

para concluir 6ue las varian,as son iguales.

5
ESTADISTICA INFERENCIAL

Dado 6ue sa!emos 6ue las varian,as po!lacionales son +omog<neas( se

de!er' compro!ar si los ingresos promedio o!tenidos en el distrito de
Surco son ma$ores a los del distrito de iraores.

Planteamiento de la Hipótesis:

>!: Los ingresos promedio o!tenidos en el distrito de Surco son menores

a los ingresos promedios del distrito de iraores.

>1: Los ingresos promedio o!tenidos en el distrito de Surco son ma$ores

a los ingresos promedios del distrito de iraores.

>'/$)#'# "&*+:  μ 5 ≤  μ @

>'/$)#'# +*$)%"+"$):  μ 5P ¿ μ @

Hallando el Tc

rue!a t para dos muestras suponiendo varian,as

iguales

SATIA!O "E
S#R$O MIRAFLORES
edia 58 5.555
/arian,a 9 59.@@@@
1!servaciones @ @@
/arian,a agrupada @B.@B5
Di0erencia +ipot<tica de las
medias 9
:rados de li!ertad B
Estadístico t 5.9@B85
#TOt& una cola 9.5B98BB5B
/alor crítico de t #una cola& 5.9B5B
#TOt& dos colas 9.@59@
/alor crítico de t #dos colas& @.95@88

@9
ESTADISTICA INFERENCIAL

Hallando el Punto critico

Jc cae en la Jona de aceptación

Decisión:

Se acepta *o
Conclusión:

A un nivel de signi%cación del 8G e?iste evidencia estadística su%ciente

para concluir 6ue los ingresos promedio o!tenidos en el distrito de Surco
son menores a los ingresos promedios del distrito de iraores.

CONCLUSIONES ? RECOMENDACIONES
Luego del an'lisis( podemos concluir 6ue se de!er' prestar ma$or
atención a los asegurados en la ,ona de iraores por6ue ellos
representan ma$ores ingresos para la empresa.

3 PRUEBA DE >IPOTESIS PARA LA DIFERENCIA DE DOS MEDIAS

POBLACIONALES <D= : MUESTRAS RELACIONADAS

@5
 ESTADISTICA INFERENCIAL

III.1 PRUEBA DE >IPÓTESIS PARA DOS MEDIAS POBLACIONALES:

M&)#$%+# R)*+'!"+-+#:

Con un estudio de mercado( se desea evaluar la nueva o0erta promocional

del nuevo costo de la prima de seguros en aci%co para incrementar las
ventas. Con este %n( se seleccionaron al a,ar 589 clientes 6ue pagaron
por el servicio antes $ despu<s de la o0erta promocional. Con un nivel de
signi%cación del 8G( se puede a%rmar 6ue la o0erta promocional
incrementó las ventas de seguros. Los datos se presentan en la siguiente
ta!la)
D)#/&
A"$)# #
N -'
P%)'!
5 5@8 599 >@8
@ 5@8 599 >@8
 599 59 
B 599 59 
Q Q Q Q
5B 58 5 5
589 58 58 >59
T!$+* >8

P*+"$)+(')"$! -) *+ >'/$)#'#:

La o0erta promocional no incrementó las ventas de seguros.

>!:
ud  ua
La o0erta promocional incrementó las ventas de seguros.
>1:
ud P ua
N'7)* -) #'"'+'": 9.98  5>  O >5.88

E#$+-9#$'! -) /%&)+:
d − d 0
T: K11.21 tc = ~ t ( n −1)
 sd 
n
Después - Antes

edia >@.9
@@
ESTADISTICA INFERENCIAL

Error típico @.8@

ediana >@8.999
oda >8.999
Desviación est'ndar 9.9B
/arian,a de la muestra 88.99
Curtosis >9.B@
Coe%ciente de
asimetría >9.
Rango 59.999
ínimo >5@8.999
'?imo 8.999
>
B@B.99
Suma 9
Cuenta 589

P%&)+ $ /+%+ ()-'+# -) -!# (&)#$%+#

)(/+%)+-+#
Despu
és Antes
559.5
edia  5.8
B.5 @8B.@
/arian,a  @
1!servaciones 589 589
Coe%ciente de correlación
de earson 9.B
Di0erencia +ipot<tica de las
medias 9.999
:rados de li!ertad 5B
>
Estadístico t 55.@5
#TOt& una cola 9.999
/alor crítico de t #una cola& 5.88
#TOt& dos colas 9.999
/alor crítico de t #dos
colas& 5.

D)'#'": No se rec+a,a la +ipótesis nula.

@
 ESTADISTICA INFERENCIAL

C!"*&#'": Con un nivel de signi%cación del 8G e?iste estadística

su%ciente para a%rmar 6ue la o0erta promocional SI incrementó las ventas
de seguros.

IV. PRUEBA DE >IPÓTESIS PARA DOS PROPORCIONES POBLACIONALES:

aci%co Seguros a%rma 6ue el ma$or n7mero de atención en los 7ltimos

seis meses provienen de la marca de autos NISSAN. Se desea comparar
cual es la marca de autos 6ue se atienden con m's 0recuencia en los
7ltimos seis meses. De una muestra aleatoria de 589 clientes cu$os autos
son de la marca NISSAN( 9 clientes +an reci!ido alg7n tipo de atención
en los 7ltimos seis meses. En cam!io( los clientes cu$os autos son de la
marca /1LSUVA:EN( 9 +an reci!ido alg7n tipo de atención en los
7ltimos seis meses. A un nivel de signi%cación del 8G( Wse puede decir
6ue la a%rmación de la compa=ía de seguros es correctaX

N%!# -)
MARCA A&$!#
NISSAN 6
VOLSA
GEN 
T!$+* 15

P*+"$)+(')"$! -) *+ >'/$)#'#:

El ma$or n7mero de atención en los 7ltimos seis meses N1

>!: provienen de la marca de autos NISSAN.
p  p@
El ma$or n7mero de atención en los 7ltimos seis meses
>1: provienen de la marca de autos NISSAN.
p P p@
N'7)* -) #'"'+'": 9.98   O 5.B8

P%!/!%'!")#:
@B
 ESTADISTICA INFERENCIAL

NISSAN: 9.B99
VOLSAG
EN: 9.99

E#$+-9#$'! -) /%&)+:  ) 9.8@9  Jc) >@.B9@

 pˆ1 − pˆ 2
 Z c = ≈ Z 
 1 1 
 p ( 1 − p )  + ÷
 n1 n2 

4.K D)'#'": Se rec+a,a la +ipótesis nula.

5.K C!"*&#'": Con un nivel de signi%cación del 8G e?iste estadística

su%ciente para a%rmar 6ue la in0ormación de la empresa de seguros es
correcta.

V. C>I CUADRADO

5.1 PRUEBA DE INDEPENDENCIA

La empresa aci%co desea determinar si e?iste relación entre la

categorías del servicio $ la percepción del cliente por el servicio. Se tomó
una muestra de 589 clientes $ se o!tuvo 0recuencias o!servadas en la
siguiente ta!la.
VALORES OBSERVADOS

PERCEPCION DEL CLIENTE

CATEGORIA DE BUE MA MU?  REG T!$+*
SERVICIO NO LO BUENO ULAR )")%+*
ASISTIDO NO
REALIADO  5 @ 5 
BASICO B9 8 @ 5 143
T!$+* )")%+* 43 54 34 1 15

@8
ESTADISTICA INFERENCIAL

4tili,ando un nivel de signi%cación de 9.9@G( WLa percepción del cliente

est' relacionada con la categoría del servicioX

@
ESTADISTICA INFERENCIAL

Planteando la Hipótesis

>! : La percepción del cliente ( es independiente a la categoría del

servicio.
>1 : La percepción del cliente( no es independiente a la categoría del
servicio.

VALORES ESPERADOS
PERCEPCION DEL CLIENTE
CATEGORIA DE MAL MU?  REGUL T!$+*
SERVICIO BUENO O BUENO AR )")%+*
ASISTIDO NO
REALIADO @.95 @.8@ 5.8 9. .
85.B
BASICO B9.  @.B5 5.55 143.
54.
T!$+* )")%+* 43.  34. 1. 15.

VALORES C>I
CUADRADO
PERCEPCION DEL CLIENTE
CATEGORIA DE MAL MU?  REGUL T!$+*
SERVICIO BUENO O BUENO AR )")%+*
ASISTIDO NO
REALIADO 9.B 9.@ 9.55 9.95
BASICO 9.9@ 9.9B 9.95 9.99
P&"$! E#/)%+-! 1.61
  f   c (Oij −  E ij ) 2
∑∑
2
 χ  = ≈
i =1   j =1  E ij
2
 χ  [1−α  ; (  f  −1) ( c −1)]

2
2
 χ cal= 1.61 χ 0.02,12 ( crítico )=9.8374
@
ESTADISTICA INFERENCIAL

DECISIÓN
N1 REC*AJ1 *o
CONCLUSION
A un nivel de signi%cación del @G el rendimiento de la percepción del cliente
es independiente a la categoría del servicio 6ue se le !rinda.

@
 ESTADISTICA INFERENCIAL

5.2 PRUEBA DE >OMOGENEIDAD DE SUBPOBLACIONES

La empresa aseguradora ací%co desea evaluar la percepción de los

clientes acerca del servicio !rindado en dos distritos de iraores( San
Isidro $ Santiago de Surco( para lo cual( de una !ase general de 589
clientes( se tomaron los datos correspondientes a los distritos a evaluar(
en la 6ue los asegurados emitieron sus opiniones clasi%cando su
percepción del servicio como) malo( regular( !ueno $ mu$ !ueno. Los
resultados se muestran en la siguiente ta!la)

O#)%7+-!#
PERCEPCION DEL CLIENTE T!$+*
)")%+*
DISTRITO
MAL REGUL BUENO MU? 
O AR BUENO
IRAFL1RES    5 @@
SAN ISIDR1  9 B B 5
SANTIA:1 DE
5B 8 B  @
S4RC1
T!$+* )")%+* 31  1  64

A+ora pro!aremos si e?iste evidencia estadística para a%rmar 6ue la

percepción emitida por los clientes acerca del servicio !rindado es igual
para los tres distritos( para esto usaremos un nivel de signi%cación del
G.

VARIABLE CATEGORICA) ercepción del cliente acerca del servicio

!rindado. #alo( Regular( -ueno $ u$ !ueno&.

SUBPOBLACIONES:  Distritos #iraores( San Isidro $ Santiago de Surco&

@
ESTADISTICA INFERENCIAL

SAN ISIDRO MIRAFLORES

59 59
 
 
B B
@ @
9 9
  O   O   O   O
  A  L   E  N   A  L   E  N
  M   M
  B  U   B  U
P)%)/'" -)* *')"$) P)%)/'" -)* *')"$)

SANTIAGO DE SURCO
58

59

9
  O   O
  A  L   E  N
  M   U
  B
P)%,)/,'1" -)* ,*')"$)

9
ESTADISTICA INFERENCIAL

Planteamiento de la Hipótesis:

>!: La percepción de los clientes es +omog<nea en los tres distritos

La percepción de los clientes "! es +omog<nea en los tres
>1:
distritos
 Nivel de signifcación: 9.9

2
r  k 
(Oij − E ij )
∑∑
2
 χ  =
i =1   j =1  E ij
stadística de prue!a :

2
 χ cal = 9.463

O#)%7+-!#
PERCEPCION DEL CLIENTE T!$+*
)")%+*
DISTRITO
MAL REGUL BUENO MU? 
O AR BUENO
59.8
IRAFL1RES @.89 8.BB @.89 @@

SAN ISIDR1 .89 @.999 B.@89 @.999 5
SANTIA:1 DE 5@.8
.@89 .9 .@89 @
S4RC1 B
T!$+* )")%+* 31  1  64

V+*!%)# )#/)%+-!#
T!$+*
PERCEPCION DEL CLIENTE
)")%+*
DISTRITO
MAL REGUL MU? 
O AR BUENO BUENO
IRAFL1RES 9.@8 9.9@ 5.98 5.55B
SAN ISIDR1 9.99 @.999 9.958 @.999
SANTIA:1 DE
9.58 9.B@ 5.@@ 9.95
S4RC1
T!$+* )")%+* .463

 "egiones críticas

5
 ESTADISTICA INFERENCIAL

2: <E#$+-9#$'!
.B
-) /%&)+=
G%+-!# -)
 O#>5&Y#B>5&
L')%$+-
1K: 9.
5.
P&"$! %9$'!:
#OIN/.C*IC4AD#9.(&

Decisión:

2 2
 χ cal < χ 0.97,3 N1 SE REC*AJA *1
>!: La percepción de los clientes es +omog<nea en los tres distritos
Conclusión:

A un nivel de signi%cación del G( +a$ su%ciente evidencia estadística

para REC*AJAR 6ue la percepción de los clientes "! es +omog<nea en
los tres distritos #*5&.

5.3 PRUEBA DE BONDAD DE AJUSTE MULTINOMIAL

La o%cina de Seguros se Autos Ro!o de la empresa aseguradora ací%co

durante el 7ltimo semestre del a=o pasado tuvo el 89G de causas de
siniestro por Ro!o de autopartes( el 9G por Ro!o de ve+ículo por asalto
$ el @9G de Ro!o estacionado de ve+ículo. ara %"ar los nuevos costos de
prima( se tomó al a,ar 589 casos de siniestros por ro!o 6ue se
presentaron en el primer semestre del a=o en curso los cuales se
muestran en el siguiente cuadro.

N -)
CAUSA DEL SINIESTRO SINIESTRO
S
R!! -) +&$!/+%$)# 588
R!! -) 7)@9&*! /!%
9
+#+*$!
R!! )#$+'!"+-! -)
58
V)@9&*!
@
ESTADISTICA INFERENCIAL

T!$+* )")%+* 2

WSe puede a%rmar 6ue el patrón +istórico de causas de siniestro +a

cam!iadoX( de +a!er cam!iado se reali,ar' un incremento en la prima del
seguro por Ro!o. 4saremos un nivel de signi%cación del 8G. W3u<
decisión tomar' el "e0e de Seguro de Autos Ro!oX


ESTADISTICA INFERENCIAL

Planteamiento de Hipótesis

El patrón +istórico de las causas de siniestro no +an cam!iado a

>!:
comparación del a=o pasado
El patrón +istórico de las causas de siniestro +an cam!iado a
>1:
comparación del a=o pasado

Nivel de signifcación: 9.98

2
r  k 
(Oij − E ij )
∑∑
2
 χ  =
i =1   j =1  E ij
stadístico de prue!a

2
 χ cal= 60.8750

CAUSA DEL SINIESTRO O' P' E' 2+*

R!! -) +&$!/+%$)# 598 9.8 8 5@.99
R!! -) 7)@9&*! /!%
9 9. B8 8.99
+#+*$!
R!! )#$+'!"+-! -)
58 9.@ 9 .89
V)@9&*!
T!$+* )")%+* 15 1 15 24.5

"egiones críticas

:l) #Z>5&
#>5& O@
.A

.R
5.1
INV. C>ICUAD <.5,2=

 Decisión:

2 2
 χ cal > χ 0.95,2 REC*AJ1  *1

B
 ESTADISTICA INFERENCIAL

Conclusión:

A un nivel de signi%cación del 8G( +a$ su%ciente evidencia estadística

para REC*AJAR *o( es decir se puede a%rmar 6ue el patrón +istórico de
las causas de siniestro +a cam!iado a comparación del a=o pasado. Lo
6ue indica 6ue el e0e de Seguros de Autos Ro!o( reali,ar' un incremento
en la prima para el 7ltimo semestre del a=o en curso.

5.4POISSON

Se !usca pro!ar la percepción del cliente organi,ativa en el transcurso

de @ días con 589 datos de la percepción del cliente.

CALIFICA PERCEPCION DEL

CION CLIENTE
9 8B
5 5
@ B
 B
T!$+*
15
)")%+*

A un nivel de signi%cación de 9.9@ G se !usca pro!ar la +ipótesis en la

cual la cali%cación de la percepción del cliente sigue un patrón seg7n la
distri!ución de oisson.

Planteando la Hipótesis

*o) Los datos muestrales de la percepción del cliente( provienen de una

distri!ución de oisson.
*5) Los datos muestrales de la percepción del cliente( no provienen de
una distri!ución de oisson.

8
ESTADISTICA INFERENCIAL

VALORES ESPERADOS
CALIFICACION PERCEPCION DEL CLIENTE LANDA P' ESPERADOS PUNTO ESPERADO
9 8B 9 9.@8  .95
5 5 5 9.8 8@ @5.95
@ B  9.@B  5.
 B 59@ 9.5 @B .@

T!$+* )")%+* 2 1 15 33.32

15

ESTADISTICO DE PRUEBA

LANDA
ESTIMAD 5.
O
PUNTO
ESTIMAD .@
O
GRADOS
DE @
LIBERTAD
PUNTO
.@
CRITICO

DECISIÓN


ESTADISTICA INFERENCIAL

Rec+a,a *o.
CONCLUSION
La distri!ución de la percepción del cliente no proviene de una
distri!ución de oisson.
Se !usca pro!a la percepción del cliente organi,ativa en el transcurso de
5 mes con datos escogidos de B8 órdenes de atención.


 ESTADISTICA INFERENCIAL

#$% DISEOS EPERIMENTALES

6.1 ANALISI S DE VARIAN A DE UN FACTOR
La empresa aseguradora aci%co desea sa!er si las tres causas de
siniestros m's 0recuentes en el 7ltimo mes de Fe!rero tienen un tiempo
de atención seme"ante #en minutos&. ara ello se tomara en cuenta los
siguientes siniestros)

C*134E C1N R1. EN 1/IIENT1 K F4:A

DESIESTE
DAM1 1R 1-ET1 C1NT4NDENTE
ara determinar se usara un nivel de signi%cación del 8G.

DAÑOS POR OBJETO CHOQUE CON 3RO. EN

CONTUNDENTE MOVIMIENTO Y FUGA DESPISTE
! 13 "
1# 31 12
32 2# 12
1! 23 3
22 12
! 1$
1% 2"
2&
10

Planteamiento de la Hipótesis:

>!: El promedio de tiempo de atención de c+o6ue con ro. en

movimiento $ 0uga es igual al de despiste e igual al da=o por o!"eto
contundente.

>1: Al menos un promedio es di0erente.

>'/$)#'# "&*+:  μ 5O  μ @ O  μ 

>'/$)#'# +*$)%"+"$): Al menos un  μ  es di0erente


ESTADISTICA INFERENCIAL

 AN#A

An'lisis de varian,a de un
0actor

RES4EN
+romedi
!rupos $uenta Suma o ,arian-a
C*134E C1N
R1. EN
1/IIENT1 K
F4:A  5B @5.5B@ 8.98
DESISTE B 8 .899 5.@899
DAM1S 1R
1-ET1
C1NT4NDENTE  58 5. .9999

AN[LISIS DE
/ARIANJA
+romedi
Suma de !rados o de los ,alor 
Origen de las cuadrad de cuadrad +ro/a/ilid cr0tico
.ariaciones os li/ertad os F  ad  para F 
.B@ 5.5
Entre grupos  @ B .@B 9.9B8 .858
Dentro de los 5.9
grupos 5 5 85.8@

 Total 5@B.8 5

Fc O .@B

valor 9.9B8 es menor al al0a 9.98

Decisión:

Se rec+a,a *o
Conclusión:


ESTADISTICA INFERENCIAL

A un nivel de signi%cación del 8G se puede a%rmar 6ue la duración del

tiempo promedio de atención de un siniestro es di0erente en al menos
uno de los tipos de siniestros.

La empresa aci%co desea determinar seg7n el siniestro en cu'l de ellos

se o0reció un tiempo de espera m's corto.

Planteamiento de la Hipótesis:

*ipótesis nula)  μ 5O  μ @

*ipótesis alternante)  μ 5 &  μ @

*ipótesis nula)  μ 5O  μ 

*ipótesis alternante)  μ 5 &  μ 

*ipótesis nula)  μ @O  μ 

*ipótesis alternante)  μ @ &  μ 

 1 1 
 y i. − y j. > t  (1 CME  + ÷
−
α 
 ni n j÷
2
,GLE )
  

B9
 ESTADISTICA INFERENCIAL

!Diferencia
t(1-alfa/2, cantidad de raíz de CME
diferencia de
grado de repeticiones y cantidad
de  CME DM promedios
libertad de cada de
promedios es mayo a
del error) tratamiento repeticiones
DM"

C*134E SE
> 85.8 REC*AJA
DESISTE 5@.@ @.59 @ 9.@ B.85 .8@9 *o
C*134E 85.8 SE ACETA
> DAM1S .98 @.59 @ 9.@8B9 .@5 .8 *o
DESISTE 85.8 SE ACETA
> DAM1S .8 @.59 @ 9.55 B.@8 .59@ *o

+romedi
!rupos o
C*134E C1N R1. EN 1/IIENT1 K
F4:A @5.5B@
DAM1S 1R 1-ET1 C1NT4NDENTE 5.
DESISTE .899

Conclusión:

odemos determinar 6ue el tiempo de atención en minutos de los siniestros

de despiste es atendido en menos tiempo.

6.2 ANALISIS DE REGRESION SIMPLE

El gerente de operaciones desea sa!er si el tiempo #en minutos&

promedio de llegada de atención al siniestro est' en 0unción a la distancia
del distrito. ara ello se tomó una muestra de 589 registros $ se
o!tuvieron los siguientes datos)
T')(/
V))
!
#
/%!()
D'#$%'$! D'#$%'
-'! -)
$!
**)+-
<=
+ <?=
AT' ()TA*T' 1 21.3#

B5
ESTADISTICA INFERENCIAL

+A**A- 5 5@.
+*'/A  B8.8
-**)LL B 5.88
-A @ @.
)'P''-)A 5 5.@
4'U A*)A  @9.
LA L)A B 5@.5
LA ()-T*)A  @9.@
LA5-ALLA B 5.9
L)A  5.5
L)-'  5.55
L L)(  55.88
A6AL'A 'L A* B 5.5
)*A7L*' @@ @9.B8
PU'+L L)+*'  5.58
PU'T' P)'*A 5 @B.8B
*)A- 5 @.B
A +*4A  59.B
A ))* 5 @5.5@
A 4UA ' LU*)6A- B 9.8
A 4UA ' )*A7L*' 5 @5.9@
A A*T) ' P**'  5.B
A )6U'L B 58.8@
ATA A)TA  5.@
AT)A6 ' U*- @ 8.9
U*8U)LL  5.55
()LLA A*)A 'L T*)U7 @ @@.98

D'+%+(+ -) -'#/)%#'" &) (&)#$%) *+ %)*+'" )"$%) )* $')(/!

/%!()-'! -) **)+-+  *+ -'#$+"'+ -) -'#$%'$!.

B@
ESTADISTICA INFERENCIAL

T')(/! /%!()-'! -) **)+-+ <?=

9

9

89

B9

9

@9 0#?& O 9.58? \ @5.95

R] O 9.95
59

9
9 8 59 58 @9 @8 9

B
ESTADISTICA INFERENCIAL

 E&+'" )#$'(+-+:
 K O @5.99? \ 9.5B
I"$)%/%)$+'" -) *!# !)')"$)# )#$'(+-!#:
B  El tiempo promedio de atenci1n en los distritos de la ciudad de
Lima es 234556 minutos4

B1  +or cada .e- 7ue se .a a un distrito el tiempo de atenci1n tardar0a

en 38 minutos4

C!)')"$) -) !%%)*+'":
E9iste una dependencia lineal entre tiempo promedio de llegada y entre
la distancia del distrito4

E7+*&+% *+ #'"'+"'+ <7+*'-+'"= -)* (!-)*! -) %)%)#'"

*'")+* #'(/*) !" &" "'7)* -) #'"'+'" -)* 5.
>
 1
: 
> 1
1 
: 

stadísticas de la
regresión
Coe%ciente de
correlación
m7ltiple .8G
Coe%ciente de
determinación
R^@ .8BG
R^@ a"ustado .55G
555.@8
Error típico G
1!servaciones @

AN;LISIS DE !rados Suma +romedi F ,alor  

VARIANA de de o de los cr0tic

BB
 ESTADISTICA INFERENCIAL

cuadrad cuadrad o de
li/ertad
os os F 

Regresión 5 @@.5 @@.5 9.58 9.999

(@5B.8
Residuos @ @ 5@.
(@.
 Total @ 8

In;eri Super  In;eri Superi

$oe:cie Error Estad0sti +ro/a/ili
or ior or or
ntes t0pico co t  dad
<=> <=> <=45> <=45>

58.@B @. 58.@B

Intercepción @5.99 @.9@ .B 9.999    @.
/eces Distrito
#_& 9.5B 9.B 9.B9 9.999 9.8 9.9 9.8 9.9

 R: E?iste una alta correlación entre el tiempo promedio de llegada $ la

distancia del distrito.
 RW2: El .8BG de la varia!ilidad del tiempo de llegada es e?plicado por
la distancia del distrito.

E#$'() )* $')(/! /%!()-'! -) **)+-+ #' #) 7+ + &" -'#$%'$! /!% 5

7))# !"#)&$'7+#.
 K O @5.99 \ 9.5B#8&
 K O @5.85
 El tiempo promedio de llegada a un distrito por 8 veces consecutivas es
de @5.85 minutos.

6.3 ANALISIS DE REGRESION NO LINEAL

No se puede +acer una regresión no lineal por6ue la varia!le cuantitativa

6ue es tiempo de llegada no se le puede sacar el algoritmo.
B8
ESTADISTICA INFERENCIAL

B
ESTADISTICA INFERENCIAL

. PRESENTACIÓN DE CONCLUSIONES ?
RECOMENDACIONES PRELIMINARES.

Se +i,o un an'lisis de di0erentes puntos( todos re0erentes al servicio 6ue

o0rece la compa=ía de seguros aci%co( mediante estos an'lisis se
encontraron varios puntos a tomar en cuenta)
 En cuanto a la atención 6ue reci!e el cliente por parte de la compa=ía( se
+a encontrado 6ue el porcenta"e de aceptación est' por de!a"o de lo
esperado #9G&( por lo 6ue recomendamos 6ue los o!"etivos a corto $
mediano pla,o est<n en0ocados en me"orar la percepción en cuanto a
servicio reci!ido.

 En cuanto al tiempo de atención #tiempo 6ue se demora en llegar al

punto del siniestro( se encontró 6ue si comparamos el tiempo promedio
de atención con ci0ras del a=o pasado( nuestros tiempos no +an
me"orado; siendo este uno de los puntos 6ue inu$e en la !a"a
apro!ación( 6ue en cuanto a atención( tiene la empresa. En este caso
recomendamos( evaluar cu'les son los puntos críticos $ en !ase a ellos
plani%car e implementar nuevos procedimientos 6ue a$uden a me"orar la
co!ertura de atención.

 Se encontró 6ue la ,ona con ma$or incidencia de accidentes( es el distrito

de iraores $ Surco( esto de!ido a 6ue son ,onas 6ue por lo general
muestran una ma$or carga ve+icular en +oras punta. Nuestra
recomendación es generar estrategias para !rindar una ma$or co!ertura
$ me"orar en la rapide, para la atención de los casos.

 En la !7s6ueda de aumentar su cartera de clientes( la compa=ía +ace el

lan,amiento de di0erentes promociones. Se reali,ó un comparativo para
evaluar la e0ectividad de estas campa=as( encontr'ndose 6ue estas
o0ertas no incrementan el nivel de ventas; por lo 6ue recomendamos
reali,ar un estudio de mercado para identi%car de una manera m's
e?acta a los clientes potenciales $ de esta manera lograr 6ue las
promociones lleguen al target.

 En cuanto a la causa del siniestro( encontramos 6ue el ro!o de autopartes

es el 6ue muestra una ma$or incidencia; por lo 6ue se recomienda el
B