UNIVERSIDAD DE EL SALVADOR

FACULTAD DE INGENIERÍA Y ARQUITECTURA

ESCUELA DE INGENIERIA INDUSTRIAL

TÉCNICAS DE ANÁLISIS ESTADÍSTICO Y ELABORAR UN INFORME TÉCNICO, LA

TAREA ES INDIVIDUAL, CÁLCULO DE LA PROBABILIDAD

PRESENTADO POR:
GÓMEZ ORANTES, DAVID JONATAN

CARNET:
GO08024

CATEDRATICO:

FÁTIMA JULIETA GARCÍA AGUILAR

CIUDAD UNIVERSITARIA, 06 DE SEPTIEMBRE DE 2020

i
OBJETIVO GENERAL ................................................................................................................ 2
OBJETIVOS ESPECIFICOS ...................................................................................................... 2
Métodos de Análisis Estadístico ................................................................................................ 3
Análisis Descriptivo ................................................................................................................. 4

Análisis Exploratorio................................................................................................................ 4

Análisis Inferencial .................................................................................................................. 5

Análisis Predictivo ................................................................................................................... 5

Análisis Causal ........................................................................................................................ 6

Análisis Mecanicista ................................................................................................................ 6

Enfoques Cuantitativos o de la ciencia de la administración y Modernos ............................. 7

Ejemplos de enfoques de análisis administrativos cuantitativos ............................................ 8

i
OBJETIVO GENERAL

Conocer cada técnica para llevar una admiración adecuada llevando métodos y

poniendo en práctica lo aprendido en las clases.

OBJETIVOS ESPECIFICOS

 Poner en práctica cada método conocido para la administración.

 Saber cómo manejar y administrar una empresa.

 Dar a conocer a los demás nuestro aprendizaje

i
Uso de la estadística en el área administrativa
La estadística es importante para la administrativa, ya que permite recopilar,
organizar, representar, analizar datos, por medio de sus técnicas y en base a esto la
toma decisiones de manera confiable basados en los elementos que se proporciona
científicamente y que sustenten la decisión tomada.

La estadística está relacionada con la administración de forma directa, porque ayuda

a lograr a las empresas una adecuada planeación y control apoyándose en los
estudios de pronósticos, presupuestos y muchos más, así mismo da las
herramientas necesarias para utilizar el método adecuado conforme a la situación
que se está analizando. Los métodos estadísticos permiten comprobar hipótesis o
establecer relaciones de causalidad en un determinado fenómeno.

Métodos de Análisis Estadístico

En nuestros días, el análisis estadístico se ha convertido en un método

efectivo para describir los valores de datos económicos, políticos, sociales,
psicológicos, y sirve como herramienta para predecir, relacionar y analizar dichos
datos.
Ya en el año 2.000 Rao y Székely afirmaron que «La Estadística, en el marco
de la sociedad del conocimiento y la información, tiene un gran porvenir en el siglo
XXI», en el mismo sentido, para Lent «Cada vez se abren más nichos de
oportunidad para los principios, técnicas y procedimientos que forman el cuerpo de
la metodología estadística».
Hoy en día, algo peor que no tener información disponible es tener mucha
información y no saber qué hacer con ella. Cada día se genera una gran cantidad
de información que pueden ayudar a controlar, optimizar, administrar, examinar,
investigar, planificar, predecir o tomar decisiones de cualquier ámbito.
Para llevar a cabo un buen análisis es indispensable disponer de una
considerable cantidad de datos, tanto actuales como pasados, para poder
establecer patrones de comportamiento y así tomar buenas decisiones
empresariales.

i
 Se puede distinguir diferentes tipos de análisis de datos en función de cuál
sea el objetivo al realizarlo:
 Descriptivo
 Exploratorio
 Inferencial
 Predictivo
 Casual
 Mecanicista

Análisis Descriptivo

Es el más sencillo. Tiene como fin describir un conjunto de datos, obteniendo

así los parámetros que distinguen las características de un conjunto de datos.
Por ejemplo, se puede saber el número de ventas realizadas, el número
nuevo de clientes, número de productos que se tiene en stock.

Los motivos para realizar este análisis son que permite conocer al detalle la
información que se posee y conocer la forma en la que se estructura la información.
Se limita a realizar deducciones directamente a partir de los datos y parámetros
obtenidos.

Análisis Exploratorio

Consiste en un conjunto de técnicas estadísticas cuya finalidad es conseguir

un entendimiento básico de los datos, permitiendo detectar características
sobresalientes, como inesperadas y valores atípicos.
Por ejemplo, en que sucursal se vende más, de que producto hay más stock,
qué diferencias hay entre el producto más vendido y el menos vendido, saber si hay
diferencias económicas significativas por barrios.
Este análisis debe ser la primera etapa de todo análisis de datos, para evitar
que datos erróneos o inesperados sean procesados de modo inapropiado. Se apoya
en un planteamiento descriptivo y se realiza sin aceptar ideas preconcebidas sobre
el contenido de la información de los datos.

i
 La aplicación de este análisis permite estudiar la tendencia, distribución y
forma de cada uno de los indicadores, estudiar la normalidad sobre un conjunto de
indicadores y si este criterio no se cumpliera, este análisis orienta sobre el tipo de
transformación que se debe someter a los datos.
El análisis exploratorio permite definir hipótesis que deberán ser demostradas
con un análisis inferencial.

Análisis Inferencial

Pretende demostrar hipótesis planteadas proporcionando conclusiones con

una cierta probabilidad o nivel de confianza, es decir no existe una certeza absoluta.
Por ejemplo, se puede plantear la hipótesis que los clientes que compran un
determinado producto son familia numerosa (y por consiguiente candidatos a
comprar otros productos complementarios). O el día que se vende el producto
estrella el cliente consume menos de otros productos.
Es importante destacar, que, para realizar el análisis inferencial, no se debe
utilizar el mismo conjunto de datos (data set) que se usó para generar la hipótesis
(utilizado en el análisis exploratorio) puesto que habría sesgo y las conclusiones
podrían no ser válidas.

Análisis Predictivo

Se fundamenta en la identificación de relaciones entre variables en eventos

pasados, para luego explotar dichas relaciones y predecir posibles resultados en
futuras situaciones.
Por ejemplo, qué cantidad stock que se debe tener en el almacén para cada
producto, o a partir de los datos del padrón que tipo de ayudas/servicios se
solicitarán a un ayuntamiento el año que viene.
Cabe destacar que, mientras el análisis inferencial se preocupa de entender
y demostrar la relación, el análisis predictivo sólo se preocupa del valor, y no busca
en ningún caso entender el sistema o la relación entre elementos.
Este factor lo hace especialmente interesante para problemas complejos con
gran cantidad de variables influyentes o de difícil comprensión para la mente
i
humana que abarcan desde el genoma humano, a sistemas de recomendaciones
en función de preferencias de usuarios pasando por la detección de texto, el
modelado de redes sociales o incluso la conducción autónoma.
En este proceso se hace uso de los datos junto con técnicas analíticas,
estadísticas y de aprendizaje automático a fin de crear un modelo predictivo. Se
desarrolla el modelo mediante un conjunto de datos de entrenamiento y después se
prueba (con un conjunto de datos diferente) y se válida para determinar su precisión.

Análisis Causal

Permite relacionar las causas con los efectos y el grado en el que se afectan
mutuamente. En este nivel se puede predecir y además se puede identificar el por
qué se actúa de esa manera.
Es decir, con el análisis inferencial podemos afirmar que el día en que más
se vende el producto estrella se vende menos del resto de productos, pero no nos
dice si vendiendo menos de ese producto subirán las ventas del resto, en otras
palabras, el análisis inferencial nos dice que ha relación, pero para saber la causa
hemos de hacer un análisis causal.
El uso de técnicas de modelado e inferencia causal es clave para investigar
y resolver eficazmente problemas que resultan ser la causa de incidencias que
están afectando a uno o varios servicios.

Análisis Mecanicista

Es el más complejo. En este análisis se puede predecir y comprender como

varias variables afectan entre ellas, cómo los cambios de los valores de una de las
variables afectan, no ya al resultado sino al resto de variables. Debido a su
complejidad se utiliza muy poco ya que se debe tener un gran conocimiento de los
procesos a modelar.
Permitirían saber, por ejemplo, si el incremento en la inversión en publicidad
y un aumento de plantilla en el departamento de marketing influye en el incremento
de ventas y como ésta influye en las dos anteriores.

i
 Finalmente, y a modo de resumen es importante destacar que el mismo
conjunto de datos puede responder a diferentes preguntas de diferentes tipos con
diferentes métodos de análisis estadístico.

Enfoques Cuantitativos o de la ciencia de la administración y Modernos

Los Enfoques Cuantitativos o de la ciencia de la administración que se

concentran en la aplicación de técnicas matemáticas para solucionar problemas

administrativos y mejorar la toma de decisiones.

Las técnicas aplican criterios de decisión “económicos” , tales como costos,

ingresos y rendimiento sobre la inversión. También incluyen modelos matemáticos

que siguen reglas y formulas sofisticadas.

Entre los fundamentos de la ciencia de la administración encontramos varias

aplicaciones como el pronóstico matemático que ayuda a hacer proyecciones

futuras útiles en el proceso de planeación; el modelado de inventario ayuda a

controlar inventarios al establecer matemáticamente cuánto ordenar y cuándo; la

programación lineal se usa para calcular la mejor forma de asignar recursos

escasos entre usuarios competidores; la teoría de colas o de líneas de espera

ayuda a asignar personal de servicio o estaciones de trabajo para reducir al

mínimo el tiempo de espera del cliente y el costo del servicio; los modelos de red

fragmentan tareas grandes en componentes más pequeños para permitir un mejor

análisis, planeación y control de proyectos complicados; y la simulación que

desarrolla modelos de problemas con el fin de someter a prueba diferentes

soluciones bajo distintos supuestos.

Los Enfoques Modernos que se concentran en la perspectiva de sistemas

de las organizaciones y la teoría de contingencia en un ambiente dinámico y

i
complejo.

La teoría de contingencia sostiene que no existe una forma única y “ mejor” para

administrar; la mejor elección dependerá de la situación particular.

Las tendencias actuales que enfatizan la excelencia de la calidad y el desempeño,

la conciencia de la globalización y la función de liderazgo para una nueva

administración.

Ejemplos de enfoques de análisis administrativos cuantitativos

i
Otros ejemplos cuantitativos.