Proyecto de investigación estadístico.

Presentado por:

Erick Montaño B.

Jenifer Ruiz.

Stephanie Morales.

Andrés Páez.

Corporación Universitaria Minuto de Dios

Vicerrectoría Regional Caribe

Sede Barranquilla (Atlántico)

Programa Administración de Empresas

febrero de 2022
 INTRODUCCION.

La empresa Seppsa Fumiespecial, es una organización Barranquillera dedicada al

saneamiento básico ambiental a nivel empresarial, presta sus servicios a grandes superficies
y cuenta con 3 líneas de negocio que son:
1. CONTROL INTEGRADO DE PLAGAS.
2. HIGIENE INDUSTRIAL.
3. JARDINERIA.

Para esta actividad vamos a trabajar con la línea de negocio mas grande e importante de
esta organización, ya que es donde se está presentando la problemática que vamos a
estudiar, esta línea es la # 1 control integrado de plagas.

Objetivo

 General

 Implementar procesos en la operación de la línea de fumigación y control de plagas

de la empresa Seppsa Fumiespecial, que conlleven a la estandarización de sus

procesos, dando como resultado la prestación eficiente de servicios con calidad,

puntualidad y eficacia.
  Específicos

 Aplicar el análisis estadístico en la resolución de problemas aplicados a la

administración

 Conocer la distribución normal y sus propiedades

Justificación

La estadística (descriptiva e inferencial) es la rama de la matemática que estudia la

variabilidad, colección, organización, análisis, interpretación, y presentación de los datos,

tiene muchas aplicaciones en distintas áreas, como la ingeniería, de allí la importancia de su

aplicación en problemas de las ciencias de la administración que ayuden a la resolución de

problemas aplicando herramientas de la estadística descriptiva e inferencial.

Marco teórico

La estadística descriptiva es la técnica matemática que obtiene, organiza, presenta y

describe un conjunto de datos con el propósito de facilitar el uso, generalmente con el

apoyo de tablas, medidas numéricas o gráficas. Por otro lado, La estadística inferencial es

una parte de la estadística que comprende los métodos y procedimientos que por medio de

la inducción determina de propiedades de una población estadística, a partir de una parte de

esta.

En estadística y probabilidad se llama distribución normal, distribución de Gauss,

distribución gaussiana o distribución de Laplace-Gauss, a una de las distribuciones de

probabilidad de variable continua que con más frecuencia aparece en estadística y en la

teoría de probabilidades.
Sus características son las siguientes: Es una distribución simétrica. Es asintótica, es decir

sus extremos nunca tocan el eje horizontal, cuyos valores tienden a infinito. En el centro de

la curva se encuentran la media, la mediana y la moda.

Problemática empresarial propia de la administración.

La empresa para su operación cotidiana, ofrece a los clientes un servicio que se puede
contratar de forma semanal, quincenal o mensual, agendando una visita técnica semanal por
cada servicio contratado, para la empresa el problema radica en las visitas adicionales que
se generan por temas como garantías del servicio ya que estos no se pueden cobrar pero si
generan perdidas en cuanto a dinero, por el uso de productos y personal técnico,
descuidando así a otros clientes que esperan que se les cumpla con la respectiva visita
técnica, además las empresas contra las que compite en este mercado ofrecen tarifas más
bajas.

La gerencia nos está solicitando asesoría para determinar las causas que están afectando la
operación, ( determinar las causas de las visitas adicionales y determinar la cantidad de
técnicos necesaria para atender toda la operación incluyendo las visitas adicionales sin
descuidar a otros clientes ni afectar la programación establecida), también nos pide saber
por que la competencia puede ofrecer tarifas más bajas y así poder determinar estrategias
que ayuden ala empresa a atraer nuevos clientes.

Para el desarrollo de esta problemática vamos a utilizar la distribución normal y los datos
serán suministrado por la empresa por medio del sistema que ellos poseen dado que se
encuentran los datos históricos de comportamiento de su operación.

Se realizara un muestreo pequeño con los clientes para saber las causas de las visitas que se
generan adicióneles, y poder conocer las tarifas y los métodos que utilizan las demás
empresas para prestar sus servicios y así poder comparar con los servicios de Seppsa y
poder lograr tener una mejor oferta.
 Distribución de muestreo
Usaremos la distribución de muestreo normal para evaluar los datos históricos de la
operación
Tamaño de muestra
Muestra grande (n>50), puesto que nuestra población es grande, y una muestra pequeña no
representaría información suficiente para evaluar y encontrar las causas. Como tenemos un
tamaño de muestra grande, y una distribución normal, serán válidos los siguientes
estadísticos:

x −μ
z=
σ /√ n
( x1 −x2 ) −( μ1 −μ 2)
Z=

√
2 2
σ1 σ2
+
n1 n2
estadístico
Un estimador es un valor que puede calcularse a partir de los datos muestrales y que
proporciona información sobre el valor del parámetro. Para el caso de nuestra investigación
y teniendo en cuenta las características de nuestro problema, el parámetro que usaremos
será la MEDIA poblacional.
Sea X la variable aleatoria que representa la media de los datos históricos de las causas que
están afectando la operación.
Por lo anterior:
X N ( μ , σ2)
Además, dado que tenemos una Normal, podríamos tipificarla y obtener una N(0,1)
 x−μ
N ( 0,1)
σ /√n

Teorema del límite central

El teorema del límite central es un teorema fundamental de probabilidad y estadística. El
teorema describe la distribución de la media de una muestra aleatoria proveniente de una
población con varianza finita. Cuando el tamaño de la muestra es lo suficientemente
grande, la distribución de las medias sigue aproximadamente una distribución normal. El
teorema se aplica independientemente de la forma de la distribución de la población.
Muchos procedimientos estadísticos comunes requieren que los datos sean
aproximadamente normales. El teorema de límite central le permite aplicar estos
procedimientos útiles a poblaciones que son considerablemente no normales. El tamaño que
debe tener la muestra depende de la forma de la distribución original. Si la distribución de
la población es simétrica, un tamaño de muestra de 5 podría producir una aproximación
adecuada. Si la distribución de la población es considerablemente asimétrica, es necesario
un tamaño de muestra más grande. Por ejemplo, la distribución de la media puede ser
aproximadamente normal si el tamaño de la muestra es mayor que 50. Las siguientes
gráficas muestran ejemplos de cómo la distribución afecta el tamaño de la muestra que se
necesita.
 De este modo como se desconocen los parámetros y los estimadores de la
población, el teorema del límite central nos dice que debemos tomar una muestra grande
(entre más grande sea la muestra más se aproximara a una normal).

Límites de confianza
Los límites de confianza describen la variabilidad entre la medida obtenida en un
estudio y la medida real de la población (el valor real). Corresponde a un rango de valores,
cuya distribución es normal y en el cual se encuentra, con alta probabilidad, el valor real de
una determinada variable.
Por lo que se definió anteriormente, el estimador que determina los límites de
confianza esta dado por:
z α/ 2∗σ
Límite Inferior x−
√n
z α /2∗σ
Limite Superior x +
√n
Donde:
x = media de la muestra
N= tamaño de la muestra
σ = desviación estándar muestral
α = nivel de confianza
z = valor de la distribución normal para un nivel de confianza dado.

9) teniendo un objetivo relacionado a la fumigación y control de plagas, se eligió un

problema a fin a dicha problemática, el cual es:

 ‘’Un productor de frutas desea probar una nueva fumigación proporcionada por la

empresa Seppsa Fumiespecial, la cual promete la perdida debida a insectos. Para probar lo dicho,

Seppsa Fumiespecial rocía 200 árboles con la nueva fumigación y otros 200 árboles con la

fumigación estándar. Se registraron los siguientes datos:

Nueva Fumigación

fumigación estándar

Producción media 240 227

por árbol

Varianza 980 820

¿Los datos dan suficiente evidencia para concluir que la producción media por árbol

tratado con la nueva fumigación es mayor que la de los árboles tratados con la fumigación

estándar? Use una significancia del 10%’’

Tomado de [1] ejercicio 5.

Solución:

Primero, nótese que las muestras proporcionada por el ejercicio son suficientemente

grandes como para concluir que se usa la distribución normal y no la T, véase en [2], y se considera

que los árboles se escogieron de manera aleatoria en el terreno para evitar que los resultados

sean sesgados.

Segundo, nótese que el ejercicio está planteado de tal manera para ser realizado con una

cola y esta, una cola derecha con una significancia de 10%, véase en [3].

Tercero, definimos nuestras variables:

X I : Arboles sometidos a la fumigación estándar.

Y I : Arboles sometidos a la nueva fumigación.

Cuarto, Planteamos nuestra hipótesis nula y alternativa:

 H 0 : μ y ≤ μ x y H 1 : μ y> μ x

Quinto, Calculamos nuestro Z crítico.

μ y −μ x 240−227 13
Z= = = =4,333 … ≈ 4,3

√ √ 980 820 3
2 2
σx σy +
+ 200 200
nx n y

1.28+1.29
Dado que Z 0 = =1.285 , vease [4].
2

Sexto y último, toma de decisión:

Como Z > Z 0, se rechaza H 0 y se acepta H 1, como se quería, en primera instancia, del

como se estructuró el ejercicio, en conclusión, hay evidencia clara que los datos dan suficiente

información para notar que la producción media de los árboles tratados con la nueva fumigación

es mayor, que la de los tratados con la fumigación estándar.

10) El estudio a una cola derecha, cola izquierda o dos colas, está directamente

relacionado con lo que queremos probar, por ejemplo, en el ejercicio anterior queríamos probar

que la productividad de los árboles fumigados por nuestra empresa Seppsa Fumiespecial, estaba

por encima de la de la producida por la fumigación estándar, esta información es crucial para

determinada que el ejercicio se trabajará con una cola derecha, de mismo modo en sentido

contrario la cola izquierda y por último la de dos colas se utiliza siempre y cuando queramos

probar que las medias son diferentes, es decir H 0, planteado con igualdad y H 1 con diferencia,

véase [3].

11) la distribución normal con dos muestras (medias diferentes), fue usada correctamente

el ejercicio planteado, la distribución T, no fue usada, dada la naturaleza del problema planteado.

12) Conclusiones

● Se cumplió con el objetivo investigativo a cabalidad, dado que, si me manejan unos

márgenes productivos en cultivos a base de la fumigación, se puede garantizar mejores
márgenes productivos basados en la fumigación, con el uso de la distribución T y normal.
● Al igual que para el proceso de fumigación, se le pude proporcionar a Seppsa
Fumiespecial, un proceso de control de plagas de no tener uno, y de tenerlo optimizarlo o
cambiarlo por uno más eficaz basándose en el proceso estadístico, al igual como se
evidenció en el ejercicio planteado.
● Así como se realizó el proceso de la solución de problemas relacionados con la fumigación
de plagas de una empresa especifica, se puede realizar el mismo proceso para cualquier
empresa con otro tipo de problemática, siempre y cuando se cumplan las condiciones para
realizar dicho proceso con la ayuda de la estadística inferencial.
● Se desglosó ampliamente la distribución normal y sus propiedades a lo largo de este
proceso investigativo, además de esto se mencionó superficialmente el proceso análogo
para muestras pequeñas, que es muy similar salvo unas variaciones con la distribución T.
● En el marco de la administración de empresas que día a día está a la vanguardia y
demanda una alta competitividad, ofrecer procesos que favorezcan a una mayor
productividad, son esenciales para demostrar que somos administradores de empresas
íntegros y estamos evolucionando cada día.

Bibliografía
 [1] https://es.scribd.com/document/439444892/EJERCICIOS-TEST-DE-HIPOTESIS

[2] https://www.jmp.com/es_pe/statistics-knowledge-portal/t-test/t-

distribution.html#:~:text=La%20distribuci%C3%B3n%20t%20describe%20las,poblaci%C3%B3n

%20con%20una%20distribuci%C3%B3n%20normal

[3] https://www.youtube.com/watch?v=qCk9C02Dxwc&ab_channel=FCNMESPOL

[4] https://matemovil.com/tabla-de-distribucion-normal-estandarizada-tabla-z/