ANÁLISIS DE DATOS PARA LA TOMA DE DECISIONES

TAREA 1

Docente
Ignacio Betancourt Peters
Alumnos
Marcela Gatica
Claudio Oyarzun
Lenny Quezada

NOVIEMRE 2022
 Índice

Introducción …………………………………………………………..…………………… 3

Desarrollo ……………………………………………………………………………..…… 4

Problema …………………………………………………………………………….…….. 4

Pregunta A ……………………………………………………………….………………… 4

Conclusiones ………………………………………………………………………...…… xx

Bibliografía ………………………………………………………………………...…….. xx

2
Introducción

A nivel mundial, Chile es el mayor productor de cobre, con 5.505,5 miles de toneladas de
cobre de mina en 2017, representando el 28% de la producción mundial (20.254,8 miles de
toneladas); siendo los principales compradores China (cobre refinado y concentrado),
Estados Unidos (cobre refinado), Europa (cobre refinado y concentrado) y Japón
(concentrado de cobre). (Fuente: Codelco).
Una de las formas en las que es comercializado el cobre, las planchas, o también
denominadas pletinas de cobre; son de color rojizo y brillo metálico. Se caracterizan por
una excelente conductividad eléctrica y térmica. Es un material blando, dúctil (cambia de
forma por presión) y maleable (puede descomponerse en planchas delgadas).
Es por ello, que debemos contar con un buen sistema de control y estudio para este
mercado, que es de gran importancia para el sistema económico del país, utilizar técnicas
disponibles, que ayuden a describir y comprender las características de los datos
específicos, ofreciendo breves resúmenes sobre la muestra y las medidas de los datos
(estadística descriptiva).
La estadística descriptiva facilita la visualización de los datos. Permiten presentarlos de
forma significativa y comprensible, lo que a su vez da pie a una interpretación simplificada
del conjunto de datos en cuestión. 
Además, el uso de la estadística descriptiva permite resumir y presentar un conjunto de
datos mediante una combinación de descripciones tabuladas y gráficas. La estadística
descriptiva se utiliza para resumir datos cuantitativos complejos.
A continuación, se aplicarán dichos análisis a una base de datos de ventas nacionales de
placas de cobre.

3
Desarrollo.

Problema:
Una empresa chilena vende placas de cobre en distintos lugares del mundo, las principales
son 2: chicas y grandes. Realizó ya la primera descarga de un nuevo software de
almacenamiento de datos en agosto de 2014 y desea obtener información de estos. Ud
como parte de la empresa recibe la tarea de presentar un análisis donde se resuelvan las
siguientes inquietudes:

A) Conocer cómo se comportan las ventas nacionales de placas grandes: distribución y

descriptivos según los grupos de compra más antiguos (los que comienzan con
“A”). Además, conocer su evolución a lo largo del tiempo.

Para comenzar a trabajar esta pregunta, se hizo un filtro en columna D “Grupo-

compras” (en hoja “data placas grandes”) en archivo Base tarea 1 ADT, para así
obtener los grupos de compra más antiguos, arrojando una cantidad total de datos
n= 3.167.

También, se realizó una conversión de unidades de medida según mes y tipo de

cambio correspondiente para la columna G “Valor”, en donde se decidió trabajar
todo en CLP.

Ahora con estos cambios, se obtuvieron los siguientes estadísticos descriptivos

mediante Excel:

VALOR EN CLP
Media 178506,624
Error típico 26002,75521
Mediana 1072
Moda 1069
Desviación estándar 1463564,794
Varianza de la muestra 2,14202E+12
Curtosis 308,3723366
Coeficiente de asimetría 17,15940148
Rango 32453091,01
Mínimo 220
Máximo 32453311,01
Suma 565508984,7
Cuenta 3168
Nivel de confianza(95,0%) 50983,94864

4
 Además, para conocer su evolución a lo largo del tiempo, se utilizó un gráfico de
línea, que sirve para mostrar distintas tendencias en el tiempo y con ello poder
comparar los posibles incrementos o decrementos que se tienen:

Fecha documento Frecuencia

02-01-2014 521
03-01-2014 301
03-02-2014 14
04-02-2014 4
06-02-2014 518
07-02-2014 2
07-03-2014 140
07-04-2014 113
08-04-2014 234
08-05-2014 190
09-05-2014 270
10-05-2014 8
10-06-2014 239
11-06-2014 10
13-06-2014 369
14-06-2014 234

VENTAS EN EL TIEMPO
600
500 521 518
400 369
300 301 270
234 239 234
200 190
140 113
100
0 14 4 2 8 10
14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14
/ 20 / 20 / 20 / 20 / 20 / 20 / 20 / 20 / 20 / 20 / 20 / 20 / 20 / 20 / 20 / 20
1/
2
1/
3
2/
3
2/
4
2/
6
2/
7
3/
7
4/
7
4/
8
5/
8
5/
9 10 10 11 13 14
5/ 6/ 6/ 6/ 6/

Grupo- f (Frecuencia F (Frecuencia Absoluta h (Frecuencia H (Frecuencia Relativa

compras Absoluta) Acumulada) Relativa) Acumulada)

5
 AA0 125 125 0,039594552 0,039594552
AAJ 3 128 0,000950269 0,040544821
AAS 36 164 0,011403231 0,051948052
ACD 208 372 0,065885334 0,117833386
ACG 1058 1430 0,335128286 0,452961672
AE1 93 1523 0,029458347 0,482420019
AG1 7 1530 0,002217295 0,484637314
AGE 20 1550 0,006335128 0,490972442
AIP 134 1684 0,04244536 0,533417802
AMP 406 2090 0,128603104 0,662020906
APR 9 2099 0,002850808 0,664871714
AR1 8 2107 0,002534051 0,667405765
ASA 244 2351 0,077288565 0,74469433
ASC 20 2371 0,006335128 0,751029458
ASM 480 2851 0,152043079 0,903072537
ASP 306 3157 0,096927463 1
TOTAL 3157   1  

B) Verificar si las ventas realizadas (de placas chicas) durante la primera semana están
o no relacionadas con las ventas medias totales de placas grandes, hechas a Estados
Unidos, según grupo de compras. Se cree además que estas ventas (primera semana)
incluso podrían predecir las ventas medias de los dos primeros trimestres (hechas a
USA), verifique si es cierto con la información que dispone, para efectos de la
valorización se acuerda fijar el precio del dólar al comienzo de 2014.

Para verificar si ventas de placas chicas están o no relacionadas con las ventas medias totales de
placas grandes, veremos si existe una relación lineal entre ellas, lo que es una tendencia en los
datos, siendo posible modelar mediane una línea recta.

Primero, se realizó la conversión y se trabajó todo en CLP, se calculó la venta promedio de cada
grupo de ventas de placas grandes, y se obtuvo la siguiente tabla:

Grupo.comp Ventas (CLP) Placas chicas Ventas (CLP) Placas grandes

AA0 $154.647 $9.454
AAJ $88.636 $142.067
ACD $190.460 $18.964
ACG $174.518 $78.493
AE1 $156.728 $545.281
AGE $210.603 $911.568
AIP $211.881 $318.390
AMP $132.300 $250.193

6
APR $154.798 $5.438.216
AR1 $160.734 $522.194
ASA $210.871 $208.664
ASM $129.042 $113.939
C01 $112.230 $34.156
C06 $161.288 $558.087
C11 $161.009 $1.018
C15 $181.142 $1.100
C17 $169.701 $504.212
C18 $144.959 $479.019
C21 $188.005 $1.007
CAI $206.035 $1.038
CAM $149.670 $1.007
CGV $243.203 $1.036
CO0 $194.154 $1.083
CO1 $143.874 $751
CO2 $223.542 $1.017
CO4 $179.709 $1.035
CO5 $201.915 $925
CO6 $191.602 $635.378
CO7 $158.067 $1.023
CO8 $159.589 $997
CSE $205.218 $951
CSF $198.212 $1.056
CVF $208.443 $642.656
CVG $187.701 $565.178
CVS $197.908 $655.313
D08 $231.940 $716.649
D24 $137.544 $250.463
D33 $164.467 $274.733
F70 $197.071 $1.027
F81 $268.349 $1.003
F83 $124.437 $530.732
GDC $191.846 $986
GDO $186.996 $965
ITF $82.414 $450.679
ITI $193.249 $1.066
MA0 $188.541 $968
MAJ $218.847 $984
MKP $156.220 $281.577
MKT $172.524 $956
P06 $195.152 $452.387
PA1 $186.324 $997
SA3 $100.838 $829

7
SA4 $182.899 $913
SA7 $161.541 $986
SA8 $187.435 $1.024
SAA $203.599 $952
SAD $193.135 $978
SAQ $158.381 $821
SAS $185.330 $975
SAT $199.039 $885
SAV $167.427 $993
SCP $184.199 $687.237
SFJ $118.911 $1.022
SGI $138.539 $897
SRS $245.214 $1.047
SSF $147.550 $1.063
TA1 $150.404 $1.054
TA3 $130.734 $519.652
TA4 $174.627 $982
TA6 $175.421 $1.023
TAJ $135.522 $1.088
TC2 $236.590 $1.015
TC4 $177.257 $1.279
TCP $197.730 $949
TI3 $178.428 $609.954
TSA $220.056 $1.093
U01 $141.646 $575.867
U04 $217.632 $537.649
U35 $191.011 $605.407
U45 $149.673 $581.146
UFW $134.243 $480.180
USR $125.858 $565.850
V00 $142.847 $968
V25 $146.445 $991
VFA $199.362 $1.033
VFJ $194.791 $598.689
VFV $215.699 $713.552
W50 $161.952 $559.065

8
 Donde se tiene el grafico de dispersión, además de la ecuación de la recta y su R cuadrado

VENTAS SEMANALES EN CLP

$300,000

$250,000

$200,000

f(x) = − 0.00433446129905929 x + 176233.488125652

$150,000 R² = 0.00583571231281932

$100,000

$50,000

$0
$0 $1,000,000 $2,000,000 $3,000,000 $4,000,000 $5,000,000 $6,000,000

9
También, se pudo obtener la regresión lineal:

Resu
men

Estadísticas
de la
regresión
Coefic
iente
de
correl
ación 0,079
múlti 3395
ple 3
Coefic
iente
de
deter
minac 0,006
ión 2947
R^2 61
-
R^2 0,005
ajusta 3958
do 89
3535
Error 0,271
típico 23
Obser
vacio
nes 87

ANÁLI
SIS DE
VARIA
NZA
  Grad Sum Prom F Valor
os de a de edio crític
libert cuad de o de
ad rado los F
s cuad

10
 rado
s
6728 6728 0,53 0,465
Regre 6214 6214 8444 0974
sión 1 1,6 1,6 06 82
1,062 1249
Resid 2E+1 6416
uos 85 1 76
1,068
92E+
Total 86 11      

Infe Supe
Coefi Error Esta Prob Inferi Supe rior rior
cient típic dístic abili or rior 95, 95,0
  es o ot dad 95% 95% 0% %
Interc 1765 4112, 42,92 2,15 1683 1847 168 1847
epció 23,48 4394 4274 59E- 46,84 00,1 346, 00,1
n 11 34 98 59 98 12 85 12
- - - -
9453, 0,004 0,006 0,733 0,46 0,016 0,00 0,01 0,00
81912 4970 1285 7874 5097 6821 7688 668 7688
3 19 04 78 48 27 09 21 09

Bibliografía

 www.codelco.com
 https://www.youtube.com/watch?v=LI14ftR6EVs

11