Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Lectura Fundamental
Contenido
1 Probabilidad
2 Enfoques de probabilidad
3 Muestreo
5 Métodos de muestreo
Mediante el reconocimiento de los tipos de incertidumbre dados por F. Knight (1921) se reconoce la
incertidumbre como “elemento” esencial en la actividad económica asumida por cada organización.
M. Manucci (2004) opina que la incertidumbre se gestiona con más diálogo e interacción; para
que la empresa pueda afrontar con éxito la complejidad del entorno competitivo cambiante
debe aumentar su complejidad, aunque no tanto en su estructura (orden) como en su función y
tratamiento de la información (comportamiento). Con estos parámetros, considera que pensar
en un modelo de gestión estratégica implica pensar en un modelo de gestión de la incertidum-
bre para generar organizaciones flexibles y competentes.
La incertidumbre entonces refiere la duda sobre cualquier asunto, por ejemplo: ¿qué sucederá
si las ventas no incrementan? ¿Qué pasará con la compañía en manos de otro director?; ges-
tionarla mediante la correcta aplicación del proceso de toma de decisiones en la organización,
permitirá que la compañía desarrolle habilidades, fortalezas, oportunidades y competencias que
contribuyan a su flexibilidad y adaptación a los cambios del entorno, adicionando factores de
ventaja competitiva.
Ahora bien, la toma de decisiones en administración suele darse en entornos que involucran
cierto grado de aleatoriedad, tanto en algunos aspectos relevantes al momento de tomar la me-
jor decisión, como en los resultados obtenidos después de implementarla.
Es por esto que el decisor debe tener: habilidad para reconocer cuál escenario tiene la posibili-
dad de ocurrir bajo el contexto del problema y la pericia para determinar una probabilidad que lo
represente numéricamente.
POLITÉCNICO GRANCOLOMBIANO 2
Por ejemplo, tomemos el caso de Seguros Gura S.A., una organización dedicada a ofrecer solu-
ciones en seguros, ahorros, pensiones e inversión. Un ejecutivo de cuenta de Seguros Gura S.A.,
debe calcular el monto de la prima de riesgo por cobrar a un cliente; para esto, reconoce que la
empresa se enfrenta tanto a información conocida como desconocida; es decir, el perfil de un
cliente que toma un seguro de vida proporciona a la organización información básica como:
estado civil, nivel de riesgo asociado con la actividad que ejerce, situación económica, enferme-
dades que ha padecido él y sus parientes cercanos, etcétera; sin embargo también hay facto-
res aleatorios que influyen en la posibilidad de que ocurra una eventualidad amparada por la
póliza de seguros, como muerte natural, enfermedades o accidentes. En cuanto, identifique las
eventualidades, el ejecutivo de cuenta deberá estimar la probabilidad de que cada una de estas
ocurra. Si para un cliente particular la probabilidad de que sufra un accidente es alta, la prima de
riesgo que debe pagar por su seguro de vida se elevará también.
Una vez se formule el experimento es necesario que el decisor seleccione la parte de la pobla-
ción que le aporta a su estudio, es decir, la muestra, de la que obtendrá los datos para su poste-
rior análisis que, según su objetivo, utilizará técnicas como: estimación, regresión y correlación.
POLITÉCNICO GRANCOLOMBIANO 3
1. Probabilidad
Toda probabilidad puede tomar el valor de cero o ser positiva, pero nunca negativa. También
debe ser menor o igual que el 100%, pues no tendría sentido que el decisor hablara de una pro-
babilidad negativa, o de una certeza mayor al 100%.
Cuando el decisor tiene la certeza de lo que va a ocurrir la probabilidad será igual al 100%.
Si hay dos escenarios que son incompatibles entre sí, la probabilidad de que ambos ocurran
de forma simultánea es 0%. No podemos, por ejemplo, esperar que en un mismo escenario el
precio de una acción suba y se mantenga estable de forma simultánea.
Además, las probabilidades cuentan con una serie de propiedades que permiten obtener conclu-
siones esenciales para la toma de decisiones en escenarios inciertos:
Por ejemplo, si el nivel de endeudamiento tiene probabilidades del 20% y 35% con rela-
ción a su incremento y estabilidad respectivamente, entonces la probabilidad de que no
descienda este indicador será del 55%.
POLITÉCNICO GRANCOLOMBIANO 4
EL CASO CLAVELITOS
La empresa exportadora de flores Clavelitos S.A.S. está en etapa de expansión en sus mercados
internacionales y debe cumplir con las expectativas de crecimiento. Ya se cuenta con contratos
fijos de exportación para la próxima temporada de San Valentín. El gerente y su equipo de trabajo,
al realizar un estudio de factibilidad, encontraron que no cumplirían las cantidades pactadas para
las fechas de entrega suscritas en los contratos, a menos que se intervengan las áreas críticas del
proceso: cultivo y post cosecha. En cultivo se estima que deberán construirse diez invernaderos
más con doce camas cada uno, y en post cosecha deberá ampliarse el tamaño de la planta en un
25% para optimizar el flujo de trabajo de ponchadoras y preservar los tabacos en los cuartos fríos.
Las opciones a las que se enfrenta Clavelitos son las siguientes:
Ejecutar por completo el plan de reestructuración tanto en cultivo como en post cosecha, garan-
tizaría una probabilidad del 100% del cumplimiento en los contratos nuevos.
No realizar ninguna modificación a la planta evitaría que se logre la estrategia de expansión afec-
tando la credibilidad de la empresa, pues la probabilidad de cumplir los nuevos contratos sería del 0%.
Estrategia de expansión.
2. Enfoques de probabilidad
La elección del enfoque de probabilidad por aplicar dependerá de la habilidad del decisor para
identificar todos los posibles casos que lo acerquen a la condición ideal, de la información histó-
rica disponible yde la posibilidad de realizar un experimento muestral.
POLITÉCNICO GRANCOLOMBIANO 5
SABÍAS QUE...
Un experimento aleatorio es la observación de un fenómeno que ocurre en la naturaleza y en el cuál
no se puede anticipar cuál resultado ocurrirá, aunque sí se tiene una idea completa de todos los
resultados posibles del experimento.
Los enfoques pueden ser objetivos si provienen de información verificable o subjetivos si provie-
nen del juicio del decisor.
POLITÉCNICO GRANCOLOMBIANO 6
2.1 Enfoques objetivos.
En primera medida, si el decisor determina todos los posibles resultados que se presentan en
el proceso que se está analizando y está seguro de que cualquiera de estos casos (resultados)
tiene la misma posibilidad de ocurrir, puede aplicar el enfoque clásico (a priori) de cálculo de
probabilidad propuesto por Laplace.
Este enfoque dictamina que la probabilidad que ocurra un escenario, podrá calcularse al dividir
el número de casos “favorables” asociados con la ocurrencia de dicho escenario entre el núme-
ro total de casos.
• Ejemplo
Una entidad financiera se encuentra en el proceso de sustitución de las antiguas tarjetas crédito
por otras con mayor nivel de seguridad anticlonación. Las nuevas tarjetas se fabricaron eligien-
do aleatoriamente tres posibles configuraciones de chip (configuración 1, configuración 2 o
configuración 3) y dos materiales de banda magnética (material de alta densidad o material de
baja densidad). De las 25.000 tarjetas fabricadas se han entregado a los clientes 4.800.
¿Qué probabilidad tiene un cliente de tener una tarjeta defectuosa? ¿Aproximadamente cuántas
tarjetas deberán reemplazarse?
SABÍAS QUE...
El espacio muestral es el conjunto de posibles resultados de un experimento aleatorio.
POLITÉCNICO GRANCOLOMBIANO 7
Dado que el departamento de calidad puede enumerar la totalidad de resultados o casos, como
combinaciones entre configuración de chip y material de banda magnética, y que cada combina-
ción ha sido utilizada por el fabricante por igual, se puede aplicar la regla de Laplace para calcu-
lar la probabilidad de tener una tarjeta defectuosa:
1. Totalidad de casos: 6
POLITÉCNICO GRANCOLOMBIANO 8
3. Cálculo de la probabilidad: La probabilidad de que un cliente tenga una tarjeta defectuosa es:
Deberán reemplazarse unas 600 tarjetas (una sexta parte de las 4.800 entregadas).
La segunda opción que el decisor tiene para calcular la probabilidad asociada con un escenario,
es a través de la observación de procesos similares ocurridos en el pasado o de resultados de
un experimento muestral.
• Ejemplo
Al entregar el cargo el gerente de servicio al cliente, dentro de los documentos anexa el estudio
histórico del registro de insatisfacción de los clientes, informe que el nuevo gerente tendrá en
cuenta proyectar objetivos.
POLITÉCNICO GRANCOLOMBIANO 9
Tabla 3. Registro de eventos asociados con insatisfacción de clientes.
¿Cuál es la probabilidad asociada con cada causal de insatisfacción? ¿En qué área debería enfa-
tizar sus esfuerzos el nuevo gerente, si quiere reducir sustancialmente el volumen de quejas?
POLITÉCNICO GRANCOLOMBIANO 10
Tabla 4. Probabilidad de eventos asociados con insatisfacción de clientes.
El gerente debe priorizar las actividades de mejora en el área de servicio y posventa, por que el
46% de las quejas recibidas pertenecen a esta área.
SABÍAS QUE...
un evento es un resultado particular de un experimento aleatorio.
Es cualquier subconjunto del espacio muestral.
POLITÉCNICO GRANCOLOMBIANO 11
Figura 2. Áreas responsables de insatisfacción clientes.
Finalmente, si no es posible enumerar los casos relacionados con cada escenario resultante
del proceso de interés y realizar un experimento muestral para obtener frecuencias relativas, la
probabilidad asignada dependerá exclusivamente de la experiencia, la opinión y la intuición del
decisor.
La probabilidad subjetiva puede presentarse como una conjetura aproximada en forma de por-
centaje, una frecuencia relativa f/n o a través de un número decimal.
• Ejemplo
Louis Armstrong, vendedor con amplia experiencia en el sector inmobiliario, evalúa un nuevo
proyecto de vivienda de interés social. Louis predice que los fines de semana, tres de cada cin-
co0 prominentes compradores visitarán la casa modelo, pues generalmente las personas tienen
mayor disponibilidad de tiempo los días festivos y por esto dedican estos espacios para desa-
rrollar sus proyectos de inversión en finca raíz.
POLITÉCNICO GRANCOLOMBIANO 12
En este caso, la creencia subjetiva de Louis Armstrong es que la probabilidad de que un cliente
visite la casa modelo es de:
Cuando el enfoque seleccionado por el decisor es empírico y no se cuenta con datos his-
tóricos, el muestreo es el mecanismo apropiado para obtener información asociada con el
problema de decisión.
SABÍAS QUE...
una variable aleatoria es una función que asigna un valor numérico
a cada resultado del espacio muestral.
3. Muestreo
POLITÉCNICO GRANCOLOMBIANO 13
4. Etapas del proceso de muestreo
• Muestreo estratificado.
• Muestreo sistemático.
POLITÉCNICO GRANCOLOMBIANO 14
4.5 Determinar el tamaño de la muestra.
Considerando
• Importancia de la decisión.
• Naturaleza de la investigación.
• Número de variables.
• Restricciones de recursos.
Se refiere al estudio preliminar de las mediciones obtenidas una vez aplicadas las metodologías
de muestreo para así eliminar errores o descartar datos que pueden afectar el proceso. En cuan-
to se hayan hecho los ajustes necesarios, se pone en marcha el plan propuesto en la etapa 6 y
se organizan los resultados. Es importante que todo el análisis de los datos y de los resultados
se desenvuelva dentro del marco de los objetivos de muestreo.
POLITÉCNICO GRANCOLOMBIANO 15
Figura 3. Etapas de muestreo.
POLITÉCNICO GRANCOLOMBIANO 16
5. Métodos de muestreo
Estos son algunos ejemplos de la amplia aplicación que el muestreo tiene en diversos campos:
• Política: el sondeo de la opinión de los ciudadanos como medio para medir la intención
de voto previo a un proceso electoral.
• Servicios: una encuesta aplicada a los usuarios de un sistema para estimar el nivel de
satisfacción frente a la prestación del servicio.
• Producción: para evaluar la calidad de un proceso productivo a través del control esta-
dístico y proponer acciones de mejoramiento.
POLITÉCNICO GRANCOLOMBIANO 17
Hay dos tipos de procedimientos de muestreo: probabilístico y no probabilístico.
Estas técnicas de muestreo se caracterizan porque los datos son elegidos a juicio del investiga-
dor; su nombre se debe a que el muestreo no se hace de manera aleatoria lo que no garantiza
que la información obtenida en el estudio sea representativa.
Dentro de esta categoría se encuentran técnicas de muestreo como: bola de nieve, casual, por
conveniencia, por juicio y por prorrateo.
Muestreo bolo de nieve, esta técnica se caracteriza por que las poblaciones o muestras no se
conocen, porque cada sujeto estudiado genera un efecto acumulativo al referir personas entre sí.
Un ejemplo son las comunes llamadas o encuestas que las empresas suelen hacer para au-
mentar sus clientes mediante las preferencias de los referidos, por medio de estrategias que
ofrecen como condición para acceder a descuentos que el participante sugiera tres referidos
que posiblemente estén interesados en acceder a beneficios que otorga la empresa que hace
la investigación.
Muestreo casual: los individuos que pertenecen a la muestra son elegidos de manera accidental
sin previo aviso; un ejemplo puede ser un estudio de tiempos en la planta de producción de una
empresa manufacturera, mediante la observación de individuos, sin ningún tipo de notificación.
Muestreo por conveniencia: esta técnica busca obtener una muestra valiéndose de la proximi-
dad de los sujetos, es decir el decisor o investigador se apoyará en encontrar elementos comu-
nes que le sean convenientes para el estudio que se pretende desarrollar.
Un ejemplo de muestreo por conveniencia se da cuando un administrador elige los cinco clien-
tes que viven más cerca de la sucursal del banco y que tienen disponibilidad de tiempo para
participar un estudio de mercado. En este momento, el decisor excluye una gran proporción de
la población; para este ejemplo, los clientes de la compañía que no pueden acercarse a la sucur-
sal por temas de distancia o tiempo. Es importante reconocer que el muestreo por conveniencia
también incluye la participación de voluntarios.
POLITÉCNICO GRANCOLOMBIANO 18
Muestreo por juicios: también denominado muestreo discrecional se da cuando el decisor o
investigador emite un juicio según su experiencia, discernimiento, habilidades e intuición, para
elegir los elementos de la población objeto de estudio.
Se caracteriza porque es una de las técnicas no probabilísticas que obtiene información través
de un grupo específico de personas. Un ejemplo en este caso se da cuando el departamento de
gestión humana elige únicamente los mejores empleados del nivel operativo que tengan certifi-
cado de alturas para efectuar descensos en pisos con más de siete niveles de altura.
Muestreo por prorrateo: se enfoca en buscar una muestra que cumpla con el factor de control
especificado por el decisor; puede ser: edad, ingresos, nivel profesional, etcétera.
Estudiaremos técnicas como: muestreo aleatorio simple, muestreo estratificado, muestreo por
conglomerados, reemplazo, muestreo aleatorio sistemático, etc.
Muestreo aleatorio simple: en esta técnica cada elemento de la población tiene la misma pro-
babilidad entre sí para ser elegido. Su forma de elección es totalmente independiente y una vez
elegido un elemento, este no podrá volver a ser parte de la población, es decir no podrá selec-
cionarse dos veces el mismo elemento. La probabilidad de ser elegido en este tipo de muestreo
resulta de la división del tamaño de la muestra entre el tamaño de la población.
Reemplazo: es decir si los elementos fueron seleccionados por medio del modelo aleatorio sim-
ple, entonces se debe reemplazar el elemento faltante usando la misma metodología o proceso
de muestreo.
POLITÉCNICO GRANCOLOMBIANO 19
Muestreo aleatorio estratificado: el factor de clasificación es un componente importante en el
muestreo estratificado porque es este el que subdivide a la población de acuerdo con el compor-
tamiento de interés, definido por el decisor; a este subgrupo se le denomina “estrato”. Hay dos as-
pectos que el decisor, al aplicar esta técnica, deberá tener en cuenta, el primero consiste en elegir
la muestra manteniendo su proporcionalidad según el tamaño de los estratos de la población y el
segundo se trata de extraer la muestra dentro de cada estrato con igual probabilidad.
Es importante que los estratos, sean conjuntos homogéneos respecto a la característica o varia-
ble de interés descrita por el decisor.
Muestreo por conglomerados: se da cuando la variación en cada grupo es menor que la varia-
ción entre grupos, su procedimiento empieza con dividir la población en dos o más subgrupos
mutuamente excluyentes y después seleccionar una muestra aleatoria de forma probabilística
para uno de estos grupos. Se sugiere aplicar esta técnica de muestreo probabilístico para pobla-
ciones más grandes y dispersas.
6.1 Estimación
Una estimación estadística es el proceso a través del cual se establece el valor que debe tomar
un parámetro de acuerdo con la información obtenida por muestreo. Es decir, estimar es poder
concluir sobre características (representadas como variables aleatorias) de la población, a partir
de resultados obtenidos de una muestra.
Estas estimaciones pueden ser puntuales, por ejemplo, deducir que el promedio de ingresos
mensuales de los clientes de una fiduciaria es de $ 3’500.000, o por intervalo, concluir que el ni-
vel de ahorro para inversión de cada cliente está entre $500.000 y $1’750.000 mensualmente. En
los anteriores casos, tanto el valor puntual como el intervalo serían estimadores del parámetro
que le interesa conocer al administrador al momento de tomar una decisión.
POLITÉCNICO GRANCOLOMBIANO 20
En el caso de la estimación puntual, se toma una muestra de la población y se calcula el estima-
dor del parámetro de interés. Al tomar muestras de tamaño n, se puede calcular tanto el prome-
dio X ̅ como la desviación estándar S^2 de los datos de la muestra:
A partir de estos valores podemos estimar los parámetros poblacionales de la media (μ) y
varianza así (σ^2 ):
Para el caso de las estimaciones por intervalo, dada una población con media y desviación es-
tándar, el decisor deberá tener en cuenta tres aspectos para calcular los límites del intervalo: la
distribución de los datos (si es normal o no), el tamaño de la muestra (si es mayor que 30 o no)
y el valor de la varianza (si se conoce o no).
POLITÉCNICO GRANCOLOMBIANO 21
De acuerdo con estos tres criterios se procederá a elegir la técnica para el cálculo de los límites
del intervalo de confianza, de acuerdo con la siguiente tabla:
2
Grande
Normal Desconocido Normal
n≥30
3 t Student con
Pequeño
v=n-1 grados
n<30
de libertad
4
Grande
Normal
n≥30
Conocido
5 Pequeño
No normal No se puede estimar
n<30
o descono-
6 cida Grande
Normal
n≥30
Desconocido
7 Pequeño
No se puede estimar
n<30
POLITÉCNICO GRANCOLOMBIANO 22
• Ejemplo
Una entidad financiera está interesada en recuperar su liquidez para reorientar sus inversiones
en el extranjero. Para ello necesita estimar el monto de las deudas que sus clientes tienen ac-
tualmente y establecer un plan de recuperación de cartera. Se decidió tomar una muestra de 22
clientes, y se obtuvo que en promedio un cliente adeuda $800.000 con una desviación estándar
de $50.000 y su distribución es normal.
La entidad financiera, inicialmente, calculó los estimadores puntuales para el promedio y la varian-
za, luego a partir del estimador de la varianza se obtuvo el estimador de desviación estándar así:
• La distribución es normal.
POLITÉCNICO GRANCOLOMBIANO 23
Por tanto, la entidad financiera aplicó la técnica 3 de la tabla 6:
En este caso, con un nivel de confianza del 95% el monto promedio de deuda de cada cliente
está entre $ 774.268 y $825.732.
6.2 Regresión
El análisis de regresión es una técnica estadística que permite estimar la relación entre dos o
más variables. Por ejemplo, en el caso de una empresa consultora en servicios de seguridad
industrial, la regresión estadística permitiría comprender la relación entre una variable de inte-
rés o variable dependiente, como el nivel de ventas, y un conjunto de variables independientes
o predictoras, tales como el número de cotizaciones que recibe la empresa para proyectos de
consultoría, el número de contratos que firma al año y el nivel de precio fijado por proyecto de
consultoría.
Específicamente, la regresión sirve para estimar ¿cómo se modifica el valor de la variable depen-
diente, en función del cambio de una de las variables independientes, mientras se mantiene fijo
el valor de las demás variables predictoras?
POLITÉCNICO GRANCOLOMBIANO 24
En el caso de la regresión lineal simple, se puede cuantificar la relación entre un par de variables
e identificar si tienen una tendencia rectilínea expresable como una ecuación de la forma:
Dónde los parámetros a (corte con el eje) y b (pendiente) pueden calcularse a partir de las
siguientes ecuaciones:
Ejemplo: Una agencia gubernamental quiere determinar la relación entre el número de emplea-
dos con horario flexible y la mayor productividad, en términos de tareas realizadas por el equipo
de trabajo. Esta es la información de algunas sucursales que implementaron el esquema de
trabajo flexible en mayor o menor medida:
POLITÉCNICO GRANCOLOMBIANO 25
En primer lugar, la agencia gubernamental grafica el comportamiento del nivel de productividad,
en función del número de empleados con horario flexible.
Tabla 8. Número de empleados con horario flexible versus tareas por semana.
y=2.0538 x+5.6829
POLITÉCNICO GRANCOLOMBIANO 26
6.3 Correlación
El análisis de correlación se refiere a la dependencia entre dos variables; tomemos, por ejemplo,
los turnos de los enfermeros de un hospital son de ocho horas diarias, sin embargo, si un enfer-
mero trabaja más horas, estas le serán pagadas como horas extra; entonces considerando varia-
bles como tiempo laborado e ingresos mensuales, al correlacionarse evidencian que al cambiar
la variable tiempo cambia la otra variable.
Para hacer este análisis generalmente se sugiere representar la realidad de las variables me-
diante el diagrama de dispersión y luego calcular el coeficiente de correlación; es decir, la fuerza
de relación lineal entre dos variables.
• Coeficiente de correlación
Creado por Karl Pearson cerca de 1900, es la medida de fuerza de la relación entre dos variables
en escala de razón o de intervalo. El coeficiente de correlación tiene las siguientes características:
• Un valor cercano a -1 refiere una asociación inversa refiere una relación inversa o negativa.
donde,
x ̅,y ̅: son los valores promedio obtenidos para cada grupo de datos.
POLITÉCNICO GRANCOLOMBIANO 27
Ejemplo
POLITÉCNICO GRANCOLOMBIANO 28
Figura 4. Dispersión de datos, clientes atendidos vs tiempo de espera.
SABÍAS QUE...
Las variables tienen una relación positiva se ubicarán en rante I
porque superan la media.
POLITÉCNICO GRANCOLOMBIANO 29
En este caso r = 0.43 evidencia una relación positiva, es decir el tiempo de espera será mayor
mientras el número de clientes por cajero sea mayor.
Hasta el momento un decisor deberá reconocer que la incertidumbre está inmersa en la toma de
decisiones.
Un administrador trabaja escenarios tanto posibles como probables mediante datos aleatorios
y a través de experimentos para acercarse a la condición ideal en el proceso de toma de de-
cisiones. Para esto, aplicará los tipos de enfoque de probabilidad según su criterio, objetivo o
subjetivo, una vez seleccione el tipo de enfoque, si este lo requiere, deberá extraer los datos por
medio de la elección de la técnica de muestreo apropiada y de la ejecución de las siete etapas,
en la última el decisor deberá usar técnicas para el análisis de datos, siendo estás estimación
correlación y regresión.
Cuando se aplican tanto los métodos de muestreo como las técnicas de análisis de datos co-
rrectamente, todos los procesos de la organización involucrados en la investigación estudiada
podrán mejorarse sustancialmente porque la información se acercará la realidad.
POLITÉCNICO GRANCOLOMBIANO 30
Referencias bibliográficas
Alonso-Torres, C. (2014). Orientaciones para implementar una gestión basada en procesos.
Ingeniería Industrial. 35(2). La Habana, Cuba: 159-171.
Lind A., D. (2015). Estadística aplicada a los negocios y a la economía. México: McGraw-Hill
Interamericana.
Navidi, W. (2006). Estadísticas para ingenieros y científicos. 1ª ed. México: McGraw-Hill Intera-
mericana.
Newbold, P. (2013). Estadística para administración y economía. 8° ed. México: Pearson Editorial.
POLITÉCNICO GRANCOLOMBIANO 31
INFORMACIÓN TÉCNICA
POLITÉCNICO GRANCOLOMBIANO 32