Análisis de caso estimación puntual

Martha Cecilia Ramírez Cortes

Administración de seguridad y salud en el trabajo, facultad de ciencias empresariales

Corporación Universitaria minuto de Dios Sede Virtual y A distancia

Nrc: 1560272: Estadística inferencial

actividad # 4

Moisés José Navarro Lance

Abril 30 de 2023
 Análisis de caso estimación puntual

Martha Cecilia Ramírez Cortes

Administración de seguridad y salud en el trabajo, facultad de ciencias empresariales

Corporación Universitaria minuto de Dios Sede Virtual y A distancia

Nrc: 1560272: Estadística inferencial

actividad # 4

Moisés José Navarro Lance

Abril 30 de 2023
 Enunciado

Con base a lo estudiado y presentado en la unidad, se desarrollará el presente tema

poniéndolo en práctica a través del siguiente procedimiento.

Analizar el caso planteado y el contenido del anexo. Elaborar un informe en el que se

condensen lo siguiente.

Problemas

1. Hagan una estimación puntual de la muestra y obtengan las conclusiones respecto a los
valores poblacionales de cada sede.

2. Hagan una estimación puntual

de la muestra y obtengan las
conclusiones respecto a los
valores poblacionales de toda la
empresa.
2. Hagan una estimación puntual
de la muestra y obtengan las
conclusiones respecto a los
valores poblacionales de toda la
empresa.
2. Hagan una estimación puntual
de la muestra y obtengan las
conclusiones respecto a los
valores poblacionales de toda la
empresa.
2. Hagan una estimación puntual de la muestra y obtengan las conclusiones respecto a los
valores poblacionales de toda la empresa
3. Hagan una estimación porcentual de las semanas que registraron una utilidad mayor a
1’500.000 en cada sede.
4. Hagan una estimación porcentual de las semanas que registraron una utilidad mayor a
2’000.000 en cada sede.

5. Calcule la probabilidad de que

en la semana 53 se registre un
valor de utilidad igual $
2’100.000 en la sede de
Kennedy.
5. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad igual $
2’100.000 en la sede de
Kennedy.
5. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad igual $
2’100.000 en la sede de
Kennedy.
5. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad igual $
2’100.000 en la sede de
Kennedy.
5. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad igual $
2’100.000 en la sede de
Kennedy.
5. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad igual $
2’100.000 en la sede de
Kennedy.
5. Calcule la probabilidad de que en la semana 53 se registre un valor de utilidad igual $

2’100.000 en la sede de Kennedy.

6. Calcule la probabilidad de que en la semana 53 se registre un valor de utilidad mayor $

1’500.000 en la sede de Chapinero

2’300.000 en la sede de Zona

Franca.
7. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad menor $
2’300.000 en la sede de Zona
Franca.
7. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad menor $
2’300.000 en la sede de Zona
Franca.
7. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad menor $
2’300.000 en la sede de Zona
Franca.
7. Calcule la probabilidad de que en la semana 53 se registre un valor de utilidad menor $

2’300.000 en la sede de Zona Franca.

8. Calcule la probabilidad de que en la semana 53 se registre un valor de utilidad entre $

1’600.000 y 1’800.000 en la sede de Teusaquillo

Solución

1. Para el ejercicio en cuestión se tomaron los valores de las 15 primeras semanas impares
de cada sede. Se sacó el promedio de los resultados para cada sede y se comparó con el
promedio de toda la población por sede. Esto nos dejó ver el nivel de desviación de
cada resultado de muestra con respecto al promedio real de la población, arrojando los
siguientes resultados.

Esto nos indica que, aunque la

muestra es bastante
representativa (29% de la
población)
y por tanto debe ser más
cercana a la realidad que una
muestra más pequeña, de
todas
formas, persiste una
desviación o margen de error
que no depende del tamaño de
la
muestra, sino de la relación de
cada elemento que compone
la muestra tomada con
respecto su propio promedio.
Esto nos indica que, aunque la
muestra es bastante
representativa (29% de la
población)
y por tanto debe ser más
cercana a la realidad que una
muestra más pequeña, de
todas
formas, persiste una
desviación o margen de error
que no depende del tamaño de
la
muestra, sino de la relación de
cada elemento que compone
la muestra tomada con
respecto su propio promedio.
Esto nos indica que, aunque la
muestra es bastante
representativa (29% de la
población)
y por tanto debe ser más
cercana a la realidad que una
muestra más pequeña, de
todas
formas, persiste una
desviación o margen de error
que no depende del tamaño de
la
muestra, sino de la relación de
cada elemento que compone
la muestra tomada con
respecto su propio promedio.
Esto nos indica que, aunque la
muestra es bastante
representativa (29% de la
población)
y por tanto debe ser más
cercana a la realidad que una
muestra más pequeña, de
todas
formas, persiste una
desviación o margen de error
que no depende del tamaño de
la
muestra, sino de la relación de
cada elemento que compone
la muestra tomada con
respecto su propio promedio.
Esto nos indica que, aunque la
muestra es bastante
representativa (29% de la
población)
y por tanto debe ser más
cercana a la realidad que una
muestra más pequeña, de
todas
formas, persiste una
desviación o margen de error
que no depende del tamaño de
la
muestra, sino de la relación de
cada elemento que compone
la muestra tomada con
respecto su propio promedio.
Esto nos indica que, aunque la
muestra es bastante
representativa (29% de la
población)
y por tanto debe ser más
cercana a la realidad que una
muestra más pequeña, de
todas
formas, persiste una
desviación o margen de error
que no depende del tamaño de
la
muestra, sino de la relación de
cada elemento que compone
la muestra tomada con
respecto su propio promedio.
Esto nos indica que, aunque la
muestra es bastante
representativa (29% de la
población)
y por tanto debe ser más
cercana a la realidad que una
muestra más pequeña, de
todas
formas, persiste una
desviación o margen de error
que no depende del tamaño de
la
muestra, sino de la relación de
cada elemento que compone
la muestra tomada con
respecto su propio promedio.
Esto nos indica que, aunque la
muestra es bastante
representativa (29% de la
población)
y por tanto debe ser más
cercana a la realidad que una
muestra más pequeña, de
todas
formas, persiste una
desviación o margen de error
que no depende del tamaño de
la
muestra, sino de la relación de
cada elemento que compone
la muestra tomada con
respecto su propio promedio.
Esto nos indica que, aunque la
muestra es bastante
representativa (29% de la
población)
y por tanto debe ser más
cercana a la realidad que una
muestra más pequeña, de
todas
formas, persiste una
desviación o margen de error
que no depende del tamaño de
la
muestra, sino de la relación de
cada elemento que compone
la muestra tomada con
respecto su propio promedio.
Esto nos indica que, aunque la
muestra es bastante
representativa (29% de la
población)
y por tanto debe ser más
cercana a la realidad que una
muestra más pequeña, de
todas
formas, persiste una
desviación o margen de error
que no depende del tamaño de
la
muestra, sino de la relación de
cada elemento que compone
la muestra tomada con
respecto su propio promedio.
Esto nos indica que, aunque la
muestra es bastante
representativa (29% de la
población)
y por tanto debe ser más
cercana a la realidad que una
muestra más pequeña, de
todas
formas, persiste una
desviación o margen de error
que no depende del tamaño de
la
muestra, sino de la relación de
cada elemento que compone
la muestra tomada con
respecto su propio promedio.
Esto nos indica que, aunque la
muestra es bastante
representativa (29% de la
población)
y por tanto debe ser más
cercana a la realidad que una
muestra más pequeña, de
todas
formas, persiste una
desviación o margen de error
que no depende del tamaño de
la
muestra, sino de la relación de
cada elemento que compone
la muestra tomada con
respecto su propio promedio.
Esto nos indica que, aunque la
muestra es bastante
representativa (29% de la
población)
y por tanto debe ser más
cercana a la realidad que una
muestra más pequeña, de
todas
formas, persiste una
desviación o margen de error
que no depende del tamaño de
la
muestra, sino de la relación de
cada elemento que compone
la muestra tomada con
respecto su propio promedio.
Esto nos indica que, aunque la
muestra es bastante
representativa (29% de la
población)
y por tanto debe ser más
cercana a la realidad que una
muestra más pequeña, de
todas
formas, persiste una
desviación o margen de error
que no depende del tamaño de
la
muestra, sino de la relación de
cada elemento que compone
la muestra tomada con
respecto su propio promedio.
Esto nos indica que, aunque la
muestra es bastante
representativa (29% de la
población)
y por tanto debe ser más
cercana a la realidad que una
muestra más pequeña, de
todas
formas, persiste una
desviación o margen de error
que no depende del tamaño de
la
muestra, sino de la relación de
cada elemento que compone
la muestra tomada con
respecto su propio promedio.
Esto nos indica que, aunque la
muestra es bastante
representativa (29% de la
población)
y por tanto debe ser más
cercana a la realidad que una
muestra más pequeña, de
todas
formas, persiste una
desviación o margen de error
que no depende del tamaño de
la
muestra, sino de la relación de
cada elemento que compone
la muestra tomada con
respecto su propio promedio.
Esto nos indica que, aunque la
muestra es bastante
representativa (29% de la
población)
y por tanto debe ser más
cercana a la realidad que una
muestra más pequeña, de
todas
formas, persiste una
desviación o margen de error
que no depende del tamaño de
la
muestra, sino de la relación de
cada elemento que compone
la muestra tomada con
respecto su propio promedio.
Esto nos indica que, aunque la
muestra es bastante
representativa (29% de la
población)
y por tanto debe ser más
cercana a la realidad que una
muestra más pequeña, de
todas
formas, persiste una
desviación o margen de error
que no depende del tamaño de
la
muestra, sino de la relación de
cada elemento que compone
la muestra tomada con
respecto su propio promedio.
Esto nos indica que, aunque la
muestra es bastante
representativa (29% de la
población)
y por tanto debe ser más
cercana a la realidad que una
muestra más pequeña, de
todas
formas, persiste una
desviación o margen de error
que no depende del tamaño de
la
muestra, sino de la relación de
cada elemento que compone
la muestra tomada con
respecto su propio promedio.
Esto nos indica que, aunque la
muestra es bastante
representativa (29% de la
población)
y por tanto debe ser más
cercana a la realidad que una
muestra más pequeña, de
todas
formas, persiste una
desviación o margen de error
que no depende del tamaño de
la
muestra, sino de la relación de
cada elemento que compone
la muestra tomada con
respecto su propio promedio.
Esto nos indica que, aunque la muestra es bastante representativa (29% de la población)
y por tanto debe ser más cercana a la realidad que una muestra más pequeña, de todas
formas, persiste una desviación o margen de error que no depende del tamaño de la
muestra, sino de la relación de cada elemento que compone la muestra tomada con
respecto su propio promedio.
Esto nos indica que, aunque la muestra es bastante representativa (29% de la población)
y por tanto debe ser más cercana a la realidad que una muestra más pequeña, de todas
formas, persiste una desviación o margen de error que no depende del tamaño de la
muestra, sino de la relación de cada elemento que compone la muestra tomada con
respecto su propio promedio.

2. En el caso de la estimación
puntual para toda la empresa,
hicimos el ejercicio de tomar
los datos conocidos de las 15
primeras semanas pares de
cada sede y combinándolos
para obtener el total de la
empresa. Esto nos arrojó un
total de 75 datos que
representan
una muestra del 9,6% de la
población total de semanas en
la empresa (260 semanas, 52
por las 5 sedes). En este caso,
los resultados fueron los
siguientes:
2. En el caso de la estimación
puntual para toda la empresa,
hicimos el ejercicio de tomar
los datos conocidos de las 15
primeras semanas pares de
cada sede y combinándolos
para obtener el total de la
empresa. Esto nos arrojó un
total de 75 datos que
representan
una muestra del 9,6% de la
población total de semanas en
la empresa (260 semanas, 52
por las 5 sedes). En este caso,
los resultados fueron los
siguientes:
2. En el caso de la estimación
puntual para toda la empresa,
hicimos el ejercicio de tomar
los datos conocidos de las 15
primeras semanas pares de
cada sede y combinándolos
para obtener el total de la
empresa. Esto nos arrojó un
total de 75 datos que
representan
una muestra del 9,6% de la
población total de semanas en
la empresa (260 semanas, 52
por las 5 sedes). En este caso,
los resultados fueron los
siguientes:
2. En el caso de la estimación
puntual para toda la empresa,
hicimos el ejercicio de tomar
los datos conocidos de las 15
primeras semanas pares de
cada sede y combinándolos
para obtener el total de la
empresa. Esto nos arrojó un
total de 75 datos que
representan
una muestra del 9,6% de la
población total de semanas en
la empresa (260 semanas, 52
por las 5 sedes). En este caso,
los resultados fueron los
siguientes:
2. En el caso de la estimación
puntual para toda la empresa,
hicimos el ejercicio de tomar
los datos conocidos de las 15
primeras semanas pares de
cada sede y combinándolos
para obtener el total de la
empresa. Esto nos arrojó un
total de 75 datos que
representan
una muestra del 9,6% de la
población total de semanas en
la empresa (260 semanas, 52
por las 5 sedes). En este caso,
los resultados fueron los
siguientes:
2. En el caso de la estimación
puntual para toda la empresa,
hicimos el ejercicio de tomar
los datos conocidos de las 15
primeras semanas pares de
cada sede y combinándolos
para obtener el total de la
empresa. Esto nos arrojó un
total de 75 datos que
representan
una muestra del 9,6% de la
población total de semanas en
la empresa (260 semanas, 52
por las 5 sedes). En este caso,
los resultados fueron los
siguientes:
2. En el caso de la estimación
puntual para toda la empresa,
hicimos el ejercicio de tomar
los datos conocidos de las 15
primeras semanas pares de
cada sede y combinándolos
para obtener el total de la
empresa. Esto nos arrojó un
total de 75 datos que
representan
una muestra del 9,6% de la
población total de semanas en
la empresa (260 semanas, 52
por las 5 sedes). En este caso,
los resultados fueron los
siguientes:
2. En el caso de la estimación
puntual para toda la empresa,
hicimos el ejercicio de tomar
los datos conocidos de las 15
primeras semanas pares de
cada sede y combinándolos
para obtener el total de la
empresa. Esto nos arrojó un
total de 75 datos que
representan
una muestra del 9,6% de la
población total de semanas en
la empresa (260 semanas, 52
por las 5 sedes). En este caso,
los resultados fueron los
siguientes:
2. En el caso de la estimación
puntual para toda la empresa,
hicimos el ejercicio de tomar
los datos conocidos de las 15
primeras semanas pares de
cada sede y combinándolos
para obtener el total de la
empresa. Esto nos arrojó un
total de 75 datos que
representan
una muestra del 9,6% de la
población total de semanas en
la empresa (260 semanas, 52
por las 5 sedes). En este caso,
los resultados fueron los
siguientes:
2. En el caso de la estimación
puntual para toda la empresa,
hicimos el ejercicio de tomar
los datos conocidos de las 15
primeras semanas pares de
cada sede y combinándolos
para obtener el total de la
empresa. Esto nos arrojó un
total de 75 datos que
representan
una muestra del 9,6% de la
población total de semanas en
la empresa (260 semanas, 52
por las 5 sedes). En este caso,
los resultados fueron los
siguientes:
2. En el caso de la estimación
puntual para toda la empresa,
hicimos el ejercicio de tomar
los datos conocidos de las 15
primeras semanas pares de
cada sede y combinándolos
para obtener el total de la
empresa. Esto nos arrojó un
total de 75 datos que
representan
una muestra del 9,6% de la
población total de semanas en
la empresa (260 semanas, 52
por las 5 sedes). En este caso,
los resultados fueron los
siguientes:
2. En el caso de la estimación
puntual para toda la empresa,
hicimos el ejercicio de tomar
los datos conocidos de las 15
primeras semanas pares de
cada sede y combinándolos
para obtener el total de la
empresa. Esto nos arrojó un
total de 75 datos que
representan
una muestra del 9,6% de la
población total de semanas en
la empresa (260 semanas, 52
por las 5 sedes). En este caso,
los resultados fueron los
siguientes:
2. En el caso de la estimación
puntual para toda la empresa,
hicimos el ejercicio de tomar
los datos conocidos de las 15
primeras semanas pares de
cada sede y combinándolos
para obtener el total de la
empresa. Esto nos arrojó un
total de 75 datos que
representan
una muestra del 9,6% de la
población total de semanas en
la empresa (260 semanas, 52
por las 5 sedes). En este caso,
los resultados fueron los
siguientes:
2. En el caso de la estimación
puntual para toda la empresa,
hicimos el ejercicio de tomar
los datos conocidos de las 15
primeras semanas pares de
cada sede y combinándolos
para obtener el total de la
empresa. Esto nos arrojó un
total de 75 datos que
representan
una muestra del 9,6% de la
población total de semanas en
la empresa (260 semanas, 52
por las 5 sedes). En este caso,
los resultados fueron los
siguientes:
2. En el caso de la estimación
puntual para toda la empresa,
hicimos el ejercicio de tomar
los datos conocidos de las 15
primeras semanas pares de
cada sede y combinándolos
para obtener el total de la
empresa. Esto nos arrojó un
total de 75 datos que
representan
una muestra del 9,6% de la
población total de semanas en
la empresa (260 semanas, 52
por las 5 sedes). En este caso,
los resultados fueron los
siguientes:
2. En el caso de la estimación
puntual para toda la empresa,
hicimos el ejercicio de tomar
los datos conocidos de las 15
primeras semanas pares de
cada sede y combinándolos
para obtener el total de la
empresa. Esto nos arrojó un
total de 75 datos que
representan
una muestra del 9,6% de la
población total de semanas en
la empresa (260 semanas, 52
por las 5 sedes). En este caso,
los resultados fueron los
siguientes:
2. En el caso de la estimación
puntual para toda la empresa,
hicimos el ejercicio de tomar
los datos conocidos de las 15
primeras semanas pares de
cada sede y combinándolos
para obtener el total de la
empresa. Esto nos arrojó un
total de 75 datos que
representan
una muestra del 9,6% de la
población total de semanas en
la empresa (260 semanas, 52
por las 5 sedes). En este caso,
los resultados fueron los
siguientes:
2. En el caso de la estimación
puntual para toda la empresa,
hicimos el ejercicio de tomar
los datos conocidos de las 15
primeras semanas pares de
cada sede y combinándolos
para obtener el total de la
empresa. Esto nos arrojó un
total de 75 datos que
representan
una muestra del 9,6% de la
población total de semanas en
la empresa (260 semanas, 52
por las 5 sedes). En este caso,
los resultados fueron los
siguientes:
2. En el caso de la estimación
puntual para toda la empresa,
hicimos el ejercicio de tomar
los datos conocidos de las 15
primeras semanas pares de
cada sede y combinándolos
para obtener el total de la
empresa. Esto nos arrojó un
total de 75 datos que
representan
una muestra del 9,6% de la
población total de semanas en
la empresa (260 semanas, 52
por las 5 sedes). En este caso,
los resultados fueron los
siguientes:
2. En el caso de la estimación
puntual para toda la empresa,
hicimos el ejercicio de tomar
los datos conocidos de las 15
primeras semanas pares de
cada sede y combinándolos
para obtener el total de la
empresa. Esto nos arrojó un
total de 75 datos que
representan
una muestra del 9,6% de la
población total de semanas en
la empresa (260 semanas, 52
por las 5 sedes). En este caso,
los resultados fueron los
siguientes:
2. En el caso de la estimación
puntual para toda la empresa,
hicimos el ejercicio de tomar
los datos conocidos de las 15
primeras semanas pares de
cada sede y combinándolos
para obtener el total de la
empresa. Esto nos arrojó un
total de 75 datos que
representan
una muestra del 9,6% de la
población total de semanas en
la empresa (260 semanas, 52
por las 5 sedes). En este caso,
los resultados fueron los
siguientes:
2. En el caso de la estimación
puntual para toda la empresa,
hicimos el ejercicio de tomar
los datos conocidos de las 15
primeras semanas pares de
cada sede y combinándolos
para obtener el total de la
empresa. Esto nos arrojó un
total de 75 datos que
representan
una muestra del 9,6% de la
población total de semanas en
la empresa (260 semanas, 52
por las 5 sedes). En este caso,
los resultados fueron los
siguientes:
2. En el caso de la estimación
puntual para toda la empresa,
hicimos el ejercicio de tomar
los datos conocidos de las 15
primeras semanas pares de
cada sede y combinándolos
para obtener el total de la
empresa. Esto nos arrojó un
total de 75 datos que
representan
una muestra del 9,6% de la
población total de semanas en
la empresa (260 semanas, 52
por las 5 sedes). En este caso,
los resultados fueron los
siguientes:
2. En el caso de la estimación
puntual para toda la empresa,
hicimos el ejercicio de tomar
los datos conocidos de las 15
primeras semanas pares de
cada sede y combinándolos
para obtener el total de la
empresa. Esto nos arrojó un
total de 75 datos que
representan
una muestra del 9,6% de la
población total de semanas en
la empresa (260 semanas, 52
por las 5 sedes). En este caso,
los resultados fueron los
siguientes:
2. En el caso de la estimación
puntual para toda la empresa,
hicimos el ejercicio de tomar
los datos conocidos de las 15
primeras semanas pares de
cada sede y combinándolos
para obtener el total de la
empresa. Esto nos arrojó un
total de 75 datos que
representan
una muestra del 9,6% de la
población total de semanas en
la empresa (260 semanas, 52
por las 5 sedes). En este caso,
los resultados fueron los
siguientes:
2. En el caso de la estimación puntual para toda la empresa, hicimos el ejercicio de tomar
los datos conocidos de las 15 primeras semanas pares de cada sede y combinándolos
para obtener el total de la empresa. Esto nos arrojó un total de 75 datos que representan
una muestra del 9,6% de la población total de semanas en la empresa (260 semanas, 52
por las 5 sedes). En este caso, los resultados fueron los siguientes:
Aquí podemos observar que la
muestra seleccionada resultó
ser bastante confiable, dado
que el promedio muestral
tiene una pequeña
diferencia (de 2170 que
representa el
0,1%) con el promedio
poblacional, es decir el
promedio total de la empresa.
A pesar de
que vemos que el tamaño de
la muestra es igual al del caso
anterior (es decir, representa
el 29% de toda la población)
el cambio de parámetro nos
arroja una desviación mucho
menor.
Aquí podemos observar que la
muestra seleccionada resultó
ser bastante confiable, dado
que el promedio muestral
tiene una pequeña
diferencia (de 2170 que
representa el
0,1%) con el promedio
poblacional, es decir el
promedio total de la empresa.
A pesar de
que vemos que el tamaño de
la muestra es igual al del caso
anterior (es decir, representa
el 29% de toda la población)
el cambio de parámetro nos
arroja una desviación mucho
menor.
Aquí podemos observar que la
muestra seleccionada resultó
ser bastante confiable, dado
que el promedio muestral
tiene una pequeña
diferencia (de 2170 que
representa el
0,1%) con el promedio
poblacional, es decir el
promedio total de la empresa.
A pesar de
que vemos que el tamaño de
la muestra es igual al del caso
anterior (es decir, representa
el 29% de toda la población)
el cambio de parámetro nos
arroja una desviación mucho
menor.
Aquí podemos observar que la
muestra seleccionada resultó
ser bastante confiable, dado
que el promedio muestral
tiene una pequeña
diferencia (de 2170 que
representa el
0,1%) con el promedio
poblacional, es decir el
promedio total de la empresa.
A pesar de
que vemos que el tamaño de
la muestra es igual al del caso
anterior (es decir, representa
el 29% de toda la población)
el cambio de parámetro nos
arroja una desviación mucho
menor.
Aquí podemos observar que la
muestra seleccionada resultó
ser bastante confiable, dado
que el promedio muestral
tiene una pequeña
diferencia (de 2170 que
representa el
0,1%) con el promedio
poblacional, es decir el
promedio total de la empresa.
A pesar de
que vemos que el tamaño de
la muestra es igual al del caso
anterior (es decir, representa
el 29% de toda la población)
el cambio de parámetro nos
arroja una desviación mucho
menor.
Aquí podemos observar que la
muestra seleccionada resultó
ser bastante confiable, dado
que el promedio muestral
tiene una pequeña
diferencia (de 2170 que
representa el
0,1%) con el promedio
poblacional, es decir el
promedio total de la empresa.
A pesar de
que vemos que el tamaño de
la muestra es igual al del caso
anterior (es decir, representa
el 29% de toda la población)
el cambio de parámetro nos
arroja una desviación mucho
menor.
Aquí podemos observar que la
muestra seleccionada resultó
ser bastante confiable, dado
que el promedio muestral
tiene una pequeña
diferencia (de 2170 que
representa el
0,1%) con el promedio
poblacional, es decir el
promedio total de la empresa.
A pesar de
que vemos que el tamaño de
la muestra es igual al del caso
anterior (es decir, representa
el 29% de toda la población)
el cambio de parámetro nos
arroja una desviación mucho
menor.
Aquí podemos observar que la
muestra seleccionada resultó
ser bastante confiable, dado
que el promedio muestral
tiene una pequeña
diferencia (de 2170 que
representa el
0,1%) con el promedio
poblacional, es decir el
promedio total de la empresa.
A pesar de
que vemos que el tamaño de
la muestra es igual al del caso
anterior (es decir, representa
el 29% de toda la población)
el cambio de parámetro nos
arroja una desviación mucho
menor.
Aquí podemos observar que la
muestra seleccionada resultó
ser bastante confiable, dado
que el promedio muestral
tiene una pequeña
diferencia (de 2170 que
representa el
0,1%) con el promedio
poblacional, es decir el
promedio total de la empresa.
A pesar de
que vemos que el tamaño de
la muestra es igual al del caso
anterior (es decir, representa
el 29% de toda la población)
el cambio de parámetro nos
arroja una desviación mucho
menor.
Aquí podemos observar que la
muestra seleccionada resultó
ser bastante confiable, dado
que el promedio muestral
tiene una pequeña
diferencia (de 2170 que
representa el
0,1%) con el promedio
poblacional, es decir el
promedio total de la empresa.
A pesar de
que vemos que el tamaño de
la muestra es igual al del caso
anterior (es decir, representa
el 29% de toda la población)
el cambio de parámetro nos
arroja una desviación mucho
menor.
Aquí podemos observar que la
muestra seleccionada resultó
ser bastante confiable, dado
que el promedio muestral
tiene una pequeña
diferencia (de 2170 que
representa el
0,1%) con el promedio
poblacional, es decir el
promedio total de la empresa.
A pesar de
que vemos que el tamaño de
la muestra es igual al del caso
anterior (es decir, representa
el 29% de toda la población)
el cambio de parámetro nos
arroja una desviación mucho
menor.
Aquí podemos observar que la
muestra seleccionada resultó
ser bastante confiable, dado
que el promedio muestral
tiene una pequeña
diferencia (de 2170 que
representa el
0,1%) con el promedio
poblacional, es decir el
promedio total de la empresa.
A pesar de
que vemos que el tamaño de
la muestra es igual al del caso
anterior (es decir, representa
el 29% de toda la población)
el cambio de parámetro nos
arroja una desviación mucho
menor.
Aquí podemos observar que la
muestra seleccionada resultó
ser bastante confiable, dado
que el promedio muestral
tiene una pequeña
diferencia (de 2170 que
representa el
0,1%) con el promedio
poblacional, es decir el
promedio total de la empresa.
A pesar de
que vemos que el tamaño de
la muestra es igual al del caso
anterior (es decir, representa
el 29% de toda la población)
el cambio de parámetro nos
arroja una desviación mucho
menor.
Aquí podemos observar que la
muestra seleccionada resultó
ser bastante confiable, dado
que el promedio muestral
tiene una pequeña
diferencia (de 2170 que
representa el
0,1%) con el promedio
poblacional, es decir el
promedio total de la empresa.
A pesar de
que vemos que el tamaño de
la muestra es igual al del caso
anterior (es decir, representa
el 29% de toda la población)
el cambio de parámetro nos
arroja una desviación mucho
menor.
Aquí podemos observar que la muestra seleccionada resultó ser bastante confiable, dado
que el promedio muestral tiene una pequeña diferencia (de 2170 que representa el
0,1%) con el promedio poblacional, es decir el promedio total de la empresa. A pesar de
que vemos que el tamaño de la muestra es igual al del caso anterior (es decir, representa
el 29% de toda la población) el cambio de parámetro nos arroja una desviación mucho
menor.
3. Al hacer una estimación porcentual de la información ya lo que estamos haciendo es
sugerir que lo que nos aproxima más al promedio total de la población en estudio, es
tomar una muestra de una parte muy representativa de dicha población y aplicar este
mismo porcentaje de efectividad del parámetro sobre la muestra tomada. Revisemos
que nos dá:
Se tomaron trece datos
intercalados cada cuatro
semanas desde la semana uno,
que
representan exactamente el
25% de la población (13/52).
Se examinó cuántos de estos
datos cumplían con el
parámetro ser mayores a
1’500.000 y se tabuló el
resultado como
se observa en la tabla. Se
comparó el porcentaje de
efectividad de la muestra
sobre el
parámetro, con el porcentaje
de diferencia con respecto al
promedio, observando que en
Se tomaron trece datos
intercalados cada cuatro
semanas desde la semana uno,
que
representan exactamente el
25% de la población (13/52).
Se examinó cuántos de estos
datos cumplían con el
parámetro ser mayores a
1’500.000 y se tabuló el
resultado como
se observa en la tabla. Se
comparó el porcentaje de
efectividad de la muestra
sobre el
parámetro, con el porcentaje
de diferencia con respecto al
promedio, observando que en
Se tomaron trece datos
intercalados cada cuatro
semanas desde la semana uno,
que
representan exactamente el
25% de la población (13/52).
Se examinó cuántos de estos
datos cumplían con el
parámetro ser mayores a
1’500.000 y se tabuló el
resultado como
se observa en la tabla. Se
comparó el porcentaje de
efectividad de la muestra
sobre el
parámetro, con el porcentaje
de diferencia con respecto al
promedio, observando que en
Se tomaron trece datos
intercalados cada cuatro
semanas desde la semana uno,
que
representan exactamente el
25% de la población (13/52).
Se examinó cuántos de estos
datos cumplían con el
parámetro ser mayores a
1’500.000 y se tabuló el
resultado como
se observa en la tabla. Se
comparó el porcentaje de
efectividad de la muestra
sobre el
parámetro, con el porcentaje
de diferencia con respecto al
promedio, observando que en
Se tomaron trece datos
intercalados cada cuatro
semanas desde la semana uno,
que
representan exactamente el
25% de la población (13/52).
Se examinó cuántos de estos
datos cumplían con el
parámetro ser mayores a
1’500.000 y se tabuló el
resultado como
se observa en la tabla. Se
comparó el porcentaje de
efectividad de la muestra
sobre el
parámetro, con el porcentaje
de diferencia con respecto al
promedio, observando que en
Se tomaron trece datos
intercalados cada cuatro
semanas desde la semana uno,
que
representan exactamente el
25% de la población (13/52).
Se examinó cuántos de estos
datos cumplían con el
parámetro ser mayores a
1’500.000 y se tabuló el
resultado como
se observa en la tabla. Se
comparó el porcentaje de
efectividad de la muestra
sobre el
parámetro, con el porcentaje
de diferencia con respecto al
promedio, observando que en
Se tomaron trece datos
intercalados cada cuatro
semanas desde la semana uno,
que
representan exactamente el
25% de la población (13/52).
Se examinó cuántos de estos
datos cumplían con el
parámetro ser mayores a
1’500.000 y se tabuló el
resultado como
se observa en la tabla. Se
comparó el porcentaje de
efectividad de la muestra
sobre el
parámetro, con el porcentaje
de diferencia con respecto al
promedio, observando que en
Se tomaron trece datos
intercalados cada cuatro
semanas desde la semana uno,
que
representan exactamente el
25% de la población (13/52).
Se examinó cuántos de estos
datos cumplían con el
parámetro ser mayores a
1’500.000 y se tabuló el
resultado como
se observa en la tabla. Se
comparó el porcentaje de
efectividad de la muestra
sobre el
parámetro, con el porcentaje
de diferencia con respecto al
promedio, observando que en
Se tomaron trece datos
intercalados cada cuatro
semanas desde la semana uno,
que
representan exactamente el
25% de la población (13/52).
Se examinó cuántos de estos
datos cumplían con el
parámetro ser mayores a
1’500.000 y se tabuló el
resultado como
se observa en la tabla. Se
comparó el porcentaje de
efectividad de la muestra
sobre el
parámetro, con el porcentaje
de diferencia con respecto al
promedio, observando que en
Se tomaron trece datos
intercalados cada cuatro
semanas desde la semana uno,
que
representan exactamente el
25% de la población (13/52).
Se examinó cuántos de estos
datos cumplían con el
parámetro ser mayores a
1’500.000 y se tabuló el
resultado como
se observa en la tabla. Se
comparó el porcentaje de
efectividad de la muestra
sobre el
parámetro, con el porcentaje
de diferencia con respecto al
promedio, observando que en
Se tomaron trece datos intercalados cada cuatro semanas desde la semana uno, que
representan exactamente el 25% de la población (13/52). Se examinó cuántos de estos
datos cumplían con el parámetro ser mayores a 1’500.000 y se tabuló el resultado como
se observa en la tabla. Se comparó el porcentaje de efectividad de la muestra sobre el
parámetro, con el porcentaje de diferencia con respecto al promedio, observando que en

términos generales la
desviación en baja o nula
entre las sedes, con la
excepción de la
sede Chapinero que es un caso
atípico porque casi todos sus
datos no cumplen con el
parámetro propuesto, lo cual
les marca diferencia con
respecto a las demás sedes.
Hay
que tener en cuenta que este
detalle, incidiría en la
desviación calculada del
promedio
muestral tomando el dato a
nivel empresa y ya sabemos
que viene por la información
de
esta sede de Chapinero
términos generales la
desviación en baja o nula
entre las sedes, con la
excepción de la
sede Chapinero que es un caso
atípico porque casi todos sus
datos no cumplen con el
parámetro propuesto, lo cual
les marca diferencia con
respecto a las demás sedes.
Hay
que tener en cuenta que este
detalle, incidiría en la
desviación calculada del
promedio
muestral tomando el dato a
nivel empresa y ya sabemos
que viene por la información
de
esta sede de Chapinero
términos generales la
desviación en baja o nula
entre las sedes, con la
excepción de la
sede Chapinero que es un caso
atípico porque casi todos sus
datos no cumplen con el
parámetro propuesto, lo cual
les marca diferencia con
respecto a las demás sedes.
Hay
que tener en cuenta que este
detalle, incidiría en la
desviación calculada del
promedio
muestral tomando el dato a
nivel empresa y ya sabemos
que viene por la información
de
esta sede de Chapinero
términos generales la
desviación en baja o nula
entre las sedes, con la
excepción de la
sede Chapinero que es un caso
atípico porque casi todos sus
datos no cumplen con el
parámetro propuesto, lo cual
les marca diferencia con
respecto a las demás sedes.
Hay
que tener en cuenta que este
detalle, incidiría en la
desviación calculada del
promedio
muestral tomando el dato a
nivel empresa y ya sabemos
que viene por la información
de
esta sede de Chapinero
términos generales la
desviación en baja o nula
entre las sedes, con la
excepción de la
sede Chapinero que es un caso
atípico porque casi todos sus
datos no cumplen con el
parámetro propuesto, lo cual
les marca diferencia con
respecto a las demás sedes.
Hay
que tener en cuenta que este
detalle, incidiría en la
desviación calculada del
promedio
muestral tomando el dato a
nivel empresa y ya sabemos
que viene por la información
de
esta sede de Chapinero
términos generales la
desviación en baja o nula
entre las sedes, con la
excepción de la
sede Chapinero que es un caso
atípico porque casi todos sus
datos no cumplen con el
parámetro propuesto, lo cual
les marca diferencia con
respecto a las demás sedes.
Hay
que tener en cuenta que este
detalle, incidiría en la
desviación calculada del
promedio
muestral tomando el dato a
nivel empresa y ya sabemos
que viene por la información
de
esta sede de Chapinero
términos generales la
desviación en baja o nula
entre las sedes, con la
excepción de la
sede Chapinero que es un caso
atípico porque casi todos sus
datos no cumplen con el
parámetro propuesto, lo cual
les marca diferencia con
respecto a las demás sedes.
Hay
que tener en cuenta que este
detalle, incidiría en la
desviación calculada del
promedio
muestral tomando el dato a
nivel empresa y ya sabemos
que viene por la información
de
esta sede de Chapinero
términos generales la
desviación en baja o nula
entre las sedes, con la
excepción de la
sede Chapinero que es un caso
atípico porque casi todos sus
datos no cumplen con el
parámetro propuesto, lo cual
les marca diferencia con
respecto a las demás sedes.
Hay
que tener en cuenta que este
detalle, incidiría en la
desviación calculada del
promedio
muestral tomando el dato a
nivel empresa y ya sabemos
que viene por la información
de
esta sede de Chapinero
términos generales la
desviación en baja o nula
entre las sedes, con la
excepción de la
sede Chapinero que es un caso
atípico porque casi todos sus
datos no cumplen con el
parámetro propuesto, lo cual
les marca diferencia con
respecto a las demás sedes.
Hay
que tener en cuenta que este
detalle, incidiría en la
desviación calculada del
promedio
muestral tomando el dato a
nivel empresa y ya sabemos
que viene por la información
de
esta sede de Chapinero
términos generales la
desviación en baja o nula
entre las sedes, con la
excepción de la
sede Chapinero que es un caso
atípico porque casi todos sus
datos no cumplen con el
parámetro propuesto, lo cual
les marca diferencia con
respecto a las demás sedes.
Hay
que tener en cuenta que este
detalle, incidiría en la
desviación calculada del
promedio
muestral tomando el dato a
nivel empresa y ya sabemos
que viene por la información
de
esta sede de Chapinero
términos generales la
desviación en baja o nula
entre las sedes, con la
excepción de la
sede Chapinero que es un caso
atípico porque casi todos sus
datos no cumplen con el
parámetro propuesto, lo cual
les marca diferencia con
respecto a las demás sedes.
Hay
que tener en cuenta que este
detalle, incidiría en la
desviación calculada del
promedio
muestral tomando el dato a
nivel empresa y ya sabemos
que viene por la información
de
esta sede de Chapinero
términos generales la
desviación en baja o nula
entre las sedes, con la
excepción de la
sede Chapinero que es un caso
atípico porque casi todos sus
datos no cumplen con el
parámetro propuesto, lo cual
les marca diferencia con
respecto a las demás sedes.
Hay
que tener en cuenta que este
detalle, incidiría en la
desviación calculada del
promedio
muestral tomando el dato a
nivel empresa y ya sabemos
que viene por la información
de
esta sede de Chapinero
términos generales la
desviación en baja o nula
entre las sedes, con la
excepción de la
sede Chapinero que es un caso
atípico porque casi todos sus
datos no cumplen con el
parámetro propuesto, lo cual
les marca diferencia con
respecto a las demás sedes.
Hay
que tener en cuenta que este
detalle, incidiría en la
desviación calculada del
promedio
muestral tomando el dato a
nivel empresa y ya sabemos
que viene por la información
de
esta sede de Chapinero
términos generales la
desviación en baja o nula
entre las sedes, con la
excepción de la
sede Chapinero que es un caso
atípico porque casi todos sus
datos no cumplen con el
parámetro propuesto, lo cual
les marca diferencia con
respecto a las demás sedes.
Hay
que tener en cuenta que este
detalle, incidiría en la
desviación calculada del
promedio
muestral tomando el dato a
nivel empresa y ya sabemos
que viene por la información
de
esta sede de Chapinero
términos generales la desviación en baja o nula entre las sedes, con la excepción de la
sede Chapinero que es un caso atípico porque casi todos sus datos no cumplen con el
parámetro propuesto, lo cual les marca diferencia con respecto a las demás sedes. Hay
que tener en cuenta que este detalle, incidiría en la desviación calculada del promedio
muestral tomando el dato a nivel empresa y ya sabemos que viene por la información de
esta sede de Chapinero

4. Para el caso de aumentar el parámetro a “mayor a dos millones” en los mismos datos
para las mismas sedes, hicimos el ejercicio de tomar nuevamente 13 semanas (25% de
la población) intercalando cada cuatro datos, pero arrancando desde la segunda semana.
Esta vez los resultados fueron los siguientes:
de la muestra y que por
supuesto se acentúan al
comparar la efectividad del
parámetro
sobre los datos totales de
la población. Podemos
concluir que esta
alteración del
parámetro se fué
principalmente la que tuvo
incidencia en las desviaciones,
ya que el
tamaño de la muestra no
cambio, el cambio fué solo
desde que semana arrancaba
la
toma de la misma.
Esta vez podemos observar que se originaron unas desviaciones desde la misma toma
de la muestra y que por supuesto se acentúan al comparar la efectividad del parámetro
sobre los datos totales de la población. Podemos concluir que esta alteración
del parámetro se fué principalmente la que tuvo incidencia en las desviaciones, ya que el
tamaño de la muestra no cambio, el cambio fué solo desde que semana arrancaba la toma
de la misma.
5. Ya para el cálculo de la probabilidad, debemos hacer la precisión de que existen dos
tipos básicos de su cálculo según el caso. Para las estimaciones de probabilidad en
donde no hay datos conocidos de los eventos existe la probabilidad teórica en
donde solo se puede hacer una estimación de probabilidad según los eventos posibles del
del caso concreto. El ejemplo
clásico es el de la moneda en
donde sabemos antes de
lanzarla que por sus dos caras
cada opción de resultado tiene
el 50% de probabilidad de
ocurrir. Para el caso que
nos aborda aplica el
concepto de
PROBABILIDAD
EXPERIENTAL en donde ya
sabemos de resultados
conocidos para un
determinado
evento. Estos resultados nos
muestran una tendencia sobre
la ocurrencia de un próximo
resultado lo cual está
cuantificado por un margen
de probabilidad. El cálculo de
la
probabilidad experimental se
haría de la siguiente manera
del caso concreto. El ejemplo
clásico es el de la moneda en
donde sabemos antes de
lanzarla que por sus dos caras
cada opción de resultado tiene
el 50% de probabilidad de
ocurrir. Para el caso que
nos aborda aplica el
concepto de
PROBABILIDAD
EXPERIENTAL en donde ya
sabemos de resultados
conocidos para un
determinado
evento. Estos resultados nos
muestran una tendencia sobre
la ocurrencia de un próximo
resultado lo cual está
cuantificado por un margen
de probabilidad. El cálculo de
la
probabilidad experimental se
haría de la siguiente manera
del caso concreto. El ejemplo
clásico es el de la moneda en
donde sabemos antes de
lanzarla que por sus dos caras
cada opción de resultado tiene
el 50% de probabilidad de
ocurrir. Para el caso que
nos aborda aplica el
concepto de
PROBABILIDAD
EXPERIENTAL en donde ya
sabemos de resultados
conocidos para un
determinado
evento. Estos resultados nos
muestran una tendencia sobre
la ocurrencia de un próximo
resultado lo cual está
cuantificado por un margen
de probabilidad. El cálculo de
la
probabilidad experimental se
haría de la siguiente manera
del caso concreto. El ejemplo
clásico es el de la moneda en
donde sabemos antes de
lanzarla que por sus dos caras
cada opción de resultado tiene
el 50% de probabilidad de
ocurrir. Para el caso que
nos aborda aplica el
concepto de
PROBABILIDAD
EXPERIENTAL en donde ya
sabemos de resultados
conocidos para un
determinado
evento. Estos resultados nos
muestran una tendencia sobre
la ocurrencia de un próximo
resultado lo cual está
cuantificado por un margen
de probabilidad. El cálculo de
la
probabilidad experimental se
haría de la siguiente manera
del caso concreto. El ejemplo
clásico es el de la moneda en
donde sabemos antes de
lanzarla que por sus dos caras
cada opción de resultado tiene
el 50% de probabilidad de
ocurrir. Para el caso que
nos aborda aplica el
concepto de
PROBABILIDAD
EXPERIENTAL en donde ya
sabemos de resultados
conocidos para un
determinado
evento. Estos resultados nos
muestran una tendencia sobre
la ocurrencia de un próximo
resultado lo cual está
cuantificado por un margen
de probabilidad. El cálculo de
la
probabilidad experimental se
haría de la siguiente manera
del caso concreto. El ejemplo
clásico es el de la moneda en
donde sabemos antes de
lanzarla que por sus dos caras
cada opción de resultado tiene
el 50% de probabilidad de
ocurrir. Para el caso que
nos aborda aplica el
concepto de
PROBABILIDAD
EXPERIENTAL en donde ya
sabemos de resultados
conocidos para un
determinado
evento. Estos resultados nos
muestran una tendencia sobre
la ocurrencia de un próximo
resultado lo cual está
cuantificado por un margen
de probabilidad. El cálculo de
la
probabilidad experimental se
haría de la siguiente manera
del caso concreto. El ejemplo
clásico es el de la moneda en
donde sabemos antes de
lanzarla que por sus dos caras
cada opción de resultado tiene
el 50% de probabilidad de
ocurrir. Para el caso que
nos aborda aplica el
concepto de
PROBABILIDAD
EXPERIENTAL en donde ya
sabemos de resultados
conocidos para un
determinado
evento. Estos resultados nos
muestran una tendencia sobre
la ocurrencia de un próximo
resultado lo cual está
cuantificado por un margen
de probabilidad. El cálculo de
la
probabilidad experimental se
haría de la siguiente manera
lanzarla que por sus dos caras
cada opción de resultado tiene
el 50% de probabilidad de
ocurrir. Para el caso que
nos aborda aplica el
concepto de
PROBABILIDAD
EXPERIENTAL en donde ya
sabemos de resultados
conocidos para un
determinado
evento. Estos resultados nos
muestran una tendencia sobre
la ocurrencia de un próximo
resultado lo cual está
cuantificado por un margen
de probabilidad. El cálculo de
la
probabilidad experimental se
haría de la siguiente manera
Caso concreto. El ejemplo clásico es el de la moneda en donde sabemos antes de
lanzarla que por sus dos caras cada opción de resultado tiene el 50% de probabilidad de
ocurrir. Para el caso que nos aborda aplica el concepto de probabilidad
experimental en donde ya sabemos de resultados conocidos para un determinado
evento. Estos resultados nos muestran una tendencia sobre la ocurrencia de un próximo
resultado lo cual está cuantificado por un margen de probabilidad. El cálculo de la
probabilidad experimental se haría de la siguiente manera.

P Ex (X)
Utilizando esta formula para el caso propuesto tenemos que:
Realizando el conteo de casos
favorables para los parámetros
supuestos a cada una
de las sedes tenemos que de
52 semanas posibles para cada
una Kennedy no cumple
con el parámetro por lo que su
expectativa de arrojar a futuro
dicho resultado es
nula, mientras que la mayor
probabilidad la tiene
Chapinero con 42%, ya que el
resultado se dio en 22
ocasiones de sus 52 posibles
para su parámetro supuesto.
La
fórmula para Kennedy
quedaría así:
Realizando el conteo de casos
favorables para los parámetros
supuestos a cada una
de las sedes tenemos que de
52 semanas posibles para cada
una Kennedy no cumple
con el parámetro por lo que su
expectativa de arrojar a futuro
dicho resultado es
nula, mientras que la mayor
probabilidad la tiene
Chapinero con 42%, ya que el
resultado se dio en 22
ocasiones de sus 52 posibles
para su parámetro supuesto.
La
fórmula para Kennedy
quedaría así:
Realizando el conteo de casos
favorables para los parámetros
supuestos a cada una
de las sedes tenemos que de
52 semanas posibles para cada
una Kennedy no cumple
con el parámetro por lo que su
expectativa de arrojar a futuro
dicho resultado es
nula, mientras que la mayor
probabilidad la tiene
Chapinero con 42%, ya que el
resultado se dio en 22
ocasiones de sus 52 posibles
para su parámetro supuesto.
La
fórmula para Kennedy
quedaría así:
Realizando el conteo de casos
favorables para los parámetros
supuestos a cada una
de las sedes tenemos que de
52 semanas posibles para cada
una Kennedy no cumple
con el parámetro por lo que su
expectativa de arrojar a futuro
dicho resultado es
nula, mientras que la mayor
probabilidad la tiene
Chapinero con 42%, ya que el
resultado se dio en 22
ocasiones de sus 52 posibles
para su parámetro supuesto.
La
fórmula para Kennedy
quedaría así:
Realizando el conteo de casos
favorables para los parámetros
supuestos a cada una
de las sedes tenemos que de
52 semanas posibles para cada
una Kennedy no cumple
con el parámetro por lo que su
expectativa de arrojar a futuro
dicho resultado es
nula, mientras que la mayor
probabilidad la tiene
Chapinero con 42%, ya que el
resultado se dio en 22
ocasiones de sus 52 posibles
para su parámetro supuesto.
La
fórmula para Kennedy
quedaría así:
de las sedes tenemos que de
52 semanas posibles para cada
una Kennedy no cumple
con el parámetro por lo que su
expectativa de arrojar a futuro
dicho resultado es
nula, mientras que la mayor
probabilidad la tiene
Chapinero con 42%, ya que el
resultado se dio en 22
ocasiones de sus 52 posibles
para su parámetro supuesto.
La
fórmula para Kennedy
quedaría así:
Realizando el conteo de casos
favorables para los parámetros
supuestos a cada una
de las sedes tenemos que de
52 semanas posibles para cada
una Kennedy no cumple
con el parámetro por lo que su
expectativa de arrojar a futuro
dicho resultado es
nula, mientras que la mayor
probabilidad la tiene
Chapinero con 42%, ya que el
resultado se dio en 22
ocasiones de sus 52 posibles
para su parámetro supuesto.
La
fórmula para Kennedy
quedaría así:
Realizando el conteo de casos
favorables para los parámetros
supuestos a cada una
de las sedes tenemos que de
52 semanas posibles para cada
una Kennedy no cumple
con el parámetro por lo que su
expectativa de arrojar a futuro
dicho resultado es
nula, mientras que la mayor
probabilidad la tiene
Chapinero con 42%, ya que el
resultado se dio en 22
ocasiones de sus 52 posibles
para su parámetro supuesto.
La
fórmula para Kennedy
quedaría así:
Realizando el conteo de casos
favorables para los parámetros
supuestos a cada una
de las sedes tenemos que de
52 semanas posibles para cada
una Kennedy no cumple
con el parámetro por lo que su
expectativa de arrojar a futuro
dicho resultado es
nula, mientras que la mayor
probabilidad la tiene
Chapinero con 42%, ya que el
resultado se dio en 22
ocasiones de sus 52 posibles
para su parámetro supuesto.
La
fórmula para Kennedy
quedaría así:
Realizando el conteo de casos
favorables para los parámetros
supuestos a cada una
de las sedes tenemos que de
52 semanas posibles para cada
una Kennedy no cumple
con el parámetro por lo que su
expectativa de arrojar a futuro
dicho resultado es
nula, mientras que la mayor
probabilidad la tiene
Chapinero con 42%, ya que el
resultado se dio en 22
ocasiones de sus 52 posibles
para su parámetro supuesto.
La
fórmula para Kennedy
quedaría así:
Realizando el conteo de casos
favorables para los parámetros
supuestos a cada una
de las sedes tenemos que de
52 semanas posibles para cada
una Kennedy no cumple
con el parámetro por lo que su
expectativa de arrojar a futuro
dicho resultado es
nula, mientras que la mayor
probabilidad la tiene
Chapinero con 42%, ya que el
resultado se dio en 22
ocasiones de sus 52 posibles
para su parámetro supuesto.
La
fórmula para Kennedy
quedaría así:
Realizando el conteo de casos
favorables para los parámetros
supuestos a cada una
de las sedes tenemos que de
52 semanas posibles para cada
una Kennedy no cumple
con el parámetro por lo que su
expectativa de arrojar a futuro
dicho resultado es
nula, mientras que la mayor
probabilidad la tiene
Chapinero con 42%, ya que el
resultado se dio en 22
ocasiones de sus 52 posibles
para su parámetro supuesto.
La
fórmula para Kennedy
quedaría así:
de las sedes tenemos que de
52 semanas posibles para cada
una Kennedy no cumple
con el parámetro por lo que su
expectativa de arrojar a futuro
dicho resultado es
nula, mientras que la mayor
probabilidad la tiene
Chapinero con 42%, ya que el
resultado se dio en 22
ocasiones de sus 52 posibles
para su parámetro supuesto.
La
fórmula para Kennedy
quedaría as
Realizando el conteo de casos favorables para los parámetros supuestos a cada una
de las sedes tenemos que de 52 semanas posibles para cada una Kennedy no cumple
con el parámetro por lo que su expectativa de arrojar a futuro dicho resultado es
nula, mientras que la mayor probabilidad la tiene Chapinero con 42%, ya que el
resultado se dio en 22 ocasiones de sus 52 posibles para su parámetro supuesto. La
fórmula para Kennedy quedaría así:

P Ex (= 2’100 Kennedy) = = 0 probabilidad

6. Retomando los resultados encontrados para los parámetros de cada sede (registrados en
la tabla del punto anterior) aplicamos la fórmula para el parámetro propuesto para la
sede de Chapinero:

P Ex (> 1’500 Chapinero) = = 0,42 = 42% de probabilidad

siguiente:
7. Para el caso de la sede Zona
Franca aplicándole su
respectivo parámetro, tenemos
lo
siguiente:
7. Para el caso de la sede Zona
Franca aplicándole su
respectivo parámetro, tenemos
lo
siguiente:
7. Para el caso de la sede Zona
Franca aplicándole su
respectivo parámetro, tenemos
lo
siguiente:
7. Para el caso de la sede Zona
Franca aplicándole su
respectivo parámetro, tenemos
lo
siguiente:
7. Para el caso de la sede Zona
Franca aplicándole su
respectivo parámetro, tenemos
lo
siguiente:
7. Para el caso de la sede Zona
Franca aplicándole su
respectivo parámetro, tenemos
lo
siguiente:
7. Para el caso de la sede Zona
Franca aplicándole su
respectivo parámetro, tenemos
lo
siguiente:
7. Para el caso de la sede Zona
Franca aplicándole su
respectivo parámetro, tenemos
lo
siguiente:
7. Para el caso de la sede Zona
Franca aplicándole su
respectivo parámetro, tenemos
lo
siguiente:
siguiente:
7. Para el caso de la sede Zona Franca aplicándole su respectivo parámetro, tenemos lo
siguiente:

P Ex (< 2’300 Zona Franca) = = 0,40 = 40% de probabilidad

8. Finalmente calculamos la probabilidad para la sede de Teusaquillo y obtenemos lo

siguiente:
 P Ex (1’600 / 1’800 Teusaquillo) = = 0,08 = 8% de probabilidad

Referencias

https://elibro-net.ezproxy.uniminuto.edu/es/ereader/uniminuto/125705?page=1

https://elibro-net.ezproxy.uniminuto.edu/es/ereader/uniminuto/59931?page=1

https://contenidomoodle.s3.amazonaws.com/Recursos_educativos/UVCEUV051_1/
uni2_act4_Uti_sedes.xlsx

http://www.ebooks7-24.com.ezproxy.uniminuto.edu/?il=10328&pg=1

de las sedes tenemos que de

52 semanas posibles para cada
una Kennedy no cumple
con el parámetro por lo que su
expectativa de arrojar a futuro
dicho resultado es
nula, mientras que la mayor
probabilidad la tiene
Chapinero con 42%, ya que el
resultado se dio en 22
ocasiones de sus 52 posibles
para su parámetro supuesto.
La
fórmula para Kennedy
quedaría así:
Realizando el conteo de casos
favorables para los parámetros
supuestos a cada una
de las sedes tenemos que de
52 semanas posibles para cada
una Kennedy no cumple
con el parámetro por lo que su
expectativa de arrojar a futuro
dicho resultado es
nula, mientras que la mayor
probabilidad la tiene
Chapinero con 42%, ya que el
resultado se dio en 22
ocasiones de sus 52 posibles
para su parámetro supuesto.
La
fórmula para Kennedy
quedaría así:
Realizando el conteo de casos
favorables para los parámetros
supuestos a cada una
de las sedes tenemos que de
52 semanas posibles para cada
una Kennedy no cumple
con el parámetro por lo que su
expectativa de arrojar a futuro
dicho resultado es
nula, mientras que la mayor
probabilidad la tiene
Chapinero con 42%, ya que el
resultado se dio en 22
ocasiones de sus 52 posibles
para su parámetro supuesto.
La
fórmula para Kennedy
quedaría así:
Realizando el conteo de casos
favorables para los parámetros
supuestos a cada una
de las sedes tenemos que de
52 semanas posibles para cada
una Kennedy no cumple
con el parámetro por lo que su
expectativa de arrojar a futuro
dicho resultado es
nula, mientras que la mayor
probabilidad la tiene
Chapinero con 42%, ya que el
resultado se dio en 22
ocasiones de sus 52 posibles
para su parámetro supuesto.
La
fórmula para Kennedy
quedaría así:
P Ex (X)
P Ex (X)
P Ex (X)
P Ex (X)
 P Ex (X)
P Ex (X)
P Ex (X)
P Ex (X)
P Ex (X)
P Ex (X)
de la muestra y que por
supuesto se acentúan al
comparar la efectividad del
parámetro
sobre los datos totales de
la población. Podemos
concluir que esta
alteración del
parámetro se fué
principalmente la que tuvo
incidencia en las desviaciones,
ya que el
tamaño de la muestra no
cambio, el cambio fué solo
desde que semana arrancaba
la
toma de la misma.
Esta vez podemos observar
que se originaron unas
desviaciones desde la misma
toma
de la muestra y que por
supuesto se acentúan al
comparar la efectividad del
parámetro
sobre los datos totales de
la población. Podemos
concluir que esta
alteración del
parámetro se fué
principalmente la que tuvo
incidencia en las desviaciones,
ya que el
tamaño de la muestra no
cambio, el cambio fué solo
desde que semana arrancaba
la
toma de la misma.
Esta vez podemos observar
que se originaron unas
desviaciones desde la misma
toma
de la muestra y que por
supuesto se acentúan al
comparar la efectividad del
parámetro
sobre los datos totales de
la población. Podemos
concluir que esta
alteración del
parámetro se fué
principalmente la que tuvo
incidencia en las desviaciones,
ya que el
tamaño de la muestra no
cambio, el cambio fué solo
desde que semana arrancaba
la
toma de la misma.
Esta vez podemos observar
que se originaron unas
desviaciones desde la misma
toma
de la muestra y que por
supuesto se acentúan al
comparar la efectividad del
parámetro
sobre los datos totales de
la población. Podemos
concluir que esta
alteración del
parámetro se fué
principalmente la que tuvo
incidencia en las desviaciones,
ya que el
tamaño de la muestra no
cambio, el cambio fué solo
desde que semana arrancaba
la
toma de la misma.
Esta vez podemos observar
que se originaron unas
desviaciones desde la misma
toma
de la muestra y que por
supuesto se acentúan al
comparar la efectividad del
parámetro
sobre los datos totales de
la población. Podemos
concluir que esta
alteración del
parámetro se fué
principalmente la que tuvo
incidencia en las desviaciones,
ya que el
tamaño de la muestra no
cambio, el cambio fué solo
desde que semana arrancaba
la
toma de la misma.
Esta vez podemos observar
que se originaron unas
desviaciones desde la misma
toma
de la muestra y que por
supuesto se acentúan al
comparar la efectividad del
parámetro
sobre los datos totales de
la población. Podemos
concluir que esta
alteración del
parámetro se fué
principalmente la que tuvo
incidencia en las desviaciones,
ya que el
tamaño de la muestra no
cambio, el cambio fué solo
desde que semana arrancaba
la
toma de la misma.
Esta vez podemos observar
que se originaron unas
desviaciones desde la misma
toma
de la muestra y que por
supuesto se acentúan al
comparar la efectividad del
parámetro
sobre los datos totales de
la población. Podemos
concluir que esta
alteración del
parámetro se fué
principalmente la que tuvo
incidencia en las desviaciones,
ya que el
tamaño de la muestra no
cambio, el cambio fué solo
desde que semana arrancaba
la
toma de la misma.
Esta vez podemos observar
que se originaron unas
desviaciones desde la misma
toma
de la muestra y que por
supuesto se acentúan al
comparar la efectividad del
parámetro
sobre los datos totales de
la población. Podemos
concluir que esta
alteración del
parámetro se fué
principalmente la que tuvo
incidencia en las desviaciones,
ya que el
tamaño de la muestra no
cambio, el cambio fué solo
desde que semana arrancaba
la
toma de la misma.
Esta vez podemos observar
que se originaron unas
desviaciones desde la misma
toma
de la muestra y que por
supuesto se acentúan al
comparar la efectividad del
parámetro
sobre los datos totales de
la población. Podemos
concluir que esta
alteración del
parámetro se fué
principalmente la que tuvo
incidencia en las desviaciones,
ya que el
tamaño de la muestra no
cambio, el cambio fué solo
desde que semana arrancaba
la
toma de la misma.
Esta vez podemos observar
que se originaron unas
desviaciones desde la misma
toma
de la muestra y que por
supuesto se acentúan al
comparar la efectividad del
parámetro
sobre los datos totales de
la población. Podemos
concluir que esta
alteración del
parámetro se fué
principalmente la que tuvo
incidencia en las desviaciones,
ya que el
tamaño de la muestra no
cambio, el cambio fué solo
desde que semana arrancaba
la
toma de la misma.
Esta vez podemos observar
que se originaron unas
desviaciones desde la misma
toma
de la muestra y que por
supuesto se acentúan al
comparar la efectividad del
parámetro
sobre los datos totales de
la población. Podemos
concluir que esta
alteración del
parámetro se fué
principalmente la que tuvo
incidencia en las desviaciones,
ya que el
tamaño de la muestra no
cambio, el cambio fué solo
desde que semana arrancaba
la
toma de la misma.
Esta vez podemos observar
que se originaron unas
desviaciones desde la misma
toma
de la muestra y que por
supuesto se acentúan al
comparar la efectividad del
parámetro
sobre los datos totales de
la población. Podemos
concluir que esta
alteración del
parámetro se fué
principalmente la que tuvo
incidencia en las desviaciones,
ya que el
tamaño de la muestra no
cambio, el cambio fué solo
desde que semana arrancaba
la
toma de la misma.
Esta vez podemos observar
que se originaron unas
desviaciones desde la misma
toma
de la muestra y que por
supuesto se acentúan al
comparar la efectividad del
parámetro
sobre los datos totales de
la población. Podemos
concluir que esta
alteración del
parámetro se fué
principalmente la que tuvo
incidencia en las desviaciones,
ya que el
tamaño de la muestra no
cambio, el cambio fué solo
desde que semana arrancaba
la
toma de la misma.
Esta vez podemos observar
que se originaron unas
desviaciones desde la misma
toma
de la muestra y que por
supuesto se acentúan al
comparar la efectividad del
parámetro
sobre los datos totales de
la población. Podemos
concluir que esta
alteración del
parámetro se fué
principalmente la que tuvo
incidencia en las desviaciones,
ya que el
tamaño de la muestra no
cambio, el cambio fué solo
desde que semana arrancaba
la
toma de la misma.
Esta vez podemos observar
que se originaron unas
desviaciones desde la misma
toma
de la muestra y que por
supuesto se acentúan al
comparar la efectividad del
parámetro
sobre los datos totales de
la población. Podemos
concluir que esta
alteración del
parámetro se fué
principalmente la que tuvo
incidencia en las desviaciones,
ya que el
tamaño de la muestra no
cambio, el cambio fué solo
desde que semana arrancaba
la
toma de la misma.
Esta vez podemos observar
que se originaron unas
desviaciones desde la misma
toma
de la muestra y que por
supuesto se acentúan al
comparar la efectividad del
parámetro
sobre los datos totales de
la población. Podemos
concluir que esta
alteración del
parámetro se fué
principalmente la que tuvo
incidencia en las desviaciones,
ya que el
tamaño de la muestra no
cambio, el cambio fué solo
desde que semana arrancaba
la
toma de la misma.
Esta vez podemos observar
que se originaron unas
desviaciones desde la misma
toma
de la muestra y que por
supuesto se acentúan al
comparar la efectividad del
parámetro
sobre los datos totales de
la población. Podemos
concluir que esta
alteración del
parámetro se fué
principalmente la que tuvo
incidencia en las desviaciones,
ya que el
tamaño de la muestra no
cambio, el cambio fué solo
desde que semana arrancaba
la
toma de la misma.
Esta vez podemos observar
que se originaron unas
desviaciones desde la misma
toma
de la muestra y que por
supuesto se acentúan al
comparar la efectividad del
parámetro
sobre los datos totales de
la población. Podemos
concluir que esta
alteración del
parámetro se fué
principalmente la que tuvo
incidencia en las desviaciones,
ya que el
tamaño de la muestra no
cambio, el cambio fué solo
desde que semana arrancaba
la
toma de la misma.
Esta vez podemos observar
que se originaron unas
desviaciones desde la misma
toma
de la muestra y que por
supuesto se acentúan al
comparar la efectividad del
parámetro
sobre los datos totales de
la población. Podemos
concluir que esta
alteración del
parámetro se fué
principalmente la que tuvo
incidencia en las desviaciones,
ya que el
tamaño de la muestra no
cambio, el cambio fué solo
desde que semana arrancaba
la
toma de la misma.
Esta vez podemos observar
que se originaron unas
desviaciones desde la misma
toma
de la muestra y que por
supuesto se acentúan al
comparar la efectividad del
parámetro
sobre los datos totales de
la población. Podemos
concluir que esta
alteración del
parámetro se fué
principalmente la que tuvo
incidencia en las desviaciones,
ya que el
tamaño de la muestra no
cambio, el cambio fué solo
desde que semana arrancaba
la
toma de la misma.
Esta vez podemos observar
que se originaron unas
desviaciones desde la misma
toma
de la muestra y que por
supuesto se acentúan al
comparar la efectividad del
parámetro
sobre los datos totales de
la población. Podemos
concluir que esta
alteración del
parámetro se fué
principalmente la que tuvo
incidencia en las desviaciones,
ya que el
tamaño de la muestra no
cambio, el cambio fué solo
desde que semana arrancaba
la
toma de la misma.
Esta vez podemos observar
que se originaron unas
desviaciones desde la misma
toma
de la muestra y que por
supuesto se acentúan al
comparar la efectividad del
parámetro
sobre los datos totales de
la población. Podemos
concluir que esta
alteración del
parámetro se fué
principalmente la que tuvo
incidencia en las desviaciones,
ya que el
tamaño de la muestra no
cambio, el cambio fué solo
desde que semana arrancaba
la
toma de la misma.
Esta vez podemos observar
que se originaron unas
desviaciones desde la misma
toma
de la muestra y que por
supuesto se acentúan al
comparar la efectividad del
parámetro
sobre los datos totales de
la población. Podemos
concluir que esta
alteración del
parámetro se fué
principalmente la que tuvo
incidencia en las desviaciones,
ya que el
tamaño de la muestra no
cambio, el cambio fué solo
desde que semana arrancaba
la
toma de la misma.
Esta vez podemos observar
que se originaron unas
desviaciones desde la misma
toma
de la muestra y que por
supuesto se acentúan al
comparar la efectividad del
parámetro
sobre los datos totales de
la población. Podemos
concluir que esta
alteración del
parámetro se fué
principalmente la que tuvo
incidencia en las desviaciones,
ya que el
tamaño de la muestra no
cambio, el cambio fué solo
desde que semana arrancaba
la
toma de la misma.
Esta vez podemos observar
que se originaron unas
desviaciones desde la misma
toma
de la muestra y que por
supuesto se acentúan al
comparar la efectividad del
parámetro
sobre los datos totales de
la población. Podemos
concluir que esta
alteración del
parámetro se fué
principalmente la que tuvo
incidencia en las desviaciones,
ya que el
tamaño de la muestra no
cambio, el cambio fué solo
desde que semana arrancaba
la
toma de la misma
Esto nos indica que, aunque la
muestra es bastante
representativa (29% de la
población)
y por tanto debe ser más
cercana a la realidad que una
muestra más pequeña, de
todas
formas, persiste una
desviación o margen de error
que no depende del tamaño de
la
muestra, sino de la relación de
cada elemento que compone
la muestra tomada con
respecto su propio promedio.
Esto nos indica que, aunque la
muestra es bastante
representativa (29% de la
población)
y por tanto debe ser más
cercana a la realidad que una
muestra más pequeña, de
todas
formas, persiste una
desviación o margen de error
que no depende del tamaño de
la
muestra, sino de la relación de
cada elemento que compone
la muestra tomada con
respecto su propio promedio.
Esto nos indica que, aunque la
muestra es bastante
representativa (29% de la
población)
y por tanto debe ser más
cercana a la realidad que una
muestra más pequeña, de
todas
formas, persiste una
desviación o margen de error
que no depende del tamaño de
la
muestra, sino de la relación de
cada elemento que compone
la muestra tomada con
respecto su propio promedio.
Esto nos indica que, aunque la
muestra es bastante
representativa (29% de la
población)
y por tanto debe ser más
cercana a la realidad que una
muestra más pequeña, de
todas
formas, persiste una
desviación o margen de error
que no depende del tamaño de
la
muestra, sino de la relación de
cada elemento que compone
la muestra tomada con
respecto su propio prome
1’500.000 en cada sede.
4. Hagan una estimación
porcentual de las semanas que
registraron una utilidad mayor a
2’000.000 en cada sede.
5. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad igual $
2’100.000 en la sede de
Kennedy.
6. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad mayor $
1’500.000 en la sede de
Chapinero.
7. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad menor $
2’300.000 en la sede de Zona
Franca.
8. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad entre $
1’600.000 y 1’800.000 en la sede
de Teusaquillo
1’500.000 en cada sede.
4. Hagan una estimación
porcentual de las semanas que
registraron una utilidad mayor a
2’000.000 en cada sede.
5. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad igual $
2’100.000 en la sede de
Kennedy.
6. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad mayor $
1’500.000 en la sede de
Chapinero.
7. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad menor $
2’300.000 en la sede de Zona
Franca.
8. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad entre $
1’600.000 y 1’800.000 en la sede
de Teusaquillo
3. Hagan una estimación
porcentual de las semanas que
registraron una utilidad mayor a
1’500.000 en cada sede.
4. Hagan una estimación
porcentual de las semanas que
registraron una utilidad mayor a
2’000.000 en cada sede.
5. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad igual $
2’100.000 en la sede de
Kennedy.
6. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad mayor $
1’500.000 en la sede de
Chapinero.
7. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad menor $
2’300.000 en la sede de Zona
Franca.
8. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad entre $
1’600.000 y 1’800.000 en la sede
de Teusaquillo
3. Hagan una estimación
porcentual de las semanas que
registraron una utilidad mayor a
1’500.000 en cada sede.
4. Hagan una estimación
porcentual de las semanas que
registraron una utilidad mayor a
2’000.000 en cada sede.
5. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad igual $
2’100.000 en la sede de
Kennedy.
6. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad mayor $
1’500.000 en la sede de
Chapinero.
7. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad menor $
2’300.000 en la sede de Zona
Franca.
8. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad entre $
1’600.000 y 1’800.000 en la sede
de Teusaquillo
3. Hagan una estimación
porcentual de las semanas que
registraron una utilidad mayor a
1’500.000 en cada sede.
4. Hagan una estimación
porcentual de las semanas que
registraron una utilidad mayor a
2’000.000 en cada sede.
5. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad igual $
2’100.000 en la sede de
Kennedy.
6. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad mayor $
1’500.000 en la sede de
Chapinero.
7. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad menor $
2’300.000 en la sede de Zona
Franca.
8. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad entre $
1’600.000 y 1’800.000 en la sede
de Teusaquillo
3. Hagan una estimación
porcentual de las semanas que
registraron una utilidad mayor a
1’500.000 en cada sede.
4. Hagan una estimación
porcentual de las semanas que
registraron una utilidad mayor a
2’000.000 en cada sede.
5. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad igual $
2’100.000 en la sede de
Kennedy.
6. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad mayor $
1’500.000 en la sede de
Chapinero.
7. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad menor $
2’300.000 en la sede de Zona
Franca.
8. Calcule la probabilidad de que
en la semana 53 se registre un
valor de utilidad entre $
1’600.000 y 1’800.000 en la sede
de Te