Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ÍNDICE ............................................................................................................................... II
CAJUN..................................................................................................................... VII
Formule una hipótesis pertinente con los datos obtenidos a cada local considerando dos
escenarios, el primero con un nivel de confianza del 95% y el otro defina el equipo para el
II
Tiempo promedio de Atención de un día especifico entre Empresa 1 vs Empresa 2.
............................................................................................................................................ XIII
Tiempo promedio de Atención de una jornada entre Empresa 1 vs Empresa 2. .... XIV
ETAPA 4: .....................................................................................................................XV
Seleccione otra empresa de comida rápida y obtenga los datos para efectuar un análisis
ANOVA completo con los datos obtenidos de las tres empresas. ............................................XV
En esta última etapa sobre un solo negocio de comida rápida se va a encuestar mínimo
30 personas considerando como variable Y el valor total, de compra u otra variable que
definan, así mismo determinar las variables ''X'' definidas por el equipo considerando mínimo
III
INTRODUCCIÓN A LA PRACTICA
Como es de conocer, dentro de los modelos probabilísticos, se realizan estudio de área dentro de
su respectivo tema, en donde mediremos ciertas características las cuales serán claves para
desear el caso.
Por ende, nos hemos visto inmiscuidos dentro del área de estudio referente a la calidad, en donde
usaremos varios temas y métodos los cuales nos serán de utilidad, claro sin dejar de lado la
herramienta principal que se usara que es el software “Minitab”. Elementos los cuales, nos
datos que personalmente los integrantes del grupo han registrado con cronometro en mano. Todo
con el fin de proyectar los resultados más factibles y reales que se podrían obtener.
Como es me mencionar, hemos optado por el estudio de calidad, tema del cual se observa
usualmente la atención al cliente, algo fácil y sencillo a los ojos de un simple usuario. Pero a los
de un analista, estos vienen a ser más increpantes, donde, tomando correctamente los datos y luego
Locales de comida rápida, que como se conocen, existe una variedad dentro de lo que respecta la
ciudad, para ser más concretos Guayaquil y la ciudad de Milagro. Dentro de estas áreas, hemos
IV
Una breve vista a la cadena de comida rápida Cajun
Cadena de comida rápida que cuenta con un numero variado de sucursales dentro de Ecuador,
muchos de los cuales se ubicaran centralmente uno en Quito y otro en Guayaquil, donde si nos
enfocamos en el área de Guayaquil, este contara con puestos estratégicos dentro de la misma
Este se enfoca tal como menciona en su página web y redes sociales oficiales, en “La variedad de
Lugar donde se podrá encontrar con una variedad de platillos, en donde ellos mismos enfocan y
detallan, estos son “Exóticos y especiales”. Podremos encontrar que su nivel de atención, a un
punto de vista de un usuario regular, se refieren a estos como determinados, los cuales van
dependiendo desde recetas “Pesadas” y recetas “Livianas”. Los cuales se separan por el tipo de
Donde las recetas “Livianas” están enfocados a una preparación rápida y en el instante, dado que
sus condimentos y porciones están ubicados y ya preparados en el comedor, alado del área de
atención.
Aunque como ya sabemos, es una cadena de comida rápida, este tiene sus “Excepciones” que más
allá de una demora, es la especialidad de este, dado que al solicitar un platillo “Pesado” estos
tendrán la capacidad para producir la petición al instante con los ingredientes recién preparados y
condimentados. Ofreciendo así una mayor calidad en sus platillos, más aún, este también se vuelve
un determinante a causa del aumento del tiempo en el cumplimiento del pedido (Facebook, 2018).
V
Una breve vista a la cadena de comida rápida Naturissimo
Cadena de comida rápida el cual cuenta con una variedad de locales y sucursales por todo el
Ecuador, los cuales se ubican de forma estratégica en centros comerciales (malls), centralizados
Directamente de su página web, estos se refieren a sí mismos como “Una cadena de locales de
comida rápida natural más grande del país. Dedicando su servicio a seleccionar las mejores frutas
e ingredientes 100% naturales, para servirlos frescos y recién preparados” (Deregemcia, 2018).
Muchos de estos locales, se centralizan en la tan especial receta llamada “Pan de yuca”, claro que
este no solo se enfoca en dicho alimento, también ofrece otros servicios de comida rápida
comestible como perros calientes y sándwiches. Mas aun, estos se especializan por la tan inusual
mezcla de sabores, el cual proviene del ya mencionado pan de yuca, y ahora junto con el granizado
agradables.
Aunque se observe como estos locales de comida rápida se especializan en su atención, estos no
salen del foco de este, dado que, al tener los alimentos preparados, hacen que la atención se ofrezca
VI
LISTA DE MATERIALES Y RECURSOS
• Cronómetro.
• Laptop
• Software Minitab 19
• Software Excel
ETAPA 1
descripción.
CAJUN
bourbon. Fue fundado en 2023 por dos chefs ecuatorianos, Andrés Arrata y Sebastián Rodríguez,
tiene dos sucursales en Ecuador: una en Quito y otra en Guayaquil. El restaurante también ofrece
NATURISSIMO
Cruz Yépez. Ambas mujeres comenzaron el negocio en 1977, en el garaje de la casa de la familia
Dalmau en Guayaquil.
VII
El negocio rápidamente se hizo popular, y en 1982 se inauguró el primer local fuera de
ETAPA 2:
Diseñar Hoja para registrados los datos considerando las siguientes variables:
Negocio (2), Día (5 días), Turno o Jornada (Aplicar 2 según horario) y Tiempo de Servicio
por cliente (Minutos). Es importante en una semana obtener una muestra de 100 (mínima),
significa por negocio 10 clientes por día considerando 5 por turno. Consulte al dueño o
Formule una hipótesis pertinente con los datos obtenidos a cada local considerando
dos escenarios, el primero con un nivel de confianza del 95% y el otro defina el equipo para
el respectivo análisis.
No
CAJUN
El supervisor del local nos informó que el tiempo de espera promedio para atención al
𝑯𝟎 : 𝝁 = 𝟏𝟎
𝑯𝒂 : 𝝁 ≠ 𝟏𝟎
VIII
Ho = el tiempo esperado por atención al cliente es igual a 10 min.
Estadísticas descriptivas
Error
estándar IC de 95%
N Media Desv.Est.
de la para μ
media
50 5,800 1,063 0,150 (5,506; 6,095)
μ: media de TS CAJUN
Desviación estándar conocida = 1,063
Prueba
Hipótesis nula H₀: μ = 10
Hipótesis alterna H₁: μ ≠ 10
Valor Z Valor p
-27,94 0,000
Basándonos en nuestro p_value de 0,000, con un nivel de significancia del 0,05, podemos
rechazar la hipótesis nula de que el tiempo esperado por atención al cliente es igual a 10 minutos.
Por lo tanto, aceptamos la hipótesis alterna de que el tiempo esperado es diferente de 10 minutos.
NATURISSIMO
El supervisor nos informó que el tiempo de espera promedio para los clientes es de 5
minutos. Sin embargo, es importante tener en cuenta que los tiempos pueden variar cuando el local
está lleno. El estudio se realizó cuando el local tenía un flujo de clientes regular, en base a los datos
𝑯𝟎 : 𝝁 = 𝟓
𝑯𝒂 : 𝝁 ≠ 𝟓
IX
Estadísticas descriptivas
Error
estándar IC de 95%
N Media Desv.Est.
de la para μ
media
50 3,403 1,385 0,196 (3,020; 3,787)
μ: media de TS NATURISSIMO
Desviación estándar conocida = 1,385
Prueba
Hipótesis nula H₀: μ = 5
Hipótesis alterna H₁: μ ≠ 5
Valor Z Valor p
-8,15 0,000
nula de que el tiempo de espera promedio para atención al cliente es de 5 minutos. Por lo tanto,
CAJUN
Nuestras hipótesis siguen siendo iguales, pero cambia nuestro nivel de confianza, así que
𝑯𝟎 : 𝝁 = 𝟏𝟎
𝑯𝒂 : 𝝁 ≠ 𝟏𝟎
Estadísticas descriptivas
Error
estándar IC de 98%
N Media Desv.Est.
de la para μ
media
50 5,800 1,063 0,150 (5,450; 6,150)
μ: media de TS CAJUN
Desviación estándar conocida = 1,063
X
Prueba
Hipótesis nula H₀: μ = 10
Hipótesis alterna H₁: μ ≠ 10
Valor Z Valor p
-27,94 0,000
Con un p_value de 0,000, que es menor que el nivel de significancia de 0,02, rechazamos
la hipótesis nula de que el tiempo esperado por atención al cliente es igual a 10 minutos. Por lo
10 minutos.
NATURISSIMO
𝑯𝟎 : 𝝁 = 𝟓
𝑯𝒂 : 𝝁 ≠ 𝟓
Estadísticas descriptivas
Error
estándar IC de 98%
N Media Desv.Est.
de la para μ
media
50 3,403 1,385 0,196 (2,948; 3,859)
μ: media de TS NATURISSIMO
Desviación estándar conocida = 1,385
Prueba
Hipótesis nula H₀: μ = 5
Hipótesis alterna H₁: μ ≠ 5
Valor Z Valor p
-8,15 0,000
Con un nivel de significancia de 0,02, el p-valor de 0,000 sigue siendo menor que el nivel
de significancia, por lo que se rechaza la hipótesis nula. Por lo tanto, podemos concluir que el
XI
ETAPA 3:
𝑯𝟎 : 𝝁 𝟏 − 𝝁 𝟐 = 𝟎
𝑯𝒂 : 𝝁 𝟏 − 𝝁 𝟐 ≠ 𝟎
Estadísticas descriptivas
Error
estándar
Muestra N Media Desv.Est.
de la
media
TS CAJUN 50 5,80 1,06 0,15
TS NATURISSIMO 50 3,40 1,38 0,20
Estimación de la diferencia
IC de 95%
Desv.Est.
Diferencia para la
agrupada
diferencia
2,397 1,234 (1,907; 2,887)
Prueba
Hipótesis nula H₀: μ₁ - µ₂ = 0
Hipótesis alterna H₁: μ₁ - µ₂ ≠ 0
Valor T GL Valor p
9,71 98 0,000
Luego de realizar el análisis estadístico en Minitab, obtenemos que el valor p es menor que
el nivel de significancia de 0,05. Por lo tanto, rechazamos la hipótesis nula de que los tiempos
Esto significa que existe una diferencia significativa entre los tiempos promedio de
atención de los dos negocios. Para determinar cuál negocio tiene un tiempo promedio de atención
XII
Local Media
TS CAJUN 5,80
TS NATURISSIMO 3,40
Como podemos ver el negocio con mayor tiempo promedio de atención es Cajun y
𝑯𝟎 : 𝝁 𝟏 − 𝝁 𝟐 = 𝟎
𝑯𝒂 : 𝝁 𝟏 − 𝝁 𝟐 ≠ 𝟎
Estadísticas descriptivas
Error
estándar
Muestra N Media Desv.Est.
de la
media
TS CAJUN(JUEVES) 10 5,76 1,22 0,39
TS NATURISSIMO(JUEVES) 10 3,05 1,33 0,42
Estimación de la diferencia
IC de 95%
Desv.Est.
Diferencia para la
agrupada
diferencia
2,713 1,277 (1,513; 3,913)
Prueba
Hipótesis nula H₀: μ₁ - µ₂ = 0
Hipótesis alterna H₁: μ₁ - µ₂ ≠ 0
Valor T GL Valor p
4,75 18 0,000
que el nivel de significancia de 0,05. Por lo tanto, rechazamos la hipótesis nula y aceptamos la
hipótesis alternativa, definiendo que el tiempo promedio de atención de los jueves en al menos uno
XIII
de los dos negocios es mayor que la otra. Si deseamos identificar exactamente cuál de los dos
negocios estudiados tiene el tiempo promedio de atención los jueves, mayor y menor, tendremos
Local Media
TS CAJUN(JUEVES) 5,76
TS NATURISSIMO(JUEVES) 3,05
Cajun tiene el mayor tiempo promedio de atención los jueves, con un promedio de 5,76
minutos. Naturissimo, por su parte, tiene el menor tiempo promedio de atención, con un promedio
de 3,05 minutos. Esto significa que los clientes de Cajun tienen que esperar 2 minutos más que los
𝑯𝟎 : 𝝁 𝟏 − 𝝁 𝟐 = 𝟎
𝑯𝒂 : 𝝁 𝟏 − 𝝁 𝟐 ≠ 𝟎
empresas.
Estadísticas descriptivas
Error
estándar
Muestra N Media Desv.Est.
de la
media
TS CAJUN (JORNADA M) 25 5,54 1,03 0,21
TS NATURISSIMO (JORNADA M) 25 3,14 1,48 0,30
Estimación de la diferencia
IC de 95%
Desv.Est.
Diferencia para la
agrupada
diferencia
2,400 1,278 (1,673; 3,126)
XIV
Prueba
Hipótesis nula H₀: μ₁ - µ₂ = 0
Hipótesis alterna H₁: μ₁ - µ₂ ≠ 0
Valor T GL Valor p
6,64 48 0,000
Después de realizar los cálculos en Minitab, obtenemos que el valor de P es menor que el
Esto indica que, al menos en uno de los dos negocios, el tiempo promedio de atención en la jornada
matutina es mayor que en el otro. Para precisar cuál de los dos negocios estudiados tiene el mayor
y menor tiempo promedio de atención durante la jornada matutina, debemos examinar las medias
obtenidas en ambos, lo que nos lleva a lo siguiente: (Minitab, Interpretar los resultados clave para
t de 2 muestra, 2023)
Local Media
TS CAJUN (JORNADA M) 5,54
TS NATURISSIMO (JORNADA M) 3,14
Cajun lidera con el mayor promedio de atención durante la jornada matutina, registrando
un total de 5.54 minutos, en comparación con los 3.14 minutos de Naturissimo. Estos datos nos
llevan a la conclusión de que Cajun supera a Naturissimo en los tres análisis realizados, lo que
sugiere que en la comparativa entre Cajun y Naturissimo, es este último el que se destaca por
ofrecer tiempos promedio de atención más eficientes, ya que requiere menos tiempo para atender
a los clientes.
ETAPA 4:
Seleccione otra empresa de comida rápida y obtenga los datos para efectuar un
análisis ANOVA completo con los datos obtenidos de las tres empresas.
Las tres empresas que se analizaran son Cajun, Naturissimo y KFC, los datos obtenidos
son de 5 días.
XV
Información del factor Medias
Factor Niveles Valores Factor N Media Desv.Est. IC de 95%
Factor 3 TS CAJUN; TS NATURISSIMO; TS KFC TS CAJUN 50 5,800 1,063 (5,506; 6,094)
TS NATURISSIMO 50 3,403 1,385 (3,109; 3,698)
TS KFC 50 3,6280 0,5249 (3,3339; 3,9221)
Análisis de Varianza
Desv.Est. agrupada = 1,05234
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Factor 2 175,2 87,613 79,11 0,000
Comparaciones en parejas de Tukey
Error 147 162,8 1,107
Total 149 338,0 Agrupar información utilizando el método de Tukey y
una confianza de 95%
Resumen del modelo Factor N Media Agrupación
TS CAJUN 50 5,800 A
R-cuad. R-cuad.
S R-cuad. TS KFC 50 3,6280 B
(ajustado) (pred)
TS NATURISSIMO 50 3,403 B
1,05234 51,84% 51,18% 49,85%
Las medias que no comparten una letra son significativamente diferentes.
XVI
Tras realizar el análisis de ANOVA y revisar las tablas de comparaciones de Tukey, es
posible discernir patrones y tendencias en los datos. La empresa Naturissimo destaca con una
media de 3.403, lo que la posiciona como el local con el tiempo de atención al cliente más reducido.
Por otro lado, Cajun se destaca como el local con el tiempo de atención más prolongado, con una
media de 5.8. (Minitab, Ingresar los datos para la ANOVA de un solo factor, 2023)
ETAPA 5:
En esta última etapa sobre un solo negocio de comida rápida se va a encuestar mínimo 30
personas considerando como variable Y el valor total, de compra u otra variable que definan,
así mismo determinar las variables ''X'' definidas por el equipo considerando mínimo 4
Ecuación de regresión
Total Compra = -4,36 + 0,104 Edad + 3,00 Freq. de visita + 3,49 Jornada + 2,89 Acompañado
+ 3,67 N. Pedidos + 2,59 Atencion
❖ Por cada año adicional en la “Edad”, se espera que el “Total Compra” aumente en 0.104
unidades.
❖ Indica que por cada incremento unitario en la “Freq. de visita”, se espera que el “Total Compra”
❖ Sugiere que por cada incremento unitario en la “Jornada”, se espera que el “Total Compra”
❖ Significa que si el cliente está “Acompañado”, se espera que el “Total Compra” aumente en
2.89 unidades.
XVII
❖ Indica que por cada pedido adicional (“N. Pedidos”), se espera que el “Total Compra” aumente
en 3.67 unidades.
❖ Sugiere que por cada incremento unitario en la “atención”, se espera que el “Total Compra”
Coeficientes
EE del
Término Coef Valor T Valor p FIV
coef.
Constante -4,36 5,62 -0,78 0,446
Edad 0,104 0,226 0,46 0,649 1,14
Freq. de visita 3,00 1,87 1,61 0,122 1,99
Jornada 3,49 2,71 1,29 0,211 1,63
Acompañado 2,89 2,13 1,36 0,188 1,42
N. Pedidos 3,67 1,30 2,83 0,010 2,57
Atencion 2,59 2,61 0,99 0,332 1,75
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 6 842,70 140,450 7,49 0,000
Edad 1 4,00 3,997 0,21 0,649
Freq. de visita 1 48,33 48,335 2,58 0,122
Jornada 1 31,06 31,058 1,66 0,211
Acompañado 1 34,57 34,575 1,84 0,188
N. Pedidos 1 150,10 150,096 8,00 0,010
Atencion 1 18,46 18,459 0,98 0,332
Error 23 431,47 18,759
Falta de ajuste 19 343,97 18,104 0,83 0,660
Error puro 4 87,50 21,875
Total 29 1274,17
Residuo grande R
X poco común X
XVIII
Para saber si las variables son significativas para mis modelos plantearemos lo siguiente:
El valor p de cada término se utiliza para testear la hipótesis nula de que el coeficiente es
nulo (sin efecto). Un valor p bajo (< 0,05) indica la posibilidad de rechazar la hipótesis nula. En
otras palabras, cuando el valor p es bajo, es probable que un predictor sea una valiosa adición al
modelo, ya que los cambios en dicho predictor se correlacionan con cambios en la variable de
respuesta. Por otro lado, un valor p más alto (no significativo) sugiere que los cambios en el
predictor no guardan relación con cambios en la respuesta. (Minitab, ¿Cómo Interpretar los Valores
Fuente Valor p
Regresión 0,000
Edad 0,649
Freq. de visita 0,122
Jornada 0,211
Acompañado 0,188
N. Pedidos 0,010
Atención 0,332
Como podemos ver la única variable significativa para el modelo es el Numero de pedidos,
XIX
Graficas de residuos.
Grafica de probabilidad normal: Dado que el valor de P<0.05 el cual es 0,107, en donde
se observa que existe suficiente evidencia estadística para no rechazar Ho, por tal motivo podemos
indicar que la distribución de los residuos es normal y se puede concluir que cumple el primer
supuesto.
Gauss, dando como resultado un histograma con tendencias centralizadas a la izquierda, generando
Residuos vs ajustes: Se confirma que no es constante, más aún representa una tendencia
negativa en los datos, generando un proceso en el cual a medida que disminuyen los residuos, los
horizontal y=0, demostrando que no siguen un patrón de tendencia, por tal motivo se puede
Ecuación de regresión
Total Compra = 1,26 + 5,035 N. Pedidos
Según esta ecuación, por cada pedido adicional(x), el total de compra(y) aumentará en
Coeficientes
EE del
Término Coef Valor T Valor p FIV
coef.
Constante 1,26 1,91 0,66 0,515
N. Pedidos 5,035 0,825 6,10 0,000 1,00
XX
Resumen del modelo
R-cuad. R-cuad.
S R-cuad.
(ajustado) (pred)
4,41843 57,10% 55,57% 52,59%
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Regresión 1 727,53 727,53 37,27 0,000
N. Pedidos 1 727,53 727,53 37,27 0,000
Error 28 546,63 19,52
Falta de ajuste 4 42,47 10,62 0,51 0,732
Error puro 24 504,17 21,01
Total 29 1274,17
Residuo grande R
X poco común X
Correlaciones
Total
Compra
N. Pedidos 0,756
Un r = 0.756 sugiere una relación positiva moderada a fuerte entre total de compra y Número de
pedidos. Esto significa que a medida que aumenta el total de compra, también tiende a aumentar
XXI
Tenemos un R cuadrado de 57,10% esto significa que aproximadamente el 57,10% de la
Predicción.
Configuración
Valor de
Variable
configuración
N. Pedidos 4
Predicción
EE de
Ajuste IC de 95% IP de 95%
ajuste
21,3995 1,76249 (17,7892; 25,0098) (11,6553; 31,1438)
ENLACE AL DRIVE:
https://drive.google.com/drive/folders/1q0YKfF1F2CvuTeK_oKfQ5zRilDe-
sALW?usp=sharing
XXII
CONCLUSIÓN Y RECOMENDACIONES
servicio rápido y eficiente, escuchar a los clientes y ajustar las operaciones en función de sus
necesidades. Sin embargo, son aplicables no solo a las empresas mencionadas, sino también a la
industria de comida rápida en general. La recopilación y análisis de datos son herramientas valiosas
constante de los tiempos de atención y realizar encuestas para entender mejor las preferencias y
proporcionar una explicación más completa de los factores que influyen en el total de compras.
Por lo tanto, se recomienda explorar otras variables que puedan afectar las decisiones de compra
de los clientes.
Es importante recordar que los datos y resultados son específicos a las empresas analizadas
en este estudio, y es posible que los hallazgos no sean aplicables a todas las empresas de comida
rápida. Por lo tanto, se recomienda realizar análisis similares en otras empresas para obtener una
XXIII
BIBLIOGRAFÍA
Cajun. (04 de 09 de 2018). Conoce sobre nosotros: Cajun. Obtenido de Cajun: https://cajun.ec/
http://degeremcia.com/nuestras-marcas/naturissimo/
https://www.facebook.com/CajunEC?locale=es_LA
Fallas, J. (2012). Analisis de varianza comparado tres o mas medias. España: Treta.
Minitab. (15 de 10 de 2023). ¿Cómo Interpretar los Valores P en el Análisis de Regresión Lineal?
analisis-de-regresion-valores-p-y-
coeficientes#:~:text=%C2%BFC%C3%B3mo%20Interpretar%20los%20Valores%20P,pu
ede%20rechazar%20la%20hip%C3%B3tesis%20nula.
Minitab. (10 de 10 de 2023). Ingresar los datos para la ANOVA de un solo factor. Obtenido de
to/statistical-modeling/anova/supporting-topics/basics/perform-a-two-way-anova/
Minitab. (10 de 10 de 2023). Interpretar los resultados clave para t de 2 muestra. Obtenido de
to/statistics/basic-statistics/how-to/2-sample-t/interpret-the-results/key-results/
Minitab. (10 de 10 de 2023). Interpretar los resultados clave para Z de 1 muestra. Obtenido de
to/statistics/basic-statistics/how-to/1-sample-z/interpret-the-results/key-results/
XXIV
OpenStax. (26 de 05 de 2020). Introduccion a la Estadistica Empresarial: La ecuación de
estad%C3%ADstica-empresarial/pages/13-4-la-ecuacion-de-regresion
Ortega, C. (28 de 03 de 2022). Estadística descriptiva: Qué es, objetivo, tipos y ejemplos. Obtenido
de QuestionPro: https://www.questionpro.com/blog/es/estadistica-descriptiva/
Predik. (23 de 10 de 2022). Modelos Predictivos: Tipos, Beneficios y Ejemplos (Guía Completa).
los-modelos-
predictivos/#:~:text=Los%20modelos%20predictivos%20son%20una,internos%20(hist%
C3%B3ricos%20y%20actuales).
XXV
ANEXOS
XXVI