TEMA PRINCIPAL

Integrantes: Alexander Daniel Yépez Nieto

Ney Noe Izquierdo Cabrera
Jordy Rolando Granizo Ortega
Trabajo Experimental 1

Cajamarca Largo Christian Adrián

Ramirez Ayala Julio Alfredo
Terán Escalante Jesús Ezequiel
Docente: Ing. Avilés Noles Manuel Andres

NIVEL: 6to Semestre

 ÍNDICE

ÍNDICE ............................................................................................................................... II

INTRODUCCIÓN A LA PRACTICA .............................................................................. IV

Una breve vista a la cadena de comida rápida Cajun......................................................... V

Una breve vista a la cadena de comida rápida Naturissimo.............................................. VI

LISTA DE MATERIALES Y RECURSOS ................................................................. VII

ETAPA 1....................................................................................................................... VII

Seleccionar dos empresas de comida rápida con el equipo detallando su respectiva

descripción. .......................................................................................................................... VII

CAJUN..................................................................................................................... VII

NATURISSIMO ....................................................................................................... VII

ETAPA 2: ................................................................................................................... VIII

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. ................................................................................................................. VIII

NIVEL DE CONFIANZA 95% ............................................................................ VIII

NIVEL DE CONFIANZA PROPORCIONADO POR EL EQUIPO (NC = 98%) ... X

ETAPA 3: ..................................................................................................................... XII

Realice un análisis comparativo de medias considerando: .......................................... XII

Tiempo promedio de Atención entre Empresa 1 vs Empresa 2. .............................. XII

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

ETAPA 5: .................................................................................................................. XVII

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 variables, para hacer un análisis de Regresión completo. .............................................. XVII

Modelo de regresión completo.............................................................................. XVII

Ajustamos Nuestro Modelo: ....................................................................................XX

Predicción. ............................................................................................................ XXII

CONCLUSIÓN Y RECOMENDACIONES ...............................................................XXIII

BIBLIOGRAFÍA ........................................................................................................ XXIV

ANEXOS .................................................................................................................... XXVI

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

observar el interior inobservable de un lugar de trabajo o de una misma empresa si se llegase a

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

ayudaran en el descubrimiento y análisis de los estudios que realizaremos a partir de la toma de

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

analizándolos, podremos ver si realmente la atención al cliente que usualmente se considera

favorable, es realmente favorable a niveles de calidad.

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

tendido nuestro foco de atención a los locales llamados “Cajun” y “Naturissimo”.

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

ciudad y en los terminales, tanto terrestres y aéreos.

Este se enfoca tal como menciona en su página web y redes sociales oficiales, en “La variedad de

sabores y especias que se fusionan en su comida exótica” (Cajun, 2018).

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

organización y producción de este.

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 al cliente, haciendo de este un determinante a la hora de tomar el tiempo de dicha

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

en la ciudad, en los aeropuertos y terminales.

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

de yogurt, el cual forma parte de su acompañamiento si es de desear una calidad de sabores

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

en un determinado tiempo mucho menor al que ya se es presenciable.

VI
 LISTA DE MATERIALES Y RECURSOS

• Cronómetro.

• Laptop

• Hoja para registrar Datos.

• Software Minitab 19

• Software Excel

ETAPA 1

Seleccionar dos empresas de comida rápida con el equipo detallando su respectiva

descripción.

CAJUN

Cajun Ecuador es un restaurante de comida exótica que se especializa en el sabor del

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

servicio a domicilio en todo el país.

NATURISSIMO

Los fundadores de Naturissimo Ecuador son Keyla Rivadeneira de Dalmau y su abuela,

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

Guayaquil. En la actualidad, Naturissimo cuenta con más de 70 locales en todo el Ecuador, y es

una de las cadenas de comida rápida más exitosas del país.

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

supervisor del local el tiempo esperado por atención al cliente

Hoja para registrar los datos se encuentra en el Excel anexado en el Drive.

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.

NIVEL DE CONFIANZA 95%

Valor 𝑷 < 𝜶 Si Rechazo la Ho, selecciono la Ha.

No

No Rechazo la Ho, Acepto Ho.

CAJUN

El supervisor del local nos informó que el tiempo de espera promedio para atención al

cliente es de aproximadamente 10 minutos. Con este dato, formulamos nuestras hipótesis.

𝑯𝟎 : 𝝁 = 𝟏𝟎

𝑯𝒂 : 𝝁 ≠ 𝟏𝟎

VIII
 Ho = el tiempo esperado por atención al cliente es igual a 10 min.

Ha = el tiempo esperado por atención al cliente es diferente 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.

(Minitab, Interpretar los resultados clave para Z de 1 muestra, 2023)

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

proporcionado procederemos a formular las hipótesis.

𝑯𝟎 : 𝝁 = 𝟓

𝑯𝒂 : 𝝁 ≠ 𝟓

Ho = El tiempo promedio de espera por atención al cliente es de 5 minutos.

Ha = El tiempo promedio de espera por atención al cliente es diferente de 5 minutos.

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

Con un p-valor de 0,000 y un nivel de significancia de 0,05, podemos rechazar la hipótesis

nula de que el tiempo de espera promedio para atención al cliente es de 5 minutos. Por lo tanto,

aceptamos la hipótesis alterna de que el tiempo de espera promedio es diferente de 5 minutos.

NIVEL DE CONFIANZA PROPORCIONADO POR EL EQUIPO (NC = 98%)

CAJUN

Nuestras hipótesis siguen siendo iguales, pero cambia nuestro nivel de confianza, así que

nuestro nuevo nivel de significancia es de 0,02 o 2%.

𝑯𝟎 : 𝝁 = 𝟏𝟎

𝑯𝒂 : 𝝁 ≠ 𝟏𝟎

Ho = el tiempo esperado por atención al cliente es igual a 10 min.

Ha = el tiempo esperado por atención al cliente es diferente a 10 min.

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

tanto, aceptamos la hipótesis alterna de que el tiempo esperado es significativamente diferente de

10 minutos.

NATURISSIMO

𝑯𝟎 : 𝝁 = 𝟓

𝑯𝒂 : 𝝁 ≠ 𝟓

Ho = El tiempo promedio de espera por atención al cliente es de 5 minutos.

Ha = El tiempo promedio de espera por atención al cliente es diferente de 5 minutos.

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

tiempo de espera promedio es diferente de 5 minutos.

XI
 ETAPA 3:

Realice un análisis comparativo de medias considerando:

Tiempo promedio de Atención entre Empresa 1 vs Empresa 2.

𝑯𝟎 : 𝝁 𝟏 − 𝝁 𝟐 = 𝟎

𝑯𝒂 : 𝝁 𝟏 − 𝝁 𝟐 ≠ 𝟎

Ho = El tiempo promedio de atención es igual en las dos Empresas.

Ha = El tiempo promedio de atención es diferente en las dos Empresas.

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

promedio de atención de los dos negocios son iguales.

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

mayor, debemos comparar las medias obtenidas en cada negocio.

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

Naturissimo el que tiene menor tiempo promedio de atención.

Tiempo promedio de Atención de un día especifico entre Empresa 1 vs Empresa 2.

El día que se eligió fue el jueves

𝑯𝟎 : 𝝁 𝟏 − 𝝁 𝟐 = 𝟎

𝑯𝒂 : 𝝁 𝟏 − 𝝁 𝟐 ≠ 𝟎

Ho = El tiempo promedio de atención los jueves es igual en las dos empresas.

Ha = El tiempo promedio de atención los jueves es diferente en las dos empresas.

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

Luego de realizar el respectivo cálculo en Minitab, obtenemos que el valor de P es menor

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

que fijarnos en las medias obtenidas en ambas, dando lo siguiente:

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

clientes de Naturissimo para recibir su pedido.

Tiempo promedio de Atención de una jornada entre Empresa 1 vs Empresa 2.

La jornada seleccionada fue la jornada matutina

𝑯𝟎 : 𝝁 𝟏 − 𝝁 𝟐 = 𝟎

𝑯𝒂 : 𝝁 𝟏 − 𝝁 𝟐 ≠ 𝟎

Ho = El tiempo promedio de atención en la jornada matutina es igual en las dos empresas.

Ha = El tiempo promedio de atención en la jornada matutina es diferente en las dos

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

nivel de significancia de 0,05. Rechazamos la hipótesis nula y se acepta la hipótesis alternativa.

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

variables, para hacer un análisis de Regresión completo.

Las encuestas fueron realizadas mediante Google Formulario

Modelo de regresión completo

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”

aumente en 3.00 unidades.

❖ Sugiere que por cada incremento unitario en la “Jornada”, se espera que el “Total Compra”

aumente en 3.49 unidades.

❖ 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”

aumente en 2.59 unidades.

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

Resumen del modelo

R-cuad. R-cuad.
S R-cuad.
(ajustado) (pred)
4,33122 66,14% 57,30% 39,39%

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

Ajustes y diagnósticos para observaciones poco comunes

Total Resid
Obs Ajuste Resid
Compra est.
6 20,00 11,65 8,35 2,01 R
7 25,00 14,44 10,56 2,73 R
21 25,00 26,35 -1,35 -0,63 X

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

P en el Análisis de Regresión Lineal?, 2023)

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,

lo cual el diagrama de Pareto también me afirma sobre la variable.

El coeficiente de determinación (R-cuadrado) es de 66.14%, lo que significa que el modelo

explica aproximadamente el 66.14% de la variabilidad en los datos.

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.

Histograma: Se observan una ordenación de datos variada generando una campana de

Gauss, dando como resultado un histograma con tendencias centralizadas a la izquierda, generando

una cola al mismo sentido con tendencias de datos anormales a la derecha.

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

valores ajustados aumentan, como también cumplen el supuesto de normalidad, aunque no es

constante, se hipotetiza que sigue un patrón, cumpliendo así los supuestos.

Residuos vs orden: Se verifica que parece fluctuar aleatoriamente alrededor de la línea

horizontal y=0, demostrando que no siguen un patrón de tendencia, por tal motivo se puede

concluir que cumple el supuesto.

Ajustamos Nuestro Modelo:

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

aproximadamente 5.035 unidades.

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

Ajustes y diagnósticos para observaciones poco comunes

Total Resid
Obs Ajuste Resid
Compra est.
7 25,00 11,33 13,67 3,15 R
10 25,00 26,43 -1,43 -0,40 X

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

el Número de pedidos, y viceversa.

XXI
Tenemos un R cuadrado de 57,10% esto significa que aproximadamente el 57,10% de la

variabilidad en el “Total de Compra” puede explicarse por el “Numero de pedidos”.

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)

Predecimos que, si se tiene 4 pedidos, se espera que el total de la compra sea de

aproximadamente 21 dólares con 0,40 centavos de dólar.

ENLACE AL DRIVE:

https://drive.google.com/drive/folders/1q0YKfF1F2CvuTeK_oKfQ5zRilDe-

sALW?usp=sharing

XXII
 CONCLUSIÓN Y RECOMENDACIONES

Proporciono información valiosa y orientación para la gestión de empresas de comida

rápida, en particular, para Cajun, Naturissimo y KFC. Enfatizando la importancia de brindar un

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

para la toma de decisiones basadas en evidencia y la mejora de la satisfacción del cliente.

Para mejorar la eficiencia en el tiempo de atención al cliente, Cajun debería considerar

implementar medidas que reduzcan el tiempo de espera en sus locales.

Es importante para todas las empresas de comida rápida mantener un seguimiento

constante de los tiempos de atención y realizar encuestas para entender mejor las preferencias y

necesidades de sus clientes.

La inclusión de un mayor número de variables en el análisis de regresión podría

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

imagen más completa de la industria.

XXIII
 BIBLIOGRAFÍA

Cajun. (04 de 09 de 2018). Conoce sobre nosotros: Cajun. Obtenido de Cajun: https://cajun.ec/

Deregemcia. (25 de 08 de 2018). NATURISSIMO. Obtenido de Deregemcia: Calidad que alimenta:

http://degeremcia.com/nuestras-marcas/naturissimo/

Facebook. (14 de 07 de 2018). Cajun. Obtenido de Facebook:

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?

Obtenido de Minitab: https://blog.minitab.com/es/como-interpretar-los-resultados-del-

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

Support Minitab: https://support.minitab.com/es-mx/minitab/21/help-and-how-

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

Support Minitab: https://support.minitab.com/es-mx/minitab/21/help-and-how-

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

Support Minitab: https://support.minitab.com/es-mx/minitab/21/help-and-how-

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

regresión. Obtenido de RiceUniversity: https://openstax.org/books/introducci%C3%B3n-

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).

Obtenido de Predik Data-Driven: https://predikdata.com/es/que-son-y-para-que-se-usan-

los-modelos-

predictivos/#:~:text=Los%20modelos%20predictivos%20son%20una,internos%20(hist%

C3%B3ricos%20y%20actuales).

XXV
ANEXOS

XXVI