Diplomatura de Estudio

Internacional Empresarial
en Gestión de Operaciones
Estadística

Prof. William Espinoza

Adarmes

1
 Sesiones 3 y 4:
Resumen numérico de los
datos. Medidas de
Correlación.

2
 “La estadística es una ciencia
que demuestra lo siguiente:
- Si mi vecino tiene 1 millón de
dólares y yo no tengo ninguno,
en promedio LOS DOS
TENEMOS UN MILLÓN DE
DOLARES CADA UNO”

3
 AGENDA

 Medidas de Tendencia
Central

 Medidas de Dispersión

 Simetría y Medida de
Curtosis

 Análisis de Regresión Lineal

 Coeficiente de Correlación y
Determinación
4
 Descripción Numérica de
Datos

Tendencia Central Dispersión

Media Aritmética Rango

Mediana
Rango Intercuartil

Moda Varianza

Desviación Estándar

Coeficiente de Variación

5
 Medidas de Tendencia
Central
Tendencia Central

Media Mediana Moda

Punto Medio de los

Promedio Aritmético Valor más frecuente
Datos

6
 Medidas de Tendencia Central

Aquellas que nos indican cual podría ser el punto medio o típico de un
conjunto de datos analizados. Se llaman también “Promedios”.

Ejemplos:

 Media aritmética simple

 Media ponderada

 Media Geométrica

 Media Armónica

 Mediana

 Moda
7
 Media aritmética

 Todo conjunto de variables


N
X  X2    XN Xi
posee una media aritemética.  1  i1
N N
 Esta incluye a todos los
valores.

n
x  x 2    xn xi
 Es única. x 1  i1
n n
 Si sumamos desviaciones de
cualquier valor y la media
aritmética resulta cero.
N: tamaño poblacion
8
n: tamaño muestra
 Media aritmética

VENTAJAS DESVENTAJAS
 Es conocida y fácil de calcular  En caso de existir valores extremos
e interpretar. o atípicos, la media se ve afectada
 Para su cálculo se utilizan por estos.
todas las observaciones del  No es recomendable para variables
conjunto de datos. con distribuciones asimétricas.
 Es única para cada conjunto
de datos

9
 Media Ponderada
k
 Media aritmética en la cual se
considera a cada uno de los valores w X i i

de las variables de acuerdo con su  p

 i 1
k

importancia relativa en el grupo. w

i 1
i

 Para ello, se debe multiplicar cada k

dato estadístico por su ponderación w x i i

(o peso), luego sumar todos los x p

 i 1
k

productos, y finalmente dividir la w i 1

i
suma ponderada entre la suma de
todos los pesos.
10
Wi: Peso i
 Ejemplo: Yogurt Pepita
Precio Frec. de
Marca
 Un productor de yogurt ha decidido USD Compra
capitalizar un reciente "boom" en la 0.20 33
demanda para yogurt de sabores. El A 0.25 42
presenta su producto bajo diferentes
0.29 30
marcas (A, B, C, D) y quiere ampliar su
publicidad dando énfasis a los sabores; 0.35 40
pero a la vez desea mantener la B 0.37 47
diferenciación de marcas. 0.40 23
 Sabe que si varía demasiado los precios
esperados por sus consumidores en las 0.41 28
distintas marcas, ellos se tornarán más C 0.43 31
cautos al momento de escoger los 0.45 34
sabores. Por lo tanto, decide efectuar un 0.47 47
estudio de mercado para sus productos,
empleando tres diferentes niveles de D 0.49 27
precios en cada una de sus marcas. 0.51 17
11
VER: Excel
 Ejemplo: Yogurt Pepita
 ¿Cuál será el precio promedio de cada una de las marcas, basado en la
cantidad comprada por cada consumidor de marca, en cada uno de los tres
precios propuestos en el estudio de mercado?
 ¿Cuál será el ingreso total por ventas, para cada marca; encontrado en
este estudio de mercado, sí el productor coloca sus precios al nivel del
promedio hallado, y si las mismas cantidades por marca fueran vendidas?
 Para ayudar al productor en su presupuesto del próximo año, asuma que la
frecuencia de compra que se halló en el estudio corresponde sólo al 1/512
de las compras mensuales esperadas, y que la demanda para el yogurt de
sabores no es estacional. Asuma además que los precios promedio
hallados son usados en cada marca y que las cantidades vendidas por
marca en la muestra serán vendidas a este precio. ¿Cuál será su venta
total anual esperada de yogurt de sabores?

12
VER: Excel
 Media geométrica

 De n números positivos es la raíz  G  N X 1 X 2 X 3 .. X n

n-ésima del producto de los n
 N 1 Valoralfinal 
números.  G   Valoralinicio   1
 
 Se usa para para promediar
porcentajes, índices y cifras
relativas.

 CUIDADO: Diferencia con la media

aritmética.

13
 Ejemplo: Media geométrica

La siguiente tabla muestra la tasa de aumento en las ventas durante los

últimos meses. Calcule e interprete la tasa media mensual.

La tasa 2.6% también se puede expresar como 0.026 y, ya que como

se refiere a un aumento a partir de 100%, el factor de variación será
1.026. Para los otros datos se opera igual.

14
VER: Excel
 Ejemplo: Media geométrica

xg  n x1, x 2, x 3,......x

x g  5 (1.026) (1.054) (1.038) (1.005)(1.014)

x g  5 1.143903377

x g  1,0272540( Factor de crecimiento medio)

Tasa Media de Variación  ( x g  1)  100

= (1,0272540 - 1) x 100 = 2.72%

15
VER: Excel
 Ejercicio 1:

Suponga que usted tiene un ingreso de $3000.00 y recibe 5% de

incremento salarial este año y 15% de incremento el siguiente.

 El incremento porcentual anual promedio es de 9.886, no de 10.0.

¿Por qué razón?
 ¿Cuál es el incremento recibido?

16
VER: Excel
 Ejercicio 2:

 El rendimiento anual de cuatro tipos de acciones de la empresa

MICROCHIP INC., informadas por la New York Stock Exchange
(NYSE) son:

4.91, 5.75, 8.12 y 21.60 %.

 Se desea establecer una posibilidad de inversión, para lo cual uno

de los factores de decisión es el rendimiento promedio de estas
acciones.

17
VER: Excel
 Ejercicio 3:

El INEI difunde mensualmente el índice de precios al consumidor.

Informa el cambio de precios de una canasta de artículos en el
mercado de un periodo a otro. El índice de 2004 fue de 172.2. En
2013 se incrementó a 214.5.

¿Cuál es el incremento promedio anual de dicho periodo?

18
VER: Excel
 Ejercicio 4:

La recuperación de una inversión que llevo a cabo la firma ABC

Inversiones durante cuatro años fue 30%. 20%, -40% y 200%.

 ¿Cuál es la media de la recuperación de la inversión?

19
VER: Excel
 Mediana

Med  X  N2  0.5

 Punto medio de los valores
DatosNoAgrupados
después de ordenarlos.

 Es un promedio de posición.
N 
2  faA
 No es afectada por valores Med  Li   i
 f i 

extremos a DIFERENCIA de DatosAgrupados
la media aritmética

20
 Mediana
Reglas

1º Si la serie es impar, la mediana ocupa el lugar central de la serie previamente ordenada.

Ejemplo: 5, 10, 10, 12, 15, 17, 20, 21, 24

No es afectada por valores extremos a DIFERENCIA de la media aritmética

2º Si la serie es par, la mediana se obtiene de la semisuma de los dos valores centrales de la ser
previamente ordenada.

Ejemplo:
12, 14, 16,18, 22, 25, 30, 36

Mediana= (18 + 22) / 2 = 20

21
 Mediana

VENTAJAS DESVENTAJAS
 Los valores extremos no  Como valor central, se debe
afectan a la mediana como en ordenar primero la serie de datos.
el caso de la media aritmética.
 Es fácil de calcular, interpretar
y entender.
 Se puede determinar para
datos cualitativos.

22
 Ejemplo:
En el siguiente cuadro se muestra el número de vacunas para el COVID 19
que se aplicaron diariamente en un periodo de 50 días.

Calcule e interprete la mediana.

61 61 61 101 74 74 113 77 79 79
80 80 82 82 82 83 84 84 86 86
86 88 130 90 90 94 100 94 90 94
95 95 95 82 95 95 97 97 97 97
98 98 98 100 100 106 107 108 110 110
Mediana = 94

Respuesta: En el 50% de los días, la cantidad de vacunas aplicadas fueron

23
menores que 94 y en el otro 50% de los días, las vacunas aplicadas fueron
mayores que 94. VER: Excel
 Moda

 Valor que más se repite en un

conjunto de datos.
 d1 
 No es afectada por valores extremos. Mo  Li   i
 d 1  d 2
 Para datos discretos es fácil de
DatosAgrupados
calcular.

 No puede ser calculada exactamente

en una dist. de frecuencias.

24
 Moda
Ejemplo:

4, 5, 7, 8, 8 , 10, 12, 15

4, 7, 12,12 , 15, 16, 20, 20 , 24

7, 12, 15, 18, 25, 30, 31, 38

25
 Moda

VENTAJAS DESVENTAJAS
 Se puede utilizar tanto para  No tiene un uso tan frecuente como
datos cualitativos como la media.
cuantitativos.  Muchas veces no existe moda
 No se ve afectada por los (distribución amodal).
valores externos  En otros casos la distribución tiene
varias modas, lo que dificulta su
interpretación.

26
 ¿Qué promedio elijo?

OBSERVACIÓN DATOS
22, 24, 25, 26, 27,
Número de cursos
28, 28, 29, 30, 31,
aprobados
33, 34
8, 8.2, 9,10,11,12,
Ingresos
12.3,12.5,13,13.5,
(miles de soles)
86,97
39, 40, 41, 41, 41,
Talla de zapatillas 41, 42, 42, 43, 43,
44, 45

¿Qué creen ustedes, cual es promedio apropiado?

27
 TIPS:

 La mediana siempre es la posición

central.

 Si quiero una idea rápida de

tendencia central, podemos usar la
moda.

 La más usada es la media

aritmética. Usarla de preferencia si
la distribución es simétrica

 Para datos en una distribución

asimétrica: Usar mediana.
28
 Ejemplo:
En el siguiente cuadro se muestra el número de vacunas para el COVID 19
que se aplicaron diariamente en un periodo de 50 días.

Calcule e interprete la mediana.

61 61 61 101 74 74 113 77 79 79
80 80 82 82 82 83 84 84 86 86
86 88 130 90 90 94 100 94 90 94
95 95 95 82 95 95 97 97 97 97
98 98 98 100 100 106 107 108 110 110
Mediana = 94

Respuesta: En el 50% de los días, la cantidad de vacunas aplicadas fueron

29
menores que 94 y en el otro 50% de los días, las vacunas aplicadas fueron
mayores que 94. VER: Excel
 Cuartiles, deciles y percentiles
(Fractiles o cuantiles)
 Medidas de posición.
F j  X  jn F  0.5
 Dividen en :
DatosNoAgrupados
• Cuatro (Qj)
 jn  faA
   F i
• Diez (Dj) F j Lij  f 
• Cien (Pj)
 ij 
DatosAgrupados
 Formulación semejante a la
mediana.
30
 Cuartiles, deciles y percentiles

Cuartiles: son tres valores

que dividen al conjunto de
datos en cuatro partes
iguales.

Deciles: son nueve valores

que dividen al conjunto de
datos en diez partes iguales.

Percentiles: son noventa y

nueve valores que dividen al
conjunto de datos en cien
partes iguales.

31
 Equivalencias entre Cuartiles, deciles
y percentiles
Percentil Decil Cuartil
P10 D1
P20 D2
P25 Q1
P30 D3
P40 D4
P50 D5 Q2
P60 D6
P70 D7
P75 Q3
32
P80 D8
P D
 Medidas de dispersión

10 10 10 10 20 30 30 30 30 MEDIA 20 MED. 20 MOD 30

20 22 21 20 20 19 18 20 20 MEDIA 20 MED. 20 MOD 20

1 4 6 8 20 32 34 36 39 MEDIA 20 MED. 20 MOD -

10 12 14 16 20 24 26 28 30 MEDIA 20 MED. 20 MOD -

¿Los datos son iguales?

33
¿Qué pueden notar? ¿Cómo decidir?
 Ejemplo:
Suponga que los ingresos mensuales de los trabajadores en 2 pequeñas empresas (A y
B) son los siguientes:

A B
1800 700
1800 700
2000 1600
2000 1600
2100 5100
=1940 =1940
En ambas la media es la misma. Pero
¿En cuál de las 2 empresas, el ingreso promedio es más representativo?

34 700 1600 1800 2000 2100 5100

 Medidas de dispersión

DISPERSION

Desviación Desviación Coeficiente de

Rango RIC Varianza
Media Estándar Variación

 Nos brindan información sobre la variabilidad de los

datos.
 Magnitud del alejamiento de los datos en relación a un
valor central.
35
 Rango o recorrido

 Diferencia entre el valor R  V . max  V . min.

mayor y el valor menor de un DatosNoAgrupados
conjunto de datos. R Ls ( A)  Li ( B)
 No está afectado por los DatosAgrupados
valores comprendidos entre
los extremos

36
 Rango o recorrido

VENTAJAS DESVENTAJAS
 Es fácil de calcular  Sólo considera los valores extremos
 Es fácil de entender e  No toma en cuenta ni el número de
interpretar datos ni el valor de estos

37
 Rango Intercuartílico

𝑹𝑰 𝑪=𝑸 𝟑 −𝑸 𝟏
 El rango intercuartílico es el
resultado de la diferencia entre
los cuartiles tres (𝑸𝟑) y uno (𝑸𝟏).

 Es el rango en el que se
encuentra el 50% central de los
LS atípico
datos.

 Valores fuera de ese rango = LI atípico

Datos atípicos
38
 Desviación media
N

 Media de los valores  Xi  

DM  i  1
absolutos de las N
diferencias entre las DatosNoAgrupados
variables y la media. N

 Da una mejor descripción

 f i Xi  
DM  i  1
de la dispersión que el N
rango. DatosAgrupados

39
 Varianza
 Media aritmética de las desviaciones N
  X  
2
cuadráticas respecto a la media.

2
 Expresada en unidades al cuadrado.  i 1
N
 Mide la variabilidad del conjunto de Poblacion
datos con respecto a la media, si los n
 x i  x 
2
datos están cerca a la media,
S  i 1
2
entonces la varianza será pequeña, en n1
caso contrario, será grande. Muestra

40
 Ejemplo:
El gerente del Banco RENTABLE seleccionó una muestra de 8 clientes y registró los
montos de retiros (en miles de soles) realizados en un cajero automático, a saber: 34, 37,
23, 34, 45, 56, 34 y 22. Calcule la varianza.

La varianza de los montos de retiro de los

clientes del Banco Rentable es 122.55 miles de
soles2
41
 Desviación estándar
 Es la raíz cuadrada positiva de la varianza.
N
  X i  
2
 Unidades originales.

 Permite medir el % de elementos dentro de  i 1

intervalos de una curva simétrica.

N
Poblacion
 Trabaja con el Puntaje estándar (Z).
n
 x i  x 
2
 Se puede utilizar para comparar la
i 1
variabilidad de dos o más conjuntos de datos
S
cuando las unidades de medidas son las n1
mismas y las medias de los conjuntos de Muestra
datos son iguales.
42
 Comparación de Desviaciones
Estándar
Datos A
Media = 15.5
s = 3.338
11 12 13 14 15 16 17 18 19 20 21

Datos B
Media = 15.5

11 12 13 14 15 16 17 18 19 20 21 s = .9258

Datos C
Media = 15.5

11 12 13 14 15 16 17 18 19 20 21
s = 4.57
¿Podemos usar Desviación Estándar?
43
¿Cómo es la variabilidad de los datos?
 Ejemplo:
Empleando los mismos datos del ejemplo anterior, complementemos
la información sobre la variabilidad de los retiros en el cajero de
banco RENTABLE.

Ya sabemos por el ejemplo anterior que la varianza es = 122.55 miles

de soles2 .

Entonces

nuevos soles

La desviación promedio de los montos de retiro con respecto a la

44 media es 11.07 miles de soles
 Coeficiente de variación
 Indica la magnitud relativa de la

desviación estándar con respecto a la CV  *100

media aritmética.
Poblacion
 Se utiliza cuando se desea comparar la
S
variabilidad entre dos o más conjuntos CV  *100
de datos, incluso cuando las unidades x
de medidas son diferentes. Muestra
 Se puede expresar en porcentaje para
una mejor interpretación.
45
 Coeficiente de variación
 Regla de Decisión
CV Grado de Variablidad
0 < CV < 10 Datos muy homogéneos
Datos regularmente
10 ≤ CV < 15 homogéneos
Datos regularmente
15 ≤ CV < 20 variables
20 ≤ CV < 25 Datos variables
CV ≥ 25 Datos muy variables

46
 Ejemplo:

A continuación se presentan Tienda Tienda II

las ventas (en unidades (soles) (dólares)
monetarias) logradas 40 70
durante una semana por dos 70 35
tiendas de artículos 60 15
electrodomésticas. 48 140
52 82
La tienda I vende en soles y 65 110
la tienda II en dólares ¿Cuál 58 140
de ellos tiene un desempeño
más estable, en cuanto a 120
nivel de ventas?.
47
VER: Excel
 Puntaje o Resultado Estándar (Z)

x
Z 


-3σ -2σ -1σ

μ +1σ +2σ +3σ

Z
-3 -2 -1
0 +1 +2 +3

¿Haciendo uso de qué parámetros podemos estandarizar para llegar

48 a la distribución Z?
 Interpretación y usos de la Desviación Estándar

Regla Empírica, si la distribución de datos tiene forma

acampanada, entonces el intervalo:

μ  1σ contiene cerca 68% de los valores en la población o

muestra.

68%

μ
μ  1σ
49
 Interpretación y usos de la Desviación Estándar

contiene cerca 95% de los valores en la

μ  población
2σ o muestra.

contiene a casi todos (cerca 99.7%)

μ  3σ
los valores de la población o muestra.

95% 99.7%

μ  2σ μ  3σ
50
 Regla Empírica
34.13% 34.13%

13.60%
13.60%

2.135% 2.135%

0.135% 0.135%

-3σ -2 σ -1σ μ +1σ +2σ +3σ

68.26%
95.46%
99.73%

51
Esto es calculado de manera empírica, no es exacto!!!
 Ejemplo: Metamelcan

Luis del Águila, dueño de una fabrica de

repuestos “Metalmecan”, dice que su
promedio semanal de producción es de
11,398 piezas con una varianza de
49,729.

Si los datos usados fueron el resultado

de 32 semanas de observación, durante
¿cuántas semanas la producción fue
mayor a 11,844 piezas? y ¿cuántas
menor a 11,175 piezas?
52
VER: Excel
 Ejemplo 2: Truchas
Una granja de truchas las alimenta en estanques especiales y las vende
cuando llegan a cierto peso. Se tomó una muestra aleatoria de 10 truchas y
las aisló en un estanque y se les alimentó con un alimento concentrado
denominado “Trucha Fuerte”

Al final del experimento los pesos de las truchas fueron (en gramos):
124, 125, 125, 123, 120, 124, 127, 125, 126 y 121

 ¿Cuál es la amplitud total de la muestra?

 ¿Cuál es la media aritmética, varianza y desviación estándar de la
muestra?
 Si además, se empleó otra mezcla especial, “Piscifood”, en otro
estanque. Se calculó la media dando un valor de 126.9 gramos y la
desviación estándar tuvo un valor de 1.2 gramos. ¿Qué alimento da
53 como resultado un peso más uniforme?
VER: Excel
 Medidas de Simetría y Curtosis
 Evalúa como están concentradas las observaciones.

 Además de la tendencia para agruparse alrededor de ciertos valores

y grados de dispersión.

 Representatividad de los valores de tendencia y su confiabilidad.

Simetría y Curtosis

Coeficiente de
Coeficiente de Curtosis
Asimetría

54
 Coeficiente de Simetría
 Brinda información sobre la dirección horizontal
que toma la distribución de los datos con
respecto a su centro.

 Establece si una distribución es simétrica o no.

σ 𝑛𝑖=1ሺ𝑥𝑖 − 𝑥ҧሻ3
 No tiene unidades 𝑠𝑘 =
ሺ𝑛 − 1ሻ𝑠 2
 Interpretación:

 Simétrica = 0

 Asimétrica Positiva > 0

 Asimétrica Negativa < 0

55 Se le conoce también como coeficiente de Tercer Momento

 Coeficiente de Simetría

56
 Coeficiente de Curtosis
 Grado de concentración con relación a la media
aritmética.

 Se emplea para distribuciones unimodales

simétricas.

 Sin unidades.
σ 𝑛𝑖=1ሺ𝑥 𝑖 −𝑥ҧ
ሻ4
 Interpretación: 𝑘= ሺ𝑛−1ሻ𝑠 4
-3
 Mesocurtica = 0

 Leptocurtica > 0

 Platicurtica < 0

57 Se le conoce también como coeficiente de Cuarto Momento

 Coeficiente de Curtosis

Leptocurtica Mesocurtica Platicurtica

58
 Regresión Simple
 Ecuaciones Simples expresan una relación entre dos variables.

Variables: X , Y

 Ecuaciones Múltiples: Expresan una relación entre dos variables.

Variables: X , Y, Z
59
 Análisis de Regresión Simple
 La finalidad es establecer una relación cuantitativa (ecuación de
regresión) entre dos variables, y estimar el valor de Y (dependiente)
con base en un valor de X (independiente).

 Ecuación de estimación o de pronóstico (Y’) llamada Ye prima.

 Regresión lineal simple: UNA RECTA

Y '  a  bX
Y'   0  1 X  
60
 Análisis de Regresión Simple
 Métodos: gráfico y matemático (mínimos cuadrados).

 Gráfico

 Diagrama de dispersión.

 Trazar una recta que trate de unir los puntos.

 Ventaja: simple y directo. 16

14

 Desventaja: procedimiento subjetivo. 12

10
8

X 3 1 2 5 4 6
4

Y 9 5 7 14 10 2
0
0 1 2 3 4 5 6
61
 Coeficiente de correlación (r)
 Mide el grado de asociación o
relación lineal entre las
variables X e Y.
r
 XY  nXY
 Sus valores van de -1 a +1
(  X 2  nX 2 )(  Y 2  nY 2 )
 Los valores X y Y son
obtenidos de una muestra de
tamaño n.

 Cuan fuerte es la relación

lineal (>=0.7) entre X y Y.
67
 Coeficiente de correlación (r)
Medida de intensidad de la relación entre dos conjuntos de variables.

Correlación Correlación
Negativa Ninguna Positiva
Perfecta Correlación Perfecta

Correlación Correlación
Negativa Positiva
Moderada Moderada

-1 0.5 0 0.5 1

Correlación negativa Correlación positiva

68
 Coeficiente de correlación (r)

Y Y Y

X X X
r = -1 r = -0.6 r=0

Y
Y Y

X X X
69 r = +1 r = +0.3 r=0
 Coeficiente de determinación ()
 Proporción de la variación total en la variable
dependiente (Y) que se explica o se debe a
la variación de la variable independiente.
2
r 
Var. Explicada

 (Y '  Y ) 2

 Puede adoptar valores entre 0 y 1.

Var. Total  (Y  Y ) 2

 Para una mejor interpretación del coeficiente

a  Y  b XY  nY 2
de determinación es conveniente convertirlo r2 
 Y 2
 nY 2

a porcentaje multiplicando el resultado por

100%. Así, indica el porcentaje de la
variabilidad total de Y que es explicada por la
recta de regresión estimada.

70
 Coeficiente de determinación ()

Cuanto más cerca a uno, las variables tendrán mayor correlación.

 Si = 1: Correlación perfecta, es decir, toda la variación de Y puede explicarse

por X

 Si = 0: No existe correlación entre X e Y. La variación explicada es 0. La

variable X no explica nada de los cambios en Y.

0  r2  1

71
 Coeficiente de determinación ()
Y Y’ (Y- )2 (Y’- )2 (Y-Y’)2
9 9.0 9 0 0.0 0.0
5 4.8 9 16 0.2 0.04
7 6.9 9 4 0.1 0.01
14 13.2 9 25 0.8 0.64
10 11.1 9 1 -1.1 1.21
∑= 46 ∑= 44.10 ∑= 1.90

Variación Total = Variación Explicada + Variación No Explicada

46 = 44.10 + 1.90

96% de la variación de la altura (Y)

esta explicada por la variación de la
edad de las plantas (X).
72
 Variaciones

14 Y
* Variación no Y’
12 Explicada
10 Variación
Total *
8 Variación
Explicada
6
4
2
Y
0
0 1 2 3 4 5
73
 IMPORTANTE: RECETA PARA USAR
REGRESIÓN (PRONÓSTICO)
1. Se calcula los coeficientes de Determinación y de correlación
2. Realizar Prueba Global: Indicará si la ecuación tendrá o no
carácter predictivo.
 Prueba de Hipótesis: Ho : Bj = 0 / Ho : Bj ≠ 0
 Alfa: 0.05
 Estadístico de Prueba: F
 Rechazo si valor crítico F<0.05 ECUACION TIENE
CARÁCTER PREDICTIVO.
 No Rechazo si valor crítico F>0.05 ECUACION NO TIENE
CARÁCTER PREDICTIVO.

74
 Ejemplo: CARGA
Una empresa dedicada a la producción de cierto artículo perecible XX desea
evaluar la relación existente entre la distancia recorrida para transportar su
producto a los diferentes puntos de comercialización y las mermas producidas por
dicho transporte. Con este fin, se lleva a cabo un estudio en el que se observan,
entre otras variables:
Y= porcentaje de carga útil final (luego del transporte)
X= Distancia recorrida (decenas de kilómetros)
Y se encuentra en una muestra aleatoria de 12 viajes o recorridos los siguientes
resultados:

Con la finalidad de establecer medidas preventivas, ¿Cuál será el porcentaje de

carga útil para un futuro transporte de 250 km.?

75
VER: Excel
 Diplomatura de Estudio
Internacional Empresarial
en Gestión de Operaciones
Estadística

Prof. William Espinoza

Adarmes

76