SlideShare una empresa de Scribd logo
1 de 26
ÍNDICE 
Contenido Página 
Práctica 1: Análisis de Regresión Simple ……………………………….…… 1 
Práctica 2: Análisis de Regresión Múltiple…………………………………… 3 
Práctica 3: Coeficientes de correlación simple y múltiple………...………… 5 
Práctica 4: Serie del Tiempo…………………………………………………… 7 
Práctica 5: Diseños experimentales con aplicación Empresarial …………. 9 
Práctica 6: Diseño de Bloques al azar para evaluar la calidad en el 
11 
servicio .. 
Práctica 7: Diseño de un experimento de una situación real………………. 13
PRÁCTICA No: 1 
Nombre de la práctica: Análisis de Regresión Simple. 
OBJETIVO 
Que el alumno explique la relación entre variables dependientes e independientes 
mediante la aplicación del análisis de regresión simple, que permita explicar el 
significado entre dichas variables con el propósito de predecir el comportamiento 
de una de ellas a partir de los valores de la otra. 
INTRODUCCIÓN 
El análisis de regresión permite estudiar la influencia de una o mas variables 
llamadas independientes sobre otra llamada independiente. (Said, 1984) Puede 
decirse que las situaciones prácticas en que es importante investigar la naturaleza 
de la relación entre dos variables pertenecen a todos los aspectos del quehacer 
humano. Así por ejemplo los administradores de sistemas universitarios están 
interesados en evaluar la relación entre las calificaciones obtenidas por los 
aspirantes en los exámenes de admisión y las calificaciones que aquellos obtienen 
como alumnos. Para un agrónomo es muy importante la relación entre el número 
de plantas por hectárea en un cultivo y el rendimiento de éste. La dependencia 
entre las cantidades gastadas en la publicidad de un producto y las ventas del 
mismo es preocupación fundamental de los gerentes de ventas. La estrecha 
asociación entre el peso y la presión arterial de una persona es importante en 
medicina. El grado de participación política de un individuo y su nivel de educación 
aparecen frecuentemente relacionados. Los anteriores ejemplos ilustran 
ampliamente el espacio de aplicación del análisis de regresión y los problemas de 
interpretación asociados con él. 
Parte importante en la regresión lineal es identificar cual de las variables debe ser 
considerada como dependiente y cuál como independiente, siendo requisito 
fundamental para realizar el análisis de regresión.
MARCO TEÓRICO 
La técnica estadística de regresión lineal simple es una herramienta útil para el 
análisis de datos experimentales. La regresión lineal simple es una técnica que 
permite determinar el grado de asociación entre dos variables (X,Y). Consiste en 
ajustar una línea recta a un conjunto de datos en un espacio bidimensional con el 
objeto de hacer inferencia acerca del comportamiento de los datos que se 
ajustaron. 
Los datos a ajustar se registran por pares, donde un valor específico de X puede 
repetirse varias veces originando un número diverso de valores para Y. La variable 
X es conocida como la variable independiente y la variable Y como la variable 
dependiente. Las gráficas donde aparecen los pares de datos (X,Y) se conocen 
como diagramas de dispersión. Un diagrama de dispersión es simplemente una 
gráfica común de puntos. 
MATERIAL Y EQUIPO 
Se le solicitará al alumno la investigación de datos de procesos de empresas o 
fenómenos administrativos, de mercadotecnia, ventas o de indicadores 
económicos que involucre la asociación de dos variables. Dichos datos deberán 
provenir preferentemente de situaciones reales. Se sugiere que el alumno se 
relacione con una empresa para poder solicitar al gerente de la empresa 
información que le permita desarrollar la practica de regresión lineal simple. 
Para realizar los cálculos de regresión se requiere computadora y programas 
Excel y software estadísticos. 
TÉCNICA O MÉTODO 
1. Para realizar la regresión simple como primer paso será la elaboración del 
diagrama de dispersión de los datos, ya que éste puede ayudar en la 
búsqueda de un modelo que describa la relación entre la variable 
independiente (X) y la dependiente (Y). 
2. Probar si el modelo de regresión lineal simple es adecuado para describir el 
comportamiento del conjunto de datos, con confiabilidad del 95%. 
3. Posteriormente se procede a la estimación de la recta de regresión por 
mínimos cuadrados. 
4. Obtener los valores predichos.
5. Dibujar la ecuación de regresión simple. 
6. Calcular los errores. 
7. Predecir el valor correspondiente para un valor Y dependiendo de un valor 
X. 
RESULTADOS 
Interpretación de Resultados. 
. 
. 
. 
. 
. 
. 
. 
. 
Conclusión(es) 
Concluir la utilidad de la regresión simple de manera general._________________ 
Realizar la conclusión de los datos analizados.___________________________ 
. 
.
. 
. 
. 
. 
. 
. 
. 
BIBLIOGRAFÍA 
 Infante Gil Said y Zarate de Lara Métodos Estadísticos Un enfoque 
interdisciplinario. Ed. Trillas, S. A. de C. V. 1984 643 p. 
CUESTIONARIO DE EVALUACIÓN 
1. ¿Qué es la regresión lineal simple? 
2. Señale la utilidad de la regresión lineal simple. 
GLOSARIO 
1. Variable dependiente. 
______________________________________________________________ . 
_____ . 
___________ . 
__________ . 
2. Variable dependiente. 
___________________________________________________________ . 
________________________________________________________________ . 
________________________________________________________________ .
PRÁCTICA No: 2 
Nombre de la práctica: Análisis de Regresión Múltiple. 
OBJETIVO 
Que el alumno explique la relación entre variables dependientes e independientes 
mediante la aplicación del análisis de regresión múltiple, que permita explicar el 
significado entre dichas variables con el propósito de predecir el comportamiento 
de una de ellas a partir de los valores de dos variables independientes. 
INTRODUCCIÓN 
En muchos fenómeno de la naturaleza el comportamiento de una variable 
dependiente Y es explicado por la influencia de dos o mas variables 
independientes Xi que actúan al mismo tiempo, por ejemplo, las ventas de un 
producto pueden ser determinado simultáneamente por el obsequio de una 
promoción y la atención en el servicio; el rendimiento de un estudiante en un 
examen puede estar influenciado por el número de horas que se preparó para ella, 
la carga académica que lleva y los año de estudios, se puede intentar predecir el 
total de facturación lograda por servicios prestados en una empresa cada mes (la 
variable dependiente) a partir de variables independientes como el tipo de servicio, 
edad, frecuencia del servicio, tipo de usuario y los años de antigüedad en el 
sistema del usuario. 
MARCO TEÓRICO 
La técnica estadística de regresión lineal múltiple es una herramienta útil para el 
análisis de datos experimentales. La regresión lineal múltiple es una técnica que 
permite determinar el grado de asociación entre tres o mas variables (X,Z,Y). En 
Este caso se tienen p diferentes variables independientes (X1, X2,…,Xp) para 
describir el comportamiento de los datos. Todas las variables independientes se 
relacionan entre si de manera lineal. El modelo describe el hiperplano en un 
espacio de p + 1 dimensiones. Para hacer estimaciones con este modelo se 
supone que los errores son independientes y tienen distribución normal con media 
0 y varianza σ2.
MATERIAL Y EQUIPO 
Se requieren listas de datos de una variable independiente con otra dependiente. 
Por ello se le solicitará al alumno la investigación de datos de procesos de 
empresas o fenómenos administrativos, de mercadotecnia, ventas o de 
indicadores económicos que involucre la asociación de tres variables. Dichos 
datos deberán provenir preferentemente de situaciones reales. Se sugiere que el 
alumno se relaciones con una empresa para poder solicitar al gerente de una 
empresa información que le permita desarrollar la practica de regresión simple. 
Para realizar los cálculos de regresión se requiere computadora y programas de 
Excel y software estadísticos. 
TÉCNICA O MÉTODO 
1. Como primer paso será obtener la ecuación de regresión lineal simple por 
el método de mínimos cuadrados obteniendo primero el valor de los 
parámetros del modelo (βi), posteriormente los valores Y predichos y por 
último los errores. 
2. Se obtienen los valores predichos de de Ῡ. 
3. Probar si el modelo de regresión lineal múltiple es adecuado para describir 
el comportamiento del conjunto de datos, con confiabilidad del 95%. 
4. Predecir el valor correspondiente para un valor Y dependiendo de dos 
valores de variables independiente. 
RESULTADOS
Interpretación de Resultados. 
_ 
_ 
_ 
_ 
_ 
_ 
_ 
_ 
Conclusión(es) 
Concluir la utilidad de la regresión lineal múltiple._________________________ 
Realizar la conclusión de los datos analizados.____________________________ 
_ 
. 
. 
. 
. 
. 
. 
. 
. 
BIBLIOGRAFÍA 
 Infante Gil Said y Zarate de Lara Métodos Estadísticos Un enfoque 
interdisciplinario. Ed. Trillas, S. A. de C. V. 1984 643 p. 
CUESTIONARIO DE EVALUACIÓN
3. ¿Qué es la regresión lineal múltiple? 
4. Señale la utilidad de la regresión lineal múltiple. 
GLOSARIO 
5. Hiperplano 
_______________________________________________________________ 
_____ _ 
___________ _ 
__________ _ 
6. Distribución normal 
____________________________________________________________ 
__________________________________________________________________ 
__________________________________________________________________
PRÁCTICA No: 3 
Nombre de la práctica: Coeficientes de correlación simple y múltiple. 
OBJETIVO 
Que el alumno calcule coeficientes de correlación para conocer la medida de 
asociación entre dos variables y pueda realizar inferencias a situaciones reales. 
INTRODUCCIÓN 
Cuando se estudian dos o más características, una pregunta que surge con 
frecuencia es si existe alguna relación entre ellas. El estudio de las relaciones 
entre variables ocupa un lugar preponderante en la ciencia moderna, en buena 
parte porque después de la revolución científica la idea de “causa eficiente” en el 
sentido de que al manifestarse produce un efecto reconocible es una idea central 
del llamado “método científico”. De acuerdo con esto, no es extraño que la 
existencia de una relación funcional entre dos o más variables a menudo se 
interprete de manera mecánica como una relación de causa-efecto. 
MARCO TEÓRICO 
El coeficiente de correlación es una medida de la asociación entre dos variables. 
Las razones por las que dos variables pueden aparecer relacionadas son múltiples 
pudiendo ser: que la variable X influye sobre la variable Y; que la variable Y influye 
sobre X; por que las variables X y Y interactúan entre sí; X y Y aparecen 
relacionadas porque otra variable Z influye sobre ambas; X y Y aparecen 
relacionadas porque actúan en forma similar debido al azar o X y Y aparecen 
relacionadas debido a que la muestra no es representativa. Para concluir que 
entre dos variable existe una relación de causa-efecto es preciso examinar 
cuidadosamente la naturaleza del fenómeno que se estudia. 
El coeficiente de correlación (rXY o rXZY) tiene las siguientes características: 
1. A medida que el coeficiente rXY o rXZY se aproxima a 1 o -1 existirá mayor 
evidencia de que la variable X contribuye significativamente a explicar la 
variable Y o de que las variables X y Z explican la variable Y.
2. Si rXY o rXZY son iguales a 1 o -1, los valores observados caen 
exactamente sobre la ecuación de regresión estimada. 
3. Si rXZY o rXZY tienen un valor cercano a cero, no hay razón para creer 
que existe una relación de tipo lineal entre las variables. 
Existe un criterio empírico que establece que cuando rXY o rXZY son mayores a 
0.75 o menores a 0.75 la correlación entre las variables se considera válida, de lo 
contrario se podrá decir que no existe correlación entre las variables. 
MATERIAL Y EQUIPO 
Utilizar las listas de datos utilizadas en la regresión lineal simple o múltiple para 
calcular los coeficientes de correlación. Se recomienda realizar los ejercicios 
utilizando Excel o un Software estadístico. 
TÉCNICA O MÉTODO 
1. Como primer paso será calcular las Covarianzas del conjunto de las 
variables aleatorias. 
2. Calcular las desviaciones estándar de cada variable. 
3. Calcular los coeficientes de correlación simple o múltiple según sea el caso 
utilizando las fórmulas correspondientes. 
RESULTADOS 
Interpretación de Resultados. 
_
_ 
_ 
_ 
_ 
_ 
_ 
_ 
Conclusión(es) 
Concluir el grado de asociación entre las variables_________________________ 
Proponer la utilidad de este grado de asociación___________________________ 
_ 
. 
. 
. 
. 
. 
. 
. 
. 
BIBLIOGRAFÍA 
 Infante Gil Said y Zarate de Lara Métodos Estadísticos Un enfoque 
interdisciplinario. Ed. Trillas, S. A. de C. V. 1984 643 p. 
CUESTIONARIO DE EVALUACIÓN 
5. ¿Qué es el coeficiente de correlación? 
6. Señale la utilidad del coeficiente de correlación.
GLOSARIO 
7. correlación 
_______________________________________________________________ 
_____ _ 
___________ _ 
__________ _ 
8. covarianza 
____________________________________________________________ 
__________________________________________________________________ 
__________________________________________________________________
PRÁCTICA No: 4 
Nombre de la práctica: Serie del Tiempo 
OBJETIVO 
Que el alumno identifique las series del tiempo y sus factores de variación, 
realizando cálculos de suavización de la serie mediante el método de promedios 
móviles y suavización exponencial y los asocie a una función para realizar 
predicciones. 
INTRODUCCIÓN 
Una serie de tiempo esta dado por un conjunto de observaciones ordenadas en el 
tiempo y que representan el cambio de una variable ya sea de tipo 
económica, física, química, biológica, etc., a lo largo esa historia. 
El objetivo del análisis de una serie de tiempo es el conocimiento de su patrón 
de comportamiento, para así poder prever su evolución en el futuro cercano, 
suponiendo por supuesto que las condiciones no variarán significativamente. 
Los pronósticos que se puedan realizar en base al análisis de este tipo de datos 
sirven para el desarrollo de nuevos planes para inversiones en agricultura por 
ejemplo, elaboración de nuevos productos por parte de las empresas, prevención 
de desastres por cambios en el clima, o captar turistas para la ciudad, etc. 
MARCO TEÓRICO 
Por serie de tiempo nos referimos a datos estadísticos que se recopilan, observan 
o registran en intervalos de tiempo regulares (diario, semanal, semestral, anual, 
entre otros). El término serie de tiempo se aplica por ejemplo a datos registrados 
en forma periódica que muestran, por ejemplo, las ventas anuales totales de 
almacenes, el valor trimestral total de contratos de construcción otorgados, el valor 
trimestral del PIB. En una serie de tiempo existen cuatro tipos básicos de 
variación, los cuales sobrepuestos o actuando en concierto, contribuyen a los 
cambios observados en un período de tiempo y dan a la serie su aspecto errático. 
Estas cuatro componentes son: Tendencia secular, variación estacional, variación 
cíclica y variación irregular. Existe una relación multiplicativa entre estas cuatro
componentes; es decir, cualquier valor de una serie es el producto de factores que 
se pueden atribuir a las cuatro componentes: 
Tendencia secular: La tendencia secular o tendencia a largo plazo de una serie es 
por lo común el resultado de factores a largo plazo. En términos intuitivos, la 
tendencia de una serie de tiempo caracteriza el patrón gradual y consistente de las 
variaciones de la propia serie, que se consideran consecuencias de fuerzas 
persistentes que afectan el crecimiento o la reducción de la misma, tales como: 
cambios en la población, en las características demográficas de la misma, 
cambios en los ingresos, en la salud, en el nivel de educación y tecnología. Las 
tendencias a largo plazo se ajustan a diversos esquemas. Algunas se mueven 
continuamente hacía arriba, otras declinan, y otras más permanecen igual en un 
cierto período o intervalo de tiempo. 
Variación estacional: El componente de la serie de tiempo que representa la 
variabilidad en los datos debida a influencias de las estaciones, se llama 
componente estacional. Esta variación corresponde a los movimientos de la serie 
que recurren año tras año en los mismos meses (o en los mismos trimestres) del 
año poco más o menos con la misma intensidad. Por ejemplo: Un fabricante de 
albercas inflables espera poca actividad de ventas durante los meses de otoño e 
invierno y tiene ventas máximas en los de primavera y verano, mientras que los 
fabricantes de equipo para la nieve y ropa de abrigo esperan un comportamiento 
anual opuesto al del fabricante de albercas. 
Variación cíclica: Con frecuencia las series de tiempo presentan secuencias 
alternas de puntos abajo y arriba de la línea de tendencia que duran más de un 
año, esta variación se mantiene después de que se han eliminado las variaciones 
o tendencias estacional e irregular. Un ejemplo de este tipo de variación son los 
ciclos comerciales cuyos períodos recurrentes dependen de la prosperidad, 
recesión, depresión y recuperación, las cuales no dependen de factores como el 
clima o las costumbres sociales. 
Variación Irregular: Esta se debe a factores a corto plazo, imprevisibles y no 
recurrentes que afectan a la serie de tiempo. Como este componente explica la 
variabilidad aleatoria de la serie, es impredecible, es decir, no se puede esperar 
predecir su impacto sobre la serie de tiempo. Existen dos tipos de variación 
irregular: a) Las variaciones que son provocadas por acontecimientos especiales, 
fácilmente identificables, como las elecciones, inundaciones, huelgas, terremotos. 
Variaciones aleatorias o por casualidad, cuyas causas no se pueden señalar en 
forma exacta, pero que tienden a equilibrarse a la larga.
MATERIAL Y EQUIPO 
Utilizar las listas datos históricos por pares de variables económicas de diferentes 
factores para su análisis. Ejemplos: precios de un articulo, tasas de desempleo, 
tasa de inflación, índice de precios, precio del dólar, precio del cobre, precios de 
acciones, ingreso nacional bruto, etc. Otros ejemplos: Planificación de compra de 
alimentos y necesidades de servicio en un restaurant, consumo de energía 
eléctrica, Se recomienda realizar los ejercicios utilizando Excel o un Software 
estadístico. 
TÉCNICA O MÉTODO 
1 Graficar los datos para detectar outliers, tendencias, variaciones cíclicas o 
estacionales y variaciones aleatorias. 
2 Estimación de la tendencia mediante el método de regresión lineal simple. 
3 Estimación del componente estacional. 
4 Suavización de los datos mediante promedios móviles. 
RESULTADOS 
Interpretación de Resultados. 
_ 
_ 
_
_ 
_ 
_ 
_ 
_ 
Conclusión(es) 
Concluir sobre los resultados obtenidos _________________________________ 
Concluir la utilidad de la herramienta estadística serie de tiempo_______________ 
_ 
_ 
_ 
_ 
_ 
_ 
_ 
_ 
_ 
BIBLIOGRAFÍA 
 Infante Gil Said y Zarate de Lara Métodos Estadísticos Un enfoque 
interdisciplinario. Ed. Trillas, S. A. de C. V. 1984 643 p. 
CUESTIONARIO DE EVALUACIÓN 
1 ¿ Cuál es el objeto de suavizar una serie de tiempo? 
2 Explique por qué los promedios móviles y el suavizamiento exponencial 
"suavizan" una serie de tiempo.
GLOSARIO 
1. Outliers 
_______________________________________________________________ 
_____ _ 
___________ _ 
__________ _ 
2. Cíclico 
__________________________________________________________ 
__________________________________________________________________ 
__________________________________________________________________
PRÁCTICA No: 5 
Nombre de la práctica: Diseños experimentales con aplicación empresarial. 
OBJETIVO 
Que el alumno identifique los elementos de un diseño experimental proponiendo 
un experimento para una situación real. 
INTRODUCCIÓN 
Como el conocimiento nuevo se obtiene muy frecuentemente a través del análisis 
e interpretación cuidadosos de los datos, entonces es muy importante que se deba 
dedicar tiempo y esfuerzo considerable al planeamiento y recolección de los 
mismos con el objeto de obtener la máxima información con el menor costo de los 
recursos. Por ello es importante que se diseñen experimentos para obtener 
estimaciones insesgadas de medias y diferencias de tratamientos y del error 
experimental. 
MARCO TEÓRICO 
Experimento es la búsqueda planeada para obtener nuevos conocimientos o para 
confirmar o no resultados de experimentos previos, con lo que tal indagación 
ayudará en la toma de decisiones administrativas. 
Al diseñar un experimento se establecen claramente los objetivos como preguntas 
que han de responderse, hipótesis que han de probarse y efectos que han de 
estimarse. Es de gran importancia definir la población para la cual deben extraerse 
inferencias y tomar la muestra de esa población en forma aleatoria. 
Una unidad experimental es la unidad de material a la cual se aplica un 
tratamiento; el tratamiento es el procedimiento cuyo efecto se mide y compara con 
otros tratamientos. Cuando se mide el efecto de un tratamiento se mide en una 
unidad de muestreo, cierta fracción de la unidad experimental.
Al seleccionar un conjunto de tratamientos, es importante definir cada tratamiento 
cuidadosamente y considerarlo con respecto a cada uno de los demás 
tratamientos para asegurarse, en lo posible, que el conjunto dé respuestas 
eficientes relacionadas con los objetivos del experimento. 
Una característica de toda unidad experimental es la variación. El error 
experimental es una medida de la variación existente entre observaciones sobre 
medidas experimentales tratadas en forma similar. 
Repetición es cuando un tratamiento aparece más de una vez en un experimento 
y tienen la función de permitir estimar el error experimental, mejorar la precisión de 
un experimento, aumentar el alcance de la inferencia del experimento y ejercer 
control sobre la varianza del error. 
MATERIAL Y EQUIPO 
Se requiere información de una empresa con respecto a sus problemas y 
actividades normales para el desarrollo de su objetivo. 
TÉCNICA O MÉTODO 
1 Visitar una empresa observando y describiendo las actividades de la 
empresa. De ser posible obtener información cuantitativa que permita 
conocer los procesos, los volúmenes de producción y venta, los costos de 
producción, información en serie de tiempo y en general de todas las 
actividades de la empresa. 
2 Identificar en lo posible los problemas de la empresa. 
3 Plantear las soluciones mediante un experimenta considerando todos los 
elementos que lo integran. 
RESULTADOS
Interpretación de Resultados. 
_ 
_ 
_ 
_ 
_ 
_ 
_ 
_ 
Conclusión(es) 
_ 
_ 
_ 
_ 
_ 
_ 
_ 
_ 
_ 
BIBLIOGRAFÍA 
 Infante Gil Said y Zarate de Lara Métodos Estadísticos Un enfoque 
interdisciplinario. Ed. Trillas, S. A. de C. V. 1984 643 p. 
CUESTIONARIO DE EVALUACIÓN 
4 ¿Cuál es la utilidad del planteamiento de manera adecuada de un diseño 
experimental? 
5 ¿Cuál es la finalidad de las repeticiones en un experimento?
GLOSARIO 
3. Error experimental 
_______________________________________________________________ 
_____ _ 
___________ _ 
__________ _ 
4. Diseño experimental 
__________________________________________________________ 
__________________________________________________________________ 
__________________________________________________________________
PRÁCTICA No: 6 
Nombre de la práctica: Diseño Bloques al azar para evaluar la calidad en el 
servicio 
OBJETIVO 
Que el alumno desarrolle la capacidad de diseñar un experimento en bloques al 
azar para evaluar la calidad en el servicio de una empresa haciendo el 
planteamiento para su ejecución. 
INTRODUCCIÓN 
Cuando se pretende desarrollar un experimento y se puede anticipar parte del 
comportamiento de unidades individuales y por consiguiente clasificarlas , pueden 
construirse diseños o planes de tal modo que la parte de la variabilidad atribuible a 
una fuente reconocida pueda medirse y excluirse así del error experimental. 
MARCO TEÓRICO 
El diseño de bloques al azar puede usarse cuando las unidades experimentales 
pueden agruparse; generalmente el número de unidades por grupo es igual al 
número de tratamientos. Tal tipo de grupo se llama bloque o repetición. El objetivo 
del agrupamiento es lograr que las unidades en un bloque sean tan uniformes 
como sea posible, de modo que las diferencias observadas se deban en gran 
parte a los tratamientos. En promedio, la variabilidad entre unidades de diferentes 
bloques será mayor que la variabilidad entre unidades del mismo bloque si no van 
a aplicarse tratamientos. Idealmente, la variabilidad entre unidades experimentales 
se controla de tal forma que se maximice la variación entre bloques, mientras que 
la variación de entre de ellos se minimice. La variación entre bloques no afecta 
claramente a las diferencias entre medias de tratamientos, ya que cada 
tratamiento aparece el mismo número de veces. 
Durante el transcurso del experimento, todas las unidades de un bloque deben 
tratarse tan uniformemente como sea posible en todo aspecto diferente del
tratamiento. Todo cambio en la técnica u otra condición que pueda afectar los 
resultados debe hacerse en todo el bloque 
Cada tratamiento aparece un número igual de de veces, usualmente una vez, en 
cada bloque y cada bloque contiene todos los tratamientos 
MATERIAL Y EQUIPO 
Utilizar la información de la práctica anterior para el planteamiento del diseño de 
los bloque. 
TÉCNICA O MÉTODO 
1 De la información obtenida con la practica anterior hacer el planteamiento 
de un diseño experimental de bloques al azar. 
2 Integrar todos los elementos del diseño. 
3 Implementar el diseño en la práctica. 
4 Realizar el análisis de varianza y comparación de medias. 
5 Realizar conclusiones 
RESULTADOS 
Interpretación de Resultados. 
_ 
_ 
_ 
_ 
_ 
_ 
_
_ 
Conclusión(es) 
_ 
_ 
_ 
_ 
_ 
_ 
_ 
_ 
_ 
BIBLIOGRAFÍA 
 Infante Gil Said y Zarate de Lara Métodos Estadísticos Un enfoque 
interdisciplinario. Ed. Trillas, S. A. de C. V. 1984 643 p. 
CUESTIONARIO DE EVALUACIÓN 
1 ¿Cuál es la finalidad de hacer bloques en un diseño experimental? 
GLOSARIO 
1 Tratamiento 
_______________________________________________________________ 
_____ _ 
___________ _ 
__________ _
2 Variabilidad 
__________________________________________________________ 
__________________________________________________________________ 
__________________________________________________________________

Más contenido relacionado

La actualidad más candente

Análisis 10 empresas spss
Análisis 10 empresas spssAnálisis 10 empresas spss
Análisis 10 empresas spssAl Cougar
 
Modelos matematicos equipo n.2
Modelos matematicos equipo n.2Modelos matematicos equipo n.2
Modelos matematicos equipo n.2YamilAlbertoCasado
 
Introducción a la econometría
Introducción a la econometríaIntroducción a la econometría
Introducción a la econometríaoscarvb
 
Modelos matematicos simulacion
Modelos matematicos simulacionModelos matematicos simulacion
Modelos matematicos simulacionAlejő Ibañez
 
TIPOS DE MODELOS MATEMATICOS
TIPOS DE MODELOS MATEMATICOSTIPOS DE MODELOS MATEMATICOS
TIPOS DE MODELOS MATEMATICOSquintomerca
 
diagnosis de la regresion
diagnosis de la regresiondiagnosis de la regresion
diagnosis de la regresioncarlosjardon
 
Informe Econometría
Informe EconometríaInforme Econometría
Informe EconometríaMakitacarr
 
5 Semana Analisis Multivariante Parte I
5 Semana Analisis Multivariante Parte I5 Semana Analisis Multivariante Parte I
5 Semana Analisis Multivariante Parte Ijpgv84
 
Análisis factorial SPSS
Análisis factorial SPSSAnálisis factorial SPSS
Análisis factorial SPSSAl Cougar
 
EL PROCESO DE CONSTRUCCION DE MODELOS
EL PROCESO DE CONSTRUCCION DE MODELOSEL PROCESO DE CONSTRUCCION DE MODELOS
EL PROCESO DE CONSTRUCCION DE MODELOSYanina C.J
 
Analisis Factorial
Analisis FactorialAnalisis Factorial
Analisis Factorialnorlan9886
 
1 Semana Analisis Multivariante
1  Semana Analisis Multivariante1  Semana Analisis Multivariante
1 Semana Analisis Multivariantejpgv84
 

La actualidad más candente (20)

Tutoría Econometría 1 2 B
Tutoría  Econometría 1 2 BTutoría  Econometría 1 2 B
Tutoría Econometría 1 2 B
 
Introduccion a la econometria
Introduccion a la econometriaIntroduccion a la econometria
Introduccion a la econometria
 
Análisis 10 empresas spss
Análisis 10 empresas spssAnálisis 10 empresas spss
Análisis 10 empresas spss
 
Modelos matematicos equipo n.2
Modelos matematicos equipo n.2Modelos matematicos equipo n.2
Modelos matematicos equipo n.2
 
Introducción a la econometría
Introducción a la econometríaIntroducción a la econometría
Introducción a la econometría
 
Modelos matematicos simulacion
Modelos matematicos simulacionModelos matematicos simulacion
Modelos matematicos simulacion
 
TIPOS DE MODELOS MATEMATICOS
TIPOS DE MODELOS MATEMATICOSTIPOS DE MODELOS MATEMATICOS
TIPOS DE MODELOS MATEMATICOS
 
Econometria financiera
Econometria financieraEconometria financiera
Econometria financiera
 
Trabajo de spss
Trabajo de spssTrabajo de spss
Trabajo de spss
 
diagnosis de la regresion
diagnosis de la regresiondiagnosis de la regresion
diagnosis de la regresion
 
Informe Econometría
Informe EconometríaInforme Econometría
Informe Econometría
 
Analisis de factores ppt
Analisis de factores ppt Analisis de factores ppt
Analisis de factores ppt
 
5 Semana Analisis Multivariante Parte I
5 Semana Analisis Multivariante Parte I5 Semana Analisis Multivariante Parte I
5 Semana Analisis Multivariante Parte I
 
Análisis factorial SPSS
Análisis factorial SPSSAnálisis factorial SPSS
Análisis factorial SPSS
 
EL PROCESO DE CONSTRUCCION DE MODELOS
EL PROCESO DE CONSTRUCCION DE MODELOSEL PROCESO DE CONSTRUCCION DE MODELOS
EL PROCESO DE CONSTRUCCION DE MODELOS
 
Analisis Factorial
Analisis FactorialAnalisis Factorial
Analisis Factorial
 
minimos-cuadrados-y-regresion
minimos-cuadrados-y-regresionminimos-cuadrados-y-regresion
minimos-cuadrados-y-regresion
 
Estadística aplicada a la educación superior
Estadística aplicada a la educación superiorEstadística aplicada a la educación superior
Estadística aplicada a la educación superior
 
La Econometría
La EconometríaLa Econometría
La Econometría
 
1 Semana Analisis Multivariante
1  Semana Analisis Multivariante1  Semana Analisis Multivariante
1 Semana Analisis Multivariante
 

Similar a Manual de prácticas de estadistica administrativa

Paso 4 descripción de la información.
Paso 4 descripción de la información.Paso 4 descripción de la información.
Paso 4 descripción de la información.MarlyTenorio
 
Tema IV Tecnicas de Pronostico Grupo 6.pptx
Tema IV Tecnicas de Pronostico Grupo 6.pptxTema IV Tecnicas de Pronostico Grupo 6.pptx
Tema IV Tecnicas de Pronostico Grupo 6.pptxosdalysmar
 
Bueno de regresion lineal[1]
Bueno de regresion lineal[1]Bueno de regresion lineal[1]
Bueno de regresion lineal[1]EQUIPO7
 
Una_aplicacion_del_metodo_de_regresion_lineal_en_el_analisis_de_los_determina...
Una_aplicacion_del_metodo_de_regresion_lineal_en_el_analisis_de_los_determina...Una_aplicacion_del_metodo_de_regresion_lineal_en_el_analisis_de_los_determina...
Una_aplicacion_del_metodo_de_regresion_lineal_en_el_analisis_de_los_determina...VERONICASAYAGOCARHUA1
 
Machine Learning para la Optimización y Mejora de Procesos
Machine Learning para la Optimización y Mejora de ProcesosMachine Learning para la Optimización y Mejora de Procesos
Machine Learning para la Optimización y Mejora de ProcesosMiguel Angel Patiño Antonioli
 
Regresión lineal multiple autores grillet montaño rodríguez
Regresión lineal multiple  autores grillet montaño rodríguezRegresión lineal multiple  autores grillet montaño rodríguez
Regresión lineal multiple autores grillet montaño rodríguezthomas669
 
Regresión lineal multiple autores grillet montaño rodríguez
Regresión lineal multiple  autores grillet montaño rodríguezRegresión lineal multiple  autores grillet montaño rodríguez
Regresión lineal multiple autores grillet montaño rodríguezthomas669
 
Regresion Multiple2
Regresion Multiple2Regresion Multiple2
Regresion Multiple2juancasa2791
 
Diagrama de dispersión.pdf
Diagrama de dispersión.pdfDiagrama de dispersión.pdf
Diagrama de dispersión.pdfAwitadePozol
 
Regresion lineal múltiple_2.pptx
Regresion lineal múltiple_2.pptxRegresion lineal múltiple_2.pptx
Regresion lineal múltiple_2.pptxJeraldinPaez
 

Similar a Manual de prácticas de estadistica administrativa (20)

Paso 4 descripción de la información.
Paso 4 descripción de la información.Paso 4 descripción de la información.
Paso 4 descripción de la información.
 
REPASO MODELOS ECONOMETRICOS.pdf
REPASO MODELOS ECONOMETRICOS.pdfREPASO MODELOS ECONOMETRICOS.pdf
REPASO MODELOS ECONOMETRICOS.pdf
 
REPASO MODELOS ECONOMETRICOS.pdf
REPASO MODELOS ECONOMETRICOS.pdfREPASO MODELOS ECONOMETRICOS.pdf
REPASO MODELOS ECONOMETRICOS.pdf
 
Analisis de regresion (2)
Analisis de regresion (2)Analisis de regresion (2)
Analisis de regresion (2)
 
Tema IV Tecnicas de Pronostico Grupo 6.pptx
Tema IV Tecnicas de Pronostico Grupo 6.pptxTema IV Tecnicas de Pronostico Grupo 6.pptx
Tema IV Tecnicas de Pronostico Grupo 6.pptx
 
Bueno de regresion lineal[1]
Bueno de regresion lineal[1]Bueno de regresion lineal[1]
Bueno de regresion lineal[1]
 
Pronosticos
PronosticosPronosticos
Pronosticos
 
Una_aplicacion_del_metodo_de_regresion_lineal_en_el_analisis_de_los_determina...
Una_aplicacion_del_metodo_de_regresion_lineal_en_el_analisis_de_los_determina...Una_aplicacion_del_metodo_de_regresion_lineal_en_el_analisis_de_los_determina...
Una_aplicacion_del_metodo_de_regresion_lineal_en_el_analisis_de_los_determina...
 
Machine Learning para la Optimización y Mejora de Procesos
Machine Learning para la Optimización y Mejora de ProcesosMachine Learning para la Optimización y Mejora de Procesos
Machine Learning para la Optimización y Mejora de Procesos
 
Regresión lineal multiple autores grillet montaño rodríguez
Regresión lineal multiple  autores grillet montaño rodríguezRegresión lineal multiple  autores grillet montaño rodríguez
Regresión lineal multiple autores grillet montaño rodríguez
 
Regresión lineal multiple autores grillet montaño rodríguez
Regresión lineal multiple  autores grillet montaño rodríguezRegresión lineal multiple  autores grillet montaño rodríguez
Regresión lineal multiple autores grillet montaño rodríguez
 
Presentación regreción lineal
Presentación regreción linealPresentación regreción lineal
Presentación regreción lineal
 
Presentación regreción lineal
Presentación regreción linealPresentación regreción lineal
Presentación regreción lineal
 
Regresion Multiple2
Regresion Multiple2Regresion Multiple2
Regresion Multiple2
 
Diagrama de dispersión.pdf
Diagrama de dispersión.pdfDiagrama de dispersión.pdf
Diagrama de dispersión.pdf
 
2 modelos lineales
2 modelos lineales2 modelos lineales
2 modelos lineales
 
2 modelos lineales
2 modelos lineales2 modelos lineales
2 modelos lineales
 
2 modelos lineales
2 modelos lineales2 modelos lineales
2 modelos lineales
 
2 modelos lineales
2 modelos lineales2 modelos lineales
2 modelos lineales
 
Regresion lineal múltiple_2.pptx
Regresion lineal múltiple_2.pptxRegresion lineal múltiple_2.pptx
Regresion lineal múltiple_2.pptx
 

Más de Alvaro Chavez

ESTADÍSTICA ADMINISTRATIVA
ESTADÍSTICA ADMINISTRATIVAESTADÍSTICA ADMINISTRATIVA
ESTADÍSTICA ADMINISTRATIVAAlvaro Chavez
 
CÁLCULO DIFERENCIAL
CÁLCULO DIFERENCIALCÁLCULO DIFERENCIAL
CÁLCULO DIFERENCIALAlvaro Chavez
 
Qué es ser un estudiante en línea
Qué es ser un estudiante en líneaQué es ser un estudiante en línea
Qué es ser un estudiante en líneaAlvaro Chavez
 
Estadística Administrativa: Unidad 5
Estadística Administrativa: Unidad 5Estadística Administrativa: Unidad 5
Estadística Administrativa: Unidad 5Alvaro Chavez
 
Estadística Administrativa: Unidad 4
Estadística Administrativa: Unidad 4Estadística Administrativa: Unidad 4
Estadística Administrativa: Unidad 4Alvaro Chavez
 
Cálculo vectorial: Unidad 5
Cálculo vectorial: Unidad 5Cálculo vectorial: Unidad 5
Cálculo vectorial: Unidad 5Alvaro Chavez
 
Cálculo vectorial: Unidad 4
Cálculo vectorial: Unidad 4Cálculo vectorial: Unidad 4
Cálculo vectorial: Unidad 4Alvaro Chavez
 
Alvaro,eje1 actividad 4
Alvaro,eje1 actividad 4Alvaro,eje1 actividad 4
Alvaro,eje1 actividad 4Alvaro Chavez
 
Calculo Vectorial Unidad 3
Calculo Vectorial Unidad 3Calculo Vectorial Unidad 3
Calculo Vectorial Unidad 3Alvaro Chavez
 
Estadística Administrativa Unidad 3
Estadística Administrativa Unidad 3Estadística Administrativa Unidad 3
Estadística Administrativa Unidad 3Alvaro Chavez
 
Unidad 2:Curvas en R2 y ecuaciones paramétricas.
Unidad 2:Curvas en R2 y ecuaciones paramétricas.Unidad 2:Curvas en R2 y ecuaciones paramétricas.
Unidad 2:Curvas en R2 y ecuaciones paramétricas.Alvaro Chavez
 
Unidad 2: Regresión lineal múltiple y correlación
Unidad 2: Regresión lineal múltiple y correlaciónUnidad 2: Regresión lineal múltiple y correlación
Unidad 2: Regresión lineal múltiple y correlaciónAlvaro Chavez
 
Cronograma de taller de informatica 1
Cronograma de taller de informatica 1Cronograma de taller de informatica 1
Cronograma de taller de informatica 1Alvaro Chavez
 
temario de taller de informática I
temario de taller de informática Itemario de taller de informática I
temario de taller de informática IAlvaro Chavez
 
Cronograma de calculo vectorial
Cronograma de calculo vectorialCronograma de calculo vectorial
Cronograma de calculo vectorialAlvaro Chavez
 
Cronograma de estadística administrativa II
Cronograma de estadística administrativa IICronograma de estadística administrativa II
Cronograma de estadística administrativa IIAlvaro Chavez
 

Más de Alvaro Chavez (20)

Evaluación
EvaluaciónEvaluación
Evaluación
 
ESTADÍSTICA ADMINISTRATIVA
ESTADÍSTICA ADMINISTRATIVAESTADÍSTICA ADMINISTRATIVA
ESTADÍSTICA ADMINISTRATIVA
 
CÁLCULO VECTORIAL
CÁLCULO VECTORIALCÁLCULO VECTORIAL
CÁLCULO VECTORIAL
 
ÁLGEBRA LINEAL
ÁLGEBRA LINEALÁLGEBRA LINEAL
ÁLGEBRA LINEAL
 
CÁLCULO DIFERENCIAL
CÁLCULO DIFERENCIALCÁLCULO DIFERENCIAL
CÁLCULO DIFERENCIAL
 
Qué es ser un estudiante en línea
Qué es ser un estudiante en líneaQué es ser un estudiante en línea
Qué es ser un estudiante en línea
 
Estadística Administrativa: Unidad 5
Estadística Administrativa: Unidad 5Estadística Administrativa: Unidad 5
Estadística Administrativa: Unidad 5
 
Estadística Administrativa: Unidad 4
Estadística Administrativa: Unidad 4Estadística Administrativa: Unidad 4
Estadística Administrativa: Unidad 4
 
Cálculo vectorial: Unidad 5
Cálculo vectorial: Unidad 5Cálculo vectorial: Unidad 5
Cálculo vectorial: Unidad 5
 
Cálculo vectorial: Unidad 4
Cálculo vectorial: Unidad 4Cálculo vectorial: Unidad 4
Cálculo vectorial: Unidad 4
 
Alvaro,eje1 actividad 4
Alvaro,eje1 actividad 4Alvaro,eje1 actividad 4
Alvaro,eje1 actividad 4
 
Calculo Vectorial Unidad 3
Calculo Vectorial Unidad 3Calculo Vectorial Unidad 3
Calculo Vectorial Unidad 3
 
Estadística Administrativa Unidad 3
Estadística Administrativa Unidad 3Estadística Administrativa Unidad 3
Estadística Administrativa Unidad 3
 
Unidad 2:Curvas en R2 y ecuaciones paramétricas.
Unidad 2:Curvas en R2 y ecuaciones paramétricas.Unidad 2:Curvas en R2 y ecuaciones paramétricas.
Unidad 2:Curvas en R2 y ecuaciones paramétricas.
 
Unidad 2: Regresión lineal múltiple y correlación
Unidad 2: Regresión lineal múltiple y correlaciónUnidad 2: Regresión lineal múltiple y correlación
Unidad 2: Regresión lineal múltiple y correlación
 
Ventas
VentasVentas
Ventas
 
Cronograma de taller de informatica 1
Cronograma de taller de informatica 1Cronograma de taller de informatica 1
Cronograma de taller de informatica 1
 
temario de taller de informática I
temario de taller de informática Itemario de taller de informática I
temario de taller de informática I
 
Cronograma de calculo vectorial
Cronograma de calculo vectorialCronograma de calculo vectorial
Cronograma de calculo vectorial
 
Cronograma de estadística administrativa II
Cronograma de estadística administrativa IICronograma de estadística administrativa II
Cronograma de estadística administrativa II
 

Manual de prácticas de estadistica administrativa

  • 1. ÍNDICE Contenido Página Práctica 1: Análisis de Regresión Simple ……………………………….…… 1 Práctica 2: Análisis de Regresión Múltiple…………………………………… 3 Práctica 3: Coeficientes de correlación simple y múltiple………...………… 5 Práctica 4: Serie del Tiempo…………………………………………………… 7 Práctica 5: Diseños experimentales con aplicación Empresarial …………. 9 Práctica 6: Diseño de Bloques al azar para evaluar la calidad en el 11 servicio .. Práctica 7: Diseño de un experimento de una situación real………………. 13
  • 2. PRÁCTICA No: 1 Nombre de la práctica: Análisis de Regresión Simple. OBJETIVO Que el alumno explique la relación entre variables dependientes e independientes mediante la aplicación del análisis de regresión simple, que permita explicar el significado entre dichas variables con el propósito de predecir el comportamiento de una de ellas a partir de los valores de la otra. INTRODUCCIÓN El análisis de regresión permite estudiar la influencia de una o mas variables llamadas independientes sobre otra llamada independiente. (Said, 1984) Puede decirse que las situaciones prácticas en que es importante investigar la naturaleza de la relación entre dos variables pertenecen a todos los aspectos del quehacer humano. Así por ejemplo los administradores de sistemas universitarios están interesados en evaluar la relación entre las calificaciones obtenidas por los aspirantes en los exámenes de admisión y las calificaciones que aquellos obtienen como alumnos. Para un agrónomo es muy importante la relación entre el número de plantas por hectárea en un cultivo y el rendimiento de éste. La dependencia entre las cantidades gastadas en la publicidad de un producto y las ventas del mismo es preocupación fundamental de los gerentes de ventas. La estrecha asociación entre el peso y la presión arterial de una persona es importante en medicina. El grado de participación política de un individuo y su nivel de educación aparecen frecuentemente relacionados. Los anteriores ejemplos ilustran ampliamente el espacio de aplicación del análisis de regresión y los problemas de interpretación asociados con él. Parte importante en la regresión lineal es identificar cual de las variables debe ser considerada como dependiente y cuál como independiente, siendo requisito fundamental para realizar el análisis de regresión.
  • 3. MARCO TEÓRICO La técnica estadística de regresión lineal simple es una herramienta útil para el análisis de datos experimentales. La regresión lineal simple es una técnica que permite determinar el grado de asociación entre dos variables (X,Y). Consiste en ajustar una línea recta a un conjunto de datos en un espacio bidimensional con el objeto de hacer inferencia acerca del comportamiento de los datos que se ajustaron. Los datos a ajustar se registran por pares, donde un valor específico de X puede repetirse varias veces originando un número diverso de valores para Y. La variable X es conocida como la variable independiente y la variable Y como la variable dependiente. Las gráficas donde aparecen los pares de datos (X,Y) se conocen como diagramas de dispersión. Un diagrama de dispersión es simplemente una gráfica común de puntos. MATERIAL Y EQUIPO Se le solicitará al alumno la investigación de datos de procesos de empresas o fenómenos administrativos, de mercadotecnia, ventas o de indicadores económicos que involucre la asociación de dos variables. Dichos datos deberán provenir preferentemente de situaciones reales. Se sugiere que el alumno se relacione con una empresa para poder solicitar al gerente de la empresa información que le permita desarrollar la practica de regresión lineal simple. Para realizar los cálculos de regresión se requiere computadora y programas Excel y software estadísticos. TÉCNICA O MÉTODO 1. Para realizar la regresión simple como primer paso será la elaboración del diagrama de dispersión de los datos, ya que éste puede ayudar en la búsqueda de un modelo que describa la relación entre la variable independiente (X) y la dependiente (Y). 2. Probar si el modelo de regresión lineal simple es adecuado para describir el comportamiento del conjunto de datos, con confiabilidad del 95%. 3. Posteriormente se procede a la estimación de la recta de regresión por mínimos cuadrados. 4. Obtener los valores predichos.
  • 4. 5. Dibujar la ecuación de regresión simple. 6. Calcular los errores. 7. Predecir el valor correspondiente para un valor Y dependiendo de un valor X. RESULTADOS Interpretación de Resultados. . . . . . . . . Conclusión(es) Concluir la utilidad de la regresión simple de manera general._________________ Realizar la conclusión de los datos analizados.___________________________ . .
  • 5. . . . . . . . BIBLIOGRAFÍA  Infante Gil Said y Zarate de Lara Métodos Estadísticos Un enfoque interdisciplinario. Ed. Trillas, S. A. de C. V. 1984 643 p. CUESTIONARIO DE EVALUACIÓN 1. ¿Qué es la regresión lineal simple? 2. Señale la utilidad de la regresión lineal simple. GLOSARIO 1. Variable dependiente. ______________________________________________________________ . _____ . ___________ . __________ . 2. Variable dependiente. ___________________________________________________________ . ________________________________________________________________ . ________________________________________________________________ .
  • 6. PRÁCTICA No: 2 Nombre de la práctica: Análisis de Regresión Múltiple. OBJETIVO Que el alumno explique la relación entre variables dependientes e independientes mediante la aplicación del análisis de regresión múltiple, que permita explicar el significado entre dichas variables con el propósito de predecir el comportamiento de una de ellas a partir de los valores de dos variables independientes. INTRODUCCIÓN En muchos fenómeno de la naturaleza el comportamiento de una variable dependiente Y es explicado por la influencia de dos o mas variables independientes Xi que actúan al mismo tiempo, por ejemplo, las ventas de un producto pueden ser determinado simultáneamente por el obsequio de una promoción y la atención en el servicio; el rendimiento de un estudiante en un examen puede estar influenciado por el número de horas que se preparó para ella, la carga académica que lleva y los año de estudios, se puede intentar predecir el total de facturación lograda por servicios prestados en una empresa cada mes (la variable dependiente) a partir de variables independientes como el tipo de servicio, edad, frecuencia del servicio, tipo de usuario y los años de antigüedad en el sistema del usuario. MARCO TEÓRICO La técnica estadística de regresión lineal múltiple es una herramienta útil para el análisis de datos experimentales. La regresión lineal múltiple es una técnica que permite determinar el grado de asociación entre tres o mas variables (X,Z,Y). En Este caso se tienen p diferentes variables independientes (X1, X2,…,Xp) para describir el comportamiento de los datos. Todas las variables independientes se relacionan entre si de manera lineal. El modelo describe el hiperplano en un espacio de p + 1 dimensiones. Para hacer estimaciones con este modelo se supone que los errores son independientes y tienen distribución normal con media 0 y varianza σ2.
  • 7. MATERIAL Y EQUIPO Se requieren listas de datos de una variable independiente con otra dependiente. Por ello se le solicitará al alumno la investigación de datos de procesos de empresas o fenómenos administrativos, de mercadotecnia, ventas o de indicadores económicos que involucre la asociación de tres variables. Dichos datos deberán provenir preferentemente de situaciones reales. Se sugiere que el alumno se relaciones con una empresa para poder solicitar al gerente de una empresa información que le permita desarrollar la practica de regresión simple. Para realizar los cálculos de regresión se requiere computadora y programas de Excel y software estadísticos. TÉCNICA O MÉTODO 1. Como primer paso será obtener la ecuación de regresión lineal simple por el método de mínimos cuadrados obteniendo primero el valor de los parámetros del modelo (βi), posteriormente los valores Y predichos y por último los errores. 2. Se obtienen los valores predichos de de Ῡ. 3. Probar si el modelo de regresión lineal múltiple es adecuado para describir el comportamiento del conjunto de datos, con confiabilidad del 95%. 4. Predecir el valor correspondiente para un valor Y dependiendo de dos valores de variables independiente. RESULTADOS
  • 8. Interpretación de Resultados. _ _ _ _ _ _ _ _ Conclusión(es) Concluir la utilidad de la regresión lineal múltiple._________________________ Realizar la conclusión de los datos analizados.____________________________ _ . . . . . . . . BIBLIOGRAFÍA  Infante Gil Said y Zarate de Lara Métodos Estadísticos Un enfoque interdisciplinario. Ed. Trillas, S. A. de C. V. 1984 643 p. CUESTIONARIO DE EVALUACIÓN
  • 9. 3. ¿Qué es la regresión lineal múltiple? 4. Señale la utilidad de la regresión lineal múltiple. GLOSARIO 5. Hiperplano _______________________________________________________________ _____ _ ___________ _ __________ _ 6. Distribución normal ____________________________________________________________ __________________________________________________________________ __________________________________________________________________
  • 10. PRÁCTICA No: 3 Nombre de la práctica: Coeficientes de correlación simple y múltiple. OBJETIVO Que el alumno calcule coeficientes de correlación para conocer la medida de asociación entre dos variables y pueda realizar inferencias a situaciones reales. INTRODUCCIÓN Cuando se estudian dos o más características, una pregunta que surge con frecuencia es si existe alguna relación entre ellas. El estudio de las relaciones entre variables ocupa un lugar preponderante en la ciencia moderna, en buena parte porque después de la revolución científica la idea de “causa eficiente” en el sentido de que al manifestarse produce un efecto reconocible es una idea central del llamado “método científico”. De acuerdo con esto, no es extraño que la existencia de una relación funcional entre dos o más variables a menudo se interprete de manera mecánica como una relación de causa-efecto. MARCO TEÓRICO El coeficiente de correlación es una medida de la asociación entre dos variables. Las razones por las que dos variables pueden aparecer relacionadas son múltiples pudiendo ser: que la variable X influye sobre la variable Y; que la variable Y influye sobre X; por que las variables X y Y interactúan entre sí; X y Y aparecen relacionadas porque otra variable Z influye sobre ambas; X y Y aparecen relacionadas porque actúan en forma similar debido al azar o X y Y aparecen relacionadas debido a que la muestra no es representativa. Para concluir que entre dos variable existe una relación de causa-efecto es preciso examinar cuidadosamente la naturaleza del fenómeno que se estudia. El coeficiente de correlación (rXY o rXZY) tiene las siguientes características: 1. A medida que el coeficiente rXY o rXZY se aproxima a 1 o -1 existirá mayor evidencia de que la variable X contribuye significativamente a explicar la variable Y o de que las variables X y Z explican la variable Y.
  • 11. 2. Si rXY o rXZY son iguales a 1 o -1, los valores observados caen exactamente sobre la ecuación de regresión estimada. 3. Si rXZY o rXZY tienen un valor cercano a cero, no hay razón para creer que existe una relación de tipo lineal entre las variables. Existe un criterio empírico que establece que cuando rXY o rXZY son mayores a 0.75 o menores a 0.75 la correlación entre las variables se considera válida, de lo contrario se podrá decir que no existe correlación entre las variables. MATERIAL Y EQUIPO Utilizar las listas de datos utilizadas en la regresión lineal simple o múltiple para calcular los coeficientes de correlación. Se recomienda realizar los ejercicios utilizando Excel o un Software estadístico. TÉCNICA O MÉTODO 1. Como primer paso será calcular las Covarianzas del conjunto de las variables aleatorias. 2. Calcular las desviaciones estándar de cada variable. 3. Calcular los coeficientes de correlación simple o múltiple según sea el caso utilizando las fórmulas correspondientes. RESULTADOS Interpretación de Resultados. _
  • 12. _ _ _ _ _ _ _ Conclusión(es) Concluir el grado de asociación entre las variables_________________________ Proponer la utilidad de este grado de asociación___________________________ _ . . . . . . . . BIBLIOGRAFÍA  Infante Gil Said y Zarate de Lara Métodos Estadísticos Un enfoque interdisciplinario. Ed. Trillas, S. A. de C. V. 1984 643 p. CUESTIONARIO DE EVALUACIÓN 5. ¿Qué es el coeficiente de correlación? 6. Señale la utilidad del coeficiente de correlación.
  • 13. GLOSARIO 7. correlación _______________________________________________________________ _____ _ ___________ _ __________ _ 8. covarianza ____________________________________________________________ __________________________________________________________________ __________________________________________________________________
  • 14. PRÁCTICA No: 4 Nombre de la práctica: Serie del Tiempo OBJETIVO Que el alumno identifique las series del tiempo y sus factores de variación, realizando cálculos de suavización de la serie mediante el método de promedios móviles y suavización exponencial y los asocie a una función para realizar predicciones. INTRODUCCIÓN Una serie de tiempo esta dado por un conjunto de observaciones ordenadas en el tiempo y que representan el cambio de una variable ya sea de tipo económica, física, química, biológica, etc., a lo largo esa historia. El objetivo del análisis de una serie de tiempo es el conocimiento de su patrón de comportamiento, para así poder prever su evolución en el futuro cercano, suponiendo por supuesto que las condiciones no variarán significativamente. Los pronósticos que se puedan realizar en base al análisis de este tipo de datos sirven para el desarrollo de nuevos planes para inversiones en agricultura por ejemplo, elaboración de nuevos productos por parte de las empresas, prevención de desastres por cambios en el clima, o captar turistas para la ciudad, etc. MARCO TEÓRICO Por serie de tiempo nos referimos a datos estadísticos que se recopilan, observan o registran en intervalos de tiempo regulares (diario, semanal, semestral, anual, entre otros). El término serie de tiempo se aplica por ejemplo a datos registrados en forma periódica que muestran, por ejemplo, las ventas anuales totales de almacenes, el valor trimestral total de contratos de construcción otorgados, el valor trimestral del PIB. En una serie de tiempo existen cuatro tipos básicos de variación, los cuales sobrepuestos o actuando en concierto, contribuyen a los cambios observados en un período de tiempo y dan a la serie su aspecto errático. Estas cuatro componentes son: Tendencia secular, variación estacional, variación cíclica y variación irregular. Existe una relación multiplicativa entre estas cuatro
  • 15. componentes; es decir, cualquier valor de una serie es el producto de factores que se pueden atribuir a las cuatro componentes: Tendencia secular: La tendencia secular o tendencia a largo plazo de una serie es por lo común el resultado de factores a largo plazo. En términos intuitivos, la tendencia de una serie de tiempo caracteriza el patrón gradual y consistente de las variaciones de la propia serie, que se consideran consecuencias de fuerzas persistentes que afectan el crecimiento o la reducción de la misma, tales como: cambios en la población, en las características demográficas de la misma, cambios en los ingresos, en la salud, en el nivel de educación y tecnología. Las tendencias a largo plazo se ajustan a diversos esquemas. Algunas se mueven continuamente hacía arriba, otras declinan, y otras más permanecen igual en un cierto período o intervalo de tiempo. Variación estacional: El componente de la serie de tiempo que representa la variabilidad en los datos debida a influencias de las estaciones, se llama componente estacional. Esta variación corresponde a los movimientos de la serie que recurren año tras año en los mismos meses (o en los mismos trimestres) del año poco más o menos con la misma intensidad. Por ejemplo: Un fabricante de albercas inflables espera poca actividad de ventas durante los meses de otoño e invierno y tiene ventas máximas en los de primavera y verano, mientras que los fabricantes de equipo para la nieve y ropa de abrigo esperan un comportamiento anual opuesto al del fabricante de albercas. Variación cíclica: Con frecuencia las series de tiempo presentan secuencias alternas de puntos abajo y arriba de la línea de tendencia que duran más de un año, esta variación se mantiene después de que se han eliminado las variaciones o tendencias estacional e irregular. Un ejemplo de este tipo de variación son los ciclos comerciales cuyos períodos recurrentes dependen de la prosperidad, recesión, depresión y recuperación, las cuales no dependen de factores como el clima o las costumbres sociales. Variación Irregular: Esta se debe a factores a corto plazo, imprevisibles y no recurrentes que afectan a la serie de tiempo. Como este componente explica la variabilidad aleatoria de la serie, es impredecible, es decir, no se puede esperar predecir su impacto sobre la serie de tiempo. Existen dos tipos de variación irregular: a) Las variaciones que son provocadas por acontecimientos especiales, fácilmente identificables, como las elecciones, inundaciones, huelgas, terremotos. Variaciones aleatorias o por casualidad, cuyas causas no se pueden señalar en forma exacta, pero que tienden a equilibrarse a la larga.
  • 16. MATERIAL Y EQUIPO Utilizar las listas datos históricos por pares de variables económicas de diferentes factores para su análisis. Ejemplos: precios de un articulo, tasas de desempleo, tasa de inflación, índice de precios, precio del dólar, precio del cobre, precios de acciones, ingreso nacional bruto, etc. Otros ejemplos: Planificación de compra de alimentos y necesidades de servicio en un restaurant, consumo de energía eléctrica, Se recomienda realizar los ejercicios utilizando Excel o un Software estadístico. TÉCNICA O MÉTODO 1 Graficar los datos para detectar outliers, tendencias, variaciones cíclicas o estacionales y variaciones aleatorias. 2 Estimación de la tendencia mediante el método de regresión lineal simple. 3 Estimación del componente estacional. 4 Suavización de los datos mediante promedios móviles. RESULTADOS Interpretación de Resultados. _ _ _
  • 17. _ _ _ _ _ Conclusión(es) Concluir sobre los resultados obtenidos _________________________________ Concluir la utilidad de la herramienta estadística serie de tiempo_______________ _ _ _ _ _ _ _ _ _ BIBLIOGRAFÍA  Infante Gil Said y Zarate de Lara Métodos Estadísticos Un enfoque interdisciplinario. Ed. Trillas, S. A. de C. V. 1984 643 p. CUESTIONARIO DE EVALUACIÓN 1 ¿ Cuál es el objeto de suavizar una serie de tiempo? 2 Explique por qué los promedios móviles y el suavizamiento exponencial "suavizan" una serie de tiempo.
  • 18. GLOSARIO 1. Outliers _______________________________________________________________ _____ _ ___________ _ __________ _ 2. Cíclico __________________________________________________________ __________________________________________________________________ __________________________________________________________________
  • 19. PRÁCTICA No: 5 Nombre de la práctica: Diseños experimentales con aplicación empresarial. OBJETIVO Que el alumno identifique los elementos de un diseño experimental proponiendo un experimento para una situación real. INTRODUCCIÓN Como el conocimiento nuevo se obtiene muy frecuentemente a través del análisis e interpretación cuidadosos de los datos, entonces es muy importante que se deba dedicar tiempo y esfuerzo considerable al planeamiento y recolección de los mismos con el objeto de obtener la máxima información con el menor costo de los recursos. Por ello es importante que se diseñen experimentos para obtener estimaciones insesgadas de medias y diferencias de tratamientos y del error experimental. MARCO TEÓRICO Experimento es la búsqueda planeada para obtener nuevos conocimientos o para confirmar o no resultados de experimentos previos, con lo que tal indagación ayudará en la toma de decisiones administrativas. Al diseñar un experimento se establecen claramente los objetivos como preguntas que han de responderse, hipótesis que han de probarse y efectos que han de estimarse. Es de gran importancia definir la población para la cual deben extraerse inferencias y tomar la muestra de esa población en forma aleatoria. Una unidad experimental es la unidad de material a la cual se aplica un tratamiento; el tratamiento es el procedimiento cuyo efecto se mide y compara con otros tratamientos. Cuando se mide el efecto de un tratamiento se mide en una unidad de muestreo, cierta fracción de la unidad experimental.
  • 20. Al seleccionar un conjunto de tratamientos, es importante definir cada tratamiento cuidadosamente y considerarlo con respecto a cada uno de los demás tratamientos para asegurarse, en lo posible, que el conjunto dé respuestas eficientes relacionadas con los objetivos del experimento. Una característica de toda unidad experimental es la variación. El error experimental es una medida de la variación existente entre observaciones sobre medidas experimentales tratadas en forma similar. Repetición es cuando un tratamiento aparece más de una vez en un experimento y tienen la función de permitir estimar el error experimental, mejorar la precisión de un experimento, aumentar el alcance de la inferencia del experimento y ejercer control sobre la varianza del error. MATERIAL Y EQUIPO Se requiere información de una empresa con respecto a sus problemas y actividades normales para el desarrollo de su objetivo. TÉCNICA O MÉTODO 1 Visitar una empresa observando y describiendo las actividades de la empresa. De ser posible obtener información cuantitativa que permita conocer los procesos, los volúmenes de producción y venta, los costos de producción, información en serie de tiempo y en general de todas las actividades de la empresa. 2 Identificar en lo posible los problemas de la empresa. 3 Plantear las soluciones mediante un experimenta considerando todos los elementos que lo integran. RESULTADOS
  • 21. Interpretación de Resultados. _ _ _ _ _ _ _ _ Conclusión(es) _ _ _ _ _ _ _ _ _ BIBLIOGRAFÍA  Infante Gil Said y Zarate de Lara Métodos Estadísticos Un enfoque interdisciplinario. Ed. Trillas, S. A. de C. V. 1984 643 p. CUESTIONARIO DE EVALUACIÓN 4 ¿Cuál es la utilidad del planteamiento de manera adecuada de un diseño experimental? 5 ¿Cuál es la finalidad de las repeticiones en un experimento?
  • 22. GLOSARIO 3. Error experimental _______________________________________________________________ _____ _ ___________ _ __________ _ 4. Diseño experimental __________________________________________________________ __________________________________________________________________ __________________________________________________________________
  • 23. PRÁCTICA No: 6 Nombre de la práctica: Diseño Bloques al azar para evaluar la calidad en el servicio OBJETIVO Que el alumno desarrolle la capacidad de diseñar un experimento en bloques al azar para evaluar la calidad en el servicio de una empresa haciendo el planteamiento para su ejecución. INTRODUCCIÓN Cuando se pretende desarrollar un experimento y se puede anticipar parte del comportamiento de unidades individuales y por consiguiente clasificarlas , pueden construirse diseños o planes de tal modo que la parte de la variabilidad atribuible a una fuente reconocida pueda medirse y excluirse así del error experimental. MARCO TEÓRICO El diseño de bloques al azar puede usarse cuando las unidades experimentales pueden agruparse; generalmente el número de unidades por grupo es igual al número de tratamientos. Tal tipo de grupo se llama bloque o repetición. El objetivo del agrupamiento es lograr que las unidades en un bloque sean tan uniformes como sea posible, de modo que las diferencias observadas se deban en gran parte a los tratamientos. En promedio, la variabilidad entre unidades de diferentes bloques será mayor que la variabilidad entre unidades del mismo bloque si no van a aplicarse tratamientos. Idealmente, la variabilidad entre unidades experimentales se controla de tal forma que se maximice la variación entre bloques, mientras que la variación de entre de ellos se minimice. La variación entre bloques no afecta claramente a las diferencias entre medias de tratamientos, ya que cada tratamiento aparece el mismo número de veces. Durante el transcurso del experimento, todas las unidades de un bloque deben tratarse tan uniformemente como sea posible en todo aspecto diferente del
  • 24. tratamiento. Todo cambio en la técnica u otra condición que pueda afectar los resultados debe hacerse en todo el bloque Cada tratamiento aparece un número igual de de veces, usualmente una vez, en cada bloque y cada bloque contiene todos los tratamientos MATERIAL Y EQUIPO Utilizar la información de la práctica anterior para el planteamiento del diseño de los bloque. TÉCNICA O MÉTODO 1 De la información obtenida con la practica anterior hacer el planteamiento de un diseño experimental de bloques al azar. 2 Integrar todos los elementos del diseño. 3 Implementar el diseño en la práctica. 4 Realizar el análisis de varianza y comparación de medias. 5 Realizar conclusiones RESULTADOS Interpretación de Resultados. _ _ _ _ _ _ _
  • 25. _ Conclusión(es) _ _ _ _ _ _ _ _ _ BIBLIOGRAFÍA  Infante Gil Said y Zarate de Lara Métodos Estadísticos Un enfoque interdisciplinario. Ed. Trillas, S. A. de C. V. 1984 643 p. CUESTIONARIO DE EVALUACIÓN 1 ¿Cuál es la finalidad de hacer bloques en un diseño experimental? GLOSARIO 1 Tratamiento _______________________________________________________________ _____ _ ___________ _ __________ _
  • 26. 2 Variabilidad __________________________________________________________ __________________________________________________________________ __________________________________________________________________