Este documento presenta el resumen de dos artículos científicos sobre la aplicación de la estadística inferencial. El primer artículo describe cómo la estadística inferencial puede usarse para mejorar la toma de decisiones de marketing mediante el análisis de datos de clientes. El segundo artículo explica el desarrollo de una aplicación móvil para enseñar estadística inferencial a estudiantes, la cual incluye funciones como una trivia, glosario y guía para realizar análisis estadísticos. Ambos
Un estudio de mercado.Donde,cuando y por que?Diego Delgado
El documento presenta siete reglas clave para realizar estudios de mercado efectivos que ayuden a tomar buenas decisiones de negocio. La primera regla es planificar y asignar un presupuesto adecuado para el estudio para asegurar su calidad. La segunda regla es utilizar los estudios para guiar las decisiones en lugar de dictarlas, considerando también otras fuentes de información. La tercera regla es definir objetivos de negocio específicos antes de desarrollar el diseño del estudio.
El documento describe la importancia de la estadística para la gestión de pequeñas y medianas empresas (PYMES). La estadística puede proporcionar información sobre las condiciones del mercado de manera rápida y económica. También ayuda a los líderes empresariales a tomar decisiones basadas en evidencia en lugar de opiniones. La estadística revela relaciones entre variables como ofertas de ventas y cambios en los ingresos que pueden conducir a un mayor control sobre la satisfacción del cliente. Finalmente, la estadíst
El documento analiza los desafíos actuales de la industria del seguro, incluyendo la multicanalidad, la transformación digital, centrarse en el cliente, la comoditización y las amenazas emergentes. Argumenta que el marketing jugará un papel clave para abordar estos desafíos mediante el enfoque en la omnicanalidad, vincular la transformación digital con los objetivos comerciales, generar valor para los clientes y la empresa, y desarrollar métricas que midan el impacto del marketing en la rentabilidad.
Usos Estratégicos de Informática, Capítulo 3, Informática como recurso estrat...Alvaro Galvis
Este es el tercer capítulo del Libro "Usos Estratégicos de Informática" escrito por Alvaro Galvis Panqueva en 1997 para el Programa de Gerencia Estratégica de Informática de la Universidad de Los Andes
Este documento proporciona información sobre pronósticos de ventas. Explica que generar pronósticos ayuda a reducir la incertidumbre sobre las ventas y tomar mejores decisiones. Describe los objetivos de los pronósticos, como las variables que afectan las ventas y los principales métodos de pronóstico. También recomienda definir claramente el objetivo del pronóstico y la dirección antes de generarlo para obtener resultados útiles.
El documento describe una propuesta para implementar un sistema de apoyo a la toma de decisiones en el departamento comercial de DESOFT Santiago de Cuba. La propuesta incluye la creación de un almacén de datos empresariales, un servidor de business intelligence y herramientas de análisis OLAP, minería de datos y modelado de escenarios para mejorar la toma de decisiones comerciales.
10 Formas en que el Big Data está revolucionando el marketing y las ventasGERENS
Alcanzar la optimización de los precios de un producto o servicio es mucho más factible gracias a los avances en los algoritmos del big data y a las técnicas avanzadas de analítica. De hecho ya ocurre hoy la racionalización en la rutina de toma de decisiones de los precios en industrias impulsadas por materias primas, donde los productos son inelásticos.
Este documento presenta un reporte individual sobre los capítulos 4 y 5 de un libro de marketing. Incluye una introducción sobre sistemas de información de marketing y análisis del entorno de marketing. Luego, resume cada capítulo a través de preguntas y respuestas sobre estos temas. Finalmente, concluye que el reporte ayudó a reforzar los conocimientos adquiridos en clase sobre mercadotecnia.
Un estudio de mercado.Donde,cuando y por que?Diego Delgado
El documento presenta siete reglas clave para realizar estudios de mercado efectivos que ayuden a tomar buenas decisiones de negocio. La primera regla es planificar y asignar un presupuesto adecuado para el estudio para asegurar su calidad. La segunda regla es utilizar los estudios para guiar las decisiones en lugar de dictarlas, considerando también otras fuentes de información. La tercera regla es definir objetivos de negocio específicos antes de desarrollar el diseño del estudio.
El documento describe la importancia de la estadística para la gestión de pequeñas y medianas empresas (PYMES). La estadística puede proporcionar información sobre las condiciones del mercado de manera rápida y económica. También ayuda a los líderes empresariales a tomar decisiones basadas en evidencia en lugar de opiniones. La estadística revela relaciones entre variables como ofertas de ventas y cambios en los ingresos que pueden conducir a un mayor control sobre la satisfacción del cliente. Finalmente, la estadíst
El documento analiza los desafíos actuales de la industria del seguro, incluyendo la multicanalidad, la transformación digital, centrarse en el cliente, la comoditización y las amenazas emergentes. Argumenta que el marketing jugará un papel clave para abordar estos desafíos mediante el enfoque en la omnicanalidad, vincular la transformación digital con los objetivos comerciales, generar valor para los clientes y la empresa, y desarrollar métricas que midan el impacto del marketing en la rentabilidad.
Usos Estratégicos de Informática, Capítulo 3, Informática como recurso estrat...Alvaro Galvis
Este es el tercer capítulo del Libro "Usos Estratégicos de Informática" escrito por Alvaro Galvis Panqueva en 1997 para el Programa de Gerencia Estratégica de Informática de la Universidad de Los Andes
Este documento proporciona información sobre pronósticos de ventas. Explica que generar pronósticos ayuda a reducir la incertidumbre sobre las ventas y tomar mejores decisiones. Describe los objetivos de los pronósticos, como las variables que afectan las ventas y los principales métodos de pronóstico. También recomienda definir claramente el objetivo del pronóstico y la dirección antes de generarlo para obtener resultados útiles.
El documento describe una propuesta para implementar un sistema de apoyo a la toma de decisiones en el departamento comercial de DESOFT Santiago de Cuba. La propuesta incluye la creación de un almacén de datos empresariales, un servidor de business intelligence y herramientas de análisis OLAP, minería de datos y modelado de escenarios para mejorar la toma de decisiones comerciales.
10 Formas en que el Big Data está revolucionando el marketing y las ventasGERENS
Alcanzar la optimización de los precios de un producto o servicio es mucho más factible gracias a los avances en los algoritmos del big data y a las técnicas avanzadas de analítica. De hecho ya ocurre hoy la racionalización en la rutina de toma de decisiones de los precios en industrias impulsadas por materias primas, donde los productos son inelásticos.
Este documento presenta un reporte individual sobre los capítulos 4 y 5 de un libro de marketing. Incluye una introducción sobre sistemas de información de marketing y análisis del entorno de marketing. Luego, resume cada capítulo a través de preguntas y respuestas sobre estos temas. Finalmente, concluye que el reporte ayudó a reforzar los conocimientos adquiridos en clase sobre mercadotecnia.
Este documento trata sobre las herramientas y estrategias de fijación de precios en el marketing industrial. Explica herramientas digitales como el posicionamiento en Google, redes sociales y correo electrónico de marketing. Luego discute diferentes estrategias para fijar precios como basarse en los costes, el valor para el cliente o la competencia. Finalmente, cubre temas como cambios de precios en líneas de productos.
El documento habla sobre el papel de las tecnologías de la información y la comunicación (TIC) en la globalización mundial y los avances tecnológicos. También menciona algunos desafíos de las TIC como las desigualdades digitales, la dependencia tecnológica y la necesidad de alfabetización digital. Finalmente, discute el uso de sistemas de información de mercadeo para recopilar y analizar datos que ayuden a los gerentes a tomar mejores decisiones.
Un primer desafío para la incursión de negocios a provincias, es la definición y selección
del mercado, que pese a su naturaleza de discriminación territorial no es suficiente para adoptar
una postura estratégica y competitiva. Se requiere llegar a más detalle, escudriñando entre los
múltiples nichos y seleccionando entre ellos a quienes atender.
Un estudio de mercado es una investigación utilizada por diversos ramos de la industria para garantizar la toma de decisiones y entender mejor el panorama comercial. Existen tres tipos de estudios de mercado: estudios de medición, estudios para entender al consumidor, y estudios para la toma de decisiones. Los métodos para realizar un estudio de mercado incluyen investigación cuantitativa y cualitativa mediante encuestas, grupos focales, entrevistas y observación.
Seis errores que cometen las empresas hoy en díaSAPCrystalLatam
Este documento describe seis errores comunes que las empresas cometen durante períodos económicos desafiantes y cómo la inteligencia de negocios (BI) puede ayudar a evitarlos. Los seis errores son: 1) dar por sentado a los clientes existentes, 2) no aprovechar oportunidades de mercado, 3) permitir ineficiencias operativas, 4) no diagnosticar y corregir problemas, 5) fomentar mal comportamiento en la empresa, y 6) no ser transparente con los grupos de interés. El documento explica cómo la BI puede
Este documento analiza la relación entre el estudio de mercado tradicional (las 5 fuerzas de Porter) y la gestión de la relación con los clientes (CRM) mediante una encuesta a ejecutivos en Australia. Los hallazgos muestran que la estrategia de marketing es más confiable que la diferenciación de productos o liderazgo por costos para la toma de decisiones. Además, una buena investigación de mercados y CRM son útiles para la implementación estratégica al asegurar un vínculo entre la empresa, la marca y los clientes.
Este documento analiza la relación entre el estudio de mercado tradicional (las 5 fuerzas de Porter) y la gestión de la relación con los clientes (CRM) mediante una encuesta a ejecutivos en Australia. Los hallazgos muestran que una buena estrategia de marketing basada en los clientes es más confiable que una enfocada solo en los productos. El CRM complementa el análisis de Porter al seguir el comportamiento de los consumidores. Se concluye que tanto el CRM como el enfoque tradicional son útiles para las estrategias de mercadeo
Marketing y prospectivas para el año 2020, documento de cómo se previsualizaba el 2020 frente al Marketing, especialmente desde la comunicación digital
Métodos para pronosticar las ventas y desarrollar el potencial de mercadoAlfonzo Campos
Este documento describe varios métodos para pronosticar ventas y desarrollar el potencial de mercado. Explica métodos cuantitativos como el análisis de factores de mercado y ventas históricas, y métodos cualitativos como encuestas de intención de compra y juicio de expertos. También describe cómo calcular la demanda primaria, usar datos demográficos, y aplicar diferentes métodos para interpretar los resultados y estimar el potencial de mercado.
Sistemas de Información Organizaciones y Estrategiasmayraliz01
El documento describe las características organizacionales que los gerentes necesitan conocer para crear y usar sistemas de información exitosamente. Explica que las organizaciones tienen políticas y culturas diversas que afectan la implementación de sistemas. También describe cómo los sistemas de información impactan a las organizaciones al reducir costos y mejorar la eficiencia, permitiendo nuevas estrategias competitivas. Finalmente, discute los retos que presentan los sistemas estratégicos de información y cómo enfrentarlos.
Presentacion capitulo 3 Sistemas de Información Organizaciones y Estrategiasmayraliz01
El documento describe cómo las organizaciones pueden usar sistemas de información estratégicos para lograr ventajas competitivas. Explica que las organizaciones tienen culturas, políticas y perspectivas diversas, y que los sistemas de información pueden ayudar a reducir costos y mejorar la eficiencia. También analiza cómo los modelos de fuerzas competitivas, cadena de valor y redes pueden identificar oportunidades para aplicaciones estratégicas de sistemas de información.
El documento resume los impactos de la pandemia en las empresas y cómo la inteligencia de negocios puede ayudarlas a enfrentar retos. Explica que la tecnología fue clave durante la pandemia y que la inteligencia de negocios permite gestionar datos eficientemente para tomar mejores decisiones. Propone un esquema de cuatro etapas para implementar inteligencia de negocios en las organizaciones. Concluye que la inteligencia de mercados permite adaptar estrategias considerando el contexto y que herramientas como Power BI facilitan el an
Marketing intelligence and customer analytics by Deloitte. Inteligencia de cl...Carmen Urbano
Excelente trabajo de DaemonQuest y Deloitte sobre inteligencia comercial y marketing, (informe recibido vía APD)
Algunas de las ideas que comparto totalmente:
"El cliente no es el fin sino la estrategia"
"El 75% de las que serán las 500
mayores empresas del mundo en el año
2020 todavía no existen. El éxito de los
proyectos empresariales estará ligado
a una innovación disruptiva, capaz de
cambiar la orientación hacia la venta
por una “economía de intenciones”
"Las marcas que han sustituido la
satisfacción por la emoción y el vínculo
con los clientes, las que han logrado
tener fans en vez de compradores,
son aquellas que tienen una estrategia
basada en el Customer Analytics"
5 ideas falsas iNVESTIGACION DE MERCADOShvalenciaa
Este documento discute cinco mitos comunes sobre la investigación de mercados y proporciona alternativas de bajo costo. Argumenta que la investigación no siempre requiere grandes muestras o sofisticadas técnicas, y que puede proveer datos útiles para las pequeñas empresas con métodos como grupos focales, observación, datos secundarios y experimentación. También enfatiza la importancia de comunicar claramente los resultados de la investigación y su relación con las decisiones de negocio.
El documento discute el papel estratégico del marketing para crear valor y resultados económicos para una empresa. Explica que el marketing estratégico define los segmentos de clientes objetivo y desarrolla la oferta para satisfacer sus necesidades. También es responsable de gestionar la marca a largo plazo. El marketing táctico y operativo se encarga de implementar los planes para lograr resultados a corto plazo sin comprometer el valor a largo plazo. Asegurar ingresos en el corto plazo requiere entender los valores de los clientes
6.Unidad 10-Investigación de mercados-modif..pptMartin658290
Investigación de mercado y ejemplos
Necesidad de la Investigación de mercados
Hoy muchos factores indican la necesidad de que las empresas tengan acceso a información oportuna.
Se citan factores y su relación con la administración de información
Investigacion de mercado y sistemas de informacionNelson Gonzalez
Este documento describe la importancia de la investigación de mercados y los sistemas de información para tomar decisiones estratégicas de marketing. Explica que la investigación de mercados provee información valiosa sobre los clientes, competidores y tendencias del mercado. También destaca que un sistema de información de marketing efectivo organiza y facilita el acceso a esta información para mejorar la toma de decisiones en áreas como el producto, precio, publicidad y ventas. Finalmente, enfatiza que contar con información precisa y oportuna es fundamental para el éxito
Los sueldos de los españoles no pueden bajar mucho más (El Economista)EAE Business School
El consultor Sebastià Garcia critica que las empresas reduzcan con frecuencia los costes laborales como primera medida para reducir gastos durante una crisis. García argumenta que esta no es una solución sostenible y que las empresas deben analizar y mejorar toda su estructura de costes y gestión. También señala que los salarios en España no pueden bajar mucho más sin dañar la demanda interna. García aboga por que las empresas mejoren su eficiencia y competitividad de manera holística en lugar de centrarse únicamente en recortes.
Este documento presenta cinco enfoques para estudiar el futuro: 1) las proyecciones, las cuales extienden las tendencias del pasado y presente hacia el futuro; 2) las predicciones, las cuales presentan afirmaciones deterministas sobre lo que sucederá; 3) la previsión, la cual busca tomar acciones actuales para resolver problemas futuros cercanos; 4) los pronósticos, los cuales representan juicios razonados que servirán de base para planes de acción; y 5) las prospectivas, las cuales exploran diversos futuros posibles. Adem
Este documento trata sobre las herramientas y estrategias de fijación de precios en el marketing industrial. Explica herramientas digitales como el posicionamiento en Google, redes sociales y correo electrónico de marketing. Luego discute diferentes estrategias para fijar precios como basarse en los costes, el valor para el cliente o la competencia. Finalmente, cubre temas como cambios de precios en líneas de productos.
El documento habla sobre el papel de las tecnologías de la información y la comunicación (TIC) en la globalización mundial y los avances tecnológicos. También menciona algunos desafíos de las TIC como las desigualdades digitales, la dependencia tecnológica y la necesidad de alfabetización digital. Finalmente, discute el uso de sistemas de información de mercadeo para recopilar y analizar datos que ayuden a los gerentes a tomar mejores decisiones.
Un primer desafío para la incursión de negocios a provincias, es la definición y selección
del mercado, que pese a su naturaleza de discriminación territorial no es suficiente para adoptar
una postura estratégica y competitiva. Se requiere llegar a más detalle, escudriñando entre los
múltiples nichos y seleccionando entre ellos a quienes atender.
Un estudio de mercado es una investigación utilizada por diversos ramos de la industria para garantizar la toma de decisiones y entender mejor el panorama comercial. Existen tres tipos de estudios de mercado: estudios de medición, estudios para entender al consumidor, y estudios para la toma de decisiones. Los métodos para realizar un estudio de mercado incluyen investigación cuantitativa y cualitativa mediante encuestas, grupos focales, entrevistas y observación.
Seis errores que cometen las empresas hoy en díaSAPCrystalLatam
Este documento describe seis errores comunes que las empresas cometen durante períodos económicos desafiantes y cómo la inteligencia de negocios (BI) puede ayudar a evitarlos. Los seis errores son: 1) dar por sentado a los clientes existentes, 2) no aprovechar oportunidades de mercado, 3) permitir ineficiencias operativas, 4) no diagnosticar y corregir problemas, 5) fomentar mal comportamiento en la empresa, y 6) no ser transparente con los grupos de interés. El documento explica cómo la BI puede
Este documento analiza la relación entre el estudio de mercado tradicional (las 5 fuerzas de Porter) y la gestión de la relación con los clientes (CRM) mediante una encuesta a ejecutivos en Australia. Los hallazgos muestran que la estrategia de marketing es más confiable que la diferenciación de productos o liderazgo por costos para la toma de decisiones. Además, una buena investigación de mercados y CRM son útiles para la implementación estratégica al asegurar un vínculo entre la empresa, la marca y los clientes.
Este documento analiza la relación entre el estudio de mercado tradicional (las 5 fuerzas de Porter) y la gestión de la relación con los clientes (CRM) mediante una encuesta a ejecutivos en Australia. Los hallazgos muestran que una buena estrategia de marketing basada en los clientes es más confiable que una enfocada solo en los productos. El CRM complementa el análisis de Porter al seguir el comportamiento de los consumidores. Se concluye que tanto el CRM como el enfoque tradicional son útiles para las estrategias de mercadeo
Marketing y prospectivas para el año 2020, documento de cómo se previsualizaba el 2020 frente al Marketing, especialmente desde la comunicación digital
Métodos para pronosticar las ventas y desarrollar el potencial de mercadoAlfonzo Campos
Este documento describe varios métodos para pronosticar ventas y desarrollar el potencial de mercado. Explica métodos cuantitativos como el análisis de factores de mercado y ventas históricas, y métodos cualitativos como encuestas de intención de compra y juicio de expertos. También describe cómo calcular la demanda primaria, usar datos demográficos, y aplicar diferentes métodos para interpretar los resultados y estimar el potencial de mercado.
Sistemas de Información Organizaciones y Estrategiasmayraliz01
El documento describe las características organizacionales que los gerentes necesitan conocer para crear y usar sistemas de información exitosamente. Explica que las organizaciones tienen políticas y culturas diversas que afectan la implementación de sistemas. También describe cómo los sistemas de información impactan a las organizaciones al reducir costos y mejorar la eficiencia, permitiendo nuevas estrategias competitivas. Finalmente, discute los retos que presentan los sistemas estratégicos de información y cómo enfrentarlos.
Presentacion capitulo 3 Sistemas de Información Organizaciones y Estrategiasmayraliz01
El documento describe cómo las organizaciones pueden usar sistemas de información estratégicos para lograr ventajas competitivas. Explica que las organizaciones tienen culturas, políticas y perspectivas diversas, y que los sistemas de información pueden ayudar a reducir costos y mejorar la eficiencia. También analiza cómo los modelos de fuerzas competitivas, cadena de valor y redes pueden identificar oportunidades para aplicaciones estratégicas de sistemas de información.
El documento resume los impactos de la pandemia en las empresas y cómo la inteligencia de negocios puede ayudarlas a enfrentar retos. Explica que la tecnología fue clave durante la pandemia y que la inteligencia de negocios permite gestionar datos eficientemente para tomar mejores decisiones. Propone un esquema de cuatro etapas para implementar inteligencia de negocios en las organizaciones. Concluye que la inteligencia de mercados permite adaptar estrategias considerando el contexto y que herramientas como Power BI facilitan el an
Marketing intelligence and customer analytics by Deloitte. Inteligencia de cl...Carmen Urbano
Excelente trabajo de DaemonQuest y Deloitte sobre inteligencia comercial y marketing, (informe recibido vía APD)
Algunas de las ideas que comparto totalmente:
"El cliente no es el fin sino la estrategia"
"El 75% de las que serán las 500
mayores empresas del mundo en el año
2020 todavía no existen. El éxito de los
proyectos empresariales estará ligado
a una innovación disruptiva, capaz de
cambiar la orientación hacia la venta
por una “economía de intenciones”
"Las marcas que han sustituido la
satisfacción por la emoción y el vínculo
con los clientes, las que han logrado
tener fans en vez de compradores,
son aquellas que tienen una estrategia
basada en el Customer Analytics"
5 ideas falsas iNVESTIGACION DE MERCADOShvalenciaa
Este documento discute cinco mitos comunes sobre la investigación de mercados y proporciona alternativas de bajo costo. Argumenta que la investigación no siempre requiere grandes muestras o sofisticadas técnicas, y que puede proveer datos útiles para las pequeñas empresas con métodos como grupos focales, observación, datos secundarios y experimentación. También enfatiza la importancia de comunicar claramente los resultados de la investigación y su relación con las decisiones de negocio.
El documento discute el papel estratégico del marketing para crear valor y resultados económicos para una empresa. Explica que el marketing estratégico define los segmentos de clientes objetivo y desarrolla la oferta para satisfacer sus necesidades. También es responsable de gestionar la marca a largo plazo. El marketing táctico y operativo se encarga de implementar los planes para lograr resultados a corto plazo sin comprometer el valor a largo plazo. Asegurar ingresos en el corto plazo requiere entender los valores de los clientes
6.Unidad 10-Investigación de mercados-modif..pptMartin658290
Investigación de mercado y ejemplos
Necesidad de la Investigación de mercados
Hoy muchos factores indican la necesidad de que las empresas tengan acceso a información oportuna.
Se citan factores y su relación con la administración de información
Investigacion de mercado y sistemas de informacionNelson Gonzalez
Este documento describe la importancia de la investigación de mercados y los sistemas de información para tomar decisiones estratégicas de marketing. Explica que la investigación de mercados provee información valiosa sobre los clientes, competidores y tendencias del mercado. También destaca que un sistema de información de marketing efectivo organiza y facilita el acceso a esta información para mejorar la toma de decisiones en áreas como el producto, precio, publicidad y ventas. Finalmente, enfatiza que contar con información precisa y oportuna es fundamental para el éxito
Los sueldos de los españoles no pueden bajar mucho más (El Economista)EAE Business School
El consultor Sebastià Garcia critica que las empresas reduzcan con frecuencia los costes laborales como primera medida para reducir gastos durante una crisis. García argumenta que esta no es una solución sostenible y que las empresas deben analizar y mejorar toda su estructura de costes y gestión. También señala que los salarios en España no pueden bajar mucho más sin dañar la demanda interna. García aboga por que las empresas mejoren su eficiencia y competitividad de manera holística en lugar de centrarse únicamente en recortes.
Este documento presenta cinco enfoques para estudiar el futuro: 1) las proyecciones, las cuales extienden las tendencias del pasado y presente hacia el futuro; 2) las predicciones, las cuales presentan afirmaciones deterministas sobre lo que sucederá; 3) la previsión, la cual busca tomar acciones actuales para resolver problemas futuros cercanos; 4) los pronósticos, los cuales representan juicios razonados que servirán de base para planes de acción; y 5) las prospectivas, las cuales exploran diversos futuros posibles. Adem
Similar a actividad 1 estadistica inferencial.docx (20)
LIDERAZGO E IGLECRECIMIENTO /perspectiva de liderazgo 2.pptxssuser0948981
Desde la perspectiva bíblica el liderazgo es un don dado por
Dios, Al igual que con todo don espiritual, el liderazgo es
esencial para el funcionamiento y crecimiento saludable del
cuerpo de Cristo para cumplir su misión en este mundo.
Gálatas 6:7 7 No os engañéis; Dios no puede ser burlado: pues todo lo que el hombre sembrare, eso también segará.
El versículo de Gálatas 6:7 nos recuerda que nuestras acciones tienen consecuencias inevitables. La idea de "sembrar y cosechar" subraya la ley de causa y efecto en la vida espiritual y moral. No podemos engañar a Dios ni evitar las repercusiones de nuestros actos. Si sembramos bondad, cosecharemos beneficios; si sembramos maldad, enfrentaremos adversidades. Este principio nos insta a vivir con integridad y a actuar de manera justa y amorosa, sabiendo que cada decisión y acción tiene un impacto duradero en nuestra vida y en la de los demás. Es un llamado a la responsabilidad y a la reflexión sobre nuestro comportamiento diario.
SESION DE TUTORIA SOY AUTONOMO FRENTE AL CONSUMO DE DROGAS.pptx
actividad 1 estadistica inferencial.docx
1. UNIVERSIDAD PRIVADA DOMINGO SAVIO
ACTIVIDAD 1
MATERIA: Estadística Inferencial
DOCENTE: Gineth Salo
ESTUDIANTE: Rosa Yissel Uzquiano Molina
CARRERA: Ingeniería Comercial
2024
2. Investigación de artículos científicos de ingeniería que destaquen la
aplicación de la estadística inferencial
1. Artículo № 1
La importancia de la estadística aplicada para la toma de decisiones en
Marketing
Introducción al área de interés y su importancia.
La revolución tecnológica ha hecho que la información sea más accesible para
todos, incluidos los clientes, lo que plantea desafíos para las empresas al
enfrentarse a consumidores mejor informados. Sin embargo, el acceso a datos
también beneficia a las empresas si se utilizan adecuadamente para la toma de
decisiones. A pesar de tener más datos, muchas empresas carecen de
profesionales especializados en análisis de datos, lo que puede convertir la
abundancia de información en una dificultad para la toma de decisiones. La falta
de objetivos claros también contribuye a este problema. La bibliografía en
marketing a menudo no profundiza en el análisis de datos más allá de la
estadística básica, aunque estas medidas pueden ser útiles para la toma de
decisiones gerenciales. Además de los datos internos, la información del cliente
es valiosa y debe ser recopilada mediante investigaciones de mercado. El
análisis de datos es crucial para el marketing estratégico, ya que proporciona
una comprensión clara del mercado y su entorno. En este contexto, el trabajo de
revisión teórica busca mostrar la aplicación práctica de medidas estadísticas en
marketing para mejorar la toma de decisiones en las organizaciones.
Descripción detallada de las aplicaciones específicas de la estadística
inferencial.
De todo el análisis bibliográfico realizado en el presente trabajo de investigación,
se puede llegar a establecer que existe un consenso generalizado por parte de
la comunidad académica en que la formación de las personas en el área de
estadística se hace cada vez más fundamental como parte de habilidades y
capacidades que se deben desarrollar, independientemente del área de
formación de las personas.
Por otro lado, la aplicación de la estadística como disciplina en el área
de marketing descansa mayormente en temas de estudios académicos y no
tanto en aspectos de orden práctico y objetivo para las organizaciones.
También se puede señalar que el empleo de la estadística se circunscribe a una
de orden univariado donde el uso de distribuciones de frecuencias, gráficos,
3. porcentajes, histogramas se constituyen en el principal recurso o herramienta
para trabajar los datos y convertirlos en información que ayude a la toma de
decisiones en la empresa. Este análisis, por cierto, es superficial, más aún si no
se relacionan variables o se trabaja al menos con estadística bivariada a nivel de
cruce de variables (tablas de contingencia).
La estadística en la investigación de mercados se utiliza mucho como recurso
inferencial. Al trabajar con muestras representativas de poblaciones, muchos
investigadores extrapolan sus hallazgos a lo que teóricamente quisiera toda la
población; sin embargo, se debe tomar en cuenta que muchas de las inferencias
realizadas no siguen con rigurosidad los aspectos metodológicos indispensables
para que dichas inferencias sean confiables. Esto, como se advirtió en la
revisión bibliográfica, obedece a una debilidad en la formación de los
profesionales en lo relativo al empleo correcto de herramientas matemáticas
dentro de la vida real y cotidiana (en este caso, poniendo el foco de atención en
los problemas y retos a los que se enfrentan las organizaciones en cuanto a sus
dilemas gerenciales).
Poseer información debidamente trabajada constituye una fuente de ventaja
competitiva de difícil imitación por parte de los competidores; sin embargo, el
contar con gente capacitada para realizar el análisis de manera objetiva y
contextúa l izad a es el reto que se hace difícil para las organizaciones. No se
debe olvidar que la obtención de datos y la posterior generación de información
para la toma de decisiones debe obedecer a que las empresas cuenten claridad
de los dilemas gerenciales en los que se encuentran y a los que posiblemente
pueden enfrentarse a futuro, además de que puedan tener la capacidad de
transformar estos dilemas en protocolos claros y sistemáticos que guíen los
procesos de investigación de manera objetiva.
Resumen de la metodología estadística utilizada en los artículos.
4. Los datos de la tabla 1 no se constituyen en información sino se los analizan e
interpretan adecuadamente. Analizando la información de la tabla, se puede
advertir que existe, en promedio, una mayor disposición a pagar por un vehículo
en los clientes hombres en relación con las clientes mujeres. La asimetría
positiva en ambos casos indica que existe mayor concentración de los datos en
valores bajos y que la curva de distribución de frecuencias para el caso de los
varones está un tanto más dispersa en relación con las féminas (2,39 y 1,77,
respectivamente). Gráficamente, se puede comprobar esta situación mediante la
observación de los histogramas
Aplicando una prueba t de diferencia de medias, se puede advertir que la
diferencia de los dos promedios, desde el punto de vista de la estadística, es
significativa, ya que el valor de contraste obtenido en la prueba es menor al nivel
de significancia de 0.05: por lo tanto, se rechaza la hipótesis nula de que los dos
promedios son iguales
El precisar que la diferencia de los promedios de disposición de pago entre hombres y
mujeres es estadísticamente significativa y diferente tiene una connotación de
decisiones ejecutivas bastante complejas. Por ejemplo:
a. Se tiene información para planificar las campañas promocionales de los vehículos
que produzca la empresa con un mensaje y publicidad diferentes, es decir, campañas
publicitarias dirigidas a cada uno de los segmentos. Se puede advertir que los hombres
son menos sensibles al precio cuando se trata de la compra de un vehículo; sin
embargo, las mujeres son mucho más sensibles a la variable precio y no parecen estar
dispuestas a pagar mucho por un vehículo. Esto es algo que se refrenda con los
máximos a pagar por cada uno de los segmentos (79.980 $us para hombres y 30.000
$us para mujeres).
5. b. Se podría pensar también en lanzar campañas publicitarias que resalten con mayor
fuerza ciertos atributos de los vehículos; sobre todo, aquellos que se consideren como
importantes para las mujeres, como seguridad, familiar, económico, etc., es decir, que
la decisión de los ejecutivos también podría encaminarse por trabajar campañas
comunicacionales únicas.
c. Especulando un poco más, el análisis de los promedios puede tener su efecto en la
variable producto, ya que los ejecutivos de la empresa pueden optar también por
desarrollar diferentes gamas de productos para alcanzar y satisfacer a los diferentes
segmentos de mercado, que en este caso están denotados por la variable sexo.
d. El análisis de la desviación típica, conjuntamente al de la asimetría, puede sugerir
a los ejecutivos que la compra de vehículos está influenciada en los hombres de
manera más emocional en relación con las mujeres, que parecen ser más racionales
en cuanto a la predisposición de adquirir un vehículo. Los valores en el caso de los
varones están más dispersos en relación con los valores de las féminas.
Los percentiles de la tabla 3, al ser medidas de posición, otorgan información
concerniente a la localización de las disposiciones a pagar por parte de los clientes.
Aplicando la interpretación de los percentiles al marketing, se podría indicar entre
algunas conclusiones puntuales lo siguiente:
a. Para el caso de los hombres, tan solo un 5% del mercado estaría dispuesto a
pagar por un vehículo más de 36.788 $us; en el caso de las mujeres, tan solo un 5%
del mercado estaría dispuesto a pagar más de 18.750 $us. Este análisis obedece al
percentil 95%.
b. Cruzando el percentil 75 con el valor mínimo obtenido para cada grupo en los
estadísticos de resumen, se tiene el siguiente análisis: para el caso de los hombres, el
75% del mercado estaría dispuesto a pagar entre 9.000 $us y 22.688 $us; para el caso
6. de las mujeres, el 75% del mercado estaría dispuesto a pagar entre 9000 $us y 14.250
$us.
Se puede advertir que los percentiles son una fuente de información valiosa a la hora
de cuantificar el posible mercado de referencia al que se podría llegar. Los percentiles
pueden ayudar mucho a los decisores en temas relacionados a segmentación de
mercados con base a una variable cuantitativa.
Supongamos por un momento que la empresa comercializa vehículos dirigidos al
segmento de hombres y que el precio mínimo de venta de uno de sus vehículos es de
30.000 $us; con esta información y remitiéndonos a los resultados de la tabla 2,
llegamos a una valiosa conclusión de que la empresa tan solo estaría compitiendo en
un mercado del 10%, ya que el percentil 90 con un valor de 33.000 $us nos muestra
esa realidad, obviamente el hablar de competir en un 10% del mercado no
necesariamente es despreciable de acuerdo al contexto en el que se compita (tamaño
de la población).
Con base a los percentiles una empresa dedicada a la venta de vehículos podría definir
su estrategia competitiva, optando quizás por la diferenciación, el enfoque o tal vez el
liderazgo en costos. Claramente, vemos en nuestro país que existen empresas
comercializadoras de vehículos que optan por alguna de las estrategias genéricas
anteriormente mencionadas y establecidas en la teoría por Michael Porteren 1982
Principales resultados obtenidos y su impacto en la optimización de procesos.
Los histogramas (gráfico1 y gráfico 2), como se mencionó anteriormente,
muestran el comportamiento de los datos de forma gráfica; ahí se refrendan los
análisis realizados trabajando con la desviación típica como con la asimetría. Se
puede advertir cómo la distribución de frecuencias para el caso de los hombres
está más dispersa en relación con la de las mujeres; además, la asimetría, al ser
más alta en el caso de los hombres (2.39), refleja mayor concentración en
precios bajos. Toda empresa esperaría obtener para la variable cuánto está
dispuesto a pagar por el producto asimetrías negativas, ya que concluiría que las
disposiciones de pago de los clientes se encuentran concentrados en valores
altos (precios altos).
7. Reflexiones personales sobre la relevancia de la estadística inferencial en la
mejora de procesos en el área investigada.
8. El uso del análisis cuantitativo es fundamental en el mundo laboral,
especialmente en el ámbito empresarial. Los profesionales que carecen de
habilidades en análisis estadístico enfrentan desventajas en el mercado laboral
en comparación con aquellos que las poseen. Aunque no garantiza el éxito, el
análisis cuantitativo en decisiones de marketing proporciona información para la
toma de decisiones, lo que se traduce en una ventaja competitiva. Es crucial
entender que la interpretación de medidas estadísticas requiere un análisis
integral de datos y no simplemente basarse en estadísticas resumidas. Además,
es fundamental aplicar correctamente los supuestos estadísticos para que los
análisis sean válidos y útiles. Existen numerosos recursos estadisticos que
pueden proporcionar información sustancial a los ejecutivos de una empresa.
Este trabajo pretende motivar al lector a aplicar estas herramientas de manera
practica en su vida laboral y cotidiana.
2. Artículo № 2
Enseñanza de la estadística inferencial mediante una aplicación móvil
Introducción al área de interés y su importancia.
La enseñanza de la Estadística en cursos universitarios ha presentado mayores
desafíos en las disciplinas de las Ciencias Sociales. En esta investigación se
diseñó una aplicación para dispositivos smartphones con el objetivo de apoyar el
aprendizaje de la Estadística Inferencial en una muestra de estudiantes de las
carreras de Psicología y Trabajo Social en una universidad chilena. Las
funciones de la aplicación incluyen una trivia, un glosario, un modo de asesoría
para decidir por cuál prueba de hipótesis aplicar y una guía tutorial para ejecutar
procedimientos estadísticos en SPSS. Los resultados develan que los
estudiantes legitiman el uso de la aplicación móvil como material de estudio,
constatándose altas calificaciones, tanto en la evaluación global de la aplicación
como en la valoración de cada función.
Descripción detallada de las aplicaciones específicas de la estadística
inferencial.
La enseñanza de estadística en campos distantes de la matemática, como
Trabajo Social y Psicología, enfrenta retos debido a la ansiedad y resistencia de
los estudiantes hacia los contenidos de estadística descriptiva e inferencial,
percibidos como discordantes con los valores y la práctica social de estas
disciplinas. Los estudiantes de ciencias sociales muestran aversión hacia las
asignaturas cuantitativas, con tasas de reprobación más altas que en otras
9. áreas. En Psicología, se observan conductas de rechazo hacia la estadística y la
metodología de investigación, como ausentismo y bajo rendimiento.
La falta de competencias matemáticas de los estudiantes que ingresan a estas
disciplinas dificulta su desempeño en estadística. El bagaje matemático influye
en las actitudes hacia la estadística y predice el rendimiento en la asignatura.
Para abordar estos desafíos, se proponen estrategias como retroalimentación
post-examen, uso de bases de datos familiares y variedad de técnicas de
enseñanza, como aplicaciones del mundo real, aprendizaje basado en
problemas y recursos humorísticos.
Se presenta un estudio de una aplicación móvil diseñada para enseñar
estadística inferencial a estudiantes de Psicología y Trabajo Social en una
universidad chilena privada. Se evalúan las actitudes de los estudiantes
mediante un cuestionario y se correlacionan con su rendimiento en un examen
de estadística inferencial. La premisa es que el uso de aplicaciones móviles
capitaliza la afinidad de los jóvenes hacia la tecnología.
Resumen de la metodología estadística utilizada en los artículos.
Se elaboró un cuestionario de tipo sociológico, el cual estuvo estructurado en
dos secciones. En la primera sección, se incorporaron 24 preguntas de
caracterización socioeducativa junto con preguntas para medir el acceso a
distintos recursos tecnológicos y preguntas para medir las valoraciones
generales hacia la implementación de la aplicación móvil. La segunda sección
incluyó cinco baterías de diferencial semántico, estas últimas construidas sobre
la base de 15 pares de adjetivos separados en siete intervalos, cuyas
respuestas fueron codificadas en un rango de -3 a +3 puntos. Cabe advertir que
los atributos evaluados por estas baterías de ítems no constituyen una escala en
su conjunto, sino que cada ítem funciona como un indicador independiente,
razón por la cual se descartó el cálculo de un coeficiente de fiabilidad. La
elección de los adjetivos empleados en el diferencial semántico estuvo basada
en escalas utilizadas en investigaciones relativamente similares. Si bien no se
encontró en la literatura escalas de diferencial semántico para evaluar
aplicaciones móviles, sí fue posible encontrar escalas para la evaluación de
productos tecnológicos de distinta naturaleza. En efecto, el diferencial semántico
ha sido ampliamente utilizado en el diseño de productos centrados en los
usuarios, debido a que logra captar las reacciones afectivas de los participantes
hacia el objeto de actitud.
Para la redacción de los reactivos se siguieron las indicaciones propuestas
por Morales (2011) y Sierra-Bravo (1997). Estas indicaciones se resumen en que la
formulación de las preguntas sea equilibrada, no se ejerza influencia a una
determinada respuesta, que se redacten en sentido personal, se excluyan
10. preguntas afirmativas y negativas, que el lenguaje de redacción sea claro e
inequívoco y que las categorías de respuesta sean exhaustivas y mutuamente
excluyentes. Para dar cuenta de la validez de contenido del instrumento y
asegurar que las preguntas satisfacieran las consideraciones de redacción y
pertinencia se recurrió a una revisión por parte de dos académicos externos al
proyecto, uno con grado de doctor en Multimedia Educativa y otro con grado de
magister en Psicología y docente en asignaturas de construcción de pruebas
psicológicas. Una vez atendida las observaciones de inclusión, modificación o
exclusión de preguntas en el cuestionario se procedió a una segunda revisión
por parte de los expertos, quienes dieron el visto bueno a la versión final. No se
realizó una prueba piloto del instrumento debido a la ausencia de otra población
en la que se haya promovido el uso de la aplicación móvil.
Las respuestas al cuestionario no fueron anónimas debido a que se utilizó la
identificación del estudiante para poder cruzar la información recogida con las
variables de rendimiento académico. Dada la naturaleza de las preguntas, no se
considera que la identificación de los encuestados ponga en riesgo la sinceridad
de sus respuestas.
1.1 Descripción de la aplicación móvil
Se diseñó una aplicación para dispositivos con sistema operativo Android, cuyo
propósito específico fue apoyar el aprendizaje de los estudiantes para el examen final
de la asignatura de Estadística Inferencial. Para alcanzar este objetivo fue necesario
sistematizar los contenidos que presenta la aplicación, así como también la
programación de esta a través de la plataforma web de App Inventor. Cualquier
investigador con cuenta en App Inventor puede acceder al código de la aplicación a
través del siguiente enlace: ai2.appinventor.mit.edu/?galleryId=5977824540884992.
La pantalla Menú constituye la pantalla principal de la aplicación. Tal como se observa
en la Figura I(a) en ella se incorporaron cuatro botones; “Glosario”, “Prueba de
Hipótesis”, “Procedimientos” y “Trivia”. La programación logra que al iniciarse la
pantalla Menú se muestre en la parte inferior un mensaje aleatorio de un repositorio de
36 consejos denominado “¿Sabías qué?”. Una vez que el usuario oprime alguno de los
cuatro botones, la aplicación redirige hacia una nueva pantalla de acuerdo con la
función seleccionada.
11.
12. 1.2 Función Procedimientos
La función Procedimientos consiste en mostrar mediante imágenes la ruta por seguir
para la ejecución de procedimientos estadísticos en SPSS, principalmente la
realización de pruebas de significancia y pruebas para evaluar la fuerza de la
asociación. Para ello se construyó una base de datos ficticia y se tomaron un total de
54 capturas de pantalla considerando la realización de 16 procedimientos distintos. Las
capturas de pantalla muestran en una secuencia de 3 o 4 imágenes la ruta del
procedimiento desde la selección del menú en el editor de datos de SPSS hasta la
presentación de los resultados. Algunos ejemplos de procedimientos seleccionados son
la prueba ANOVA, pruebas t para una muestra, muestras independientes y muestras
relacionadas, correlaciones de Pearson y Spearman, regresión lineal, pruebas no
paramétricas como chi cuadrado, prueba de Mc Nemar, prueba U de Mann Whitney,
prueba de Z de Wilkoxon y pruebas de normalidad, entre otras. Para la construcción de
esta funcionalidad se empleó el componente visor de lista, el cual contiene los
procedimientos ordenados en una forma similar a una lista de contactos de un celular.
La interfaz, como se demuestra en la Figura I(b), permite al usuario encontrar un
procedimiento estadístico usando el motor de búsqueda o por inspección visual
mediante la barra de desplazamiento. Una vez seleccionado el procedimiento se
desactiva el visor de lista y se muestra un componente de imagen con la primera
captura de pantalla que define la ruta por seguir para la realización del procedimiento
en SPSS. Con los botones “Siguiente” y “Atrás”, ubicados en la parte inferior de la
pantalla, el usuario puede avanzar o retroceder a la captura de pantalla que
corresponda. En la parte superior de la pantalla se encuentra un botón de acceso
directo al menú, otro para volver al buscador y un botón para cerrar la aplicación. Estas
funcionalidades se pueden observar en la Ilustración 1(c).
1.3 Función Glosario
La segunda función consiste en un glosario virtual que compila 39 conceptos
abordados durante las clases. La función Glosario se inicia con un visor de lista que
contiene todos los conceptos definidos. Cuando el usuario selecciona uno de los
conceptos, el visor de lista es desactivado y se muestra una etiqueta de texto con la
definición del concepto de forma similar a la observada en la Figura I(d).
Adicionalmente, se muestra en la parte inferior de la pantalla un botón (ícono de
sonido) que tras ser presionado activa la lectura automática del texto, para ello se usó
el componente no visible texto a voz. En la parte superior de la pantalla se mantienen
los botones de Menú, Buscador y Salir. Todos los conceptos fueron seleccionados
siguiendo criterios de importancia y complejidad, atendiendo al hecho de que la
adecuada comprensión de los conceptos estadísticos constituye un requisito sine qua
non para el logro de los objetivos propuestos en la asignatura. La definición de los
conceptos fue realizada por el investigador utilizando como referencia manuales y
textos de introducción a la estadística (v.g. Brase y Brase, 2018). Un ejemplo de definición
conceptual formulada en este trabajo puede leerse en la Tabla I.
13. 1.4 Función Prueba de Hipótesis
La función Prueba de Hipótesis está basado en un árbol decisional que intenta emular
el formato desarrollado en la aplicación StatHand (Allen et al, 2016). Para la construcción de
esta función fue necesario elaborar un diagrama que permitiese identificar los
argumentos condicionales para la programación. Tal como se muestra en la Figura 1
(e) al seleccionar la función Prueba de Hipótesis se activa una serie de preguntas,
donde el usuario debe tomar decisiones binarias que conduzcan a la prueba de
hipótesis que mejor se ajusta a las características de sus datos y variables. Las
primeras dos preguntas determinan el nivel de medida de las variables independiente y
dependiente, y, en función de lo respondido por el usuario, se determinan las preguntas
sucesivas. Por ejemplo, si el usuario identifica a la variable independiente como
categórica y, a su vez, identifica a la variable dependiente como cuantitativa, entonces
se procede a consultar por la cantidad de grupos o categorías que tiene la variable
independiente e identificar si las muestras son relacionadas o independientes. A partir
de las respuestas a estas dos preguntas se configuran cuatro posibles escenarios:
Muestras independientes con solo dos grupos; Muestras independientes con más de
dos grupos; Muestras relacionadas con solo dos grupos; Muestras relacionadas con
más de dos grupos. Finalmente se consultará por las condiciones de homocedasticidad
y normalidad, permitiendo al software identificar si la prueba de hipótesis debiese ser
paramétrica o no paramétrica. Para contestar las preguntas de elección binaria el
usuario debe marcar las casillas de verificación correspondientes y luego presionar el
botón siguiente para avanzar a las preguntas restantes.
Una vez que la aplicación recoge toda la información necesaria, en la parte inferior de
la pantalla se mostrará el nombre de la prueba de hipótesis sugerida y en la parte
superior de la pantalla se mantienen los botones Menú y Salir. Cabe señalar que esta
función pretende ser una guía para decisiones metodológicas, pero no constituye un
sustituto del juicio crítico que adoptan los investigadores al momento de escoger una
prueba de hipótesis, toda vez que éstas dependen de la capacidad del investigador
para reconocer la naturaleza de sus variables y las limitaciones de sus datos, ejercicio
intelectual que por lo demás se ajusta a criterios pragmáticos.
1.5 Función Trivia
La función Trivia consiste en una serie de preguntas bajo modalidad de verdadero y
falso presentadas aleatoriamente al usuario, las cuales asignan un puntaje por cada
acierto, proporcionando al usuario una experiencia de simulación del examen final de la
asignatura. Para llevar a cabo la programación fue necesario previamente la
construcción de listas de datos que contuviesen los 80 ítems formulados, con sus
respectivas claves de respuestas y retroalimentaciones. Al iniciar la función se presenta
al usuario una etiqueta de texto con un ítem aleatorio de la lista, el cual debe ser
contestado presionando el botón Verdadero o el botón Falso. En virtud de la respuesta
proporcionada el software procede a la comparación con la clave de respuesta
predefinida y en caso de que éstas coincidan se sumarán cinco puntos al contador.
Cuando la respuesta del usuario no coincide con la clave de respuesta, se descuentan
14. cinco puntos del contador y en una etiqueta de texto se muestra la retroalimentación
con la respuesta correcta y su justificación. Una vez que el usuario ha contestado al
ítem, se habilita el botón Siguiente, el cual conduce a un nuevo ítem en forma aleatoria.
En la Tabla II se pueden observar un ejemplo de ítem y su respectiva retroalimentación.
Tabla II Ejemplo de ítem y retroalimentación de la función Trivia
Ítem Clave Retroalimentación
La fórmula de Chi Cuadrado se
basa en descomponer la varianza
en dos fuentes de variación.
Falso
La fórmula de Chi Cuadrado se basa en
comparar las frecuencias observadas
con las frecuencias esperadas.
1.6 Protocolo de investigación
Tanto los estudiantes de Psicología como de Trabajo Social estuvieron expuestos a un
mismo proceso formativo; con idéntica carga horaria y un mismo docente, asegurando
así la homogeneidad de la cobertura curricular. La asignatura de Estadística Inferencial
fue impartida bajo un régimen semestral y diurno con un tiempo lectivo de 108 horas
pedagógicas distribuidas en 72 horas para la modalidad de cátedra y 36 horas para la
modalidad de laboratorio. La asignatura fue impartida en el primer semestre del tercer
año de las carreras y tuvo por prerrequisito la aprobación de la asignatura de
Estadística Descriptiva y Metodología de la Investigación Cuantitativa.
La aplicación móvil fue liberada a los estudiantes con tres semanas de anticipación a la
rendición del examen final de la asignatura de Estadística Inferencial, tiempo en el cual
se presume los estudiantes hacen más intensivo su estudio. Se les solicitó
voluntariamente a los estudiantes que descargaran la aplicación, poniendo énfasis en
las posibles ventajas que ésta involucraba. Debido a que la aplicación solo está
disponible para dispositivos Android, se les sugirió a los estudiantes que no tenían este
sistema instalar la aplicación en el smartphone o alguna persona cercana o descargar
un emulador de Android para computador.
Para la instalación de la aplicación se les proporcionó a los estudiantes un enlace para
descargar el archivo de instalación APK (Aplicación Empaquetada de Android). A
quienes manifestaron problemas con la descarga del archivo APK se les suministró
ayuda individualizada para instalar la aplicación a través de la aplicación MIT AI2
Companion, la cual permite instalar aplicaciones creadas con App Inventor escaneando
un código QR generado directamente por el administrador de la aplicación.
Se procedió a la recolección de la información 30 minutos antes de la rendición del
examen final de la asignatura. Todos los participantes firmaron un consentimiento
informado.
1.7 Análisis de datos
15. Se utilizó el test de Chi cuadrado de Pearson para determinar la existencia de
asociaciones entre variables categóricas y/o categorizadas. Para el análisis
comparativo de las valoraciones de la aplicación en función del tipo de carrera se utilizó
la prueba t de Student para muestras independientes. Al momento de testear
diferencias significativas entre las valoraciones asignadas a las distintas funciones de la
aplicación se utilizó la prueba ANOVA de muestras relacionadas. Esta técnica se ajusta
al diseño de la investigación debido a que se utiliza para comparar a los mismos
participantes en más de dos variables cuantitativas (Pardo y San Martín, 2012). Una vez
constatadas las diferencias mediante el ANOVA de muestras relacionadas se empleó la
prueba post-hoc de Bonferroni para identificar los pares de grupos específicos en los
que se manifiestan tales diferencias estadísticas. Para el análisis de la prueba ANOVA
de muestras relacionadas se testeó el supuesto de esfericidad a través del contraste de
esfericidad de Mauchly; frente al incumplimiento de este supuesto se empleó el
estadístico multivariado traza de Pillai en vez del estadístico F convencional.
Principales resultados obtenidos y su impacto en la optimización de procesos.
2.1 Caracterización socioeducativa
En sintonía con lo esperado para las carreras de Psicología y Trabajo Social un
85,1% de la muestra fueron mujeres. El promedio de edad fue de 21,39 años
con una desviación de 1,59 para el caso de los participantes de la carrera de
Psicología y un promedio de 22,41 años con una desviación de 2,32 para el
caso de los participantes de la carrera de Trabajo Social. De acuerdo con la
dependencia administrativa del establecimiento educativo de origen del
estudiantado, un 47,3% reportó egresar de establecimientos municipales, un
51,4% de establecimientos particulares subvencionados y solo un 1,4% de
establecimientos particulares pagados. En cuanto a la modalidad de enseñanza
de estos establecimientos, un 24,3% correspondió a la tipología técnico -
profesional. Más de la mitad de la muestra (55,1%) fueron estudiantes primera
generación en acceder a la Educación Superior. No se identificaron diferencias
estadísticamente significativas para las variables sexo [X2 (1, N = 74) = .107, p =
.744], tipo de establecimiento [X2 (1, N = 74) = 1.355, p = .244)], modalidad de
enseñanza [X2 (1, N = 74) = .000, p = 1.000)] y ser primera generación [X2 (1, N
= 69) = .160, p = .689] en función de la carrera.
Un 64,8% de los participantes ingresaron a estudiar sus respectivas carreras con
puntajes PSU (Prueba de Selección Universitaria) Matemática inferiores a los
500 puntos, cifra equivalente al percentil 50 de la distribución nacional de la
prueba. Al desagregar esta información por carrera se encontró una diferencia
estadísticamente significativa [X2 (1, N = 71) = 4,618, p = .032], constatándose
que en Trabajo Social un 77,1% de los estudiantes ingresaron con puntajes bajo
el umbral de los 500 puntos PSU, mientras que en Psicología esta cifra fue de
un 52,8%. Para el caso de la prueba PSU de Lenguaje un 32,4% de los
16. participantes declaró obtener puntajes bajo los 500 puntos PSU, no habiendo
diferencias en función de la carrera que estudian [X2 (1, N = 71) = .113, p =
.737].
2.2 Acceso a recursos tecnológicos
En cuanto al acceso a los recursos tecnológicos, un 97,3% de los participantes reportó
tener computador en su hogar, no obstante, solo el 54,2% de quienes tienen acceso a
un computador han instalado el software SPSS. Por otra parte, un 97,3% de los
estudiantes es acreedor de un dispositivo smartphone, predominando aquellos con
sistema operativo Android (76,7%), seguido del sistema operativo IOS para IPhone
(19,2%).
Del total de consultados, un 93,2% señaló haber descargado la aplicación móvil, en
tanto dos participantes no lo hicieron por no tener acceso a dispositivo Android, uno por
presentar errores de compatibilidad en la descarga, uno por falta de espacio en la
memoria de su smartphone y uno porque no le llamó la atención descargar la
aplicación.
De los 68 participantes que descargaron la aplicación un 79,4% lo hizo en su propio
dispositivo smartphone, mientras que el 20,6% restante optó por descargarla en el
dispositivo smartphone de otra persona, sea ésta un pariente, un amigo u otro cercano.
Tan solo un participante señaló haber descargado la aplicación en su computador
usando un emulador para Android.
No se encontraron diferencias significativas en función de la carrera para las variables
de acceso a computador [X2 (1, N = 74) 2,056, p = .152], instalación de SPSS [X2 (1, N
= 72) .859, p = .354], tipo de dispositivo smartphone [X2 (1, N = 71) 1939, p = .164],
descarga de la aplicación [X2 (1, N = 73) .186, p = .666] y terminal en donde descargó
la aplicación [X2 (1, N = 68) 1.159, p = .282].
2.3 Evaluación de la aplicación
Los usuarios calificaron globalmente la aplicación móvil dentro de una escala de 1 a 10
puntos, resultando una media de 8,57 puntos. Considerando solamente la semana
previa a la recogida de los datos, en promedio la aplicación fue utilizada 4,09 días y un
88,1% de los participantes reportó haberlo hecho en tres o más días. De las funciones
disponibles en la aplicación, una amplia mayoría de los usuarios señaló a la función de
Trivia como la más interesante (77,9%), seguido por la función de Glosario (16,2%).
Respecto a la función Trivia es destacable además que un 29,9% de los participantes
haya reportado alcanzar un puntaje máximo por sobre los 500 puntos, evento que
implicaría haber contestado al menos 100 preguntas de forma correcta. Cabe
considerar que el puntaje que alcanza un usuario en la Trivia es reiniciada cada vez
que se cierra la pantalla de la función, por lo que se desconoce cuál sería el puntaje
acumulado en varias sesiones de uso. Respecto de la función Glosario, un 44,1% y un
17. 52,9% consideró estar de acuerdo y muy de acuerdo respectivamente con que la
selección de los conceptos incorporados fue la adecuada.
Por medio de la batería de preguntas de diferencial semántico fue posible analizar las
valoraciones asignadas a las cuatro funciones de la aplicación según los atributos
consultados. Las medias de valoración obtenidas fueron sistemáticamente altas,
situándose en el rango de 1,41 y 2,66 dentro de una escala de -3 a 3 puntos. Todas
estas medias fueron significativamente superiores al valor de cero, el cual representa la
valoración neutra o punto central de la escala (p < 0.01). De acuerdo con la Tabla III se
observa que la función Trivia congrega las puntuaciones más altas, particularmente en
los atributos de Facilidad (M = 2,66), Seguridad (M = 2,66), Utilidad (M = 2,66) y
Eficiencia (M = 2,64). El atributo de Utilidad en la función Procedimiento (M = 2,62), así
como el atributo de Facilidad de la función Glosario (M = 2,62) también presentaron
medias destacables. Por otra parte, las puntuaciones más bajas se registraron en los
atributos de Tecnología (M = 1,41), Diseño (M = 1,62) y Perfección (M = 1,69) de la
función Procedimiento.
Tabla III Estadísticos descriptivos y ANOVA para muestras relacionadas
Atributo
Procedimient
o
Glosari
o
Trivi
a
Prueba
de
Hipótesi
s
F traza
de
PilLai
Eta
parcial al
cuadrad
o
M DT M DT M DT M DT
Tecnología 1,41
1,0
9
1,81
1,1
4
2,20
1,0
6
2,05
0,9
3
12,43**
*
0,38
Eficiencia 2,23
1,0
9
2,40
1,0
3
2,64
0,8
0
2,34
0,9
4
10,70**
*
0,35
Facilidad 2,38
1,0
4
2,62
0,7
4
2,66
0,9
1
2,26
1,0
6
5,15** 0,20
Interés 2,29
1,0
1
2,51
0,9
4
2,58
0,9
5
2,25
1,0
8
8,68*** 0,30
Calidad 2,05
1,2
7
2,36
0,9
7
2,33
1,1
1
2,20
1,0
3
3,69* 0,16
Entretención 1,83
1,3
4
2,13
1,1
3
2,45
1,0
3
1,98
1,2
0
7,31*** 0,27
Perfección 1,69
1,0
3
1,90
1,1
0
2,20
1,0
4
2,00
0,9
8
6,36** 0,24
Diseño 1,62
1,3
8
1,91
1,3
3
2,14
1,1
9
1,94
1,2
2
5,63** 0,22
18. Suficiencia 2,00
1,0
1
2,34
1,0
5
2,33
1,0
3
2,17
1,0
6
3,81* 0,17
Accesibilida
d
2,27
1,1
5
2,44
1,0
5
2,55
0,9
4
2,29
1,0
7
3,01* 0,13
Seguridad 2,36
1,1
0
2,50
0,9
9
2,66
0,9
0
2,45
0,9
9
6,45** 0,24
Innovación 2,33
1,0
8
2,36
1,0
1
2,48
0,9
9
2,29
1,1
1
2,07 0,09
Originalidad 2,29
1,1
6
2,38
1,1
4
2,50
1,0
3
2,43
1,0
2
1,96 0,09
Utilidad 2,62
0,9
1
2,55
0,9
7
2,66
0,9
1
2,39
1,1
5
1,82 0,08
Inclusividad 2,29
1,1
2
2,41
1,0
3
2,34
1,2
0
2,25
1,1
0
0,75 0,04
Nota: Frente al incumplimiento del supuesto de esfericidad se reemplazó el valor F
tradicional por el F Traza de PilLai.
* p ≤ 0.05; ** p ≤ 0.01; ***p ≤ 0.001
Con fines comparativos la Tabla III muestra el resultado de las pruebas ANOVA para
muestras relacionadas, puesto que una vez ya verificada la valoración positiva de todas
las puntuaciones se procedió a determinar si las distintas funciones fueron igualmente
valoradas por los participantes.
Se constata que existen diferencias estadísticamente significativas entre las
valoraciones medias de las funciones en once de los catorce atributos considerados.
Estas diferencias son detalladas a continuación a partir de un análisis de medias por
pares con ajuste de Bonferroni.
En el atributo de Tecnología se manifiestan diferencias estadísticamente significativas
entre las medias de las funciones Procedimiento y Glosario (p = 0.016); Procedimiento
y Trivia (p < 0.001); Procedimiento y Prueba de Hipótesis (p < 0.001) y Glosario y Trivia
(p = 0.007). En el atributo de Eficiencia las diferencias se hacen notar entre las
funciones Procedimiento y Trivia (p < 0.001); Glosario y Trivia (p = 0.004) y Prueba de
Hipótesis y Trivia (p = 0.001). En cuanto al atributo de Facilidad las diferencias de
medias se manifestaron entre las funciones Glosario y Prueba de Hipótesis (p = 0.013),
así como entre Trivia y Prueba de Hipótesis (p = 0.006). En el atributo de Interés se
hallaron diferencias significativas entre las funciones Procedimiento y Trivia (p = 0.009),
así como también entre Prueba de Hipótesis y Trivia (p = 0.003). Solo hubo una
diferencia significativa en las valoraciones promedio del atributo Calidad entre las
funciones Procedimientos y Glosario (p = 0.041). Por otra parte, en el atributo
Entretención se hallaron diferencias significativas entre las funciones Procedimiento y
Glosario (p = 0.028); Procedimiento y Trivia (p < 0.001); Glosario y Trivia (p = 0.041) y
19. Prueba de Hipótesis y Trivia (p = 0.003). En el atributo de Perfección solo hubo una
diferencia significativa entre las funciones Procedimiento y Trivia (p < 0.001). De igual
forma, en el atributo de Diseño solo hubo una diferencia significativa entre las funciones
Procedimiento y Trivia (p < 0.001). En el atributo de Suficiencia también se repite que la
única diferencia significativa se produce entre las funciones Procedimiento y Trivia (p =
0,037). En el atributo de Seguridad se evidenciaron diferencias significativas entre las
funciones Procedimiento y Trivia (p = 0.007); Glosario y Trivia (p = 0.022) y Trivia y
Prueba de Hipótesis (p = 0.007).
Finalmente, en los atributos de Accesibilidad, Innovación, Originalidad, Utilidad e
Inclusividad no se detectaron diferencias estadísticamente significativas de acuerdo
con las funciones de la aplicación.
En el Gráfico I se muestra la configuración del perfil valorativo asignado por los
estudiantes de psicología a las funciones de la aplicación. En primer término, se
constata que, en promedio, todas las funciones se ubican en la banda derecha del eje
X, muy por sobre el valor cero que representa al punto central de la escala. En su
conjunto la aplicación es evaluada de forma positiva, no obstante, observándose ciertos
matices en función de la característica consultada y la función de la aplicación, así, por
ejemplo, se puede destacar que la función Trivia obtiene - en diez de catorce
características - puntuaciones más altas que las demás funciones. En contraparte, la
función Procedimientos obtiene las peores puntuaciones en casi la totalidad de las
características, efecto que se hace notar con mayor claridad en los atributos de
Tecnología y Diseño y, en un grado menor, en las características de Perfección,
Entretención, Calidad y Suficiencia.
20. Nota: La valoración de las funciones se manifiesta para cada atributo dentro de una
escala continua que va desde los -3 a los +3 puntos. Para efectos de presentación
visual el eje de abscisa fue recortado y muestra solamente los valores positivos de la
escala.
Gráfico I Evaluación de funciones de la aplicación por estudiantes de Psicología
En el Gráfico II se muestran los resultados de la evaluación de las funciones de la
aplicación por parte de los estudiantes de Trabajo Social. Al igual que lo observado a
nivel descriptivo en la muestra de estudiantes de Psicología, se constata una valoración
general positiva de todas las funciones de la aplicación para cada característica
evaluada. De igual forma, se manifiesta como tendencia la obtención de mayores
puntuaciones por parte de la función Trivia en prácticamente la totalidad de los
atributos evaluados. Por su parte, las peores valoraciones se observan en la función
Procedimientos y, en particular, en los atributos de Tecnología, Entretención y
Perfección.
21. Nota: La valoración de las funciones se manifiesta para cada atributo dentro de una
escala continua que va desde los -3 a los +3 puntos. Para efectos de presentación
visual el eje de abscisa fue recortado y muestra solamente los valores positivos de la
escala.
Gráfico II Evaluación de funciones de la aplicación por estudiantes de Trabajo Social
Las puntuaciones expuestas en los Gráficos I y II reflejan valoraciones positivas de las
funciones de la aplicación con independencia del tipo de carrera. En efecto, se
realizaron pruebas de hipótesis para testear la igualdad de medias entre las
puntuaciones de los estudiantes de Psicología y de los estudiantes de Trabajo Social,
constatándose que solo existe una diferencia estadísticamente significativa en el
puntaje asignado al atributo de Interés en la función de Procedimientos [t (61) = 2,372,
p = .021], la cual se manifiesta en una diferencia de 0,58 puntos favorable al grupo de
Trabajo Social.
2.4 Resultados examen de estadística inferencial
El promedio de respuestas correctas para el examen de Estadística Inferencial fue de
44,75 dentro de un conjunto de 60 preguntas. El rango empírico fue de 20 respuestas
correctas, siendo 33 el valor mínimo y 53 el máximo. La distribución de los puntajes
tuvo un comportamiento normal, constatándose un coeficiente de curtosis de -0.17 y un
coeficiente de asimetría de -0.34. No hubo diferencias estadísticamente significativas
entre los promedios de respuestas correctas en función de la carrera [t (64,796) =
22. 0,978, p = 0,332], así como en función del sexo [t (72) = -0.978, p = 0,336]. En términos
relativos la proporción promedio de aciertos fue de 0,75.
No hubo correlación entre la cantidad de respuestas correctas en el examen y la
cantidad de horas dedicadas al uso de la aplicación [rho = 0,04, p = 0,73]. De igual
forma, la cantidad de respuestas correctas en el examen no correlacionó con la
cantidad de horas dedicadas a estudiar de forma tradicional, ya sea a través del estudio
de las diapositivas de clases [rho = 0,08, p = 0,49], o mediante lecturas obligatorias [rho
= 0,14, p = 0,27]. Pese a lo anterior, sí fue posible evidenciar una correlación
estadísticamente significativa entre la cantidad de horas dedicadas al uso de la
aplicación y las horas dedicadas a estudiar desde las diapositivas de clases [rho = 0,32,
p = 0,009].
Reflexiones personales sobre la relevancia de la estadística inferencial en la
mejora de procesos en el área investigada.
El estudio se centra en estudiantes de Trabajo Social y Psicología,
principalmente mujeres y con un perfil no tradicional, caracterizado por ser
mayormente primera generación en la educación superior, haber obtenido bajos
puntajes en pruebas de selección universitaria (especialmente en Matemáticas),
y provienen de zonas rurales y colegios subvencionados de diversos niveles de
calidad. Se destaca que son jóvenes que han crecido con el uso natural de
dispositivos smartphones, lo que influye en su percepción y uso de tecnología
educativa. A pesar de las diferencias en el dominio de Matemáticas entre las
carreras, no hay disparidades significativas en el acceso a recursos
tecnológicos.
La aplicación móvil desarrollada fue bien evaluada por los estudiantes,
especialmente la función de trivia, que captó más atención y recibió valoraciones
más altas en utilidad, facilidad y seguridad. Sin embargo, la función de
procedimientos recibió calificaciones más bajas, posiblemente porque no se
evaluó en el examen final. Aunque no se encontró una relación funcional entre el
uso de la aplicación y el rendimiento en el examen de Estadística Inferencial, su
implementación como material de apoyo es respaldada por la valoración positiva
de los estudiantes y su uso significativo en la preparación para el examen,
superando el tiempo dedicado a otras formas de estudio tradicionales. Se
destaca la importancia de esta innovación como una herramienta que amplía las
posibilidades de estudio para los estudiantes, y se sugiere que futuras
actualizaciones podrían mejorar sus funciones. Además, estos hallazgos
respaldan la validez externa de iniciativas similares y son consistentes con
investigaciones previas sobre otras aplicaciones estadísticas.
23. 3. Artículo № 3
Aplicaciones de la estadística en la Ingeniería
Introducción al área de interés y su importancia.
La estadística se aplica en varios ámbitos desde la antigüedad para tener control
sobre las cosas, en la salud, la economía, las ciencias sociales y por supuesto
en la ingeniería.
Existen muchas herramientas estadísticas para trabajar con los datos de alguna
muestra, con el fin de analizar los resultados y tomar decisiones en base a ello.
En el ámbito de la ingeniería se aplica para control de calidad, mejoras en
procesos, pronósticos, control del personal, seguridad industrial, entre otros
muchos usos. A pesar de ser una ciencia exacta, también se pueden cometer
errores (Outliers) por lo que es importante saber aplicar las técnicas y
herramientas.
El avance tecnológico en informática ha revolucionado el campo de la
estadística, convirtiéndola en una herramienta esencial para todas las ciencias al
facilitar la manipulación de la información. El análisis estadístico busca identificar
tendencias y examinar cada muestra de datos para extraer conclusiones
significativas.
Es crucial aplicar métodos estadísticos de manera consciente y prudente para
evitar interpretaciones erróneas, ya que manipular los datos puede llevar a
obtener resultados sesgados. La cita de Ezcurra enfatiza la importancia de no
manipular los datos para obtener resultados deseados, destacando la necesidad
de un análisis imparcial.
La probabilidad y la estadística se complementan: mientras que la primera se
refiere a eventos futuros antes de su ocurrencia, la segunda infiere conclusiones
sobre los parámetros basándose en datos observados. En última instancia,
muchos problemas se reducen a la verificación de hipótesis, donde se acepta o
se rechaza una afirmación con cierto riesgo de error.
Descripción detallada de las aplicaciones específicas de la estadística
inferencial.
La estadística es una herramienta crucial en el ámbito empresarial e industrial,
utilizada para tomar decisiones informadas y mejorar procesos. Por ejemplo, en
la seguridad laboral, se pueden analizar los accidentes por franjas horarias para
identificar patrones y tomar medidas preventivas. las aplicaciones estadísticas
en la industria incluyen el cálculo de ensambles por minuto para mejorar la
24. eficiencia, el seguimiento de la edad de los trabajadores para la planificación de
personal, la evaluación de la experiencia laboral o escolaridad para la
contratación, el análisis de gastos en mantenimiento para identificar
oportunidades de ahorro, el registro de inasistencias y sus causas para reducir la
tasa de ausentismo, y la medición del consumo de recursos durante la
fabricación para optimizar procesos y reducir desperdicios.
Parametrización
Parametrizar es declarar parámetros, en estadística cuantitativos, para trabajar con
cualquier sistema. Para diseñar un modelo matemático en estadística inferencial,
podemos organizar las operaciones en cinco pasos:
1. Declaración de objetivos.
2. Diseño, modelado y parametrización.
3. Análisis.
4. Mejora del diseño.
5. Descripción del diseño.
Luego de modelar entra en juego la estadística, ya que se comienzan a diseñar
parámetros, constantes o variables, haciéndose así la parametrización. Para cualquier
valor dado en el diseño de parámetros, estos representarán un objeto, que al aplicarle
herramientas y procesos estadísticos se ajustarán al diseño más satisfactorio y
admisible.
Control Estadístico de la calidad
El control estadístico de la calidad es una colección de herramientas aplicadas a
procesos industriales (mano de obra, materias primas medidas, máquinas y medio
ambiente), procesos administrativos y/o servicios con objeto de verificar si todas y cada
una de las partes del proceso y servicio cumplen con unas ciertas exigencias de
calidad y ayudar a cumplirlas, son fundamentales en las actividades de mejora de la
calidad. La mejora de la calidad significa la sistemática eliminación del desperdicio.
La calidad de los productos y servicios se ha vuelto hoy en día uno de los factores de
decisión más importantes en la mayor parte de las empresas. En consecuencia, la
mejora de la calidad se ha convertido en un aspecto importante en muchas
corporaciones.
Control Estadístico de procesos
El control estadístico de procesos (CEP) es una herramienta muy poderosa para lograr
la estabilidad del proceso y mejorar la capacidad de este. Se puede considerar como
un conjunto de herramientas para la resolución de problemas que pueden aplicarse en
cualquier proceso.
Dentro de los objetivos estratégicos de una empresa debe encontrarse la mejora
continua de los procesos, con el fin de aumentar su desempeño, eficiencia y eficacia,
25. así como favorecer una mejora de la satisfacción de los clientes, tanto internos como
externos. Para esto se necesita una cultura de mejoramiento, las estructuras
organizativas, los recursos y las herramientas estadísticas para que el cambio forme
parte de la actividad diaria. Para garantizar el mejoramiento continuo en una empresa
que tenga diseñado los procesos de su Sistema de Gestión de la Calidad, y los
indicadores de desempeño de los mismos, se utilizan técnicas y herramientas para el
análisis, control, seguimiento y mejora de dichos procesos.
Herramientas
En la actualidad existen una serie de metodologías, técnicas y herramientas que
pueden desarrollarse en una organización, para apoyar el diseño del Sistema de
Gestión de la Calidad, la implantación de los principios de la Calidad Total, y/o para
llevar a cabo el proceso de Mejora Continua. Ejemplos de estas son:
Diagrama de Pareto.
Diagrama causa-efecto (Ishikawa).
Diagrama defecto-concentración.
Carta de control.
Diagrama de dispersión.
Hoja de verificación.
Diagrama de correlación.
Metodología 5S.
Metodología 6 sigma.
Gráficos de control y capacidad del proceso.
Al utilizarlas, se logra aumentar la cultura en el uso de técnicas para el procesamiento y
análisis de datos en la empresa; mejorar la toma de decisiones basadas en datos;
permite conocer el comportamiento de los indicadores de los procesos; facilita la
interpretación de los resultados para todos los directivos; ilustra la utilidad de las
herramientas y propicia la utilización de otras técnicas en el futuro.
Aplicaciones del control estadístico de la calidad
Los métodos estadísticos juegan un papel importante en la mejora de la calidad,
algunas de sus aplicaciones son:
En el diseño y desarrollo de productos para comparar materiales o ingredientes
y para determinar las tolerancias del sistema y sus componentes. Esto reduce
de manera significativa costos y tiempo.
Para determinar la capacidad de un proceso de manufactura, llevando a
mayores rendimientos y menores costos de fabricación.
En pruebas de duración, ayuda proporcionando datos de confiabilidad y
rendimiento, conduce a productos nuevos o con una duración mayor y menos
costos de mantenimiento.
Diagramas de Dispersión
26. Los diagramas de dispersión son una herramienta muy útil en las predicciones ya sea
para tomar una decisión o contemplar algún gasto. Se realiza graficando los puntos y
dibujando una recta de regresión, ninguna podrá pasar por todos los puntos, así que se
debe buscar la que pase tan cerca a ellos verticalmente como sea posible.
Ejemplo de aplicación de la estadística en los pronósticos económicos para prever
gastos en invernaderos:
Un diagrama de dispersión muestra que existe una fuerte relación lineal entre el
promedio de la temperatura exterior de los días de un mes y el promedio del consumo
diario de gas durante ese mes en un invernadero. Se quiere utilizar dicha relación para
predecir su consumo de gas. Si un mes tiene un promedio de 10 grados-día por día,
¿Cuánto gas se utilizará en ese mes?
Luego de realizar una predicción mediante los diagramas de dispersión se puede inferir
que el gasto de gas será de aprox. 12.5 m3.
Resumen de la metodología estadística utilizada en los artículos.
Modelos de regresión
El Análisis de Regresión es la técnica estadística de uso más frecuente para investigar
y modelar la relación entre variables. Su atractivo y utilidad generalmente son el
resultado de usar una ecuación para expresar la relación entre una variable de interés
(la respuesta) y un conjunto de variables predictorias relacionadas.
Regresión lineal
El pronóstico de regresión lineal simple es un modelo óptimo para patrones de
demanda con tendencia (creciente o decreciente), es decir, patrones que presenten
una relación de linealidad entre la demanda y el tiempo.
Un ejemplo de aplicación para pronósticos es el siguiente:
La juguetería Gaby desea estimar mediante regresión lineal simple las ventas para el
mes de julio de su nuevo carrito infantil «Mate». La información del comportamiento de
las ventas de todos sus almacenes de cadena se presenta en el siguiente tabulado.
Se realizan los cálculos pertinentes:
Y finalmente podemos determinar que el pronóstico de ventas para el período 7 es
equivalente a 13067 unidades. Esto nos ayuda a tomar decisiones pertinentes y
anticipadas sobre la producción, materia prima y distribución.
Regresión no lineal
Los modelos de regresión no lineal tienen por meta construir modelos exactos,
mediante ecuaciones funcionales que permitan predecir, controlar u optimizar
problemas no lineales a lo cual se conoce como Análisis de Datos Funcionales.
27. Principales resultados obtenidos y su impacto en la optimización de procesos.
Ajuste de Curvas
El ajuste de curvas es un proceso mediante el cual, dado un conjunto de N pares de
puntos (X, Y), se determina una función matemática f(x) de tal manera que la suma de
los cuadrados de la diferencia entre la imagen real y la correspondiente obtenida
mediante la función ajustada en cada punto sea mínima.
El ajuste de curvas puede utilizarse para la resolución de una variedad de problemas
en la industria, por ejemplo:
Una fábrica de Embutidos produce 5000 empaques diarios de salchichas. La máquina
A produce 3000 empaques, de los cuales el 2% quedan mal embutidos (defectuosos) y
la maquina B produce los 2000 restantes de los que se sabe el 4% son defectuosos.
Determinar la probabilidad de que un envase elegido al azar sea defectuoso y que
proceda de la máquina A o de la máquina B.
Probabilidad de que el empaque defectuoso sea de la Máquina A p (A /D) =
p(A∩D) / p(D) = 0.012 / 0.028 = 0.4286
Corresponde al 4.2 % aproximadamente.
Probabilidad de que el empaque defectuoso sea de la Máquina B p (B /D) =
p(B∩D) / p(D) = 0.016 / 0.028 = 0.5714
Corresponde al 5.7 % aproximadamente.
Para mejorar las estimaciones en la toma de decisiones, se hace necesaria la
aplicación del Teorema de Bayes donde las estadísticas que se realizan consisten en
observar el análisis de los datos, lo que permite al investigador realizar inferencias o
hacer exclusiones u opiniones personales sobre el tema de estudio.
Incertidumbre
En nuestros días, son de uso cotidiano las diferentes técnicas estadísticas que
partiendo de observaciones muéstrales o históricas, crean modelos lógico matemáticos
que se «aventuran» describir o pronosticar un determinado fenómeno con cierto grado
de certidumbre medible.
La estadística desempeña un importante papel en temas donde interviene la
variabilidad, dando lugar a la incertidumbre. Más allá de los datos, la estadística es
esencialmente el estudio de la incertidumbre, lo que conlleva a la necesidad de
investigar un fenómeno desde el enfoque científico.
La estadística no es la única rama del conocimiento que se ha ocupado del estudio de
la incertidumbre, la probabilidad examina la manera en como la aleatoriedad en una
parte de un sistema afecta a otra, proporcionando a través del modelo de una variable
28. aleatoria o de un proceso estocástico, estimaciones y/o predicciones sobre los datos a
producirse, es decir, describe la incertidumbre del fenómeno.
Outliers y errores
Un Outliers (valor atípico) es una observación o un conjunto de observaciones que
parecen ser inconsistentes con el resto del conjunto de datos, la presencia de outliers
en un conjunto de datos puede conducir a errores en el intento de hacer inferencias
acerca de la población de la que proceden, de ahí que la presencia de estos plantee un
problema fundamental en el análisis de datos.
La incertidumbre estadística es la aleatoriedad o el error proveniente de varias fuentes
al usar la metodología estadística, la probabilidad de que pase algo malo, en términos
de teoría de decisiones, las pérdidas promedio o las pérdidas que se pronostican
cuando algo malo sucede.
Cuando se estudian relaciones entre variables, la estadística muestra relaciones
estadísticas y no relaciones causales. En general si no tenemos cuidado podemos
llegar a obtener las conclusiones más absurdas o sesgadas, por eso debemos hacer el
análisis con cuidado y conocer las variables, para que al interpretarlo no tomemos
decisiones que puedan resultar perjudícales.
Aplicaciones en otros ámbitos
La estadística sirve para explorar y explotar la información social, biológica, económica,
y en ciencias físicas, por lo que es importante el “vender” la estadística como algo
necesario para las generaciones actuales y futuras.
La estadística aplicada trata sobre cómo y cuándo utilizar los procedimientos
matemáticos y cómo interpretar los resultados que se obtienen y puede utilizarse en
muchos campos, como:
En las ciencias naturales: para la descripción de modelos termodinámicos
complejos, en física cuántica, en mecánica de fluidos o en la teoría cinética de
los gases, entre otros muchos.
En las ciencias sociales y económicas: en el desarrollo de la demografía y la
sociología aplicada.
En economía: para analizar parámetros macro y microeconómicos.
En las ciencias médicas: estudiar la evolución de las enfermedades y los
enfermos, los índices de mortalidad, el grado de eficacia de un medicamento,
etc.
En la ingeniería: Para la planeación, presupuestos, control de procesos y
calidad, seguridad industrial, cálculos de producción, entre otras.
Reflexiones personales sobre la relevancia de la estadística inferencial en la
mejora de procesos en el área investigada.
29. Después de investigar, estudiar y redactar sobre estadística, parametrización,
herramientas y métodos, así como ejemplos de su aplicación, he logrado
comprender de manera más amplia el rol de la estadística en la ingeniería.
Ahora tengo un mejor entendimiento de cómo se puede emplear para resolver
problemas habituales en empresas y para la toma de decisiones. Sin embargo,
reconozco que la estadística no se limita únicamente a este ámbito, ya que tiene
una amplia gama de aplicaciones en campos como lo social, la medicina, la
economía y otras disciplinas científicas.