- PDF Free Download

Transcripción

1 Ing. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana (2003) Ingeniero de Sistemas (UNIBE 1993), Administrador (PUCMM 2000), Matemático (PUCMM 2007), Teólogo (UNEV 2002) y Maestro (Salomé Uneña 1985) [email protected] / [email protected]

2

3

4 ADM-237-T MÉTODOS CUANTITATIVOS PARA NEGOCIOS II Modelos Estadísticos para la Toma de Decisiones Objetivo General: Este curso persigue desarrollar habilidades en los gerentes y futuros gerentes de negocios/proyectos que le permitan valorizar, aplicar y crear diferentes modelos matemáticos, útiles en el proceso de toma de decisiones en el mundo de los negocios, con la finalidad de optimizar los resultados a obtener en las diferentes situaciones del mundo real. Los encargados de toma de decisiones estarán mejor preparados para trabajar en este tipo de ambiente si se familiarizan con las clases más comunes de los análisis cuantitativos y con la tecnología de la computadora. Este dominio les ayudará a ser mejores críticos y usuarios de estas herramientas y, según se supone, perfeccionarán su habilidad en la toma de decisiones.

5 Distribución Muestral Decisiones. Edición Pág.100 Generalmente las poblaciones son demasiado grandes como para ser estudiadas en su totalidad. Es necesario seleccionar una muestra representativa de un tamaño más manejable. Esta muestra se utiliza luego para sacar conclusiones sobre la población. Distribución Muestral: Es una lista de todos los valores posibles para un estadístico y la probabilidad relacionada con cada valor.

6 Distribución Muestral Decisiones. Edición Pág.100 La Desviación Normal o Formula Z Número de desviaciones Z= (X - µ)/σ Z= (X' - µ)/σ Z= (X - µ)/(σ/ n) Z= (X' - µ)/(σ/ n)

7 Error de Muestreo: Es la diferencia entre el parámetro poblacional y el estadístico de la muestra para estimar el parámetro. X'-X" X'-µ Distribución Muestral Decisiones. Edición Pág.100 Parámetro: Es una medición numérica que describe alguna característica de una población. Medida descriptiva de la población completa de observaciones que tienen interés para el investigador. Estadístico: Es una medición numérica que describe alguna característica de una muestra. El estadístico se utiliza como estimador del parámetro. Al confiar en una muestra para sacar alguna conclusión o inferencia sobre la población.

8 Distribución Muestral Decisiones. Edición Pág.100 Caso I. Las ventas en miles de dólares de Electrom, S.A. durante los últimos 6 meses fueron de 70, 77, 73, 78, 85 y 80. Asumiendo que estos seis meses constituyen una población, la media claramente es µ = El director de Marketing desea estimar esta media "desconocida" tomando una muestra de tamaño n=4. Se espera que el error de muestreo que es probable que ocurra sea relativamente pequeño. Realice la distribución muestral.

9 Distribución Muestral Decisiones. Edición Pág.100 1º Podemos obtener muchas muestras de tamaño 4. Específicamente 6C4 = 15. ncr = n!/r!(n-r)! = 6!/4!(6-4)!=6!/4!*2! ncr = 6*5*4!/4!*2*1 = 30/2=15 2º Construya la tabla en base a la cantidad de muestra del primer punto, indicando los elementos muestrales (Xi), y Medias Muestrales (X ). 3º Construya la tabla con la Probabilidad de cada media muestral. 4º Calcule la media de las medias muéstrales.

10 POBLACION TABLA DE DISTRIBUCION MUESTRAL VENTAS NUMERO ELEMENTOS DE MEDIA (X') ERROR DE CUADRADO DEL MENSUALES MUESTRA LA MUESTRA (X) MUESTRAL MUESTREO (X'-X") ERROR (X'-X") MEDIA VARIANZA DESVICION MEDIA DE X' VARIANZA ERROR ESTANDAR

11 VENTAS VALORES DE CUADRADO DE MENSUALES DESVIACION X-X' VALORES DE DESV MEDIA SUMATORIA VARIANZA DESVIACION SQRT

12 Distribución Muestral Decisiones. Edición Pág.100 La Media de las Medias Muestrales: X"= X /K Varianza de la Distribución Muestral de las Medias Muestrales: σ²x'= (X'-X")²/K Error Estándar de la Muestral de las Medias Muestrales: σx'= (σ ²x )

13 NUMERO ELEMENTOS DE MEDIA (X') ERROR DE CUADRADO DEL MUESTRA LA MUESTRA (X) MUESTRAL MUESTREO (X'-X") ERROR (X'-X") MEDIA DE X' VARIANZA 2.31 ERROR ESTANDAR 1.52

14 Una aproximación cercana puede obtenerse mediante: σ²x = σ ²/ n σ x = σ/ n Distribución Muestral Decisiones. Edición Pág.100 Si el tamaño de la muestra es más del 5% de la población, n>0.05n, debe aplicarse el factor de corrección para poblaciones finitas (fpc). Error Estándar utilizando el fpc: σ x'=(σ / n) * ( (N-n/N-1)) (N-n/N-1) es el fpc.

15 NUMERO ELEMENTOS DE MEDIA (X') ERROR DE CUADRADO DEL MUESTRA LA MUESTRA (X) MUESTRAL MUESTREO (X'-X") ERROR (X'-X") MEDIA DE X' VARIANZA 2.31 ERROR ESTANDAR 1.52 ERROR ESTANDAR 1.52 FACTOR DE CORRECCION POBLACION FINITA ERROR ESTANDAR

16 VENTAS VALORES DE CUADRADO DE MENSUALES DESVIACION X-X' VALORES DE DESV MEDIA DE X VARIANZA DESVIACION 4.81

17 TABLA DE PROBABILIDADES F/K MEDIAS (X') FRECUENCIA P(X')

18 TABLA DE PROBABILIDADES F/K MEDIAS (X') FRECUENCIA P(X') SUMATORIA

19

20 Teorema del Limite Central Distribución Muestral Decisiones. Edición Pág.100 A medida que n se vuelve más grande, la distribución de las medias muestrales se aproxima a una distribución normal con una media X"=µ y un error estándar de σx'= σ/ n. A mayor n menor σx' Por tanto, incluso si la población no esta distribuida normalmente, la distribución de muestreo de las medias muestrales será normal si n es lo suficientemente grande. La regla general es que si n es por lo menos 30, el Teorema del Limite Central asegurara una distribución normal en las medias muestrales incluso si la población no es normal.

21 Distribución Muestral Decisiones. Edición Pág.100 Conclusiones: 1.- A medida que aumenta el tamaño de las muestras, la distribución de las medias de muestra se acercara a una distribución normal La media de las medias de muestra será la media de la población X"= µ. 3.- La desviación estándar de las medias de muestra será σx'= σ /n.

22 Distribución Muestral Decisiones. Edición Pág.100 Reglas prácticas de uso común: 1.- Para muestras de tamaño n mayor que 30, la distribución de las medias de muestra se puede aproximar razonablemente bien con una distribución normal. La aproximación es más exacta a medida que aumenta el tamaño de muestra n. 2.- Si la población original también esta distribuida normalmente, las medias de muestra tendrán una distribución normal para cualquier tamaño de muestra n.

23 Distribución Muestral Decisiones. Edición Pág.100 El Teorema del Limite Central indica que en el caso de muestras grandes (n > 30), la distribución de las medias de muestra es aproximadamente normal con media µ y desviación estándar σ/n. Provocando así una variación de la ecuación: Z= (X' - µ)/(σ/ n)

24 Distribución Muestral Decisiones. Edición Pág.100 Caso I. Tartus Industries cuenta con siete empleados de producción (a quienes se les considera población). En la tabla siguiente se incluyen los ingresos por hora de cada empleado. Encontrar: La media de la población. La desviación estándar de la población. La media de la distribución muestral de media con muestras de tamaño 2. La desviación estándar de la distribución muestral de medias, es decir, el error estándar de las medias. La tabla de Probabilidades. Ingresos Empleado por hora Joe 7 Sam 7 Sue 8 Bob 8 Jan 7 Art 8 Ted 9

25 Distribución Muestral Decisiones. Edición Pág.100 Caso II. Los tiempos de servicio de los ejecutivos que laboran en Standard Chemicals son los siguientes: Cuántas posibles? muestras de tamaño 2 son Elabore una lista de todas las muestras posibles de 2 ejecutivos de la población y calcule las medias. Organice las medias en una distribución muestral. Compare la media poblacional y la media de las medias de las muestras. Compare la dispersión en la población con la dispersión de la distribución muestral de la media. Construya la tabla de probabilidades. Nombre Años Snow 20 Tolson 22 Kraft 26 Irwin 24 Jones 28

26 Esté entre 145 y 150. Sea mayor que 145. Sea menor que 155. Esté entre145 y 155. Sea mayor que 155. Distribución Muestral Decisiones. Edición Pág.100 Caso VIII. Orange registró los mensajes telefónicos de sus clientes, los cuales promedian 150 segundos, con una desviación de 15 segundos, por lo que planea instalar nuevos equipos que mejorarían la eficiencia de sus operaciones. Sin embargo, antes que los ejecutivos puedan decidir si dicha inversión será eficaz en función de los costos, deben determinar la probabilidad de que la media de una muestra de n=35: Z= (X - µ)/(σ/ n) σx'= σ / n = 15/ 35 =

27 Distribución Muestral Decisiones. Edición Pág.100 Caso VIII. µ = 150 segundos σ = 15 segundos, n=35 Z= (X - µ)/(σ/ n) σx'= σ / n = 15/ 35 = Probabilidad esté entre 145 y 150.

28 Esté entre 145 y 150. Sea mayor que 145. Sea menor que 155. Esté entre145 y 155. Sea mayor que 155. Distribución Muestral Decisiones. Edición Pág.100 Caso VIII. Orange registró los mensajes telefónicos de sus clientes, los cuales promedian 150 segundos, con una desviación de 15 segundos, por lo que planea instalar nuevos equipos que mejorarían la eficiencia de sus operaciones. Sin embargo, antes que los ejecutivos puedan decidir si dicha inversión será eficaz en función de los costos, deben determinar la probabilidad de que la media de una muestra de n=35: Z= (X - µ)/(σ/ n) σx'= σ / n = 15/ 35 =

29 Distribución Muestral Decisiones. Edición Pág.100 Resolver los casos del I al VIII de la página 106 a la página 109.

30 Distribución de Proporciones Muestrales Decisiones. Edición Pág.110 Muchos asuntos de negocios tratan la proporción de la población. Una firma de marketing puede querer averiguar si un cliente (1) compra o (2) no compra el producto. Un banco con frecuencia debe determinar si un depositante (1) pedirá o (2) no pedirá un crédito para auto. Muchas firmas deben determinar la probabilidad de que un proyecto para presupuestar capital (1) generará o (2) no generará un rendimiento positivo. un cliente (1) compra (p = π) o (2) no compra el producto (q = 1 - π) un depositante (1) pedirá un crédito para auto (p = π) o (2) no pedirá un crédito para auto (q = 1 - π)

31 Distribución de Proporciones Muestrales Decisiones. Edición Pág.110 Valor esperado (media) de la Distribución Muestra de la Proporción: E(p) = π = p/k Error estándar de la Distribución Muestra de la Proporción: σp = (π * (1- π))/n = (p*q)/n

32 Distribución de Proporciones Muestrales Decisiones. Edición Pág.110 Si el tamaño de la muestra es mas del 5% de la población, n>0.05n, debe aplicarse el factor de corrección para poblaciones finitas (fpc) (N-n/N-1). Error estándar de la Distribución Muestra de la Proporción: σp = (π * (1- π))/n = (p*q)/n

33 Distribución de Proporciones Muestrales Decisiones. Edición Pág.110 Caso I. Publicidad Sarmiento pregunta a toda la población N=4 clientes si vieron el anuncio publicitario de Sarmiento en el periódico de esta mañana. Se registro una respuesta si como éxito, y no como fracaso. Los cuatros clientes S1, N2, N3 y S4. La proporción poblacional de éxitos es = 0.5. Se tomaron muestras de tamaño n = 2, y la proporción de éxitos se registra en la siguiente tabla: p = x/n

34 4C2 = 6 S1 N2 N3 S4 Xi Núm. De éxitos p 1 S1, N S1, N S1, S N2, N3 0-5 N2, S N3, S TOTAL 3.00

35 Distribución de Proporciones Muestrales Decisiones. Edición Pág.110 Valor esperado (media) de la Distribución Muestra de la Proporción: E(p) = π = p/k = 3/6 = 0.5 Error estándar de la Distribución Muestra de la Proporción: σp = (π * (1- π))/n = (pq)/n σp = (π * (1- π))/n * (N-n/N-1) σp = 0.5*0.5/2 * (4-2/4-1) σp = * = Z = (p - π)/ σ p

36 Distribución de Proporciones Muestrales Decisiones. Edición Pág.110 Caso II. BellLabs adquiere componentes para sus teléfonos celulares en lotes de 200 de una firma en Palo Alto. El componente tiene una tasa de defectos del 10%. Una política establecida recientemente por BellLabs establece que si el siguiente envío tiene: Más del 12% de defectos, definitivamente buscará un nuevo suplidor. Entre el 10 y el 12% de defectos, considerará un nuevo proveedor. Entre el 5 y 10% de defectos, definitivamente no conseguirá un nuevo proveedor. Menos del 5% de defectos, incrementará sus pedidos. Cúal decisión es más probable que tome BellLabs?

37 Distribución de Proporciones Muestrales Decisiones. Edición Pág.110 Caso II. BellLabs adquiere componentes para sus teléfonos celulares en lotes de 200 de una firma en Palo Alto. El componente tiene una tasa de defectos del 10%. Una política establecida recientemente por BellLabs establece que si el siguiente envío tiene: Más del 12% de defectos, definitivamente buscará un nuevo suplidor. E(p) = π = 0.10 σp = 0.1*0.9/200 = P(p > 0.12): Z = (p - π)/ σ p Z = ( )/0.021 = 0.95 Z = 0.95 área de P(p > 0.12) = P(Z > 0.95) = =

38

39 Distribución de Proporciones Muestrales Decisiones. Edición Pág.110 Caso II. BellLabs adquiere componentes para sus teléfonos celulares en lotes de 200 de una firma en Palo Alto. El componente tiene una tasa de defectos del 10%. Una política establecida recientemente por BellLabs establece que si el siguiente envío tiene: Entre el 10 y el 12% de defectos, considerará un nuevo proveedor. E(p) = π = 0.10 σp = 0.1*0.9/200 = P(0.10 <= p <= 0.12): Z = (p - π)/ σ p Z = ( )/0.021 = 0.95 Z = 0.95 área de P(0.10 <= p <= 0.12) =

40

41 Distribución de Proporciones Muestrales Decisiones. Edición Pág.110 Caso II. BellLabs adquiere componentes para sus teléfonos celulares en lotes de 200 de una firma en Palo Alto. El componente tiene una tasa de defectos del 10%. Una política establecida recientemente por BellLabs establece que si el siguiente envío tiene: Entre el 5 y 10% de defectos, definitivamente no conseguirá un nuevo proveedor. E(p) = π = 0.10 σp = 0.1*0.9/200 = P(0.05 <= p <= 0.10): Z = (p - π)/ σ p Z = ( )/0.021 = Z = 2.38 área de P(0.05 <= p <= 0.10) =

42

43 Caso II. BellLabs adquiere componentes para sus teléfonos celulares en lotes de 200 de una firma en Palo Alto. El componente tiene una tasa de defectos del 10%. Una política establecida recientemente por BellLabs establece que si el siguiente envío tiene: Menos del 5% de defectos, incrementará sus pedidos. Cúal decisión es más probable que tome BellLabs? E(p) = π = 0.10 σp = 0.1*0.9/200 = P(p < 0.05): Distribución de Proporciones Muestrales Decisiones. Edición Pág.110 Z = (p - π)/ σ p Z = ( )/0.021 = Z = 2.38 área de P(p < 0.50) = =

44

45 Distribución de Proporciones Muestrales Decisiones. Edición Pág.110 Caso II. El 30% de todos los empleados de una empresa tienen capacitación avanzada. Si en una muestra de 500 empleados menos del 27% estaba preparado de forma adecuada, todos los nuevos contratos necesitarán registrarse en un programa de capacitación. Cuál es la probabilidad de que inicie el programa? Caso III. La proporción de todos los clientes de Pizza Hut que comen en el sitio es del 75%. En una muestra de 100 clientes. Cuál es la probabilidad de que menos del 20% lleven su comida a casa?

46 Distribución de Proporciones Muestrales Decisiones. Edición Pág.110 Webster: Ejercicios 9 al 12 - Pág. 157 Webster: Ejercicios 13 al 17 - Pág. 160 Webster: Ejercicios 18 al 46 - Pág Investigar los siguientes Métodos de Muestreo y dar dos Ejemplos: Valor 2 adicionales a los 100. Muestreo Aleatorio Simple. Muestreo Sistemático. Muestreo Estratificado. Muestreo por Conglomerados. Muestreo de Conveniencia.