Estadística para Negocios ADM 201 PDF

Estadística para Negocios ADM 201 Prof. Bryan Townshend Quality Leadership University Panama  Objetivos de Aprendizaje: Importancia de la estadística como campo de estudio y tipos de estadística. Conceptos estadísticos claves. Métodos de muestreo y recolección de data. Tipos...

Estadística para Negocios ADM 201 Prof. Bryan Townshend Quality Leadership University Panama  Objetivos de Aprendizaje: Importancia de la estadística como campo de estudio y tipos de estadística. Conceptos estadísticos claves. Métodos de muestreo y recolección de data. Tipos de data y niveles de medición. Prof. Bryan Townshend – QLU  ¿Por qué estudiar Estadística? La Estadística es la rama de las matemáticas que transforma números en información útil para quienes toman decisiones. Las estadísticas permiten saber sobre los riesgos asociados con tomar una decisión de negocio y permiten comprender y reducir la variación en el proceso de toma de decisiones. La Estadística para los Negocios es una colección de procedimientos y técnicas que se utilizan para convertir datos en información significativa en un entorno empresarial. Prof. Bryan Townshend – QLU ¿Qué es la Estadística? La Estadística se define como: “La ciencia que recoge, organiza, presenta, analiza e interpreta datos con el fin de propiciar una toma de decisiones más eficaz.” La Estadística se utiliza, por ejemplo, en: - Encuestas políticas. - Análisis de ventas. - Proyecciones económicas. Prof. Bryan Townshend – QLU ¿Para qué sirve la Estadística en los negocios? 1. Para visualizar y resumir los datos (para esto se utilizan los métodos descriptivos). 2. Para llegar a conclusiones sobre un grupo grande basándose en datos recopilados de un grupo pequeño (un ejemplo de utilizando métodos inferenciales). 3. Realizar pronósticos confiables que se basen en modelos estadísticos para la predicción (métodos inferenciales). 4. Mejorar los procesos de negocio utilizando la gestión. Enfoques como Six Sigma que se centran en la mejora de calidad. Prof. Bryan Townshend – QLU  La Estadística: ESTADÍSTICA DATOS INFORMACIÓN CONOCIMIENTO ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA INFERENCIAL Hechos, especialmente hechos numéricos, Conocimiento, comunicación y aprendizaje sobre un recogidos, almacenados y presentados juntos, hecho en particular, enfoque en predecir o explicar. para proveer una representación o fotografía de Ejemplos: proyección de ventas, demanda la realidad. esperada, predicciones de resultados electorales. Ejemplos: promedio de notas, edad, gastos por mes, altura. Prof. Bryan Townshend – QLU  Tipos de Estadística: Descriptiva: incluye herramientas visuales como tablas y gráficos y medidas numéricas. La función de la estadística descriptiva es describir datos, ayudar a transformar los datos en información utilizable y visualizarlos de mejor manera. Las estadísticas descriptivas son los métodos que ayudan a recopilar, resumir, presentar y analizar un conjunto de datos. Inferencial: permite a los tomadores de decisiones sacar conclusiones sobre una gran cantidad de datos examinando un subconjunto más pequeño de esos datos. Se describen dos áreas de inferencia: estimación y prueba de hipótesis. La estadística inferencial es el método que utiliza los datos recopilados de un grupo pequeño para sacar conclusiones sobre un grupo más grande. Prof. Bryan Townshend – QLU  Conceptos Estadísticos Clave Datos Elementos Variables Observaciones Hechos y cifras Fenómeno o Es una Son los recabados individuo de característica diferentes sobre un interés. asociada a un valores fenómeno o elemento. registrados (o individuo, Puede ser: asociados) almacenados, ventas, con las resumidos y porcentaje de variables analizados, crecimiento, para su costos interpretación variables, y toma de peso, altura, decisiones etc. Prof. Bryan Townshend – QLU  Conceptos Estadísticos Clave: Ejemplo 1 El Departamento de Energía de Estados Unidos proporciona información sobre economía de combustible para diversos Element vehículos de motor. Una muestra de 10 o automóviles se presenta en la tabla 1.6 (sitio web Fuel Economy, 22 de febrero de 2008). Los datos indican el tamaño del automóvil (compacto, mediano o grande), el número de cilindros del motor, las millas por galón en la ciudad, las millas por galón en autopista y el combustible recomendado (diesel, premium o regular). a) ¿Cuántos elementos hay en este banco de datos? 5 Variables b) ¿cuántas variables hay en este banco de datos? Prof. Bryan Townshend – QLU  Tipos de Variables: Variables Categóricas: Cualitativas Numéricas (intervalo o razón): Cuantitativas Ordinales Nominales Discretas Continuas Calificaciones Estatus marital Número de Peso o altura alfabéticas Partido político empleados Temperatura (A,A-,B,C,D,F) Género Notas SAT Ingresos Sus valores Etnia Número de Toman cualquier corresponden a Define categorías miembros de una valor dentro de un conceptos, atributos o sin orden. Aquí casa. intervalo específico: cualidades en una también entran las Son valores fraccionarios, sucesión que no son variables numéricos Porcentajes, Enteros, Medibles. binomiales (Sí/No, Enteros. Naturales. 1/0). Prof. Bryan Townshend – QLU Conceptos Estadísticos Clave: Ejemplo 1 continuado Categóri Numéricas Categóri ca ca c) ¿Cuáles variables son categóricas y cuáles son numéricas? d) Clasificar cada variable como ordinal, nominal, discreta o continua. Nominal Discret Continuas Nominal a Prof. Bryan Townshend – QLU  Tipos de Datos Asociados al Tiempo: Series de tiempo: varios datos recolectados a lo largo de varios períodos (horizontal). Datos Datos de corte transversal: recolectados todos al mismo tiempo (vetical). Prof. Bryan Townshend – QLU  Tipos de Datos: Ejemplo 2 Clasifique los siguientes datos como cualitativo o cuantitativo, y a su vez como nominal, ordinal, discreto o continuo. 1. Género de los estudiantes en una clase. 2. Nivel educativo alcanzado (primaria, secundaria, licenciatura, maestría, doctorado). 3. Edad de los empleados en una empresa. 4. Temperatura diaria de una ciudad durante el mes de noviembre. 5. Número de hijos en una familia. 6. Clasificación de productos según su calidad (baja, media, alta). Prof. Bryan Townshend – QLU  Tipos de Datos: Ejemplo 2, Respuestas Clasifique los siguientes datos como cualitativo o cuantitativo, y a su vez como cardinal, ordinal, discreto o continuo. 1. Género de los estudiantes en una clase: Cualitativo (no se puede medir numéricamente). Nominal. 2. Nivel educativo alcanzado (primaria, secundaria, licenciatura, maestría, doctorado): Cualitativo (es una categoría descriptiva). Ordinal 3. Edad de los empleados en una empresa: Cuantitativo (es un dato numérico). Discreto. 4. Temperatura diaria de una ciudad durante el mes de noviembre: Cuantitativo (es un dato numérico). Continuo. 5. Número de hijos en una familia: Cuantitativo (es un dato numérico). Discreto. 6. Clasificación de productos según su calidad (baja, media, alta): Cualitativo (es una categoría descriptiva). Ordinal. Prof. Bryan Townshend – QLU  Población vs Muestra Población El conjunto de todos los objetos o individuos de interés o las medidas obtenidas de todos los objetos o individuos de interés. Todos los elementos o individuos sobre los que se quiere sacar una conclusión. Generalmente muy grande o infinita. Todos los votantes de un país Todos los recibos de ventas en diciembre. Muestra Un subconjunto de la población. Porción de una población seleccionada para el análisis. Potencialmente muy grande, pero menor que la población. 1.000 votantes seleccionados al azar para la entrevista. Cada 25 recibos seleccionados para auditoría de las ventas de diciembre. Prof. Bryan Townshend – QLU  Parámetro y Estadística Parámetro: Medidas numéricas descriptivas, como un promedio o una proporción, que son calculados a partir de una población entera. Es una medida numérica que describe una característica de una población. Generalmente no es posible saberla Estadística: con una certeza del 100%. kilometraje Estadística: Parámetro: kilometraje promedio de los autos Medidas correspondientes para una promedio de todos los automóviles de muestreados en muestra. Es una medida numérica que Panamá. Panamá. describe una característica de una muestra. Es un valor conocido. Prof. Bryan Townshend – QLU  ¿Por qué usar una Muestra? Una muestra te permite inferir Población información sobre la población. votante de Una muestra Panamá de 5.000 Ejemplo: Si pudieras entrevistar a la (lista votantes es población de votantes de Panamá, electoral) seleccionada sabrías quién sería el próximo presidente 2.713.698 de Panamá. Pero si entrevistas a una muestra de votantes, podrías tratar de El porcentaje de La proporción muestral se predecir quién será. utiliza para estimar la votos a favor de Martinelli se cuenta Ventajas: proporción de la población de la muestra seleccionada. - Menos tiempo y costos. 2.713.698 x 0,70 = 3.500 votos para 1899588 votos para Martinelli = 70% - Es posible obtener resultados Martinelli (proporción de estadísticos lo suficientemente precisos (70% de los votantes = Parámetro) muestra = basados ​en muestras. estadística) Prof. Bryan Townshend – QLU Diferencia entre Parámetro y Estadística: Ejemplo 3 Según la Oficina de Estadísticas de Trabajo de EE.UU., el aumento anual porcentual en la matrícula universitaria de EE. UU. y las comisiones en 2010 fueron del 6,0%, en 2015 fue del 4,0%, y en 2019 fue del 9,5%. ¿Son estos porcentajes estadísticas o parámetros? Explicar. Según un artículo en El Estadista de Idaho, una encuesta realizada el día anterior a las elecciones en Alemania mostró al canciller Gerhard Schröder detrás de su retadora, Ángela Merkel, por 6 a 8 puntos porcentuales. ¿Es esto una estadística o un parámetro? Explicar. Prof. Bryan Townshend – QLU Niveles de medición Los datos se clasifican por niveles de medición. El nivel de medición de los datos rige los cálculos que se llevan a cabo con el fin de resumir y presentar los datos de la manera más adecuada. También determina las pruebas estadísticas que se deben realizar. La recolección de datos requiere una de las escalas de medición siguientes: nominal, ordinal, de intervalo o de razón. Prof. Bryan Townshend – QLU Prof. Bryan Townshend – QLU Niveles de Medición: Ejemplo 4 Prof. Bryan Townshend – QLU  Más definiciones sobre el muestreo Preguntas abiertas: preguntas que permiten a los encuestados la libertad de responder con cualquier valor, palabras o declaraciones de su propia elección. Entrevistas Estructuradas: Entrevistas en las que las preguntas están escritas. Entrevistas no estructuradas: entrevistas que comienzan con una o más preguntas generales, con más preguntas se basan en las respuestas. Sesgo: Efecto que altera un resultado estadístico distorsionándolo sistemáticamente; es diferente de un error aleatorio, que puede distorsionar en cualquier ocasión pero se equilibra en promedio. Prof. Bryan Townshend – QLU  Más definiciones sobre el muestreo Experimento: proceso que produce un resultado único cuyo resultado no se puede predecir con certeza. Diseño experimental: plan para realizar un experimento en el que se define la variable de interés. Se identifican uno o más factores que deben manipularse, cambiarse u observarse para que el impacto (o influencia) sobre la variable de interés pueda medirse u observarse. Preguntas cerradas: preguntas que requieren que el encuestado seleccione de una lista corta de preguntas definidas opciones. Preguntas demográficas: Preguntas relacionadas con las características, antecedentes y atributos. Prof. Bryan Townshend – QLU  Procedimientos para recolectar data Método de recolección de Ventajas Desventajas data Experimentos Tiene controles y objetivos Costoso en términos de pre-planificados. tiempo y recursos, requiere un plan. Encuestas por teléfono Oportuno, relativamente Mala reputación, alcance barato limitado y longitud. Encuestas escritas Barato, puede ser más Bajo porcentaje de larga, puede usar preguntas respuestas, requiere mucha abiertas. claridad. Observación directa, Expande oportunidades de Potencial sesgo de Entrevista personal análisis, no tiene sesgo de observador, costoso. respondiente. Prof. Bryan Townshend – QLU  Pasos para elaborar una encuesta Definir el tema: ¿Cuáles son el propósito y el objetivo de la encuesta Definir la población de interés. Desarrollar las preguntas de la encuesta: - Hacer preguntas claras y sin ambigüedades. - Utilice definiciones universalmente aceptadas. - Limitar el número de preguntas Hacer una prueba previa de la encuesta (Piloto): -Prueba piloto con un grupo reducido de participantes -Evaluar la claridad y la extensión Determinar el tamaño de la muestra y el método de muestreo. Seleccionar muestra y administrar la encuesta. Prof. Bryan Townshend – QLU  Puntos con los que tener cuidado Definición del problema. Sesgo del entrevistador. Sesgo de falta de respuesta. Sesgo de selección. Sesgo del observador. Errores de medición. Validez Interna: factores intrínsecos al experimento. Validez externa: ¿Pueden los experimentos ser reproducidos fuera del entorno original? Prof. Bryan Townshend – QLU  Tipos de Muestreo Dos categorías de muestreo principales son muestreo no estadístico y muestreo estadístico. Nos centramos en el muestreo estadístico y discutimos cuatro métodos: - Aleatorio simple. - Aleatorio estratificado. - Por conglomerados. - Aleatorio sistemático. Prof. Bryan Townshend – QLU Muestreo Aleatorio Simple Se utiliza cuando no se tiene conocimiento previo de cómo la población se comporta con respecto a la característica que se estudia, y se quiere evitar sesgos. Es caro. Requiere un marco muestral muy amplio. Algoritmos de generación de números aleatorios. Difícil de implementar. Ejemplo: lanzar dados. Prof. Bryan Townshend – QLU  Muestreo Aleatorio Estratificado Divide la población en subgrupos que normalmente tienen características comunes (llamados estratos). Selecciona una muestra aleatoria simple de cada subgrupo. Combina muestras de subgrupos en uno. Difícil de implementar. Ejemplos: Estudios médicos (niños/adultos/geriátricos), investigaciones educativas (ciencias, humanidades, ingenierías). Prof. Bryan Townshend – QLU  Muestreo por Conglomerados Divide la población en varios “clusters” o conglomerados, cada uno de ellos “representante” de la población (mini – poblaciones). Se pueden usar todos los elementos del grupo seleccionado o se pueden elegir de un conglomerado utilizando otra técnica de muestreo probabilístico. Se usa cuando la población de estudio está naturalmente dividida. Ejemplos: estudios agrícolas, Fuente: Instituto de Innovación encuestas nacionales, evaluaciones Agropecuaria de Panamá (IDIAP), 2023 ambientales. Prof. Bryan Townshend – QLU  Muestreo Aleatorio Sistemático Decide un tamaño de muestra. Divide el marco poblacional de N individuos en grupos de k individuos: k=N/n Selecciona aleatoriamente un individuo del primer grupo., luego el 2do individuo del 2do grupo, y el k-ésimo individuo del k-ésimo grupo. Se usa cuando la data esta organizada, no tiene patrones cíclicos y es difícil enumerar todos los individuos de una población para seleccionar una muestra aleatoria. Ejemplos: estudios de control de calidad, encuestas de supermercados, auditorías financieras. Prof. Bryan Townshend – QLU  Tipos de Muestreo: Ejemplo 5 1. Encuesta de opinión pública nacional sobre políticas gubernamentales. 2. Estudio sobre el rendimiento académico de estudiantes en diferentes universidades. 3. Encuesta sobre la satisfacción del cliente en una cadena de restaurantes: Muestreo aleatorio sistemático. 4. Estudio sobre la prevalencia de enfermedades cardiovasculares en una ciudad 5. Investigación sobre el nivel de empleo entre jóvenes de diferentes sectores. económicos. 6. Encuesta sobre hábitos de lectura en una comunidad escolar. 7. Estudio sobre la distribución de ingresos en diferentes áreas urbanas de un país. 8. Encuesta sobre consumo de productos ecológicos en una ciudad. Prof. Bryan Townshend – QLU  Tipos de Muestreo: Ejemplo 5, Respuestas 1. Encuesta de opinión pública nacional sobre políticas gubernamentales: Muestreo aleatorio simple 2. Estudio sobre el rendimiento académico de estudiantes en diferentes universidades: Muestreo aleatorio estratificado 3. Encuesta sobre la satisfacción del cliente en una cadena de restaurantes: Muestreo aleatorio sistemático 4. Estudio sobre la prevalencia de enfermedades cardiovasculares en una ciudad: Muestreo por conglomerados 5. Investigación sobre el nivel de empleo entre jóvenes de diferentes sectores económicos: Muestreo aleatorio estratificado 6. Encuesta sobre hábitos de lectura en una comunidad escolar: Muestreo aleatorio simple 7. Estudio sobre la distribución de ingresos en diferentes áreas urbanas de un país: Muestreo aleatorio estratificado 8. Encuesta sobre consumo de productos ecológicos en una ciudad: Muestreo aleatorio sistemático Prof. Bryan Townshend – QLU  Tablas: Ejemplo 6 Recientemente, el gerente del centro de llamadas de un gran banco de Internet preguntó a su personal para recopilar datos sobre una muestra aleatoria de los clientes del banco. Se recogieron las siguientes variables y se colocaron en un archivo llamado Bank Call Center: (1= Male, 2= Female, 3= Yes, 4= No.) a) ¿Clasificaría estos datos como series temporales o transversales? b) ¿Cuáles de las variables son cuantitativas y cuáles son cualitativas? c) ¿Qué nivel de medición tiene cada variable? Prof. Bryan Townshend – QLU Prof. Bryan Townshend – QLU ¿Preguntas, comentarios u observaciones? Prof. Bryan Townshend – QLU