85 Coptuo s
E Linivere de mayorjnio de 1989 el Financia Executive conenta un aia tulad “Are Perfomance
Fees Justified” (JEsjustiiada la remuneracion poe desempefio?) Los arguments favorable sana.
‘banque debiapagarse alos asesores finaleros seine desempeto de as cuentas del portfolio e sus clientes Los
stgumertos favor del no afiemiaban qu los asesores debian prcbir sus honoris seBnsu propio rendinient yo
‘ue el desempero de los portfolios depende de muchos factores ademas dea elidad del ses.
[Los dos capitalos anteriores deseribieron varias formas de recoger y presenter datos. Las distribuciones de
eecuencis y las gréficas son importantes para mosiar las propiedades esenciales de los conjuntos de datos que
‘yuan en ef proceso de toma de decisiones. Estos métodos son especialmente importants si les datos reco sites
son culitativos, s decir, esti medides en una escala nominal o en una ordial
POR QUE LA ESTADISTICA DESCRIPTIVA ES IMPORTANTE
PARA LOS ADMINISTRADORES
Los métodos de recogida de datos y de presentaién gitica que se estudiaron en los capftules 2 y3 propor:
. {Qué valor divide als datos en dos partes iguales?
«, Caleule la media de ext conjunto de datos
4. (Cuil de estas medidas de tendencia cental usarta para estima la duracién del mercado a aba en
tos7?
“Ted Mitchell, gerente del tienda Ted's Comer, investiga la cantidad promedio que gastan fs clientes en
omestblesdarante un periodo de wha semana, Los sgulenes datos representa las canines gastads a
Semana anterior por ura muestasleatoria de 12 clientes:
ss $7 58
153 20 9
0 wi 5
sy 8 12
2, Calele la moda, mediana y mei pra este conjunto de datos
1 {Qué medida de tendencia central sara para indica la canidd tipica de comestibles qe se compe?
En 1989, se esperaba que las cadena de restarantes de frangucis tuvieran ventas en Estados Unids por
‘lr de $70,400 millones, un 1155 mis que el a80 anterior, stn el ndlisspreparado po a revista Res
taurant Busines la empresa de asesriaTechnomic Inc. Ba cuanto scans unitaris, se esperaba gue
Tas ventas deeaaestablecimiento de fanquiciaaleanzaran un promedio de $737,000. La siguiente tabla
conten los datos de las ventas totals de las cinco eadenas mis importantes @
2
ESTADISTICA DESCRIPTIVA 97
Ventasen 1989
(Caden de resturants (ilones) [Nimero de unidades
MeDonai’s sa 320
Barger King 3110 5361
Pia ut 3100 650
Hardee's 300 Sm
Kentcky Feed Chicken 53000 oe
4 Calcul la mods, median y media para las vents de 1989 y para ime de unidades con fanguicia,
2. Caleae el promedio por estabiecimiento para ls cinco cadenas mis importates. Compare ete valor
‘con lo que se espera en el informe dela empresa de ssesri.
Anderson Motors vendié 53 Honda Civics en 1992 pore precio normal de $8,250 (precio esténdar conn
costo adicional por acesorios opionaes). En ocmbre, cuando legs el nuevo model, el precio estndar de
193 se redujo a $7.50. Anderson vendis 15 Civics a este precio. En una vent de iuidacin leer del
ejessici, Anderson vendis 7 Cvies a $6650, ;Cual fue el precio promedio que ceibié la Anderson por los
Honda Civics en 192 (si incre costo acional de los accesonos opciones)?
‘La compe Distriboidora Burt tene una fins principal en Madison, Wisconsin, y un sucrsl en Cle-
veland. La gerente de la sucursal Julie Pearson, est preocupada por la cantidad de dinero que se gasta al
‘andar paqtes dena dos bras in ofeina principal. Las siguientes cantidades indian los volmenes
eos paquets que se mandaron con diferentes trifa el ao pasado.
‘Tgodeeaviopesal __Nimerodepaguetes_Taia
Caan ive 2003 28)
Toren case 5078 138
Pesmera case 857 za
Ente nats 3 205
Certteado| 2 300
{Cu fue el costo promedio de mandar paquets de 12 lira aa oficna principal?
‘La compatta Perfection Tire quiere determina el millae promedio de va lantaespectica antes de que
_zste para poder estableer una poliza de garanta, Se seleccions una muesteay se registra os siguientes
‘illajes redondeados al millar mis cecano.
BAS 7B 7 6 ee
MoM 0 8 OH HS RO OB TOT
4, Calcul Ia moda a medina y la media para estos datos
1, Gs simétic osesgado ese conjunto de dos?
©. ¢Qué medida de endencia ental wsaria para ayuda a dterminar a piza de garati?
Ladistribuidora Altos Tacton vende cuatro sipos de Nantas Goodyear La siguiente tabla proporcions et
‘volumen y precio de cada tipo de lata que se vendié durante un mes ecient:
‘Tipo de vata Nicer vendo Precio
Eatradil 28 1938
Tiempo radial 50 395
‘Asia 38 395
Verse radia 6 95, ro
g 98 Capitulo
Cu foe el promestio de ingresos del Alton por lana vendida?
On ee
‘nine ees a ca ee ane ecm oe
ar ce reams
SRA wn ss nw 55
BH SS 7 MH 6 4 70 O50
on 6 6 8 8 & OB A
7 0 97 0 5 8 OS OH
4 Clete moda, ls medianay Ta media de eto datos.
Bs simetricoosesgado ese conjunto de datos?
© {Qué medida de tndencia central debe usr Jim Donaldson si extsinteresado en determina el precio
ico de una lata de ocho onzas de efiesco?
MEDIDAS DE VARIABILIDAD
Eledleulo de una medida de tendencia central para una coleccin de dato es una manera valisa de resume:
4os valores auméricos,en particular si se tienen muchos. Sin embargo, existe otra medida que tiene la misma ne
portancia. Con frecuencia se requiee sabe el grado de varablidad de los nimerosen el cnjunto de anes oy
la stribucion. Las mejores desripiones de varabildad se refieen alas desviaciones de los valves espera
alguna media de endencia central, aunque tambien se usan otros métodos. Esta seccion presen ee medion
e dispersion ovariacién comunes: el rango a variana y la desvisi6n esindar
Aunque as medidas de dispersin ovariabilidad son importantes en muchos casos, es posible que no haya
lun rea de aplicacinen donde sean més importantes que ene control de calidad. Se ha dicho que la tarabiedad
«sel mayor enemigo dels buena calidad. Esto se debe a que la consistencia dela produecién en una operands
‘anufactura es, por lo general, una sefal de buena calidad, mientras que las vatacione extemas suc sige
‘at mala calidad, El capitulo 13 (“Aplicaciones de contol de calidad”) explora la varabiidad ysurelaccn soa
Jatarea principal de un negocio: lograr y mantener buena calidad,
Rango
‘La medida més sencilla de vaiabilidad es el rango (la diferencia ene el valor mis grande y el més peque-
o-enel conjunto de datos) E precio de las acciones de Texaco vari de $51 a $54 en 1992, micauas queel We.
cio dels acsiones de Chevron vats de $60 a $78, El rango en los precios para Texaco es $54 $81 ~$3,y fara :
Chevron es $78 ~ $60 =S18. La comparacin de rangos india al analista que el precio de las acciones de Chere
ron vars mucho masque el de las de Texaco, 5
Elrango es la diferencia entre el valor mds grande y el mds pequefio en el conjunto de datos.
Elrango no siempre es una buena medida de varibilidad. Siempre que la distribucin contenga un valor
xtemo, el ingo indicard una variacion excesiva Por ejemplo, en la tabla 4.2 el ango para las ventas de laces
dea ce dendas es $31 599-2490 = $29,109. El tol an grande de as venas de Sear inye mucho soe]
rango. g
Lasmejores descripciones de varabilida tienen que ver eon la desviacién de os datos respcto a alguna
‘medida de endencia central. Como la media tiene buenas propiedades matemtics, es la medi de tendencit. ESTADISTICA DESCRIPTIVA 99°
‘central que por lo general se usa. A continuacida se estudiar dos medidas importantes de varabtidad: a va-
rinnza la desviacin estar
Varianza
La varianza poblacional eset promedio de tos cuadrados dela diferencias entre los valores de los datos y
ln media. Tien ciertas propiedades matemiicas que la hacen iil en otras aplicaciones estadistcas: ms adelante
‘se presentarén algunas de ella. Sin embargo, interpreta la vatianza come el promedi de los cuadrados de Ios
ierencas no es il como medida descriptive. La eouscign 4.5 muesiea como se calcula la varanza para os da
tos de una poblacién:
Za-we as
oe
donde o = varianza poblacional
“x = valores de lapoblacign
= media poblactonal
1 = mnimero de abservaciones en la pobacin
La variamza es el promedio de los cuadradas de las diferencias entre los valores de los datos y la
media.
Exenri0 4.1] La abla 45 presenta una poblacién de cinco edades. La media de este arrego de datos
se encuentra sumando los valores y dividiendo por Vs t= 200/5 = 40. La edad media de 40 describe con exac,
titud la tendenci central de los datos. Per, cqué pasa con la varibilidad? Hasta qué grado difiern os datos de
Ja media? En la columna 2 dela tabla 45 se calculan y suman las desviaciones dela media. Sin embargo, si
toma su promedio, no hay indiaciGn de variabilidad. La suma es igual 0, ya que la media eatd ene ceutro ra
temdtico det arrelo y los valores negativosanulan los valores psiivos. El ejemplo I ilusta este concept,
TABLAS Datos de edades (ejemplos 4.11 y 412)
son Gp
= 0
a0 1
° 3
0 100
ey 0
° 00
Dewitt = @ = = 182 100 Caputo ¢
Un enfogue matemitico para eliminar los signos menos es elevar sl cuadrado cad desviacin (columna 3
de a tabla 4.5). Después de elevar al cuadrado las desviaciones, se aplia la ecuacion 45 y se calcula la vaianza
de las edades:
Desviacién esténdar
Desafortnadamente, saber que la desviacin al cundrado promedi del ejemplo 4.11 es igual a 200 n0 es
significatvo. Una solucén a este problema es regresar alas nidades de medicién originales obteniendo la raz
cuadrada de la varianza. La ecuacién 4.6 muestra cémo se calcul la rate cuadrads dela varianz, llamada des-
‘lacfn estindar de la poblacion. La desviacign estindar es la cantidad tipica en la que los valores del conjunto
Ae datos difieren dela media
° (ee «o)
| La desviaci6n estindar mide la cantidad tipica en la que los valores del conjunto de datos dife-
| ren de ia media,
Exempto 4.12 La thima columna de la tabla 45 muestra los valores que deben usarse en la ecuacin
4.6 para calculr la desviaci6u estindar de los datos dels poblacidn. Esta columna muestra los cuadrados de las
diferencias entre cada valor y la media de Ia distibucion, 40 La suma de esta desviaciones cuadradas es 1,000
su promedio es 200. La rafzcuadrada de 200 es 14.1, de mancra que éta esl desviciGn estindar del aveglo de
datos. Los valores tienen una media de 40 y una desviaién estindar de 14.1. Esto significa que la cantidadtipica
ce laque los valores del arreglo difieren de su media (40) es de alrededor de 14.1
La desvacn estindar susan general para deseribirel grado ene gue un conuno de tos se dipesa
streedor de st media Una desviaion etna pequcha sigiiea qu Ts valores Gendensextar muy cece Ola
int Undine rune ind ue or vl een pane pen ae de
resin
Los datos de atbla 5 se definicon como una poblaci yas ccuacions $5 4.6 se wston pra cls
tata weranan ye desvscnetindar de la poblaia los dab meds consents es, os ee
londlteren un pocoy seu ccucion 4.7 prs aes I varianas de ames. Ads, a dena ext
drs calcula btensengo la cada dela variazs dela mest 5 = 5), Observe cm ln ecucion 47 que
lésneminador ex trai lamest menos I(r ~1) em ga del ama de tod a pols (8) ges
‘stem in cosines 434, Observe tambien ue msn que tu ata gies (ma) pra epee
tarel parimeto poblacional, a letras Se usa para rpresentar el estadistico muestra 5
‘Varianza de la este:
Rene?
an EStAaDISTICA DESCRIPTIVA 101
donde varianza de la muestra
ser revo ct
OWS AE 910 e74So018R1579119 ESTADISTICA DESCRIPTIVA 103
La secci6n “Paguete MINITAB'" al final del captuo explica estos comandosy la impresin de said
{Ca fgura 4.2 muesta la varabilidad dela media y Ia desviacion estindar para diferentes distibuciones de
datos Ene incso a, aparecen tes distribuciones; como todas tenen la misma forma, es claro que estas tes dis
trbuciones simétricas tienen la misma desviacinestindar. Esto es, 1s valores do los datos en las tes distribu-
‘nes estn aproximadamente a la misma distancia de sus respectivas medias. Sin embargo, sus medias son
ferents; cada una se encuentra en un punto diferente del eje horizontal
FiGuRA 4.2 Distribuciones de datos
Port contrario, las tres curvas simétrices del inciso b tienen la misma media. Sin embargo, sus desviacio-
res estindar son diferentes. Los valores de los datos de la curva mas ancha estén lejos de la media en compara-
£60 con los de la curva central los de la curva interior estén ain mis ceca de la media. La figura 4.2 asa la
limportancia de conocer tanto la media como ladesviacicnestindar de la distibucign de los datos si se quiere te-
rerun resumen adecvado de la distin,
Coeficiente de variacién
(wo método que se usa en ocasions para medir la vriabilidad dela poblacisn o muestra de los valores de
los datos ese coeficiente de variaciin, Este estadistico especifica el tamafo de la desviacidn estindar eomo un
poroentaje de la media, Se calcula dividiendo la desviacia estindarente la media, El coeficiente de varacion
Indica la cantidad relariva de variabiidad en una distibuci,
| Etcvefciente de variacién para un conjunto de datos expresa la desviacién esténdar como un
_porcentaje de la media,
La ccuacién 49 se usa para calcularel cceficiente de variaci6n para una muestra, La abreviatura CV se usa
aa este estat 104 captuto
‘Observe que para una poblacién, las en el numerador se susttira por 0, 1a del denominador por j.
nla toma de decisiones se usa el coeficiente de variacién para 1) determina Ia fibilidad dela media
como medida de tendencia central, 2) determina sila desviaci6nestindar es grande, pequeiao regular 3) com
para la variabidad de dos o mds distribucions.
EJEMPLO4.14 El presidente det First Federal Bank estaba preocupado por una posible adquisicign del
bbanco, especialmente desputs de ler un anculo en The Wal Sreet Journal (15 de abil de 1992) sobre ls pl
thes de Bane One referentes la compra del Valley National Bank of Arizona, aparentemente por Ia cantidad de
$1,240 millones. Aunque noha habido un amenaza especifica contra el First Federal Bank, el presidente y el
conse direetivo quieren conocer de inmesato certos hechos ycifas sobre el banco.
‘Se pidié a Kim Homs, una naevaanalista, que cocogiera varios estadistcos para pesentalos al conse di-
rectivo. Debia compara el saldo promedio de as cuentas de a oficina del centro con las de a sucursal suburbs.
fe. Se obtavo un muestra sleatorta de los saldos de cuentas de ahoros de las dos entidades. Para la ofcina del
Centro la media de los saldos fue $1,248 50 con una desviacion estindar de $537.93. En la sucursal, la media de
Tos sldos fue $743.84 con una desviacign estindar de $325.10. Kim observ que la sucursal tenia saldos prome-
dio mas bajos que laoficina del centro, pero encontré que era dificil compara la varabilidad de amtbos dbido a
la diferencia en las medias. Por esto, Kim decid calcuar el coficiente de variacién para cata oficina
Oficina matriz:
cv = 5 (100) = 537.93. (100)
1248.50,
1%
Suoursl:
= £100) = 22510 190) =
CV = $ (100) = 325.30 (100) = 43.7%
Es claro que la media y la desviac in estindar de Ios sldos de las cuentas dela sucursal son menores queen
1a oficina matriz. Sin embargo, como porcentaje de sus medias, lus desviaiones estindar son iguales en los dos
bancos. Enestesetido, la varabilidad dels saldos de las eventas en las dos entidades es en esencia la misma,
MEDIDAS DE POSICION
SSuponga que una persona siente que su salaro es drsticarente més bajo de lo que merece, comparado con
otras personas Gon experiencia y antecedentes similares, Una manera de demostrar esta condicin es averiguar
Tos salarios de estos empleados y mostrar la diserepancia, Una medida de posiién ode colocacién relativa se
puede usar para evaluar un salaio individual comparado con to el grupo. Una medida de posicin de una ob-
Ssrvacion egpecifica es su rango percent, El p-ésimo percent es el valor dex tal qu p por ciento de las obser-
‘vaciones est abajo del p-ésimo percent y (100 ~p) por eiento ests ariba,
Percentil
Elpeésimo percentiles el valor de x tal que p% de las observaciones estén por debajo del pé
‘mo percentl y (100 — p)% se encuentra por encima. ESTADISTICA DESCRIPTIVA 105,
or ejemplo a persona que se sient mal pagada descubri que estaba en ef percentil 20. Est sgnifea que
‘20% de todo fos empleados con experiencia y antecedents similares tienen salarios mis bajos que el suyo y
0% tienen slarios mayeres.
[Los percentiles dividen las observacionesen 100 partes del mismo tama. I procedimiento para obtener
un percent especific es similar al de clculo de la mediana, De hecho, la mediana describe el percent $0. Los
{Jeaescividen alas observaciones en 10 partes del mismo tamafo. Los cuarils dividen alas observaciones en
‘cuatro partes del mismo tama
‘Gera eda de posicion es la mareaeiGn esténdar. Igual que el percent una marcacin estinda dtermi-
naa posicin relative del valor de un dato dado, x. La marcacién estindar indica el némero de desviacioneses-
‘dat las que se encuentra cl valor particular abajo o arriba de Ia media. La marcacisn estinda se presents en
cleapitulo 6.
‘Como la desviacién estindar es una media de distancia estindar respecto ala media el conocimiento de la
media y dela desviaeidn estindarproporciona al analista una gran vision sobre los datos con Tos qu se alcala-
fon Con frecuencia susan en este proceso dos conceptosestadisticos importantes: el eorema de Chebyshev y
Taregla empirca,
‘Teorema de Chebyshev
El teorema de Chebyshev (también conocido como teorema de Tehebyshef), Hamada esi en homenaje a
ratemtico uso PL, Chebyshev, establece que no importa cui es ia forma de a distrbucida, ya que por lo me~
tos 756 de los valores estin menos de 22 desviacionesestindar dela media de a distibucién, y por lo menos
189% de los valores estén a menos de =3 desviaciones estindar dela media, El teorema de Chebysbev se presen-
tandem el capitulo 6
Regia empirica
Una reglaseneilla muy popular en estaditica es la regla empirica, que maneja un conjunto de valores que
cexsimétrcn alrededor de a media con la mayoria de los valores cercanos alla. La figura 4,3 muestra. una dist-
buciGn en forma de campana con las siguientes caracteriticas:
1, Alrededor del 686 de los valores estén a menos de una desviacién estnder de I media,
2. Alrededor del 95% de los valores estin a menos de dos desviaciones estndar dela media
3. Alrededor del 99.7% de los valores estén a menos de tres desviaiones estindar de la media
‘Observe que el teorema de Chebyshev es en extremo conservador comparado coa la repla empica (75% de
los valores ex lugar de 95% esti a menos de dos desviaciones estinda) La mzén es que el teorema de Cheby-
Shev se apica a cualquier poblacién o muestra sn importar Is forma de la dstibueiGn, La reglaempiricatam-
bign se extuard con detalleen el capitulo 6.
Por timo, debe observarse que los datos usados en este capitulo para lustrar os conceptos importantes
son datos en bruto, es decir, consisten en medidas inividuales. La tabla 4.6 es un ejemplo de datos en brut.
Por oir ado, muchos canjuntos de datos se presenan en forma de datos agrupados. La distrbucidn de frecuen-
cis descrta ene capitulo 3 presenta datos agropados (vése la tabla 3.5).
FicuRAd.3. Distibucién en forma de campana
Maia 105 Caputo ¢
Algunas veces, los estadistios descriptivos como la media y la desviacién estndardeben calcularse a por-
tirde datos agrupados, Cuando esto es necesri, se supone que cada valor de 1s datos tiene el valor del pt
‘medio de la categoria, ya que no se dan los valores especificos. Después de hacer esta conversign se puedek very
ss frmulas presentadas en este capitulo. El ejemplo 4 1S muestra emo se convierten Ios datos agtupadon de
tuna distsbucicn de frecuencias en valores estmads de datos en bro para que se puedan aplica érmulas coms
das ecuaciones 4.2 y 438
EJEMPLO 4.15. La siguiente distibucin de frecueacias se construyé para mostar un conjunto de datos
lose Brssienca
38 2
tou 5
1519 ‘
Para calcuar la media y a desviaciGn estindar esimadas a partir delconjunto de datos original, se supone
‘ave cada elemento tiene el valor del punto medio de u clase. Es decir, se supone que cada valor en la clase $9 ca
igual a7; cada valor en la clase 10-14 es igual 12; y ls valores ent 15 19 son igualesa 17, Esta converncn
«da como resultado el conjunto de dato original estima:
TTT AT AT
‘Ahora se pueden usar las férmulas de los datos en bruto (ecuaciones 4.2 y 48)
EJERCICIOS
Cul sl diereniaenre una medida de endencia ental y una medida de variabildad?
Cules la liferencia ene la desviacin esiada ya varanea?
Cues in citerencia ene variacionabsolutsyvaracige elaiva?
‘Por qué se elevan af cuadrado las desviaciones de a medi l cleus le desvacin estindae?
En a fcmula paral desviacg estindar de la ues, cpor gus a sma de los cuarados de as desviacio=
nes sedivde ene (n= en hgae de n?
36, GPorquées important el concepto de grados de libertad?
37. Supongn que vive en un éreaen la que la desviaién estandar para el promedio de lava smanal es ceo,
Deseriael lima del ea.
Jim Pérez, geent de servicios al liente de le compat National Tune-up, rei los siguientes datos que
‘epreseatan el nimero de quejsreibidas por su departamento en cai uno de Tos ocho dias sleclonse
sacar,
10,12,8,5,11, 10,9, 18
4. Calele et rang.
2 Caleule ia desviacin estén. .
© Caleute avaianza
4. Caleule el coeficient de variacion.
Interprete cada una deextas medidas de varibilidad.
Phoenix Body & Frame emples och trabajadores. Ls siguientes datos mustan los alos de experiencia de
ada trabajodor: 1,7, 9, 15,9, 1,7, 15. Considere este conjunto de tos como una poblacsn
4 Caleule a desviacin esténda.
bal rr
ESTADISTICA DESCRIPTIVA 107
>, Sisecontata un tabajodor con 8 aos de experiencia, jem afecta esto aL desviaiénestindar?
or Sa rabajadoc con 15 aos de experiencia suriteye a uno con 7 ais de experiencia, emo fect esto
‘la desvieinestindac?
4. Shuntrbejador sin experiencia sustituye a uno on 7 aos de experiencia, jecmo afecta esto al desvia-
cin estindar?
Como fabricante de algunos productos que quieren mucha uniformidad(intercambiabilidas de pats),
Stari teresado en un producto cya araceristicaspernenes ineluyeran una desviscin etd gan-
feo pequets?
Heer algunas personas en una oficina son 23,25, 34.35, 37,41, 42 y 86, Considers estos datos
© 6
«a, Caleulee ange.
1 Calele ia desviacin esénda.
€. Caleue a varanz.
{ Calealee eefictnte de variaion.
©
lato patad en esta época os dats de pestamos personales de Farmers and Merchants Bank most unt
cas de 3680 y una devviacionestindar de 300, Recestemente se calcul a median $1,000 yl svi
eee tindar ex $380. ¢Mostraron mayor a menor VaraciGn eativa los peéstamos del ao pesto respecto
fos recientes?
HMlchoe Wang uiere determina a varabifdad dela eantdades por las que extiene chesues dante un
veer lguicta,Elaiguiente conjunto de dats representa LT cheques elegidos de maners aleatoriade si
acotaprsonil del mes pasado: $8 63, $102.36, $45.00, $80.12 $75.65, $9.87, $224 56, $78.95, $78.98,
Si en S2000. Cuil sla cantdod promedio por cheque? Cua sla varibilida tiica po cheque?
“45, Le ealaios anaes de los set rabajadores de Lake City Transmission son $15,000, $22,000, $25,000,
$15,300, $14,500 $32,300 y $13,250 Un corpetdor, la eompahia Transmission Exchange, pga ts
afore un atari aval pred de $21,000 con desvacinessndar de $3,000, Compare ls mens de
Tax dos compas yl vasabilidad reativa,
aes covte ol docho de Modern Office Equipment, est preccupao por os costos de fete y de mano de
aerate ai a incure en erdenespequtis, Para reduct Tos estos en esta dca, vas introduer una pl
aoe secs para didcoes des de $40 par anima alos clientes que esnan varias Grdenes peas
Zaina grande. Las eatidades media por tansaccin para ana muesta de 28 clients som
®
10, 15, 20, 25,15, 17,4, 50, 5, 9, 12, 4, 35.18,
19,17, 28 3,11, 1, 8, 34, 7, 8,16, 1,37, 18
‘Caleule a vaianzs
CCaleule la desiacién estar.
Calcul el eoeticiente de variacion,
Ena dstribucion simética jes con sesgo postvo con sesgo negativo?
5a poliza one éxito, digas la media dea dstibucn uments, dimimuye ose ques gua
SriePSic dene Exit die sla esvacGnesindar dela dstbucin ment, disminaye ose ques
‘gual
46, Deseriba qué me a desviacinesind.
RESUMEN
“Enc capitulo present varias medidas cuanttatvas para resumircaractristcasesenciales de los conjuntos
de dna SeReseribieron méiodos para mediryresumir fos dos elementos importantes de un conjunto de datos
Te tendencia cenzaly Ia vaiailidad [RESPUESTAS A ALGUNOS FJERCICIOS IMPARES 895
37, Ladistribucién de frecuencias que se usar al consti Ia gréfica es
CapfruLo 4
1, Media
5, Media ponderada
5 Media.
7. Media
8. Medians
ML Media.
13, Meciana
1a eeerecha, b.Simétrica. ¢.Alaizquierda, d.Ala derecha, ¢. Siméwica
19, Aladerecha,
21. Alaizquierda
Joa. 86.9, 6.116. d.Lamediana (9).
FRe. Nediana de ventas: $3,100 millones, mediana de unidades:
| thes, media de unidades: 5,601. b. $937,761,
' 27. Media ponderada = 2.11
29. Media ponderada
Joa. o = 5) b.Sereduce. c.Aumenta, d, Aumenta
41. Suponiendo una muestra:
aurango= 33, bs = 1038 cs
43, Media = $64.52, s = $62.18.
foe sf = $178.76. b.s = $1337. 6.CV = 62.7%.
“Media es 21.32, mediana es 17-5, moda es més que uno, por 1o
positive. ¢.Aumenta. /: Disminuye
47. Media.
3 |. 49a, Media =27,mediana =28. b.o = 554, ,Disminuye
‘G. Ambas disminuyen. —¢. Crece.
Sig, Media = 14,774, s = 16,692. _b.Media = 1,562, § = 1933.
@ Media = 123, s'= 1559. d.Mediana = 7,168. ¢, Medisna = 79.
F Mediana = 665. g.No. A. Mediana
q si, Media 7.7. b Mediana = 8. _c.Moda = 8.4. 5
BAe, 1983: media = 808%, 5 = 3.52%. 1988: media
5,361, media de ventas: $5,252.4 millo-
07.74. d. CV
28.3%.
aque Ia distribucién aparece con sesso
92
CAaPiTULO 5
a. Cinco resultados son posites.
20. d.26. €. (103610)
0: 20; 1: 30; 2: 24; 3:16; 44:10,
1 cer métodos de control estadfstico de procesos, pero es mas frecuente que se requiera redisefiar el
sistema o reasignarlos dentro del mismo. El manejo mejorado del equipaje podria requerir una solu-
cin tan simple como contratar ms cargadores, o tan compleja como instalar lectores de eédigo de
barras para el destino del equipaje, para facilitar su enrutamiento automético entre vuelos de cone
xién o hacia las éreas de entrega de equipaje al llegar a su destino final
Cuando los esfuerzos de la TQM tienen éxito, es comiin que la causa principal de errores baje a
cero en el diagrama de Pareto. Esto significa que otra causa se convierte en el “dragén” y la atencién
de la administracién cambjia a otra parte del sistema. Esta atencién constante @ la identificaci6n y re-
solucién de problemas se conoce como mejora continua de la calidad (CQI, Continuous Quality Im-
provement)
JAS Encl proceso complejo tipico que se es- todo Jo que alecta a la calidad, nada se pase por alto y se
tudia se encuentran muchas causas posi-_vean primero las cosas més importantes. Una idea aprendi-
NES bles de falla. Advertencia: a menos que da durante muchos aos de experiencia en control de Ia
Muse un método sistematico, organizado calidad es que los programas de control total de la calidad
sr todas las causas, corre un alto riesgo de no (TQM) funcionan s6lo si existe un liderazgo firme de a alta
-es importante. Los diagramas de pescado y las _administracién capaz de involuerar a todos los empleados
Pareto son téenicas muy efectivas para enfocar en la responsabilidad de controlar sus propios pracesos.
slisis de la calidad, de manera que se examine
s de autoevaluacion
0-7 Northway Computers acaba de iniciar un programa de TQM para controlar la calidad de las computado-
ras personales que ensambla. Un cuidadoso andlisis de 25,000 equipos localiz6 las siguientes falas:
Componente Nimero de defectos
ou 25
Unidades de disco flexible 106
Unidad de disco duro ar
Puertos UO 36
Teelado| 60 |
Monitor 2
Fuente de poder 185
Memota RAM 0
ROM Bios 7
Adaptador de video ”
O1es 18
labore un diagrama de Pareto para Northway. EI presidente de la compafia, Ted White, programars una
serie de juntas con sus proveedores de componentes. ;Con quin debe entrevistarse primero?
os basicos
Explique por qué una aplicacién exitosa de TQM requiere la participacién de empleados de todos los
veles de una organizacién,
30 Después de escuchar una conferencia de TOM, John Smithies dijo, “una vez.que se identifica al dragén y
se acaba con él, es posible olvidarse de TQM y regresar alas actividades habituales”. Comente acerca de
si John comprendié TQM.
10.6 Administracién con vistas a la calidad total = 431 Problemas 87
4) Construya un diagrama de caja y bigotes utilizando los 100 datos.
8) Discuta la simetria de la distribucién de Tos datos de acuerdo con diagrama del inciso a)
Considere las muestras y calcule las medianas de cada una de ellas;calcule los paréimetros requeridos para
Ta elaboracién de un diagrama de caja y bigotes utilizando los valores de las medianas y constriiyalo.
4d) Discuta la simetrfa de la distribucién de los datos de acuerdo con el diagrama del ineiso ¢) y compérelos con.
los del inciso 8).
Qué piensa usted que ocurrirfa con el diagrama del inciso csi se aumentara el niimero de muestras a 50?
Sree que se modificarfa la mediana? gCree que los bigotes tenderian a tener Ia misma longitud?
5 La prueba ENLACE de bachillerato (escuelas privadas y piblicas) que se realiza en 31 entidades federativas y
dl Distrito Federal de la Repiiblica Mexicana, arroj6 los siguientes porcentajes de alunos con nivel insuficien~
tey elemental. Con diagramas de caja y bigotes compare los resultados en escuclas privadas y piblicas. Discuta
cen equipo y argumente sus conclusiones,
Estado Privada Paiblica Estado Privada — Paibliea
Guerrero 7A ona Puebla 06 a4
‘Tabasco #2 91.0 Chihuahua 867 25
Sonora sus 90.0 Hidalgo S15 ss2
Chiapas 885 9.1 Durango 652 852
Tamaulipas 887 889 Zacatecas 58 sas
México a1 884 Salisco ae 883
Michoaein sas 0 Morelos 780 40
Nayarit 79 st:8 San Luis Potost 6n0 a6
Quintana Roo mal S84 Baja California 405 eur
Veracruz 00 86.6 Distrito Federal 586
[Baja California Sur 695 869 Colima 76a sn
Oaxaca 860 Guanajuato 817 so
Thaxeala 862 Yucatén 710 S10
Coahuila 29 87.3 Aguascalientes Sst
Sinaloa 669 6.4 Nuevo Leén 735
‘Campeche 580 9 Querétaro oat
‘Nacional 786 856
Fuente: Milenio, 26 agosto 2008
46 Se muestran en la figura adjunta diagramas de caja y bigotes para los cambios porcentuales semanales al cierre de
re pasos de las atone de tes empresas A, BC que cotian en la ols de valores. yy
Coatpare lon dagramae y espoda las siguientes pregtasexpiando sus espustas fy t
4) Para las tres empresas la distribucién del cambio poreentual es
derecha,
sesgado a la
pliguelo verbalmente ;
8) :Cudl empresa tiene un cambio porcentual més disperso? 5
2 {Cuil empresa fe mds volt durant el periodo mostrado? 5
{} GCual empresa tuvo un cambio poreentual mediano negative?
You might also like
- Teoria de ColasDocument95 pagesTeoria de ColasluisNo ratings yet
- SIMULACIÓNDocument20 pagesSIMULACIÓNluisNo ratings yet
- Problemas de SimulaciónDocument31 pagesProblemas de SimulaciónluisNo ratings yet
- Cadena de Markov 1Document20 pagesCadena de Markov 1luisNo ratings yet
- Nestle SaDocument2 pagesNestle SaluisNo ratings yet
- Arboles de DecisionDocument2 pagesArboles de DecisionluisNo ratings yet
- IndiaDocument7 pagesIndialuisNo ratings yet
- Mecanica de FluidosDocument2 pagesMecanica de FluidosluisNo ratings yet
- Mecanica en FisicaDocument3 pagesMecanica en FisicaluisNo ratings yet
- Modulo IDocument20 pagesModulo IluisNo ratings yet
- Bucle MECANICODocument3 pagesBucle MECANICOluisNo ratings yet
- Ingenieria de AlimentosDocument2 pagesIngenieria de AlimentosluisNo ratings yet
- Proceso de FlujoDocument2 pagesProceso de FlujoluisNo ratings yet
