Professional Documents
Culture Documents
Proyecto Final - Estadistica
Proyecto Final - Estadistica
Ingeniería Industrial
Asignatura:
Estadística II
Autores:
Br. Audi Legaspy Salinas Betancourt
Bra. Alejandra Vanessa Ramírez Ramírez
Br. César José Hernández Arauz
Br. Francisco Libán Ruiz Mena
Bra. Stephanie Lorraine Aguirre
Br. Roswell Antonio Sanchez Sandino
Grupo:
3T1-IND
Docente:
Lic. Ana Gabriela Moreno Ulloa
23
2. Introducción
23
3. Desarrollo
27/11/202
246 387.7 300 149 1225
0
29/11/202
738 258 200 99 4125
0
1/12/2020 246 387.7 300 109 1500
3/12/2020 246 398 200 119 1500
5/12/2020 492 390 300 49 3000
7/12/2020 2132 535 300 49 9000
9/12/2020 1968 798 300 49 6500
11/12/202
492 171 200 49 3000
0
13/12/202
2050 520 300 49 9375
0
15/12/202
738 300 200 199 2250
0
17/12/202 1640 515 300 149 10000
23
0
19/12/202
1968 780 300 99 1800
0
21/12/202
2952 542 300 79 11500
0
23/12/202
2952 646 300 49 16000
0
27/12/202
2460 550 300 49 8000
0
29/12/202
3300 895 300 49 20000
0
Dado que se desea conocer cuánto se puede llegar a vender en dos días de producción, se
analizaron los datos encontrados en el programa IBM SPSS Stadistics 25, obteniendo un
modelo de regresión lineal múltiple dado por:
^y =−162.769+ 1.953 x 1 +0.304 x 2−1.809 x3 + 0.116 x 4
23
que calculamos en promedio tendrá C$473.3467 de más o bien faltantes, lo cual cobra
sentido al tratarse de un proyecto piloto.
El modelo posee un coeficiente de correlación múltiple de 0.927, o sea que las variables
costos de materia prima, costos de mano de obra, inversión en publicidad y mililitros de
rompope fabricados están fuertemente relacionadas entre ellas mismas y con las ventas de
rompope al 92.7%.
A continuación, se analiza la significancia de las variables:
Para ello se hace uso de las pruebas de hipótesis con cada parámetro β 0 , β 1 , β 2 , β3 , β 4 y así
probar cuales son significativas y cuales no en la variable respuesta ventas de rompope.
23
Significancia del 0.05
Prueba de Hipótesis para β 3
k=4 n=16
H 0 : β 3=0
H 0 : β3≠ 0
De SPSS t=−0.607
tα =t 0.025,11 =2.201
,n−k−1
2
23
Dado que únicamente un parámetro de nuestro modelo es significativo dentro del mismo
decidimos unificar las variables costos de materia prima con costos de mano de obra para
obtener costos de producción. Ahora los datos son los siguientes:
Mililitros
Ventas
Costos de Inversión de
de
Producción Publicida Rompope
Fecha (i) Rompop
(C$) d (C$) Fabricado
e (C$)
s
Y X1 X2 X3
27/11/202
246 687.7 149 1225
0
29/11/202
738 458 99 4125
0
1/12/2020 246 687.7 109 1500
3/12/2020 246 598 119 1500
5/12/2020 492 690 49 3000
7/12/2020 2132 835 49 9000
9/12/2020 1968 1098 49 6500
11/12/202
492 371 49 3000
0
13/12/202
2050 820 49 9375
0
15/12/202
738 500 199 2250
0
17/12/202
1640 815 149 10000
0
19/12/202
1968 1080 99 1800
0
21/12/202
2952 842 79 11500
0
23/12/202
2952 946 49 16000
0
27/12/202
2460 850 49 8000
0
29/12/202
3300 1195 49 20000
0
Nuevamente los datos son analizados en el programa IBM SPSS Stadistics 25, ahora el
modelo obtenido es el siguiente:
^y =−447.059+1.70 5 x1 −1.639 x 2 +0 .118 x 3
23
Ahora el intercepto se encuentra en -447.059, esto significa que, si no se invierte en
producción, publicidad y tampoco se produce rompope las ventas estarán bajo 0 (-447.059),
es decir, el rompope no se venderá y además se estarán perdiendo (teóricamente) las ventas
que se podrían llegar a realizar. En este sentido, nos atrevemos a especular que se debe
invertir un monto relativamente considerable en producción, producir grandes cantidades
de rompope e invertir lo menos posible en publicidad, si se desea vender bastante.
Este nuevo modelo encontrado tiene un coeficiente de determinación de 0.857, es decir, el
modelo explica la variabilidad de las ventas de rompope en un 85.7%. Al ajustar el
coeficiente de determinación se obtiene 0.821, explicando la variabilidad de las ventas de
rompope en un 82.1% pero esta vez penalizando las variables no significativas. Esto quiere
decir que el escenario más apegado a la realidad que nos puede predecir el modelo
encontrado es con un 82.1% de variabilidad. Respecto al modelo anterior se puede
observar que se mejoró un 1.4%. Además, se sabe que el error estándar de estimación es de
456.23734, es decir, las ventas de rompope estarán C $ ± 456.23 , o sea, según el modelo que
calculemos en promedio tendrá C$456.23 de más o bien faltantes, lo cual cobra sentido al
tratarse de un proyecto piloto. El error estándar también mejoró respecto al modelo
anterior, ahora son 17.1167 menos.
23
Al 95% de confianza se llega a la conclusión de que los parámetros β 0 y β 2 no son
significativos para el modelo, mientras que los parámetros β 1 y β 3 resultan ser
significativos. Esto se traduce en que la inversión en publicidad no influye
significativamente en la generación de ventas de rompope. Mientras que los costos de
producción, y los mililitros de rompope fabricados si influyen significativamente en la
generación de ventas de rompope.
Además, tenemos un coeficiente de correlación múltiple de 0.926, o sea, las ventas de
rompope están “unidas” con los costos de producción, inversión en publicidad y mililitros
de rompope fabricados en un 92.6%; en otras palabras, las variables costos de producción,
inversión en publicidad y mililitros de rompope producidos están fuertemente
relacionadas como conjunto con la variable respuesta ventas de rompope al 92.6%.
Para poder analizar la relación que existe entre las variables seleccionadas para la
realización del modelo de regresión lineal múltiple, se utilizó la correlación lineal de
Pearson.
Y X 1 X 2 X 3
X 1
23
Inversión en -0.501* -0.393 1 -0.464
Publicidad
(C$)
X 2
X 3
A partir de esto, se interpreta que existe relación entre las variables ya que son diferentes a
0, siendo unas más fuertes que otras.
de Producción (C$)), se puede observar que a un nivel de confianza del 99% la correlación
entre estas variables es de un 77.5%, esto quiere decir que las ventas de rompope estarán
relacionadas significativamente con los costos de producción en un porcentaje
considerable, pudiendo predecir que entre más ventas de rompope se efectúen se
aumentarán los costos de producción.
de confianza del 95% se obtiene una correlación regular negativa de un -50.1%, esto nos
indica que las ventas de rompope estarán correlacionadas a los costos de publicidad en un
porcentaje no muy considerable, en otras palabras, la inversión en publicidad no siempre va
a generar altas ventas, ya que no todas las personas en las que se invierte publicidad
compraran el producto.
observar que a un nivel de confianza del 99% la correlación entre estas variables es muy
buena de forma positiva en un 87.4%, por ende, las ventas de rompope estarán relacionadas
significativamente a los mililitros de rompope fabricados teniendo en cuenta que entre más
mililitro de rompope se fabriquen habrá más ventas de dicho producto.
23
Analizando la correlación entre las variables dependientes se tiene que: Para X (Costos de
1
esto nos indica que los costos de producción y la inversión en publicidad están débilmente
relacionados. Esto quiere decir que los costos de producción no tienen influencia sobre la
inversión de publicidad y viceversa.
Para X (Costos de producción) y X (Mililitros de Rompope fabricados) se tiene una
1 3
Haciendo uso del segundo modelo de regresión lineal múltiple encontrado, se desea saber el
intervalo de confianza y de predicción cuando se han invertido C$200 en publicidad online
durante el mes de noviembre y desea saber de cuanto serán las ventas de rompope en el día
01/12/21. Sabiendo que resultado de dicha publicidad han encargado 12 botellas de 500ml
y 2 de 1000ml de rompope, se tienen los siguientes costos:
7.5lts leche = C$20.233424*7.5 = C$152.5068
500ml de Ron Plata= C$147.42324(se compra el litro)
24 huevos= C$5.08356*24 = C$122.00544
Maicena= C$29.23047
2lb de Azúcar= C$15.93187704*2 = C$31.8638
1 bolsa Canela= C$20.33424
2 limones= C$5.08356*2 = C$10.1671
14 etiquetas= C$7.11698*14 = C$99.63
Gas= C$25.4178
14 botellas= C$12.9268*14 = C$180.9747
Mano de obra= C$309
TOTAL= C$1128.5536*1.1 = C$1241.409
23
El total de los costos de producción se multiplica por un margen de pérdida del 1.10 para
obtener gastos totales reales. (Técnica utilizada por los dueños de Mulukakao)
Nota: Para más detalles sobre la proyección de precios ver Anexo 3.1.B Proyección de
precios
[ ]
1
1241.409
X o=
200
8000
Resolviendo en Microsoft Excel 2019 Professional Plus:
'
X o¿
[ ]
1
¿ 1241.409
200
8000
'
X o¿
tα =t 0.025,12 =2.179
,n−k−1
2
De SPSS s=456.23
Intervalo de confianza:
y o −t ∞ ∗s∗√ X ' o ¿ ¿
^
2
23
Intervalo de predicción:
y o −t ∞ ∗s∗√ 1+ X o ¿ ¿
'
^
2
23
en el rompope que sea más saludable para los clientes sin descuidar el sabor ni la calidad
del rompope mismo.
Se realizarán pruebas experimentales considerando el nivel de grasa de distintos tipos de
leche y sus diferentes marcas, sabiendo que ello influye en la calidad del rompope y su
sabor, se desea saber si existen diferencias significativas entre las concentraciones de grasa
de las diferentes leches. Se deciden analizar leches de almendra, coco y vaca convencional
con las marcas Great Value, Silk y Lala. Las marcas mencionadas están a la venta en
territorio nacional. Además, marcas como Parmalat, Eskimo, La perfecta, a pesar de ser las
más populares en el país, no se pueden tomar en cuenta en este estudio porque solo cuentan
con leche entera de vaca y por ende, no se podría ver la variación de un tipo a otro.
Tabla 2.1
3.30
Silk 1.90 gr 0 gr
gr
4.90
Lala 2 gr 2.50 gr
gr
Variable de respuesta: Cantidad de grasa en gramos por cada unidad leche en recipientes de
200- 250 ml.
23
sin procesos adicionales como descremado (completo o semi), deslactosado (completo o
semi), ni de bajos en grasas, ya que eso es lo está bajo estudio).
Yj 2.427
1.9667 4.0667 1.25 8
Datos
b= 3 H0 = µ1 = µ2 = µ3
TABLA ANOVA
23
Fuente SC Gl CM Fcalc
Total 17.2745 8
Prueba de hipótesis
Condición de rechazo
Condición de rechazo
Como se puede apreciar el valor crítico encontrado (F(v1,v2) = 6.94) es MAYOR al valor
F de la tabla (Fcalc = 3.9769); Por lo tanto no se cumple la condición de rechazo y se
acepta H1. Finalmente se llega a la conclusión de que no se cuentan con pruebas suficientes
para decir que las medias de cada tipo de leche son significativamente iguales.
Esto quiere decir que las leches tienen distintas concentraciones de grasa, lo cual afecta
directamente la calidad en el sabor del rompope.
Ahora bien, se aplica prueba de rangos múltiples de Duncan para determinar qué par de
leches alternativas son las más óptimas para elaborar el rompope.
23
Prueba de Duncan
Tabla ANOVA.
Fuente Suma de Grados Cuadrados F calculada
de cuadrado de medios
variación s libertad
Marcas SCT: K-1: 3- S21: 6.4404 F:S1/S:
12.8808 1:2 6.4404/0.73246
7: 8.792751
Error SCE: K(n-1): S2:
4.3948 3*2: 6 0.732467
Total STC: (K*n)-1:
17.2756 3*3-1: 8
1. Tenemos los datos de las diferentes medias y las habíamos de menor a mayor
Tenemos que sacar las diferencias entre cada uno de los pares de medias
Y2-Y3: 4.07-1.25: 2.82
Y2-Y1: 4.07-1.97: 2.1
Y1-Y3: 1.97-1.95: 0.72
2. Procedemos a calcular nuestro rango crítico:
Rp=rp∗
√ CME
n
P(2,3)
Rp=
√ 0.732467
3
=0.494121
Rp(α ,p,gl)
r2: (0.05, 2, 6): 3.461
23
r3: (0.05, 3, 6): 3.587
R2: (3.461)(0.494121): 1.710152
R3: (3.587)(0.494121): 1.772412
Calculamos los Rp:
Diferencia de medias Vs Rango crítico Rp
Y 2-Y 3: 2.82 >1.772412**
Y 2-Y 1: 2.1 >1.710152**
Podemos observar que existe una diferencia significativa en las medias (Y 2-Y 3) y (Y 2-Y 1
) teniendo la marca 2 en común. Siendo este diferente significativamente con respecto a
los demás.
Dado que las leches de almendra y vaca son las más cercanas entre sus medias de grasa,
se concluye que la calidad del producto debe ser similar entre los rompopes que se
elaboren con ambos tipos de leche. Por ello, del experimento se decide utilizar leche de
almendra como alternativa a la leche de vaca convencional para elaborar rompope.
En adición a esto, este estudio no solo tiene como objetivo determinar el sabor ideal para
nuestro rompope, si no también brindar un producto saludable a los consumidores/clientes.
3.4.
23
4. Conclusiones
23
5. Bibliografía
23
6. Anexos
23
3.1.B Proyección de precios
Proyección de precios de la materia prima.
IPC: índice de precio del consumidor.
El IPC mide la variación en los precios de una cesta de productos y servicios, en un
momento y lugar determinado.
Partiendo del análisis de las diferentes variaciones de precios que tuvo la canasta básica en
Nicaragua entre el año 2019 y el año 2020, nosotros trataremos de estimar o predecir el
incremento que tendrán los precios de la materia prima usada en la fabricación de rompope
para este año 2021.
Costo de la
Año canasta básica
(C$) 14,526.34−14,287.56
2017 13,333 2021= ∗100 %=1.6712 %
14,287.56
2018 13,445.7 ¿Qué logramos conociendo el incremento que
2019 14,287.56 tendrá la canasta básica en el año 2021?
Año base
2020 14,526.34 Con esto facilitará realizar una proyección de
Mano de
Incremento del 3% obra 2021
206
309
Mano de
obra 2020
200
300
23