UNIVERSIDAD NACIONAL DE INGENIERÍA

INSTITUTO DE ESTUDIOS SUPERIORES

Facultad Tecnología de la Industria

Ingeniería Industrial

TEMA: Análisis estadístico sobre las ventas de Rompope de la empresa

“Mulukakao” ubicado en Matagalpa, en relación a los costos de materia prima,
costos de mano de obra, inversión en publicidad y cantidad de rompope producido
durante el mes de diciembre del año 2020.

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

Managua, 26 de mayo de 2021

Contenido
1. Objetivos..........................................................................................................................1
1.1. Objetivo general.......................................................................................................1
1.2. Objetivos específicos................................................................................................1
2. Introducción.....................................................................................................................2
3. Desarrollo........................................................................................................................3
3.1. Análisis de Regresión Lineal Múltiple.....................................................................3
3.2. Diseño Experimental..............................................................................................12
3.3. Pruebas No Paramétricas........................................................................................13
4. Conclusiones..................................................................................................................14
5. Bibliografía....................................................................................................................15
6. Anexos...........................................................................................................................16
3.1.A Diagrama de correlación.........................................................................................16
3.1.B Proyección de precios..............................................................................................17
 1. Objetivos

1.1. Objetivo general

 Realizar un estudio estadístico sobre las ventas de Rompope en relación a
los costos producción, inversión en publicidad y cantidad de rompope
producido en la empresa “Mulukakao” ubicado en la ciudad de Matagalpa.

1.2. Objetivos específicos

1) Efectuar un análisis de regresión lineal múltiple, para predecir las ventas de
Rompope en córdobas que se pueden obtener cada dos días, durante el mes de
diciembre del año 2021, en base a las ventas del año 2020 realizado en la misma
temporada y así conocer los precios estimados que aproxime los costos del mes de
diciembre.

2) Determinar a partir de un diseño de bloques completamente aleatorizados si el nivel

de grasas en los diferentes tipos de leche de tres marcas reconocidas que se venden
en el país, influye en el sabor y calidad del producto final (Rompope);
posteriormente aplicar una prueba de rangos múltiples de Duncan para conocer con
qué tipo de leche sería adecuado elaborar el rompope.

3) Analizar a través de la prueba de rachas qué tipo de leche en el rompope generará

mayor aceptación entre los consumidores.

23
2. Introducción

23
 3. Desarrollo

3.1. Análisis de Regresión Lineal Múltiple

La empresa Mulukakao ubicada en la ciudad de Matagalpa, es una microempresa que se
encarga de la producción, elaboración y distribución de chocolates y productos derivados
del cacao. Sin embargo, durante el mes de diciembre del año 2020 los propietarios de dicho
negocio, decidieron hacer un pequeño emprendimiento con un producto ajeno a lo que se
suele producir. De esta manera, decidieron promover en la tienda la venta de rompope, ya
que es un producto con mucha demanda en épocas decembrinas. Para saber si el
emprendimiento es rentable o no, se busca predecir la cantidad (en C$) que se pueden llegar
a vender cada dos días, durante el mes de diciembre del año 2021, tomando en cuenta los
costos de materia prima, costos de mano de obra, inversión en publicidad y cantidad de
rompope fabricadas (en ml) durante el mes de diciembre del año 2020. La información
obtenida de la base de datos de Mulukakao fue la siguiente:
Mililitros
Ventas de Costos de Inversión de
Costos de
Rompope(C$ Materia en Rompope
Mano
Fecha (i) ) Prima(CS Publicida Fabricado
Obra (C$)
) d (C$) s
X3
Y X1 X2 X4

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

El intercepto se encuentra en -162.769, esto significa que, si no se invierte en producción,

publicidad y tampoco se produce rompope las ventas estarán bajo 0 (-162.769), 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 materia prima, mano de obra y, por ende, producir
grandes cantidades de rompope e invertir lo menos posible en publicidad, si se desea
vender bastante. Sin embargo, para afirmar o refutar nuestra teoría haremos uso del
coeficiente de correlación múltiple, coeficiente de determinación, así como la correlación
entre cada una de las variables. Todo esto para, finalmente, haciendo una proyección de
precios para este año 2021, encontrar el intervalo de confianza y de predicción en el cuál
estarán las ventas de rompope.
El modelo encontrado tiene un coeficiente de determinación de 0.859, es decir, el modelo
explica la variabilidad de las ventas de rompope en un 85.9%. Al ajustar el coeficiente de
determinación se obtiene 0.807, explicando la variabilidad de las ventas de rompope en un
80.7% 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 80.7% de variabilidad. Además, se sabe que el error estándar de estimación es de
473.3467, es decir, las ventas de rompope estarán C $ ± 473.3467 , o sea, según el modelo

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.

Significancia del 0.05

Prueba de Hipótesis para β 0
k=4 n=16
H 0 : β 0=0
H 0 : β0≠ 0
De SPSS t=−0.171
tα =t 0.025,11 =2.201
,n−k−1
2

Condición de rechazo H 0: t ≥ t α , n−k−1 o bien t ≤−t α , n−k−1

2 2

−0.171 ≥2.201 ( NO ) −0.171 ≤−2.201( NO)

∴ Se acepta H 0
Significancia del 0.05
Prueba de Hipótesis para β 1
k=4 n=16
H 0 : β 1=0
H 0 : β1 ≠ 0
De SPSS t=2.093
tα =t 0.025,11=2.201
,n−k−1
2

Condición de rechazo H 0: t ≥ t α , n−k−1 o bien t ≤−t α , n−k−1

2 2

2.093 ≥2.201 ( NO ) 2.093 ≤−2.201( NO)

∴ Se acepta H 0

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

Condición de rechazo H 0: t ≥ t α , n−k−1 o bien t ≤−t α , n−k−1

2 2

−0.607 ≥ 2.201 ( NO ) −0.607 ≤−2.201( NO)

∴ Se acepta H 0
Significancia del 0.05
Significancia del 0.05
Prueba de Hipótesis para β 2
Prueba de Hipótesis para β 4
k=4 n=16
k=4 n=16
H 0 : β 2=0
H 0 : β 4=0
H 0 : β2≠ 0
H 0 : β 4 ≠0
De SPSS t=0.082
De SPSS t=3.970
tα =t 0.025,11 =2.201
,n−k−1
t α2 =t 0.025,11 =2.201
,n−k−1
2
Condición de rechazo H 0: t ≥ t α , n−k−1 o bien t ≤−t α , n−k−1
Condición de rechazo H 0: t ≥ t α , n−k−1 o bien t ≤−t α , n−k−1
2 2
2 2
0.082 ≥2.201 ( NO ) 0.082 ≤−2.201( NO)
3.970 ≥2.201 ( SI ) 3.970 ≤−2.201( NO)
∴ Se acepta H 0
∴ Se rechaza H 0

Al 95% de confianza se llega a la conclusión de que los parámetros β 0 , β 1 , β 2 y β 3 no son

significativos para el modelo, mientras que el parámetro β 4 resulta ser significativo. Esto se
traduce en que los costos de materia prima, costos de mano de obra e inversión en
publicidad no influyen significativamente en la generación de ventas de rompope. Mientras
que los mililitros de rompope fabricados si influyen significativamente en la generación de
ventas de rompope.

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

La interpretación/análisis de este nuevo modelo es análogo al anterior.

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.

A continuación, se analiza la significancia de las variables:

Se hace uso de las pruebas de hipótesis para probar si los parámetros β 0 , β 1 , β 2 y β 3 son
significativos para el modelo. Se trabaja con el 95% de confianza.

Significancia del 0.05

Prueba de Hipótesis para β 0
k=3 n=16
H 0 : β 0=0
H 0 : β0≠ 0
De SPSS t=−0.776
tα =t 0.025,12 =2.179
,n−k−1
2

Condición de rechazo H 0: t ≥ t α , n−k−1 o bien t ≤−t α , n−k−1

2 2

−0.776 ≥ 2.201 ( NO ) −0.776 ≤−2.201( NO)

∴ Se acepta H 0
23
Significancia del 0.05
Prueba de Hipótesis para β 1
k=3 n=16
H 0 : β 1=0
H 0 : β1 ≠ 0
De SPSS t=2.619
tα =t 0.025,12 =2.179
,n−k−1
2

Condición de rechazo H 0: t ≥ t α , n−k−1 o bien t ≤−t α , n−k−1

2 2

2.619 ≥2.201 ( SI ) 2.619 ≤−2.201( NO)

∴ Se rechaza H 0
Significancia del 0.05
Prueba de Hipótesis para β 2
k=3 n=16
H 0 : β 2=0
H 0 : β2 ≠ 0
De SPSS t=−0.577
tα =t 0.025,12 =2.179
,n−k−1
2

Condición de rechazo H 0: t ≥ t α , n−k−1 o bien t ≤−t α , n−k−1

2 2

−0.577 ≥ 2.201 ( NO ) −0.577 ≤−2.201( NO)

∴ Se acepta H 0
Significancia del 0.05
Prueba de Hipótesis para β 3
k=3 n=16
H 0 : β 3=0
H 0 : β3≠ 0
De SPSS t=4.195
tα =t 0.025,12 =2.179
,n−k−1
2

Condición de rechazo H 0: t ≥ t α , n−k−1 o bien t ≤−t α , n−k−1

2 2

4.195 ≥ 2.201 ( SI ) 4.195 ≤−2.201(NO)

∴ Se rechaza H 0

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.

Los datos obtenidos en el programa IBM SPSS Stadistics 25 se resumen en la siguiente

tabla:

  Ventas de Costos de Inversión en Mililitros de

Rompope(C$ Producción Publicidad Rompope
) (C$) (C$) Fabricados

Y X 1 X 2 X 3

Ventas de 1 0.775* -0.501* 0.874*

Rompope(C$
)

Costos de 0.775* 1 -0.393 0.618*

Producción
(C$)

X 1

23
 Inversión en -0.501* -0.393 1 -0.464
Publicidad
(C$)

X 2

Mililitros de 0.874* 0.618* -0.464 1

Rompope
Fabricados

X 3

*. Correlación significativa en el nivel 0.05

A partir de esto, se interpreta que existe relación entre las variables ya que son diferentes a
0, siendo unas más fuertes que otras.  

Para la variable independiente Y (Ventas de rompope) y la variable dependiente X (Costos1

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. 

Para Y(Ventas de rompope) y X (Inversión en publicidad) se puede observar que a un nivel

2

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. 

Para la variable Y(Ventas de Rompope) y X (Mililitros de rompope fabricados) se puede

3

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

producción) y X (Inversión en publicidad) se obtiene una correlación negativa de -39.3%

2

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

correlación de 61.8% al 95% de confianza, teniendo una correlación regular positiva,

algunas veces al aumentar los costos de producción se aumentará la cantidad de rompope
que se fabrique. Afectándose el uno al otro en un 61.8%.
Finalmente, X2(Inversión en publicidad) y X3(Mililitros de rompope fabricados) están
débilmente relacionados al -46.4%. Raramente la inversión en publicidad hará que se
reduzca la cantidad de mililitros que se fabriquen y viceversa.

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

Ahora X1=1241.409, X2=200, X3=8000.

^y =−447.059+1.70 5 x1 −1.639 x 2 +0 .118 x 3
^y =−447.059+1.705 ( 1241.409 )−1.639 ( 200 ) +0.118(8000)
^y =2285.743345

[ ]
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

2285.743345−(2.179)∗(456.23)∗√1.117566473< μ y <2285.743345+(2.179)∗(456.23)∗√ 1.117566473

1234.8038< μ y <3336.6829
Al 95% de confianza se asegura que cuando se inviertan C$1241.409 en producir 8000ml
de rompope y C$200 en publicidad se generarán unas ventas de entre C$1234.80 y
C$3336.68. Intervalo dentro del cual se encuentra C$2285.743345, que es según el modelo
las ventas que se tendrán en esas condiciones costos de producción, inversión en publicidad
y mililitros de rompope fabricados.

23
Intervalo de predicción:
y o −t ∞ ∗s∗√ 1+ X o ¿ ¿
'
^
2

2285.743345−(2.179)∗(456.23)∗√1+1.117566473< μ y <2285.743345+(2.179)∗(456.23)∗√ 1+ 1.117566473

839.1062< μ y <3732.3804

Al 95% de confianza se asegura que cuando se inviertan C$1241.409 en producir 8000ml

de rompope y C$200 en publicidad se generarán unas ventas de entre C$839.1062 y
C$3732.3804. Intervalo dentro del cual se encuentra C$2285.743345, que es según el
modelo las ventas que se tendrán en esas condiciones para los costos de producción,
inversión en publicidad y mililitros de rompope fabricados.
Tanto en el intervalo de confianza como en el intervalo de predicción se puede observar
cómo ser resta y suma el error que genera el modelo, de esta manera se da un rango de
valores dentro del cual puede estar en la realidad las ventas de rompope. Sabemos que
como estamos frente un proyecto nuevamente piloto de una microempresa, habrá días que
pese a que se produzca bastante es muy probable que no se llegue a vender todo, así como
que pueda hacer falta producto.
En resumen, se tiene que cuando se invierte C$1441.409 netos en la producción de 8lts de
rompope se generará una utilidad aproximadamente de C$844.33.
Dado que habrá utilidad resultante de la venta de rompope se considera óptimo y/o rentable
el proyecto para llevarse a cabo este 2021 durante el mes de diciembre que es cuando hay
mayor demanda debido a las festividades decembrinas.

3.2. Diseño Experimental

Para nuestro diseño experimental una vez conociendo que el proyecto será rentable este
2021. Se desea analizar el uso de una alternativa a la leche de vaca convencional utilizada

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

Marcas Almendra Coco Vaca

Great Value 2 gr 4 gr 1.25 gr

3.30
Silk 1.90 gr 0 gr
gr

4.90
Lala 2 gr 2.50 gr
gr

A continuación se definen algunos aspectos importantes para nuestro experimento de

bloques completamente aleatorios:

Variable de respuesta: Cantidad de grasa en gramos por cada unidad leche en recipientes de
200- 250 ml.

Tratamiento: Tipos de leches (Almendra, Coco y Vaca).

Bloques: Empresas o marcas que hacen estos productos.

Estos datos fueron recolectados a través de la plataforma fatsecret.mex, en donde describe

la información nutricional de cada producto lácteo y también a través de los envases en
cuestión. Dichos datos sólo son de leches enteras (con niveles de azúcares estandarizados y

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).

Aplicación del Diseño de bloques completo aleatorizado.

Marcas Almendra Coco Vaca Yi

Great Value 2 gr 4 gr 1.25 gr 2.4167

Silk 1.90 gr 3.30 0 gr (noun)

gr 1.7333

Lala 2 gr 4.90 2.50 gr

gr 3.1333

Yj 2.427
1.9667 4.0667 1.25 8

Datos                              

k=3                                                               Prueba de hipótesis

b= 3                                                          H0 = µ1 = µ2 = µ3

N = kn = 9                                             H1 = Al menos una µ diferente

SCT = 3 (2.41672 + 1.73332 + 3.13332 ) – 9 (2.42782 ) = 2.9390

SCB = 3 (1.96672 + 4.06672 + 1.252 ) – 9 (2.42782 ) = 12.8574

SCTT = (22 + 1.902 + 22 + 42 + 3.302  + … + 02 + 2.502 )  – 9 (2.42782 ) = 17.2745

            SCE = SCTT – SCT - SCB = 17.2745 - 2.9390 -12.8574 = 1.4781

TABLA ANOVA

23
 Fuente SC Gl CM Fcalc

Tratamientos 2.9390 2 1.4695 3.9769

Bloques 12.8574 2 6.4287 17.3983

Error 1.4781 4 0.3695

Total 17.2745 8

Prueba de hipótesis

   H0 = µ1 = µ2 = µ3                                                          F(v1,v2) F(2,4) = 6.94

   H1 = Al menos una µ diferente                         Fcalc= 3.9769

Condición de rechazo

 Condición de rechazo

         Si Fcalc  >  F(v1,v2) se rechazaría la Ho

             6.94    >  3.9769 

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

Marcas Almendra Coco Vaca

Great 2gr 4gr 1.25g
value r
Silk 1.90gr 3.30gr 0gr
Lala 2gr 4.90gr 2.50g
r
TOTAL 5.90gr 12.2gr 3.75g 21.85gr
r
MEDI 1.97gr 4.07gr 1.25g 2.43gr
A r

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**

Y 1-Y 3: 0.72 <1.710152

Conclusión:

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.

3.3. Pruebas No Paramétricas

Se desea analizar aceptación de variantes del rompope a base de distintos tipos de leche…

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

3.1.A Diagrama de correlación

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

2021 ? precios a nuestra materia prima y así visualizar los

nuevos precios.

Materia prima (2020)

Ingredientes Precio en C$
Leche 20 por litro
Ron Plata 145 por litro
Huevos 5 por unidad
Aplicándole el Maizena 28.75 por caja incremento del
1.6712% Azúcar Materia prima15.67
(2021)
por libra
Limón
Ingrediente Precio5en por
C$unidad
Canela s 20
Etiqueta Leche 7 por unidad
20.33424
Botellas
Ron plata 12.7143 por unidad
147.42324
Huevos 5.08356
Maizena 29.23047
Azucar 15.93187704
Limon 5.08356
Canela 20.33424
Etiqueta 7.11698 23
12.9268
Botellas
Proyección de las variables ajustadas a los incrementos de mercado.
Es importante resaltar que la actividad económica que desempeña un operario en este
negocio corresponde a la micro y pequeña industria artesanal y turística.
El salario mínimo decretado por el gobierno para el sector de la actividad económica
mipyme (pequeñas y media empresa) es de C$ 4,651.47 con un incremento del 3%

Mano de
Incremento del 3% obra 2021
206
309

Mano de
obra 2020
200
300

23