Escolar Documentos
Profissional Documentos
Cultura Documentos
InstitutoProfesionalAIEP,Chile
UniversidadAmericana,CostaRica
UniversidaddelasAmricas,Chile
UniversidadEuropeadeMadrid,Espaa
UniversidadLatina,CostaRica
UniversidadPeruanadeCienciasAplicadas,Per
UniversidaddelValledeMxico,Mxico
Laestadsticacomo
culturauniversalysu
aplicacinenla
administracindelos
negocios
SemanadelasEstadsticas
Junio21al25de2010
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
ii
I NTRODUCCI N
La Estadstica como cultura universal tiene su origen en algunos pensadores e
investigadores de la Universidad de las Amricas (UDLA) de Chile. Como objetivo, se
busca estudiar las formas de aplicacin estadstica para los negocios y su presencia en
planes de estudios universitarios.
Son notorias las dificultades que tienen los estudiantes para asimilar componentes
tericos y prcticos de los diferentes contenidos de la estadstica de manera que les
permita desarrollar las competencias necesarias para su desempeo profesional. Los
niveles de desercin y reprobacin son ms altos en esta materia que en otros cursos, lo
cual se refleja en que que ciertos cursos sean calificados por una Unidad de Calidad
como curso de alto riesgo; principalmente en el caso de la Estadstica descriptiva.
El anlisis de la situacin llev a los autores de este libro a entender que la estadstica tal
como la trabajamos en las aulas universitarias es poco accesible para el estudiante.
Igualmente los profesores carecen de mtodos y tcnicas hbiles, para hacer ms
comprensible y til la estadstica en procesos especficos del campo de los negocios.
Esta situacin gener el desarrollo de una serie de iniciativas para atender la necesidad
de formacin profesional del estudiante y de metodologas para apoyar al profesor al
impartir sus clases. Varias estrategias propuestas para aminorar el problema incluyen
estrategias para poner en prctica programas tales como capacitaciones a profesores,
cuadernos de Ctedra, pginas web, la celebracin de la semana de la estadstica,
reuniones con profesores, visitas al aula y videoconferencias internacionales, entre otros.
Este libro virtual se presenta como resultado de las ponencias presentadas durante la
Semana de las Estadsticas, evento realizado en Costa Rica durante junio del 2010.
Durante el mismo se presentaron videoconferencias de destacados catedrticos de
diferentes pases y campus universitarios de la red internacional Laureate.
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
iii
TABLA DE CONTENI DOS
Herramientas Estadsticas y sus Aplicaciones en la Administracin de los Negocios Una
Necesidad de la Gestin ....................................................................................................... 1
La Cultura Estadstica y su Influencia en la Administracin y Toma de Decisiones ............. 4
Tiempos de la Cultura Estadstica ........................................................................................ 8
Consideraciones sobre la Enseanza y la Cultura Estadstica en Amrica Latina ............ 12
Modelos Estadsticos Aplicados en la Administracin de Negocios que Generan Ventajas
Competitivas ....................................................................................................................... 30
Desarrollo Econmico en los Pases de la OCDE y el Entorno de Aprendizaje de la
Estadstica: Un Anlisis Transversal Por Componentes Principales .................................. 50
Mantenimiento Centrado en Confiabilidad (RCM) .............................................................. 63
Toma de Decisiones Bajo Riesgo: Uso del Complemento PrecisionTree
para Microsoft
Office Excel ......................................................................................................................... 82
Aplicaciones de los Fundamentos Estadsticos al Ambito de los Negocios ....................... 94
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
OlgunScherffingHerramientasEstadsticasysusAplicacionesenlaAdministracindelosNegocios 1
1
MarioOlgunScherffing,UniversidaddelasAmricas,maolsch@gmail.com
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
OlgunScherffingHerramientasEstadsticasysusAplicacionesenlaAdministracindelosNegocios 2
2
MarioOlgunScherffig,UniversidaddeLasAmricas,maolsch@gmail.com
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
OlgunScherffingLaCulturaEstadsticaysuInfluenciaenlaAdministracinyTomadeDecisiones 5
el inicio de otras, como as mismo, con la idea fundamental de salud y bienestar. De all
la importancia de velar por estos aspectos.
En un resumen muy inicial y bsico entonces, una mala decisin y/o mala
administracin en los negocios, trae consigo enfermedad y mayores consecuencias.
En la vida prctica es de inters atender a la secuencia ordenada en la que se
espera que una buena decisin traiga consigo un buen negocio. Para lo anterior hoy
existen en realidad dos grandes corrientes; una, es apoyarse en la orientacin no
cientfica llamada: la bola de cristal, que permita realizar vaticinios o pronsticos
sustentados en creencias o suposiciones personales, y la otra, es la clsica visin
estadstica.
Esta ltima visin y la ms recurrida, est fuertemente sustentada en principios
temporales, que incluso hace separar sus reas de estudios. Me refiero a la idea, de
describir y de estimar especficamente.
Por ejemplo, es muy utilizada la estrategia de obtener datos del pasado para
predecir el futuro, es decir; antes de un tiempo T cualquiera, nicamente describo, pero
en realidad se interesa proyectar hacia el futuro.
Para lo anterior y en un espritu tambin osado, se realizan modelos proyectivos,
los cuales, pueden ser comentados analizando cada variable y considerando al resto en
forma constante, como son en los modelos clsicos de regresin mltiple; a modo de
ejemplo. Sin embargo, hoy en da ya casi nada es constante y adems, los datos del
pasado casi no tienen validez en un nuevo entorno futurista.
En este pensamiento, tambin no tienen gran utilidad los anlisis posteriores que
puedan realizarse, como herramientas para la toma de decisiones. Hoy en general, el
encargado de tomar decisiones principalmente no tiene:
- Datos confiables asociados a un entorno pasado, que difcilmente ocurrir de la
misma manera en el futuro.
- Una lnea por donde transitar y en la cual aparecen muchos caminos todos
probables.
- Opciones, ni optimismo.
Uno de los clsicos vicios en la toma de decisiones y frente a la adversidad y
temor de correr riesgos, es aceptar las decisiones estadsticas en su totalidad. No quiero
decir con esto que no haya que hacerlo, sino ms bien, en que hay que agregarle otros
aspectos necesarios. Si un gerente por ejemplo, decide comprar o vender, dado que su
modelo de proyeccin le dice que lo haga, no significa decidir, es sencillamente, Hacer lo
que hay que hacer. Decidir entonces en una idea esencial, es: analizar un conjunto
mximo de elementos e interrelacionarlos.
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
OlgunScherffingLaCulturaEstadsticaysuInfluenciaenlaAdministracinyTomadeDecisiones 6
Por lo tanto, cmo apoyara a esta accin, una visin cultural de la estadstica y
ms que un enfoque tcnico puro?
La observacin muestra que las personas -y que son en definitiva las que toman
las decisiones-, tienen arraigadas culturas llamadas Bases en mayor o menor medida,
por ejemplo, pueden poseer cierta cultura religiosa, poltica, artstica y otras. Bueno
entonces, parece que no es descartable la idea de pensar en que la estadstica podra ser
otro tipo de cultura; pero con un adicional mayor, sera la cultura integradora y trasversal a
todas ellas. Estos elementos detallados en el libro del autor, sustentan entonces, un
nuevo proceder de gestin en la toma de las decisiones.
Para los anlisis en la toma de decisiones, el enfoque prioritario est dado por la
secuencia de informacin que se vaya obteniendo, para finalmente concluir en la decisin
misma. Esta secuencia de pensamiento, la vemos arraigada desde los inicios en la
mallas de las carreras, en los contenidos que se tratan en ellas, en los libros, etc.
En particular en la estadstica, es muy comn tratar tpicos en
forma aislada, es decir, indicar ejemplos y explicarlos segn el
captulo que se est desarrollando; sin embargo, si se cambia el
enfoque y en su defecto se coloca una base de datos, por ejemplo
como la siguiente, con variables: A;B;C;D; E y pedimos que se
desarrolle la respuesta, pero integrando los temas a la vez de
regresin, hiptesis, probabilidades, correlaciones u otros. Entonces
tendramos mayores posibilidades de apreciar el fenmeno en su
contexto y muy cercano al cual pudiera ser, sin visiones parciales.
Hoy la gran mayora de las actividades asocian elementos diversos, por lo tanto,
este enfoque se sustenta por s mismo. A la idea anterior, la he llamado: el Principio de
ARTE
RELIGIN
POLTICA
OTRAS
ESTADSTICA
1 2 3 4
A B C D E
2 3 4 6 2
2 5 4 6 7
3 4 6 6 9
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
OlgunScherffingLaCulturaEstadsticaysuInfluenciaenlaAdministracinyTomadeDecisiones 7
3
LuisValverde.UniversidadAmericana,lvalverde@uam.ac.cr
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
ValverdeTiemposdelaCulturaEstadstica 9
induccin y analoga), sea esta disciplina, la que involucre en una forma especial el
razonamiento por analoga: relacin, muestra y poblacin. No en vano, se cita cada vez
ms en artculos especializados, al igual que razonamiento matemtico, la expresin de
razonamiento estadstico, para caracterizar una manera particular de razonar.
DIFERENCIAR ENTRE CULTURA ESTADSTICA GENERAL Y CULTURA
ESTADSTICA PROFESIONAL
La primera, establece un conocimiento base interpretativo, que permite al
ciudadano promedio (educacin general bsica), interpretar los datos del medio donde se
desenvuelve. El segundo, exige un conocimiento ms especializado para poder estar al
da en el campo profesional, leer investigaciones especializadas y poder generar y
justificar sus propias investigaciones trabajando en equipo, de ser necesario, con un
analista de datos profesional.
Figura 1: Hacer estadstica, aplicar la estadstica, ensear la estadstica: tres objetivos y tres
metodologasdiferentes
El usuario de la estadstica
El profesional no especializado, requiere del conocimiento estadstico para poder
interpretar y participar de la investigacin especializada (medicina, economa,
biodiversidad, etc.), como requisito para ejercer y participar del conocimiento cientfico,
dejando el clculo e interpretacin final en manos del analista de datos. Un usuario de
la estadstica, debe tener el conocimiento y cultura suficiente, en temas como muestreo;
para no tomarlo a la ligera y dejarlo en manos del experto, dado lo que significa esto
dentro de un estudio o investigacin.
HACERESTADISTICA
Requierebienestablecidas,basesmatemticas:clculo,probabilidades,
matemticasdiscretasycontinasentreotras.Porende,elmtodoesel
mismodelasmatemticas,basadoenladeduccin.comorazonamiento.
APLICARLAESTADISTICA
Excelenteconocimientoeinterpretacindelaestadstica,respaldadoporun
buensustentoterico.Msinterpretacinquedesarrollo.Unmanejode
softwareespecializado.Elmtodoparaelanalista,esmuymetdico:trabajo
conmuestras.Muchoanlisisdedatosydesarrollodelolfatoestadstico.
ENSEARLAESTADISTICA
Transmitirunaculturaestadstica(generaloprofesional).Debeimplicar,una
didcticadeenseanza.Cambioennivelcultural:cadavezmscreceel
conocimientobasegeneral:correlacin,niveldeconfianza,etc.
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
ValverdeTiemposdelaCulturaEstadstica 10
HOMBRES MUJERES
HOJA TALLO HOJA
4 4566789
5 5 00022223334445556667
886554422100 6 000134578
542210000 7
0 8
3 9
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
ValverdeTiemposdelaCulturaEstadstica 11
4
CarlosA.ArajoAyesta,UniversidaddelasAmricas,araujo100@gmail.com
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
ArajoConsideracionessobrelaEnseanzaylaCulturaEstadsticaenAmricaLatina 13
INTRODUCCIN
Los mayores problemas que enfrenta el desarrollo estadstico de Amrica Latina y
al menos parte del Caribe (rea que en adelante llamaremos la regin), tienen su origen
en el escaso desarrollo de la Educacin Estadstica, la cual no ha logrado dar a conocer a
profesionales (estadsticos y no estadsticos), a connotados usuarios pblicos y al pblico
en general qu es o qu hace la Estadstica.
Como consecuencia de esta situacin, es fcil comprobar que en la regin,
profesionales con poco o ningn conocimiento en Estadstica asumen responsabilidades
(la mayora de buena fe), por la direccin tcnica de actividades reglamentarias o de
desarrollo estadstico tanto en dependencias de organismos internacionales, como en
organismos nacionales pblicos y privados. Similar situacin ocurre con la docencia en
Estadstica, en los distintos niveles de la educacin formal.
En cuanto al pblico en general (incluye a profesionales y connotadas autoridades
pblicas), existe una percepcin generalizada respecto a que las estadsticas mienten;
son fras y no son confiables, esto ltimo, porque siempre hay margen para un error.
Pueden las actividades estadsticas llevarse a cabo adecuadamente, si quienes
son responsables tcnicos de esta labor, tienen una errada concepcin de lo que significa
Estadstica? Siendo la Estadstica una disciplina de servicio, sta puede desarrollarse
adecuadamente si los usuarios perciben que: miente, es fra o no es confiable? Es
por ello que el mejoramiento en la educacin estadstica, a travs, de una adecuada
enseanza de la Estadstica, tiene muy alta prioridad como poltica de impulso al
desarrollo estadstico en la regin.
Conviene destacar que la situacin descrita anteriormente, es de exclusiva
responsabilidad de los estadsticos profesionales, quienes no han sabido transmitir
adecuadamente la naturaleza y objetivos de la Estadstica y consecuentemente los
propsitos de sus servicios.
Como veremos a continuacin, la falta de atencin de los profesionales
estadsticos respecto a una consensuada caracterizacin de la Estadstica es, la principal
responsable por la ineficacia de los esfuerzos realizados hasta el momento, para instaurar
o mejorar la educacin estadstica en los pases de la regin.
EDUCACIN, ENSEANZA Y EDUCACIN ESTADSTICA
De acuerdo con el Diccionario de la Lengua Espaola, en este trabajo, se entiende
por educacin, la accin de desarrollar las facultades intelectuales y por enseanza,
la accin de comunicar sistemticamente conocimientos, ideas o doctrinas. Por lo tanto,
la Enseanza es la forma como la colectividad instrumentaliza la Educacin.
Consecuentemente, la Educacin Estadstica se entender, como el desarrollo de
las facultades intelectuales que resulta de la enseanza de la Estadstica y por lo tanto, el
mejoramiento de la Educacin Estadstica, depender esencialmente del mejoramiento de
la enseanza de esta disciplina. Sobre esta premisa, se enfoca el anlisis de este
documento.
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
ArajoConsideracionessobrelaEnseanzaylaCulturaEstadsticaenAmricaLatina 14
NECESIDAD DE UNA PERCEPCIN COMN SOBRE EL SIGNIFICADO DE
ESTADSTICA
Muchos profesionales e investigadores pueden aplicar o desarrollar Estadstica sin
conocer a cabalidad los propsitos de esta disciplina, pero resulta imposible ensear
Estadstica sin transmitir explcita o implcitamente una percepcin sobre los propsitos u
objetivos de la Estadstica.
Por ello, cada persona a cargo de la enseanza de la Estadstica refleja su
particular visin sobre esta disciplina. Lamentablemente son muchos, diferentes e
incompletos los intentos por caracterizar o definir la Estadstica y esta situacin
contribuye a mantener la confusin entre quienes la ensean, la usan o la practican.
Las diferentes caracterizaciones de la Estadstica podran ser clasificadas en tres
grupos, segn los aspectos ms deficitarios que presentan:
La vaguedad
En efecto, algunas caracterizaciones son demasiado vagas. En esta categora
caen, por ejemplo, las que dicen que la Estadstica es:
- la tecnologa del pensamiento cientfico
- puente entre modelos matemticos y fenmenos reales
- interface entre matemticas, computacin y anlisis de datos
Todas estas definiciones y muchas otras similares, tienen el inconveniente de
que no caracterizan a la Estadstica (otras disciplinas tambin cumplen con lo indicado) y
adems, no se traducen en especificaciones concretas respecto de su naturaleza y
aplicaciones.
Limitantes por compresin
El principal grupo de tales caracterizaciones est conformado por aquellas que
comienzan con la frase La Estadstica es una rama de las Matemticas .
Toda definicin que considere a la Estadstica como una rama de las Matemticas,
lleva implcito que los objetivos de la Estadstica se enmarcan dentro de los objetivos de
las matemticas, lo cual est muy lejos de ser verdad.
La Estadstica tiene objetivos propios, distintos de la Matemtica. La contribucin
de la Matemtica al desarrollo de la Estadstica se debera adaptar siempre a los objetivos
de esta ltima disciplina, tal como ocurre con la Fsica, la Astronoma, las Finanzas, la
Informtica y muchas otras ciencias o disciplinas cientficas.
Limitantes por extensin
Otro grupo de definiciones limitantes, es aqul que define la Estadstica
mediante una descripcin de actividades que lleva a cabo. Son del siguiente estilo: La
Estadstica, recoge, organiza y analiza datos. Adems, de que otras disciplinas o
tcnicas pueden cumplir con lo que se indica (por ejemplo: la Contabilidad), estas
caracterizaciones son incompletas y a veces contrapuestas.
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
ArajoConsideracionessobrelaEnseanzaylaCulturaEstadsticaenAmricaLatina 15
Se debera convenir, en que este es un claro ejemplo de un ejercicio de
matemtica sobre sumas sucesivas de nmeros (sumatoria), que en nada evala los
conocimientos y capacidades en Estadstica del alumno examinado.
Las dos siguientes conclusiones no necesariamente se excluyen o surgen de
este ejemplo: o bien en el diseo de la prueba de admisin no participaron
estadsticos, o bien en la enseanza media, no se ensea Estadstica.
ii) Ejemplo sobre el nmero de Intervalos de Clase
En muchos textos de Estadstica Descriptiva que se refieren a Intervalos de Clase,
utilizan frmulas inspiradas en un comportamiento matemtico de las observaciones
que poco tienen que ver con el verdadero propsito de la Estadstica Descriptiva.
Un ejemplo de esta situacin est dado por la formula desarrollada por Sturges
(1926), para determinar el nmero de Intervalos de Clase a considerar, la cual est
dada por:
10
1 (1 3,32193 log ) k ENT N = + +
Sin mencionar que este resultado est basado en el inexplicable principio, de que
el ideal de un histograma de frecuencia, es que sea aproximado por una distribucin
normal, la llamada regla de Sturges; no deja de ser un ejercicio de clculo puesto
que, en la realidad, ni el nmero ni la identificacin de cada Intervalo de Clase puede
ser determinado sin la necesaria participacin del usuario de la informacin resultante.
iii) Ejemplo de la definicin de la Media
Desde el punto de vista Matemtico, definir la Media como la suma de los valores
observados dividida por la cantidad de estos valores es equivalente a definirla como:
el valor que minimiza la suma de los cuadrados de la diferencia de dichos valores
respecto de cualquier valor constante. La primera forma de definir la Media parece
ms simpleque la segunda, por lo que la mayora de los textos recurren a la primera
alternativa.
FREETRANSLATIONTOENGLISH
Theaverageoftwentynumbersis20;theaverageof
twelveofthatnumbersis8.Whichistheaverageof
theothereightnumbers?
A) 12
B) 38
C) 62
D) 28
E) Noneofthepreviousone
ORIGINALENESPAOL
Veintenmerostienenunpromediode20;doce
delosnmerostienenpromediode8.Culesel
promediodelosotrosochonmeros?
A) 12
B) 38
C) 62
D) 28
E) Ningunodelosanteriores
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
ArajoConsideracionessobrelaEnseanzaylaCulturaEstadsticaenAmricaLatina 17
2) El Error Estadstico
Algunas instituciones oficiales de estadstica utilizan en la difusin de sus
resultados oficiales el trmino error estadstico, a veces para conseguir igualdades
contables de datos obtenidos de registros que, por su mala calidad o su cobertura
incompleta, no resulta posible alcanzar, y otras veces para referirse al error de inferir
propiedades para un universo a base de observaciones de una parte del mismo
(muestra).
El uso de este trmino, slo puede obedecer a un desconocimiento de aspectos
elementales de Estadstica. Si sumas de datos de registros que deberan cuadrar no
cuadran, el error est en los registros y no en la Estadstica. Por otra parte, si el error se
refiere al de inferir de lo particular a lo general (inferencia inductiva), este es un error
inferencial inherente a este tipo de inferencias y ni la Estadstica, ni ningn otro
procedimiento podrn evitar su posible presencia.
Para los que saben Estadstica, el uso del trmino Error Estadstico revela
ignorancia en el tema; para los que no saben Estadstica, el uso de este trmino le
atribuye a esta disciplina un injusto carcter de inseguridad, que se transforma en un
elemento adicional de descrdito de la opinin pblica respecto de esta disciplina.
3) Uso arbitrario de indicadores de confiabilidad de estimaciones
El verdadero propsito del muestreo probabilstico, es estimar controlando el error
inherente a toda estimacin basada en muestras (estadstica o no estadstica). Por ello,
cuando se llevan a cabo encuestas por muestreo probabilstico, los indicadores de
confiabilidad de las estimaciones (varianza, o coeficiente de variacin u otros) deberan
acompaar a toda estimacin.
Sin embargo, es frecuente observar que tales indicadores de confiabilidad o bien
no se presentan (con lo cual el muestreo probabilstico no cumple su propsito) o bien
slo son presentados para el universo de estudio, pero no se indican para el caso de
subpoblaciones o dominios de estudio.
En este ltimo caso, se puede inducir a error al usuario que naturalmente tiende a
asociar el nico indicador de confiabilidad presentado referido al universo de estudio,
como el indicador de confiabilidad de toda otra estimacin.
Un programa computacional adecuado resolvera este problema, cuyo actual
tratamiento desvirta el propsito de las encuestas por muestreo y en algunos casos
desacredita la prctica de la Estadstica, al inducir confiabilidades mayores de las que
realmente tiene una estimacin y arriesgar de esta forma posibles descrditos de parte de
los usuarios.
EN LOS USUARIOS Y PBLICO EN GENERAL
Las deficiencias en la enseanza y aplicacin de la Estadstica, algunas de las
cuales se mencionan en los puntos anteriores, tienen consecuencias directas en la
percepcin de los potenciales usuarios y pblico en general respecto de esta disciplina,
que se reflejan en frases tales como:
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
ArajoConsideracionessobrelaEnseanzaylaCulturaEstadsticaenAmricaLatina 22
ii) la realizacin de inferencias inductivas, formuladas por usuarios, con control del
error inferencial, mediante la Inferencia Estadstica.
Es conveniente volver a destacar, especialmente en este acpite, que la
formulacin de la inferencia inductiva, es de responsabilidad del usuario. No respetar esta
norma da origen a confusiones sobre los roles del estadstico y los del especialista en el
rea de la cual provienen los datos, las cuales casi siempre resultan en una mala
aplicacin de la Estadstica.
2) Los usuarios de los servicios estadsticos, deben entender el alcance y limitaciones de
los resultados estadsticos de tal forma que permita una correcta interpretacin por
parte del usuario.
La correcta atencin al inters del usuario es el objetivo principal del servicio
estadstico. Por lo tanto, la aplicacin de los mtodos y procedimientos estadsticos deben
atender directamente este inters y la entrega de los resultados debe facilitar la correcta
interpretacin de los mismos, por parte del usuario.
Por ejemplo, en lo que se refiere a la Estadstica Pre-Inferencial, no tienen cabida
frmulas generales para obtener nmero y amplitud de intervalos de clase, cuando stos
deben satisfacer las particulares necesidades de anlisis de los usuarios, ni frmulas para
clculo de una moda mediante intervalos de clase, imposible de interpretar ni siquiera por
el estadstico.
En lo que respecta a la Inferencia Estadstica el usuario debe, por ejemplo,
interpretar correctamente los indicadores de control del error inferencial, aspecto que
muchas veces es olvidado (ver punto siguiente).
3) Toda inferencia inductiva que no controla el error inferencial, no es inferencia
estadstica
De acuerdo con la propuesta presentada, el objetivo bsico de la Inferencia
Estadstica es, controlar el error inferencial. Esto significa, que no se est aplicando
mtodos de Inferencia Estadstica si, por ejemplo, se realizan estimaciones sin analizar un
indicador de confiabilidad del estimador utilizado, o bien se aceptan hiptesis nulas sin
indicar las respectivas funciones de potencia.
4) El servicio estadstico oficial
Desde el punto de vista de los usuarios, el servicio estadstico oficial es un caso
especial porque adems de prestar servicio a las instituciones pblicas y privadas, tiene
como usuario al pblico en general, que a diferencia de otros usuarios, no cuenta con
canales apropiados para explicitar su inters. Por lo tanto, ser el propio servicio
estadstico quien debe encontrar mecanismos que permitan identificar la demanda de
informacin estadstica pblica por parte de la ciudadana.
En esta tarea de identificacin de necesidades de informacin de la ciudadana, se
encuentra en juego el efectivo ejercicio de los principios democrticos. En tal sentido, las
estadsticas oficiales, no son slo el resultado de trabajo tcnico, sino una importante
tarea de significacin poltica, puesto que contribuye a conformar una sociedad mejor
informada y por ende, con mejor capacidad de participacin.
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
ArajoConsideracionessobrelaEnseanzaylaCulturaEstadsticaenAmricaLatina 29
5
PorfirioRafaelPerez,UniversidaddelValledeMxico,porperez@hotmail.com
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
PrezCisnerosModelosEstadsticosAplicadosenlaAdministracindeNegociosqueGeneranVentajasCompetitivas 31
Grficamente:
Donde:
b= interseccin eje, cuando x=0
a= pendiente de la recta Si a= 1 Angulo =45
Al modificar a la inclinacin de la recta disminuye o aumenta
Al modificar b el cruce con el eje y disminuye o aumenta
Si suponemos que este modelo se aplica a los gastos en publicidad y el total de ventas,
entonces:
b= Ventas que se realizan, con o sin publicidad (en X=0)
a= Si es Positiva aumenta publicidad, aumenta ventas
Si es Negativa aumenta publicidad, disminuye ventas
Entonces todo se resume a preguntarnos:
1) Se relacionan publicidad y ventas?
0
2
4
6
8
10
12
14
-3 -2 -1 0 1 2 3 4 5
Y
X
Grafica de primer orden
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
PrezCisnerosModelosEstadsticosAplicadosenlaAdministracindeNegociosqueGeneranVentajasCompetitivas 34
2) Cunto vale a y b?
3) Como pronosticar ventas con gasto de publicidad
Cualquier respuesta a estas tiles preguntas tiene un origen en comn: datos
estadsticos.
DATOS ESTADISTICOS
Estos datos son informacin disponible en el mbito de la administracin de las empresas,
por lo que no hay problema para obtenerlas. Ejemplos de datos estadsticos:
Con solo datos estadsticos se elabora la grfica de dispersin:
Publicidad Ventas
X Y
65 75
71 84
79 85
85 90
93 94
100 102
70
75
80
85
90
95
100
105
110
60 70 80 90 100 110
$
V
E
N
T
A
S
$ PUBLICIDAD
Grfica de Dispersin
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
PrezCisnerosModelosEstadsticosAplicadosenlaAdministracindeNegociosqueGeneranVentajasCompetitivas 35
Agregando lnea de tendencia:
En el contexto del anlisis matemtico se desprende lo siguiente:
Coeficiente de correlacin
Definido por:
r = SC(xy) / SC(x).SC(y)
Su significado es muy interesante:
- Si se correlacionan; r tiene valor cercano a +/- 1.
- Si NO se correlacionan; r tiene valor cercano a 0.
70
75
80
85
90
95
100
105
110
60 70 80 90 100 110
$
V
E
N
T
A
S
$ PUBLICIDAD
Grfica de Dispersin
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
PrezCisnerosModelosEstadsticosAplicadosenlaAdministracindeNegociosqueGeneranVentajasCompetitivas 36
Adems se define:
a = SC(xy) / SC(x)
b = (Y- (m. X ))/n
Esto es muy importante, ya que con slo datos se puede conocer la pendiente de
la recta y la interseccin con el eje Y.
Aplicando a un problema:
Si solicitamos informacin histrica sobre los gastos en publicidad y las ventas
obtenidas en ese mismo perodo tendramos algo como lo siguiente.
Se efectan las operaciones indicadas en cada columna.
Para realizar clculos con estos datos, definimos las sumas de cuadrados de x, y, x
2
, y
2
,
xy como:
SC(x) = x
2
- (( x )
2
/ n )
SC(y) = y
2
- (( y )
2
/ n )
SC( x.y ) = ( x.y )- (( x )( xy)/ n )
Sustituyendo los valores obtenidos tenemos:
SC(x) = 872.83
SC(y) =429.33
SC( x.y ) =597.67
Estos resultados estadsticos nos sirven para calcular :
r = SC(xy) / SC(x).SC(y)
Publicidad Ventas
X Y
X
2
Y
2
X.Y
65 75 4225 5625 4875
71 84 5041 7056 5964
79 85 6241 7225 6715
85 90 7225 8100 7650
93 94 8649 8836 8742
100 102 10000 10404 10200
0 0 0
493.0 530.0 41381.0 47246.0 44146.0
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
PrezCisnerosModelosEstadsticosAplicadosenlaAdministracindeNegociosqueGeneranVentajasCompetitivas 37
a = SC(xy) / SC(x)
b = (Y- (m. X ))/n
Resultados:
r = 0.9763 R
2
= 0.953
a = 0.68
b = 32.07
Porcentaje de datos que siguen el modelo lineal:
r = 0.9763 97.63 % por lo que si hay correlacin
Porcentaje de ajuste del pronstico:
R
2
= 0.953 95.3 %
Cambio en la publicidad por cambio en las ventas 0.68, es positivo por lo que al
incrementar la publicidad se incrementa las ventas
a = 0.68
Interseccin de la recta con el eje de las ventas a publicidad
Cero, es decir ventas sin publicidad
b = 32.07 $32.07 (Miles)
Ventas = 0.68. Publicidad + 32.07
En base a esta informacin estadstica concluimos:
- S hay una correlacin positiva, entre publicidad y ventas.
- Si no realizamos publicidad, tendramos ventas por $32.07.
- Se puede realizar pronsticos o evaluar errores del modelo.
Ejemplo de pronstico:
Si gastamos de publicidad $90.00 esperamos ventas
pronosticadas de $ 93.70 (La seguridad en esta afirmacin
es del 95.3%). Si gastamos de publicidad $85.00
esperamos ventas pronosticadas de:
= $ 90.2734 (valor pronosticado)
De acuerdo a la informacin, se puede ver que la
Publicidad Ventas
X Y
65 75
71 84
79 85
85 90
93 94
100 102
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
PrezCisnerosModelosEstadsticosAplicadosenlaAdministracindeNegociosqueGeneranVentajasCompetitivas 38
diferencia entre el valor de ventas cuando se gastan $85 en publicidad y el de ventas real
contra el calculado, es de 0.2734.
ERRORES DEL MODELO
Se puede calcular el error del modelo mediante los siguientes clculos:
Definiendo:
Error de pronstico = Valor real- Valor pronosticado
Se definen:
MAD que es promedio de la desviacin absoluta
MSE promedio del cuadrado del error
Cuando se tienen resultados de MAD y MSE de dos o ms pronsticos, se elige el
que tenga el menor valor del parmetro. Se deja como ejercicio, el clculo de estos dos
indicadores del error del modelo.
CORRELACION NO-LINEAL
Pero, Cmo trabajar cuando consideramos ms de una variable? Para hacerlo
ms interesante en base a los datos, suponemos que la relacin no es relacin lineal, y
que sigue el modelo matemtico:
e
e
2
e
i
e
i1
(e
i
e
i1
)
2
76.58 1.5786 2.4919
80.69 -3.3130 10.9757 -4.892 23.927
86.16 1.1650 1.3572 4.478 20.052
90.27 0.2734 0.0748 -0.892 0.795
95.75 1.7514 3.0673 1.478 2.184
100.54 -1.4554 2.1182 -3.207 10.284
530.0 0.0 20.1 -3.0 57.2
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
PrezCisnerosModelosEstadsticosAplicadosenlaAdministracindeNegociosqueGeneranVentajasCompetitivas 39
Y = f(x)= a x
1
2
+ b x
1
+ c
A este modelo se le conoce como modelo no lineal o modelo de segundo
orden. Los nuevos datos son vistos en la tabla.
Elaborando la grfica de dispersin se observa:
Agregando lnea de tendencia:
0.0
1.0
2.0
3.0
4.0
5.0
6.0
7.0
8.0
9.0
10.0
0.0 10.0 20.0 30.0 40.0 50.0 60.0
$ de Publicidad
Datos reales
0.0
1.0
2.0
3.0
4.0
5.0
6.0
7.0
8.0
9.0
10.0
0.0 10.0 20.0 30.0 40.0 50.0 60.0
$ de Publicidad
Datos reales
Y
i
X
i
2 3
3 10
8 30
7 50
9 40
8 20
4 55
DATOS
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
PrezCisnerosModelosEstadsticosAplicadosenlaAdministracindeNegociosqueGeneranVentajasCompetitivas 40
MODELO NO LINEAL
De acuerdo al comportamiento demostrado en la grfica, se desprende que el
modelo puede ser uno de segundo orden, cuya frmula general est dada por:
y=f(x)=ax
2
+bx + c
Para simular este comportamiento real, usamos un modelo matemtico de este
orden para ver su comportamiento:
Ejemplo: y = f(x) = -2 X
2
+ 9 X
1
+ 1
Grficamente:
Como se puede apreciar el comportamiento es muy similar al del comportamiento real.
APLICACIN DEL MODELO
Si consideramos, basndonos en el diagrama de dispersin de los datos reales,
que las ventas son funcin de la publicidad al cuadrado, es decir, una funcin de segundo
grado, que representa una curva.
0, 1
0.5, 5
1.0, 8
1.5, 10
2.0, 11 2.5, 11
3.0, 10
3.5, 8
4.0, 5
0
5
10
15
0 1 2 3 4 5
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
PrezCisnerosModelosEstadsticosAplicadosenlaAdministracindeNegociosqueGeneranVentajasCompetitivas 41
Tendramos:
MODELO y=f(x)=
0
+
1
x
1
+
2
x
1
2
Interpretacin de los parmetros:
0
= Interseccin con eje y de la curva
1
= Interseccin con eje horizontal en
0
2
= Positivo la curva tiene un mnimo, negativo mximo
Ejemplo: y = f(x) = 1 X
2
+ 3 X
1
+ 5
Graficando:
El modelo es entonces: Y =
0
+
1
x
1
+
2
x
1
2
Cambio a lineal: Y =
0
+
1
x
1
+
2
x
2
Donde: x
2 =
x
1
2
MODELO: Y =
0
+
1
x
1
+
2
x
2
Nos queda un sistema de 3 x 3 con 3 incgnitas:
0
n +
1
x
1
+
2
x
2
= y
0
x
1
+
1
x
2
1
+
2
x
1
.x
2
= x
1
.y
0
x
2
+ 1 x
1
.x
2
+ 2 x
2
2
= x
2
.y
0
5
10
15
20
25
30
-4 -3 -2 -1 0 1 2 3 4
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
PrezCisnerosModelosEstadsticosAplicadosenlaAdministracindeNegociosqueGeneranVentajasCompetitivas 42
Calculando los parmetros en forma similar con el modelo anterior, usando la informacin
real:
Sustituyendo sumas de datos:
0
7 + 1 208 + 2 8534 = 41
0
208 + 1 8534 + 2 391402 = 1366
0
8534 + 1 391402 + 2 18940706 = 54718
Resolviendo el sistema:
Calculo de Determinante
7 208 8534 7 208
= 208 8534 391402 208 8534 = 7669956000
8534 391402 18940706 8534 391402
Calculo de Determinante 0
41 208 8534 41 208
0 = 1366 8534 391402 1366 8534 = -3000136200 0 = -0.391
54718 391402 18940706 54718 391402
Calculo de Determinante 1
7 41 8534 7 41
1 = 208 1366 391402 208 1366 = 4260521540 1 = 0.555
8534 54718 18940706 8534 54718
Calculo de Determinante 2
7 208 41 7 208
2 = 208 8534 1366 208 8534 = -64532380 2 = -0.008
8534 391402 54718 8534 391402
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
PrezCisnerosModelosEstadsticosAplicadosenlaAdministracindeNegociosqueGeneranVentajasCompetitivas 43
t
=68.85 + 0.43 t + 8 Cos ( 2 t / 10 ) + -3.2 Sen ( 2 t / 10 ) + -0.2 t Cos ( 2 t /
10 ) + 0.01 t Sen ( 2 t / 10 )
Clculos para el modelo:
Modelo Senoidal
Periodo de ciclo = 10
Trmino independiente = 68.85
Coeficiente variable X
1
= 0.43
Coeficiente variable X
2
= 8
Coeficiente variable X
3
= -3.23
Coeficiente variable X
4
= -0.21
Coeficiente variable X
5
= 0.01
Valor de = 3.142
X
1
= t
X
2
= Cos
(
2 t / 10 )
X
3
= Sen
(
2 t / 10 )
X
4
=
t Cos
(
2 t / 10 )
X
5
=
t Sen
(
2 t / 10 )
Tiempo Valor Valores del ciclo Valor Error de Error de
observado prediccin prediccin
prediccin
2
t Y
t
Cos Sen t Cos t Sen
t
Y
t-
t
(Y
t-
t
)
2
1 71 0.81 0.59 0.81 0.59 73.69 -2.69 7.23
2 70 0.31 0.95 0.62 1.90 69.00 1.00 1.00
3 69 -0.31 0.95 -0.93 2.85 64.82 4.18 17.48
4 68 -0.81 0.59 -3.24 2.35 62.90 5.10 25.99
5 64 -1.00 0.00 -5.00 0.00 64.05 -0.05 0.0025
6 65 -0.81 -0.59 -4.85 -3.53 67.84 -2.84 8.07
7 72 -0.31 -0.95 -2.16 -6.66 72.85 -0.85 0.72
8 78 0.31 -0.95 2.47 -7.61 77.24 0.76 0.58
9 75 0.81 -0.59 7.28 -5.29 79.51 -4.51 20.33
10 75 1.00 0.00 10.00 0.00 79.05 -4.05 16.40
11 75 0.81 0.59 8.90 6.47 76.35 -1.35 1.82
12 70 0.31 0.95 3.71 11.41 72.75 -2.75 7.54
13 75 -0.31 0.95 -4.02 12.36 69.86 5.14 26.39
14 75 -0.81 0.59 -11.33 8.23 68.96 6.04 36.48
15 74 -1.00 0.00 -15.00 0.00 70.45 3.55 12.60
16 78 -0.81 -0.59 -12.94 -9.40 73.78 4.22 17.80
17 86 -0.31 -0.95 -5.25 -16.17 77.70 8.30 68.87
18 82 0.31 -0.95 5.56 -17.12 80.79 1.21 1.45
19 75 0.81 -0.59 15.37 -11.17 82.05 -7.05 49.72
20 73 1.00 0.00 20.00 0.00 81.25 -8.25 68.06
21 72 0.81 0.59 16.99 12.34 79.01 -7.01 49.13
22 73 0.31 0.95 6.80 20.92 76.49 -3.49 12.19
23 72 -0.31 0.95 -7.11 21.87 74.91 -2.91 8.45
24 77 -0.81 0.59 -19.42 14.11 75.02 1.98 3.93
25 83 -1.00 0.00 -25.00 0.00 76.85 6.15 37.82
26 81 -0.81 -0.59 -21.03 -15.28 79.72 1.28 1.64
27 81 -0.31 -0.95 -8.34 -25.68 82.56 -1.56 2.42
28 85 0.31 -0.95 8.65 -26.63 84.35 0.65 0.42
29 85 0.81 -0.59 23.46 -17.05 84.59 0.41 0.17
30 84 1.00 0.00 30.00 0.00 83.45 0.55 0.30
FIN SCE = 505.00
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
PrezCisnerosModelosEstadsticosAplicadosenlaAdministracindeNegociosqueGeneranVentajasCompetitivas 49
Conclusiones del modelo matemtico:
En base a los anlisis presentados se puede afirmar que:
Este modelo es un modelo que requiere definir el coeficiente de suavizamiento,
pero es fcil de usar y aplicar a problemas reales.
Es un modelo aproximado, por lo que el comportamiento de la variable es algo
diferente a la real, pero se usa con excelentes resultados en pronosticar sus
valores.
Es una herramienta estadstica muy prctica y poderosa y se puede aplicar a
cualquier disciplina, por lo que es universal.
Los modelos estadsticos aplicados en administracin de negocios, mejoran
notablemente el entendimiento del comportamiento de las variables, generando ventajas
competitivas para quienes los usen.
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
PrezNova,Rovalo&CaldernDesarrolloEconmicoenlosPasesdelaOCDEyelEntornodeAprendizajedelaEstadstica 50
6
Ma. Antonieta PrezNova (artnova_00@yahoo.com), Ma. de la Luz Rovalo Sandoval
(mrovalo@hotmail.com), Roberto Caldern Jurez (rcalderj@yahoo.com.mx), Universidad del Valle de
Mxico
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
PrezNova,Rovalo&CaldernDesarrolloEconmicoenlosPasesdelaOCDEyelEntornodeAprendizajedelaEstadstica 51
redistribucin de las riquezas entre las clases sociales, al modelo de sociedad basada en
la prevencin de riesgos para todas las clases sociales (Beck, 2005 y 2006) para fomentar
la nueva realpolitik cosmopolita (Beck, 2006).
Dentro de esta nueva realidad, se establece que Hoy en da, todos los adultos
necesitan una base slida de matemticas para alcanzar sus metas Esta es una
conclusin que se discute en el reporte PISA 2003, pero Cmo generar un concepto de
competencia matemtica vinculado a la vida diaria?; Cmo involucrar rutinariamente
diversos elementos estadsticos en el desarrollo de procesos?; slo a travs de la
cooperacin internacional. En este sentido, los gobiernos vinculados a la OCDE
pretenden fomentar la capacidad de los alumnos de analizar, razonar y comunicarse
eficazmente cuando formulan, resuelven e interpretan problemas matemticos en
diversas situaciones, es por esto, que los exmenes propuestos por PISA incluyen
conceptos matemticos cuantitativos, espaciales, probabilsticos o de otro tipo (The Pisa
2003 Assessment Framework: Mathematics, Reading, Science and Problem Solving
Knowledge and Skills, OCDE, 2003e; Marco de evaluacin PISA 2003: Conocimientos y
habilidades en matemticas, lectura, ciencias y solucin de problemas), que en su
conjunto permiten evaluar tanto los principios bsicos que manejan los alumnos, como el
rendimiento en matemticas entre los pases participantes.
Buscar un marco referencial sobre aptitudes y actitudes matemticas
(competencias), incide en la forma en que los jvenes son preparados para la vida
Pero qu son las competencias? Entendemos por competencia al establecimiento de
resultados asociados a la demostracin de la habilidad de la que se habla y que se asocia
con criterios de evaluacin que permiten medir, holsticamente, el xito en la formacin
curricular. Las competencias hablan de la capacidad para realizar actividades y del
cumplimiento de las funciones tcnicas: el aprendizaje, por tanto, se orienta a la prctica
(Kozulin, 2000 y Oppenseminar 2.0, 2009). Dado que las competencias son declaratorias
que refieren a situaciones reales, los programas tienden a reproducir las mismas y/o
poner al alumno directamente en contacto con la realidad, en la produccin o los servicios
(Ramrez Palacio, et al., 2006 y RICS, 2009).
En este sentido de realidad, la OCDE definir por competencia matemtica como,
...una capacidad del individuo para identificar y entender la funcin que desempean las
matemticas en el mundo, emitir juicios bien fundados y utilizar y relacionarse con las
matemticas de forma que se puedan satisfacer las necesidades de la vida de estos
individuos como ciudadanos constructivos, responsables y reflexivos (OCDE, 2003e).
Ante este panorama los centros de enseanza no deben limitarse a instruir a
los alumnos, sino que tambin deben intervenir sobre la manera en que stos afrontan su
aprendizaje (OCDE, 2003e), he aqu los motivos de la presente investigacin.
El Programa para la Evaluacin Internacional de Alumnos de la OCDE, PISA, tiene
por objeto, evaluar hasta qu punto los alumnos cercanos al final de la educacin
obligatoria han adquirido algunos de los conocimientos y habilidades necesarios para la
participacin plena en la sociedad del saber. PISA saca a relucir aquellos pases que han
alcanzado un buen rendimiento y, al mismo tiempo, un reparto equitativo de
oportunidades de aprendizaje, ayudando as a establecer metas ambiciosas para otros
pases. Las pruebas de PISA, son aplicadas cada tres aos y examinan el rendimiento de
alumnos de 15 aos en reas temticas clave y estudian igualmente una gama amplia de
resultados educativos, entre los que se encuentran: la motivacin de los alumnos por
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
PrezNova,Rovalo&CaldernDesarrolloEconmicoenlosPasesdelaOCDEyelEntornodeAprendizajedelaEstadstica 53
La grfica 2 muestra la distribucin de todas las variables analizadas para los dos
primeros Componentes Principales, en tanto que la grfica 3 muestra los centroides para
las cuatro clases econmicas consideradas.
Grfica 2. Distribucin de varibles
F
1
(GDP per capita) vs F
2
(Expense in Education as % of GDP Public)
Grfica 3. Centroides por grupo econmico
F
1
(GDP per capita) vs F
2
(Expense in Education as % of GDP Public)
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
PrezNova,Rovalo&CaldernDesarrolloEconmicoenlosPasesdelaOCDEyelEntornodeAprendizajedelaEstadstica 59
rmOBA&sa=X&oi=book_result&ct=result
&resnum=6&ved=0CCcQ6AEwBQ#v=on
epage&q=&f=false . (septiembre 2009).
Hanushek E. and Wmann L. (2007).
Education quality in economic growth.
The International Bank for Reconstruction
and Development / The World Bank
Washington DC. Disponible en:
http://www.mp.gov.rs/resursi/dokumenti/d
ok101-eng-
Edu_Quality_Economic_Growth.pdf.
(octubre 2009).
Haussman, R. Lozoya E. & Mia, I. (2009).
The Mexico Competitiveness Report
2009. World Economic Forum, Harvard,
128 pp. (en lnea). Disponible en
http://www.weforum.org/pdf/Mexico/MCR
_2009.pdf. (11 de diciembre de 2009).
Keller K. (2006). Investment in primary,
secondary and higher education.
Contemporary Economic Policy. 24,
Num. 1:18-34.
Kozulin, A. (2000), Instrumentos psicolgicos:
La educacin desde una perspectiva
sociocultural, caps. 1-3, Barcelona:
Paids.
Manpower. (2006). El Futuro del Trabajo en
Amrica Latina, (en lnea). Mxico.
Disponible en: www.manpower.com.mx
(27 de julio)
Martnez Arias, R. (2000). El Anlisis
Multivariante en la Investigacin
Cientfica. Cuadernos de Estadstica.
Editorial La Muralla.
OCDE. (2000). School Factors related to
quality and equity, Results from PISA,
2000, (en lnea). Disponible en:
http://www.oecd.org/document/35/0,3343,
en_32252351_32236159_34669667_1_1
_1_1,00.html (5 de abril de 2010).
OECD/UNESCO-UIS. Program for
International Student Assessment, (en
lnea). Pgina oficial. Disponible en:
http://www.pisa.oecd.org
OECD/UNESCO-UIS. Program for
International Student Assessment, 2000-
2003, (en lnea). Disponible en:
http://www.pisa.oecd.org (19 de marzo de
2010).
Openseminar 2.0 Blog Universidad Tcnica
Particular de Loja (2009): De la
informacin al conocimiento innovador
(en lnea): http://openseminar.flacso.
edu.mx/loja/?p=147. (abril de 2009).
Paajanen, George (1992). Employment
Inventory Reports, (en lnea). Technology
Based Solutions/Personnel Decisions,
Inc. Disponible en:
http://www.asktbs.com/ei/EI_ReportNews
letter.pdf
Programa para la Evaluacin Internacional de
Alumnos, Pisa. (2006). Marco de la
Evaluacin: Conocimientos y habilidades
en Ciencias, Matemticas y Lectura, (en
lnea). OCDE. Disponible en:
http://www.pisa.oecd.org/dataoecd/59/2/3
9732471.pdf (15 de mayo 2010).
Ramrez Palacio, et al., (2006), Qu es la
intervencin psicopedaggica: Definicin,
principios y componentes, en El gora
USB Medelln-Colombia, Vol. 6, Nm. 2,
pgs. 215-226, Julio Diciembre.
RICS, European housing buffeted by the
global storm, (2009), localizado en la
pgina:
http://www.joinricsineurope.eu/es/articles/
view/.
Salberg P H (2006) Education reform for
global competitiveness World Bank
Journal of educational change
Wong, S. (2008). Educacin Como factor de
Competitividad: Experiencias
Comparadas Entre Asia y Amrica
Latina. Centro de Estudios Asia-Pacfico
(CEAP) Ecuador. Red de Amrica
Latina y el Caribe de Centros de Estudios
de Asia-Pacfico (REDEALAP).
Universidad de Colombia, Bogot,
Colombia. (En lnea). Disponible en:
http://www.iadb.org/intal/aplicaciones/upl
oads/ponencias/e_Foro_REDEALAP_20
08_08_01_wong.pdf. (noviembre de
2009).
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
AcuaMantenimientocentradoenConfiabilidad 63
7
JorgeAcua,UniversidadLatinaCampusSanPedro
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
AcuaMantenimientocentradoenConfiabilidad 64
INTRODUCCIN
El mantenimiento es una de las funciones esenciales en cualquier proceso
productivo, pues es el medio de conservar en funcionamiento equipos y maquinaria sin
que los paros frecuentes o peridicos debido a fallas, afecten la productividad del sistema
de manera integral. La Figura 1, muestra las interrelaciones entre las funciones de
calidad, produccin y mantenimiento, en un sistema productivo en donde se nota que el
mantenimiento es una funcin primaria lo que es obvio, pues si la maquinaria no opera no
hay produccin. Por otro lado, se enfatiza en la importancia de la calidad de las
condiciones de funcionamiento y disponibilidad de equipos y mquinas, como un medio
de lograr los niveles de produccin requeridos.
Figura 1. Ubicacin del mantenimiento en el ciclo productivo
Fuente: (Pzydek, 2003)
Por otro lado, se seala el papel crucial que juegan la confiabilidad (probabilidad
de no falla) y la mantenabilidad (capacidad de los equipos de mantenerse en operacin)
como elementos esenciales en el logro de las metas de productividad. Se ha hablado de
mantenimiento y de su administracin, pero an no se han definido. Una definicin clsica
dice que el mantenimiento es, una operacin mediante la cual los sistemas estn
sometidos a rutinas de revisin, reparacin y reemplazo con el fin de repararlos o
sustituirlos cuando fallan o prevenir fallas cambiando partes o lubricando los mecanismos
de accin. Las operaciones de mantenimiento se dirigen esencialmente a sistemas
reparables, sea aquellos susceptibles de ser reparados cuando fallan. En los sistemas no
reparables, los productos o sus partes simplemente se sustituyen por otros nuevos una
vez que fallan.
La administracin del mantenimiento es, la aplicacin de todas las fases del
proceso administrativo a las actividades de mantenimiento. En otras palabras, es la
aplicacin del ciclo administrativo (planeacin, organizacin, ejecucin, control), a la
gestin de mantenimiento cuya meta clara es, lograr una operacin efectiva de los
equipos al menor costo posible. Como medio de prolongar la vida til de repuestos y
mecanismos se aplican rutinas de mantenimiento, las cuales pueden ser realizadas sobre
un enfoque correctivo, preventivo, predictivo o basado en confiabilidad.
Produccin
Mantenimiento
Calidad
Insumos
Energa
Informacin
Entrada para
su Funcin
Primaria
Salida de su
Funcin
Primaria
Bienes y
Servicios
Cal i dad de l a producci n y de
l os servi ci os
Cal i dad de l as condi ci ones,
caracter sti cas, funci onal i dad
y di sponi bi l i dad de l os equi pos
Funcin
secundaria de
produccin
Funcin
primaria de
mantenimiento
Productos Mquinas
Confiabilidad
Mantenibilidad
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
AcuaMantenimientocentradoenConfiabilidad 65
Figura 8. Patrn de falla alto al inicio y luego constante.
La identificacin del patrn de falla que sigue un equipo o repuesto es esencial
para trazar el plan de mantenimiento basado en confiabilidad. Si se identifica el patrn se
pueden establecer polticas para lograr un mantenimiento efectivo.
Estimacin matemtica de la confiabilidad
La confiabilidad puede ser definida de manera cualitativa, como la necesidad de
que un equipo o maquinaria no falle durante un tiempo determinado. No obstante, esta
definicin sirve de poco en la toma de decisiones y an menos en los programas de
mejora para los cuales es necesario saber el estado actual, para trazar un estado futuro
deseado. Por ello, es necesario que la confiabilidad sea cuantificada de manera numrica
haciendo uso de los principios matemticos (Dhillon, 2007). Por ello, la definimos de la
siguiente forma:
Sea R(t
0
)=P(t>t
0
)= Probabilidad de que un sistema (producto o mquina), opere sin
falla por un perodo de tiempo t
0
.
Si F(t
0
) = P(t s t
0
) entonces: R(t
0
)=1 F(t
0
)
La Figura 9 muestra la representacin de la funcin acumulada de falla F(t) y su
complemento la confiabilidad R(t), donde es evidente que para hacer cualquier estimacin
de confiabilidad, es necesario conocer la funcin densidad de falla f(t).
Figura 9. Representacin grfica de las funciones de falla y de confiabilidad
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
AcuaMantenimientocentradoenConfiabilidad 71
Figura 11. Grfico de probabilidad normal (Fuente: MINITAB 16.0)
Una vez que se ha determinado que distribucin de probabilidad siguen los datos
de tiempos de falla, se procede a hacer las estimaciones de confiabilidad usando la
expresin correspondiente a la distribucin de probabilidad ajustada.
En el caso de la distribucin exponencial, la confiabilidad se calcula usando la
siguiente expresin:
Ejemplo:
Un producto industrial tiene una razn de falla constante de .0007 fallas por hora, lo que
hace un comportamiento exponencial. Cul es la confiabilidad en 300 horas de
operacin?
Solucin:
a. R(t) = e
-t
= e
-0.0007*300
= .8106
La confiabilidad en 300 horas de operacin es de .8106. Que significa que si se adquieren
100 de estos productos, se espera que a las 300 horas de operacin, an estn
funcionando 81 de ellos, o sea que ya han fallado 19 de ellos.
En el caso de la distribucin normal, la confiabilidad se calcula usando la siguiente
expresin:
Ejemplo:
Los tiempos de falla de un producto electrnico que se ha introducido en el mercado se
describen mediante, una distribucin normal con promedio de tres aos y desviacin
estndar de .2 aos. Cul es el valor de la confiabilidad a los 2.85 aos?
t t
e e t F t R
= = = ) 1 ( 1 ) ( 1 ) (
|
.
|
\
|
= =
o
t
N t F t R 1 ) ( 1 ) (
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
AcuaMantenimientocentradoenConfiabilidad 74
Solucin:
Usando una tabla de distribucin normal se tiene el valor de F(2.85).
R(2.85)=1 F(2.85)
F(2.85)=N((2.85-3)/.2)=N(-0.75)=.2266
R(2.85)= 1- .2266= .7734
Sea que existe una probabilidad de .7734, de que el aparato funcione correctamente a
los 2.85 aos.
En el caso de la distribucin lognormal, la confiabilidad se calcula usando la
siguiente expresin:
Ejemplo:
Una celda de manufactura tiene dos centros de mquina, que son alimentados por un
robot cuyo brazo tiene una vida de fatiga que se distribuye por lognormal con y
0
= 1.82 *
10
7
ciclos y s=1.98. A qu valor debe ser diseada la vida til del brazo si se desea que
la confiabilidad sea mayor a .985?
Solucin:
F(y)= 1- R(y)= 1-.985=.015
F(y) = .015 = N [(1/1.98) * ln [y/(1.82* 10
7
)]]
Z
.015
= -2.17 (De Tabla normal)
-2.17 = (1/1.98) * ln [y/(1.82* 10
7
)]
y = (1.82 * 10
7
) * e
(-2.17*1.98)
= 247789 ciclos
La vida til del brazo debe ser de 247789 ciclos, para que se de una confiabilidad mayor
que .985.
En el caso de la distribucin Weibull, la confiabilidad se calcula usando la siguiente
expresin:
|
|
.
|
\
|
|
|
.
|
\
|
= =
0
ln *
1
) ( 1 ) (
t
t
s
N t F t R
m
t
e t F t R
|
.
|
\
|
= =
u
1 ) ( 1 ) (
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
AcuaMantenimientocentradoenConfiabilidad 75
Ejemplo:
Los tiempos de falla de un componente mecnico se comportan segn una distribucin
Weibull con u=1000 horas y m=2, Cul es la confiabilidad a los 200 horas de operacin?
Solucin:
La confiabilidad a las 200 horas de operacin es de .9608.
ESTIMACION EXPERIMENTAL DE LA CONFIABILIDAD
En la estimacin estadstica de la confiabilidad, el uso de la distribucin de
probabilidad ms apropiada facilita el clculo; sin embargo, la pregunta a realizar es: de
donde provienen los parmetros de la distribucin? Bueno la respuesta es: a travs de la
estimacin experimental en la que se obtienen datos de tiempos falla y por mtodos
grficos o analticos se determinan los parmetros. Los mtodos analticos usan el mismo
procedimiento de la estadstica descriptiva, para determinar los valores deseados, para lo
que se deben determinar muestras de tamao adecuado.
Los mtodos grficos se basan en la graficacin de los datos, en un papel
perteneciente a una distribucin conocida (normal, exponencial, lognormal o Weibull). Si
al graficar los datos de tiempos de falla, stos se distribuyen en lnea aproximadamente
recta sobre el papel usado, se concluye, que estos datos se asignan segn la distribucin
a la que pertenece el papel usado para construir el grfico (Acua, 2003). Este mtodo se
usa cuando se requiere de decisiones rpidas.
En su aplicacin se usa el siguiente procedimiento:
1. Recolectar la informacin de tiempos de falla en datos no agrupados para las N
unidades seleccionadas para la prueba.
2. Calcular F(t
i
)=i/(N+1)
3. Graficar en todos los papeles iniciando con exponencial. Si no hay tendencia, se
dice que la razn de falla es constante, lo cual es una caracterstica de la distribucin
exponencial. Si hay tendencia, se debe graficar en los otros papeles hasta lograr el mejor
ajuste a una lnea recta.
4. Determinar los parmetros de la distribucin de mejor ajuste a una lnea recta.
Para el caso de la distribucin exponencial, se grafican los datos en el papel
exponencial y se determina el valor de 1/ en el eje x para un valor de F(t
i
)= .632, valor
que se obtiene de la siguiente forma:
R(t) = e
-t
ln R = -t
9608 . ) 200 (
) 200 ( 1 ) 200 (
2
1000
200
=
= =
|
.
|
\
|
R
e F R
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
AcuaMantenimientocentradoenConfiabilidad 76
ln(1/R) = t
ln (1/(1-F)) = t
Si t=1, entonces 1-F=e
-1
de donde F=.632
Ejemplo:
Los siguientes tiempos, pertenecen a tiempos de falla en horas de ocho circuitos
de control: 90, 144, 198, 250, 340, 460, 610 y 900. Cul es la confiabilidad a las 200
horas de operacin?
Solucin:
Para determinar la confiabilidad a las 200 horas de operacin, se requiere primero,
determinar los parmetros de la distribucin exponencial, sea el valor de . Luego, se usa
la expresin de R(t). El Cuadro 1, muestra los clculos de F(t
i
) basados en N=8. La
Figura 12, muestra el grfico correspondiente en el que se puede ver que el ajuste de
lnea recta parece ser adecuado.
Cuadro 1. Valores de F(t
i
)
i 1 2 3 4 5 6 7 8
t
i
90 144 198 250 340 460 610 900
F(t
i
) .111 .222 .333 .444 .555 .666 .777 .888
Figura 12. Grfico de distribucin exponencial
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
AcuaMantenimientocentradoenConfiabilidad 77
Dado que 1/ es aproximadamente igual a 430 horas, segn la Figura 13, para
F=.632, entonces, la confiabilidad en t=200 es .628, obtenida de la siguiente expresin:
Si al realizar el anlisis de los datos se presenta una curvatura en su
comportamiento, se procede a graficarlos en un papel normal. Si en ese papel el
comportamiento se asemeja a una lnea recta, la distribucin a ajustar es la distribucin
normal. As, se deben estimar y o. El valor de , se obtiene del grfico para F(t
i
)=.5,
como es lgico, dada la simetra de esta distribucin. El valor de o, se obtiene restando al
valor de F(t
i
)=.84 ( valor de + 1o) el valor de F(t
i
)=.5.
La estimacin de confiabilidad se realiza as:
R(t) = 1 F(t) donde F(t) = N ((t - )/o)
Ejemplo:
Un ingeniero est llevando un control de desgaste de herramientas en un centro
de maquinado, pues en el pasado no se saba en qu momento cambiar la herramienta;
por lo que en ocasiones se cambiaba una herramienta que todava poda dar algn
rendimiento o se cambiaba muy tarde, generando problemas en la calidad de las piezas
que se cortaban. Para ello, recolecta los siguientes datos, que pertenecen a tiempos de
desgaste en minutos de una herramienta de corte de una fresadora: 21.8, 25.2, 40.9,
26.3, 37.1, 33.1, 12.5 y 48.1.
a. Cul es la confiabilidad de la herramienta a los 18 minutos de operacin?
b. Si se desea una confiabilidad no menor a 30%, Cundo se debe cambiar la
herramienta?
Solucin:
Se procede a calcular los valores de F(t
i
), para luego graficarlos. El Cuadro 2,
muestra estos valores y la Figura 13 su graficacin.
Cuadro 2. Valores de F(t
i
)
i 1 2 3 4 5 6 7 8
t
i
12.5 21.8 25.2 26.3 33.1 37.1 40.9 48.1
F(t
i
) .111 .222 .333 .444 .555 .666 .777 .888
628 . ) 200 (
200 * )
430
1
(
= =
e R
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
AcuaMantenimientocentradoenConfiabilidad 78
Figura 13. Grfico de distribucin normal
Observando la Figura 13, es evidente que los datos de tiempos de falla siguen el patrn
de una distribucin normal cuya media es aproximadamente, 31.2, para F=0.5 y t es
aproximadamente igual a 46.0, para F=0.84, por lo que o es, aproximadamente igual a
14.8, Con ello, la confiabilidad en t=18 minutos es .8133, pues:
R(18)=1F(18)
F(18)=N((18-)/o)=N(1831.2/14.8)=N(-.89)=.1867
R(18)=1.1867=.8133
b. Si R>.3 entonces, F<0.7
Z
0.7
=(t31.2)/14.8 de Tablas Z
.7
=.525
t=.525*14.8+31.2=38.97 minutos
La herramienta debe cambiarse a los 39 minutos, para lograr una confiabilidad no menor
a .3.
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
AcuaMantenimientocentradoenConfiabilidad 79
Ejemplo:
Los siguientes tiempos, pertenecen a tiempos de falla en horas de cinco circuitos
de control: 8.7, 40, 100, 195 y 390. Cul es la confiabilidad a las 180 horas de
operacin?
Si se grafica en papel exponencial en el cual, es evidente que existe una curvatura en el
comportamiento de los datos, por lo que no sera estadsticamente confiable afirmar, que
los datos siguen una distribucin exponencial (ver Figura 14.). Para ello, es necesario
determinar los valores de F(t
i
), de la forma que se muestra en el Cuadro 2.
Cuadro 2. Valores de F(t
i
)
i 1 2 3 4 5
t
i
8.7 40 100 195 390
F(t
i
) .1667 .3333 .5000 .6667 .8333
Figura 14. Ajuste de una distribucin exponencial
Por tanto, se ajusta la distribucin Weibull, para la cual se determinarn sus parmetros.
Luego, se usa la expresin de R(t), para calcular la confiabilidad pedida. El Cuadro 2
muestra los clculos de F(t
i
), basados en N=5. La Figura 15, muestra el grfico en el que
se ve que el ajuste de lnea recta, parece ser adecuado.
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
AcuaMantenimientocentradoenConfiabilidad 80
Figura 15. Ajuste de una distribucin weibull
El valor de u es, aproximadamente igual a 160, para F=.632 y m es, aproximadamente
igual a .7. Entonces, la confiabilidad en t=180 es: de .32, pues:
CONCLUSIONES
Las aplicaciones de la estadstica a los negocios son cada vez ms amplia y en
este artculo se logra demostrar la importancia, de que las decisiones de mantenimiento
se puedan tomar sobre la base de datos cientficos, que combinados con experiencia van
a llevar a decisiones ms acertadas.
El empleo de los conceptos de confiabilidad a las operaciones de mantenimiento,
es un medio de hacer que la gestin del mantenimiento sea ms efectiva y para
convencer a la direccin, de que el trabajo que se realiza es serio y se basa en el anlisis
detallado de datos y no en intuicin.
Es importante que cada da, ms profesionales dedicados al mantenimiento,
ahonden ms en estos conocimientos, para que su gestin sea realmente efectiva y los
costos asociados, tiendan a cifras que sean manejables para los negocios.
632 .
160 ln 90 ln
5 . 1
1
ln ln
ln ln
1
1
ln ln
=
|
.
|
\
|
|
.
|
\
|
=
u t
F
m
32 . ) 180 (
) (
64 .
64 .
160
180
160
= =
=
|
.
|
\
|
|
.
|
\
|
e R
e t R
t
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
AcuaMantenimientocentradoenConfiabilidad 81
REFERENCIAS
Acua, Jorge. (2003). Ingeniera de
Confiabilidad. Cartago: Editorial
Tecnolgica de Costa Rica.
DeVore, Jay. (2008). Probabilidad y
Estadstica para Ingeniera y Ciencias.
Mxico: International Thomson Editores.
Dhillon, Balbir. (2007). Quality Control,
Reliability, and Engineering Design. New
York: Marcel Dekker INC, New York.
Garca Garrido, Santiago. (2010, 12 de junio).
Plan de mantenimiento basado en RCM.
http://mantenimientoindustrial.wikispaces.
com.
Lewis, E.E. (1995). Introduction to Reliability
Engineering. New York: John Wiley and
Sons.
Prez, Carlos. (2003). Mantenimiento
centrado en confiabilidad: Aplicacin e
impacto.
http://www.noria.com/sp/cmcm/2k3/carlos
m.pdf.
Pyzdek, Thomas. Berger, Roger. (2003).
Quality Engineering Handbook. New
York: Marcel Dekker INC.
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
MoyaNavarroTomadedecisionesbajoRiesgo 82
8
Marcos Moya Navarro, Universidad Latina, marcos.moya@ulatina.ac.cr.
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
MoyaNavarroTomadedecisionesbajoRiesgo 83
de buen nombre de $0.50, por cada unidad que una persona desee
comprar, pero que no pueda hacerlo, por no tenerla en el almacn.
Con los datos histricos disponibles, la compaa ha estimado que la
probabilidad de que la demanda sea de 1000 unidades es de 0.45, de
que sea de 1500 unidades es de 0.36, y de que sea de 2000 unidades
es de 0.19. Adems, se debe colocar el pedido ahora, para recibirlo a
tiempo para la venta del prximo perodo.
La matriz de decisiones que se muestra a continuacin, presenta los cursos de
accin o estrategias que la compaa desea evaluar y los posibles estados de la
naturaleza. Los coeficientes C
ij
representan las consecuencias asociadas a cada par de
curso de accin-estado de la naturaleza, y estn medidas en trminos de ganancia, esto
es utilidad expresada en trminos monetarios.
Matriz de Decisiones
El modelo matemtico para medir la utilidad o consecuencia de la decisin, est
dado por la ecuacindeterminista:
Del modelo matemtico anterior, se obtiene la siguiente matriz de decisiones:
(120 ) ( 60)( )
(120 ) 0.50( )
ij
D C C S D si D S
C
S C D S si D S
<
>
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
MoyaNavarroTomadedecisionesbajoRiesgo 85
Matriz de Decisiones
Por el principio de dominacin, no es posible eliminar del anlisis ninguno de los
cursos de accin.
DIAGRAMAS DE INFLUENCIA
Los diagramas de influencia, proveen en forma grfica una idea del problema.
Muestran las relaciones relevantes entre los componentes del problema de decisiones y
facilitan el dilogo entre los miembros del equipo de toma de decisiones, con diferentes
formaciones e intereses. Tambin, proveen un mecanismo para la comparacin entre
alternativas. Los crculos representan eventos inciertos, los cuadrados representan
decisiones que deben ser tomadas y los rombos muestran los resultados finales, que se
obtienen del modelo.
La figura #1, muestra la relacin entre los nodos del diagrama de influencia del
problema de inventarios con descuentos por volumen.
Figura #1: Relacin entre los nodos en el diagrama de influencia del problema de inventarios con
descuentos por volumen.
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
MoyaNavarroTomadedecisionesbajoRiesgo 86
9
Decisin Tools Suite es una marca registrada de Palisade Corporation.
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
MoyaNavarroTomadedecisionesbajoRiesgo 87
EVALUACION DE LA DECISIN
En la toma de decisiones bajo certidumbre, una buena decisin conduce a un
buen resultado y una mala decisin conduce a un mal resultado. En la toma de decisiones
bajo incertidumbre y bajo riesgo, una buena decisin una mala decisin pueden
conducir a un buen mal resultado. Todas las decisiones involucran algn grado de
incertidumbre, mientras que algunas decisiones son rutinarias y pueden tener
consecuencias significativas insignificantes.
Una herramienta valiosa para la evaluacin de las alternativas de decisin son los
rboles de decisin. Un rbol de decisin se define, como un diagrama que muestra la
estructura lgica de un problema de decisiones. Se compone bsicamente de dos tipos
de nodos: nodos de decisin y nodos de probabilidad. Los nodos de decisin, indican
todos los cursos de accin posibles para el tomador de decisiones. Los nodos de
probabilidad, muestran los eventos o estados de la naturaleza que intervienen en la
decisin y todos sus posibles resultados. Existe una diferencia significativa entre los
cursos de accin y las consecuencias. Las consecuencias son el efecto, en trminos
monetarios, de la implementacin de cursos de accin cuando un estado de la naturaleza
en particular ocurre. Los cursos de accin son, la suma esperada de las posibles
consecuencias. El tomador de decisiones solo puede seleccionar los cursos de accin,
no las consecuencias. Estas pueden ocurrir con una probabilidad de ocurrencia asignada.
El primer paso en el anlisis de los cursos de accin consiste, en especificar un
criterio de decisin bajo el cual se va a seleccionar el mejor curso de accin. El criterio
seleccionado puede ser cualquier medida de desempeo que le permita al tomador de
decisiones, evaluar el curso de accin de manera cuantitativa, no cualitativa. La medida
de desempeo que regularmente se utiliza para evaluar los cursos de accin, es el valor
monetario esperado (VME). Esta medida evala el riesgo de forma consistente. Esta
medida, es un promedio ponderado basado en las probabilidades de ocurrencia de los
posibles estados de la naturaleza a los que se enfrentan los cursos de accin evaluados.
Es importante aclarar que la toma de decisiones, est relacionada con el clculo correcto
de cosas que no han ocurrido.
La figura #3, muestra el rbol de decisiones para el problema de los inventarios
con descuentos por volumen, e indica que el mejor curso de accin a seleccionar es pedir
3000 unidades de producto. Se esperara, que este curso de accin genere un valor
monetario esperado de la ganancia de 23400 unidades monetarias, el cual es el valor
monetario esperado ms alto comparado con el valor monetario de las otras dos
alternativas. Se puede observar, en este rbol de decisin que la mayor demanda
esperada es de 2000 unidades. Sin embargo, el mejor curso de accin indica que deben
de pedirse 3000 unidades de producto, y an as, la utilidad esperada es mayor que en
los otros dos cursos de accin. Este hecho es posible, debido a los descuentos por
volumen que ofrece el proveedor. El rbol de decisin de la figura #3, lo construy
automticamente el programa PrecisionTree, a partir del diagrama de influencia que se
present en la figura #2.
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
MoyaNavarroTomadedecisionesbajoRiesgo 88
Ejemplo:
El proveedor de la compaa del sistema de inventarios de un solo perodo, ha
desarrollado un nuevo producto y piensa que el producto tiene un gran potencial, pero no
sabe si este nuevo producto producir ganancias si lo fabrica e introduce al mercado. La
empresa desea analizar tres posibles cursos de accin:
1. Fabricar el producto y ponerlo en el mercado
2. No fabricar y vender la marca de este producto a otra compaa
3. Alquilar la marca para que otros lo fabriquen y lo introduzcan al mercado.
La tasa de inters que el proveedor usa para este proyecto es del 12%, la vida til del
proyecto es de 10 aos, el precio de venta unitario del producto es de 8 unidades
monetarias y la tasa de impuestos se estima en 30%. Si se vende la marca, se estima
que el valor presente neto que el comprador estara dispuesto a pagar equivale a un
milln ciento cincuenta mil unidades monetarias. Si se alquila la marca, el valor presente
neto del alquiler, se estima en dos millones cien mil unidades monetarias.
La informacin relativa a las variables que podran afectar el producto, se muestra en la
siguiente tabla:
La decisin que el proveedor debe tomar es, si fabrica e introduce el producto al mercado,
o vende o alquila la marca para que otros lo fabriquen y lo comercialicen. El proveedor
estima que hay una probabilidad de 35% de que el tamao del mercado sea pequeo, un
50% de que sea mediano y un 15% de que sea grande y estara dispuesto a fabricar e
introducir el producto al mercado si estuviera seguro que tiene una probabilidad de ms
de 30% de obtener ganancias.
PROCEDIMIENTO PARA REALIZAR UN ANALISIS DE SENSIBILIDAD
DETERMINISTICO
Paso #1: Construir el modelo determinista, el cual utiliza las
incertidumbres y los clculos de acuerdo con los criterios de
decisin.
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
MoyaNavarroTomadedecisionesbajoRiesgo 90
mediano, el valor presente neto de las ganancias estimado es de 4 360 559.62 unidades,
el cual es considerablemente mayor que los 2 100 000 unidades monetarias que se
obtendran por alquilar la marca. En consecuencia, a partir de este tamao del mercado,
la mejor decisin es fabricar el producto y comercializarlo.
La figura #6, muestra el rbol de decisiones del proveedor, pero ahora con
informacin perfecta, esto es incorporando la informacin anterior al rbol de decisiones.
Figura #6: rbol de decisiones del Problema del Proveedor, informacin perfecta.
Por lo tanto, el valor monetario esperado de la informacin perfecta (VMEIP),
indica que lo mximo que se debe pagar por obtener informacin adicional para reducir la
incertidumbre es de:
VMEIP = 3 851 827.66 3 801 037.69
VMEIP = 50 789.97
En consecuencia, lo mximo que el proveedor de este nuevo producto debe pagar
por obtener informacin adicional para reducir la incertidumbre y el riesgo en la toma de
decisiones, es de cincuenta mil setecientos ochenta y nueve unidades monetarias.
En este trabajo, no se incluye un refinamiento del valor monetario esperado de la
informacin perfecta, incluyendo la precisin con la que los estudios de mercado predicen
buenos resultados ante los distintos estados de la naturaleza. Sin embargo, este
refinamiento es conveniente hacerlo, para afinar ms el valor de la inversin que debe
hacerse a la hora de pagar por estudios de mercado.
Para concluir, es importante resaltar que mediante el anlisis de decisiones se
extrae gran conocimiento del valor de todas las alternativas y ayuda a crear nuevas
alternativas. El anlisis de sensibilidad, es importante para identificar los factores clave
que afectan las decisiones y la sensibilidad de la probabilidad, ayuda a identificar la
variabilidad que podra causar cambiar la decisin. Finalmente, la cantidad de dinero a
pagar por obtener informacin adicional para reducir el riesgo o la incertidumbre, se
puede calcular antes de obtener esa informacin.
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
MoyaNavarroTomadedecisionesbajoRiesgo 93
BIBLIOGRAFIA
Hillier, F. Lieberman, G. Introduccin a la
Investigacin de Operaciones. Mxico,
Editorial Mc Graw Hill.
Marks , R. Decision Analysis: Games Against
Nature.
www.agsm.edu.au/bobm/teaching/MDM/
dlect01.pdf
Moskowitz, H. Wright, G. Investigacin de
Operaciones. Mxico, Editorial Prentice
Hall.
Moya, M. Robles, N. Probabilidad y
Estadstica: Un Enfoque Terico y
Prctico. Cartago, Editorial
Tecnolgica.
Render, B. Stair, R. Hanna, M. Quantitative
Analysis for Management. Prentice Hall
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
Salazar,Eleftheriou&RomeroAplicacionesdelosFundamentosEstadsticosalAmbitodelosNegocios 94
10
Juan Carlos Salazar, Universidad Autnoma de Madrid, (juancarlos.salazar@uem.es)
11
Maria Eleftheriou, Eva Romero, Universidad Europea de Madrid
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
Salazar,Eleftheriou&RomeroAplicacionesdelosFundamentosEstadsticosalAmbitodelosNegocios 95
En este contexto de incertidumbre, la estadstica puede brindar rutinas tiles que podran
transformar procesos histricos regulares, en afirmaciones probabilsticas concretas.
Describiremos en esta presentacin, de manera sucinta, la relacin entre
"regularidad histrica" de los datos y reduccin de la incertidumbre, a partir de dos pilares
fundamentales de la estadstica, como son el proceso de Bernoulli y rl teorema central del
lmite. Acompaaremos la exposicin, de ilustraciones simples del uso de estas
herramientas en mbito de los negocios.
El propsito de este texto, no es suplir la revisin de manuales estadsticos, en los
que se encontrarn estos temas desarrollados con mayor detalle, sino acercar los
procedimientos estadsticos bsicos a aquellos interesados en introducirse en el anlisis
estadstico de fenmenos sociales, como la coordinacin econmica.
INCERTIDUMBRE Y PROBABILIDAD
La estadstica moderna es resultado de la combinacin de dos disciplinas que
surgieron de manera independiente, una de la otra: la descripcin de datos sobre
asuntos sociales y el anlisis matemtico de los juegos de azar. Aunque sus primeras
aplicaciones son en el campo de la fsica y la astronoma, la obra de Darwin, abri nuevos
campos de aplicacin en la bsqueda de rasgos caractersticos dentro de
poblaciones. Francis Galton, primo de Darwin, introdujo el problema de la
dependencia estadstica, analizando la herencia humana. La influencia de Galton,
sobre Pearson y Fisher marcara el nacimiento de la estadstica moderna, unificando
la descripcin estadstica con la modelizacin de los datos descritos a partir de
funciones matemticas (notablemente, el esfuerzo pionero de Pearson por brindar una
familia de funciones de densidad. que pudiera ajustarse a la distribucin, una
gran variedad de datos observados).
El tema central de la estadstica es el estudio de la incertidumbre. Aunque la
estadstica no es el nico esfuerzo humano en la reduccin de la incertidumbre sobre el
curso de los eventos en nuestro entorno, su rasgo caracterstico son los intentos por brindar
una medicin de la incertidumbre: la probabilidad.
Existen al menos dos significados del concepto de probabilidad: aquel que
expresa juicios de valor subjetivos, y aquel que involucra un tipo de conocimiento asociado
al conteo de casos (Shackle, 1972:15-18). Aunque no podemos decir que la acepcin
subjetiva del concepto de probabilidad est ausente en la estadstica moderna, buena parte
de su aparicin en dicho cuerpo de conocimiento es a travs de la segunda acepcin, es
decir, a travs del conteo de casos. Veamos un sencillo ejemplo, sobre la construccin
de esta idea de probabilidad.
Imagine una urna que contiene 50 bolas blancas y 50 bolas negras. Entonces
diremos, que la probabilidad de extraer una bola blanca (sin observar el contenido de la
urna) es 0,5. Esta probabilidad, no es simplemente del ratio de bolas blancas entre
el total, sino que es, a la vez, la conclusin de un fenmeno empricamente
observable: si repetimos indefinidamente el juego de extraer una bola de una urna con 50
bolas blancas y 50 bolas negras, la proporcin de ocasiones en las que se obtiene
una bola blanca, dentro del total de juegos, comenzar a rondar el valor de 0,5 en la
medida en que el nmero de juegos aumente. En este mismo sentido, en el juego de
observar una cara concreta en el lanzamiento de una moneda en numerosas ocasiones,
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
Salazar,Eleftheriou&RomeroAplicacionesdelosFundamentosEstadsticosalAmbitodelosNegocios 96
volver a aparecer este constante, de la misma forma que aparecer el valor 1/6 en el
juego de observar el nmero 3, en sucesivos lanzamientos de un dado de seis caras.
En el caso en el que no se cuenta con la posibilidad de contar casos, la situacin es
ms complicada. No obstante, es posible imaginar un mundo en el que los individuos
deciden con base en probabilidades subjetivas. Ese es el papel de la teora de la
probabilidad subjetiva, que intenta explicar la conducta humana, a partir de clculos
probabilsticos. Ofrecemos a un individuo la posibilidad de jugar dos juegos:
- Recibir la cantidad 100 si gana la carrera el caballo nmero 3.
- Recibir la cantidad 100 si cae cara en el lanzamiento de una moneda.
Asumiendo que a nuestro hipottico agente, solamente le interesa ganar ms
dinero, si elige jugar el primer juego, entonces sabremos que asigna al caballo 3, una
probabilidad de victoria mayor que 0,5. Ese es el enfoque adoptado por Savage
(1954) y Ascombe y Aumann (1963).
El problema es, que la teora de la probabilidad subjetiva es ms descriptiva que
normativa, en el sentido de que intenta explicar la conducta humana a partir de
unos ciertos postulados (en concreto, busca racionalizar la conducta observada con un
conjunto de probabilidades), y no intenta proveer una base para la decisin. En este
sentido, cuando hablamos de la estadstica como herramienta en la reduccin de la
incertidumbre, debemos concentrarnos en los favores que esta brinda a partir del
conocimiento adquirido sobre la frecuencia de aparicin de fenmenos, es decir, del
conteo de casos. La estadstica como instrumento auxiliar en la toma de decisin, debe
concentrarse en el anlisis de clases de fenmenos, y no de eventos aislados. Esto se debe
a que el conocimiento susceptible de ser utilizado en el anlisis estadstico es la frecuencia.
Y, aunque es posible usar otro tipo de conocimiento, la ambigedad podra minar los
intentos por reducir la incertidumbre.
ESTADISTICA Y NEGOCIOS
La principal motivacin del uso de la estadstica en el campo de los negocios, es la
reduccin de la incertidumbre en la toma de decisin. Para hacerse una idea del papel que
la reduccin de la incertidumbre juega en el concierto econmico mundial, basta saber que
la gran mayora de las transacciones de bienes de consumo final que se efectan en el
mundo, se llevan a cabo sin que exista un acuerdo previo de aprovisionamiento entre
proveedor y consumidor. En este sentido, no es exagerado decir que la mano
invisible que equilibra los mercados, oculta bajo la manga una incesante lucha en la
que innumerables empresarios intentan vencer sus dudas sobre los eventos
futuros, para desencadenar el proceso productivo y, con ello, dar vida al sistema
econmico. Por tal motivo, la reduccin de la incertidumbre acta en favor del
florecimiento de negocios y, por tanto, del crecimiento econmico.
El uso de la estadstica para la toma de decisiones en el mbito de los negocios,
cobra sentido cuando el problema al que se enfrenta el decisor se relaciona con
incertidumbre sobre clases de eventos, y no sobre eventos aislados. En este sentido,
aunque la estadstica puede ser muy til en el proceso de decisin en el rea de los
negocios, existe un mbito de aplicacin delimitado en el uso de sus herramientas.
Existen eventos cuya ocurrencia es incierta para el empresario, pero que en ningn sentido
pueden considerarse como integrantes de una clase de eventos. Tal es el caso de
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
Salazar,Eleftheriou&RomeroAplicacionesdelosFundamentosEstadsticosalAmbitodelosNegocios 97
fenmenos como el xito de un nuevo producto, el precio del petrleo dentro de diez aos,
el inicio de una guerra entre dos pases, el ganador de la medalla de oro en 100 metros
planos en los prximos Juegos Olmpicos, etc.
No obstante, existe una gran variedad de fenmenos que pueden ser prototpicos, a
partir de las herramientas estadsticas actuales. Algunos ejemplos son la frecuencia de xito
de una cierta tcnica de venta personalizada, el tiempo de dedicacin al cliente en un
centro de atencin, la frecuencia de defectos de ciertos sistemas productivos, etc.12 . A
continuacin, estudiaremos cmo algunos fundamentos bsicos de la estadstica, pueden
aplicarse a la toma de decisiones en el mbito de los negocios. Veremos cmo podemos
utilizar los datos observados, para construir modelos matemticos que intentan
describir cmo se distribuye la probabilidad de ocurrencia de los fenmenos que queremos
analizar.
BERNOULLI PARA EMPRESARIOS
Un concepto fundamental en estadstica es el de variable aleatoria. Esta variable es
el resultado de un experimento estadstico y, aunque dicho resultado es incierto,
debe ser posible asignar a cada resultado una probabilidad de ocurrencia. Por
ejemplo, definamos el experimento estadstico, de contar el nmero de veces que
aparece el nmero 2 al lanzar un dado. La variable sera:
1, si cae 2
X =
0, en caso contrario
Mientras que las probabilidades de ocurrencia seran:
Pr
(
X = 1
)
= 1 6
Pr ( X = 0) = 5 6
Pr
(
X = 0 X = 1
)
= 1
Pr
(
X = 0 y X = 1
)
= 0
La asignacin de probabilidades, obedece a un hecho natural del experimento
propuesto: al lanzar muchas veces el dado, la proporcin de veces que aparece el nmero 2
tender a 1/6.
En buena parte de los modelos estadsticos modernos, se asume que la realidad se
comporta como un experimento de esta naturaleza. Imagine, que desea estudiar
ciertos hbitos de consumo en los hogares espaoles. Por ejemplo, su gasto anual en
cerveza. No cabe duda que existir un valor verdadero (que podemos llamar p), para
la proporcin de hogares que destinan a este consumo, ms de 200 euros. Entonces, si
elegimos muchos hogares espaoles al azar, mientras ms hogares contenga
nuestra muestra, ms cerca de p estar la proporcin de hogares con dicha
12
PuedenconsultarsemuchosdeestosejemplosenPea(2000).
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
Salazar,Eleftheriou&RomeroAplicacionesdelosFundamentosEstadsticosalAmbitodelosNegocios 98
caracterstica, ya que si nuestra muestra estuviera formada por toda la poblacin (es
decir, todos los hogares), esta proporcin seria exactamente p.
Otro supuesto fundamental en gran parte de la estadstica moderna es, asumir que
la probabilidad de ocurrencia de un cierto resultado en un experimento estadstico no
depende del resultado de experimentos anteriores (o posteriores). En nuestro ejemplo del
dado, la probabilidad de obtener cara en un segundo lanzamiento es 1/6,
independientemente del resultado en el lanzamiento anterior. De esta forma, es
importante considerar, en la construccin de la muestra que, en la eleccin de cada
elemento, la probabilidad de que tenga la caracterstica en cuestin, (por ejemplo, un hogar
que gaste ms de 200 euros en cerveza) debe mantenerse constante. Esto es lo que
se conoce como, muestreo con reemplazamiento. Si dos eventos son independientes, en
el sentido descrito, la probabilidad de que ocurran ambos es igual al producto de sus
probabilidades. As, la probabilidad de obtener dos caras en dos lanzamientos de moneda,
es igual a 0,25.
Asumiremos que existe un fenmeno (que llamaremos Q), en el que solamente
puede haber dos resultados posibles que llamaremos, respectivamente, xito (E) y fracaso
(F). Definiremos una variable dicotmica, X, asociada al resultado del fenmeno Q. Por
ejemplo:
Si Q resulta E X = 0
Si Q resulta F X = 1
El paso siguiente, que debe considerarse como el salto mortal del fenmeno real al
proceso estadstico, es la asignacin de probabilidades a cada fenmeno posible:
Pr
(
X = 1
)
= p
Pr ( X = 0) = 1 p
La probabilidad p debe ser entendida, como la frecuencia relativa con la que el
fenmeno Q resulta en F. Ahora podemos decir que nuestra variable X, es una variable
aleatoria de Bernoulli.
Si el problema al que nos enfrentamos es un juego de azar, la definicin de
dichas probabilidades, no constituye un problema emprico complejo. No obstante,
pese a las posibles similitudes entre el problema del empresario y los juegos de azar, la
realidad empresarial es sensiblemente ms compleja. La frecuencia estimada de
aparicin de un evento (por ejemplo, xito o fracaso) en un cierto fenmeno, depender
del volumen de experiencia que sobre dicho fenmeno se tenga. Un nivel de
conocimiento razonable sobre la ocurrencia de un evento, es aquel en el que nueva
experiencia sobre el fenmeno en cuestin no aporta informacin adicional sobre su
frecuencia de aparicin.
En la Figura 1, se puede ver el caso en el que la sucesiva incorporacin de ms
hogares a la muestra de datos, parece no producir grandes cambios en el porcentaje
de hogares espaoles con un gasto anual en cerveza superior a los 200 euros. Esta
situacin nos permite decir, que si seleccionamos un hogar espaol al azar (en el ao
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
Salazar,Eleftheriou&RomeroAplicacionesdelosFundamentosEstadsticosalAmbitodelosNegocios 99
de la encuesta), la probabilidad de que dicho hogar gaste al ao ms de 200 euros en
cerveza es p=21,67.
Figura 1
Hogares que gastan ms de 200 euros en cerveza
40
21.67
0
1 1000 2000 3179
Hogares
Fuente: Elaboracin propia con datos de la Encuesta Continua de Presupuestos Familiares (INE,
Espaa, 2004).
Como sealamos anteriormente, un aspecto muy importante a tener en cuenta es el
supuesto de que, en sucesivos experimentos, las probabilidades de ocurrencia de
los resultados posibles se mantienen constantes y son independientes de los resultados
obtenidos en experimentos anteriores. En el caso del proceso de Bernoulli, imaginemos
que realizamos N experimentos. Si la probabilidad de tener el resultado X=1 es igual
en todos ellos, entonces podremos confiar en los resultados del modelo. Una forma
intuitiva de pensar en las implicaciones del supuesto de independencia, es asumir
que se tiene una urna con todos los datos de la poblacin.
Una vez definidas las probabilidades de ocurrencia en la variable de Bernoulli,
podemos hacernos preguntas sobre la probabilidad de ocurrencia de eventos ms
complejos. En concreto, es posible responder a preguntas como Cul es la probabilidad de
que al observar n veces el fenmeno Q, se tengan al menos yn fracasos? La forma de
responder a esta pregunta es, a travs de la construccin de la variable aleatoria binomial
(Y), que no es otra cosa que la sumatoria de variables de Bernoulli.
Y = X
1
+ X
2
+ ... + X
n
Pr
(
X
i
= 1
)
= p, para
i = 1, 2,...n
La funcin de cuanta binomial, para clculos de probabilidad puntuales, tiene
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
Salazar,Eleftheriou&RomeroAplicacionesdelosFundamentosEstadsticosalAmbitodelosNegocios 100
p
j
(1 p )
10
la forma:
Pr
(
Y = y
)
=
n
p
y
(
1 p
)
n y
| |
|
\
y
.
Y para clculos de probabilidad acumulada:
y
|
n
|
Pr
(
Y s y
)
=
|
p
j
(
1 p
)
n j
j =0 \
j
.
La esperanza y varianza de la variable aleatoria de Bernoulli son
respectivamente:
E
(
Y
)
= np
Var ( y ) = np (1 p )
La funcin de cuanta binomial es altamente intuitiva sobre el proceso que
refleja. El trmino
p
y
1 -p
n y
puede entenderse como Probabilidad de que los
primeros y
fenmenos, sean fracasos, y los restantes n-y, sean xitos. Por otra parte,
generalmente lo que interesa conocer es, la probabilidad de tener y fracasos y n-y
xitos, sin importar en qu orden ocurren. Ese es el papel del trmino
que indica el
nmero de permutaciones posibles de y dentro de n
|
n
|
.
\
y
.
Ejemplo 1. Las preferencias del consumidor. Los datos muestran que la probabilidad
(medida en tanto por uno) de que un hogar espaol gaste ms de 200 euros anuales en
cerveza es: 0,2167. Si elegimos al azar diez hogares espaoles Cul es la
probabilidad de que 4 o ms hogares, gasten ms de mil euros al ao en cerveza?
En la Figura 2, se muestra la funcin de cuanta binomial, para el caso del
ejemplo 1. Puede verse ah, la probabilidad de que dentro de diez hogares elegidos
al azar, se tengan X nmero de hogares que gasten ms de 200 euros al ao en cerveza.
La probabilidad de que 4 o ms hogares gasten ms de 200 euros al ao
en cerveza es:
Pr
(
Y > 4
)
=
10
|10 |
j
|
j =4 \
j
.
Pr
(
Y > 4
)
= 0.152
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
Salazar,Eleftheriou&RomeroAplicacionesdelosFundamentosEstadsticosalAmbitodelosNegocios 101
Figura 2
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
0 1 2 3 4 5 6 7 8 9 10
Hogares
Funcin de cuanta binomial para el caso del ejemplo 1.
Ejemplo 2. El control de calidad. Los datos obtenidos de un cierto proceso
productivo, muestran que la probabilidad de obtener una pieza defectuosa es 0,16.
Cada stock de produccin contiene 15 unidades. Cul es la probabilidad de que en el
prximo stock aparezcan unidades defectuosas? En la Figura 3, se muestra la funcin de
cuanta binomial para el caso del ejemplo 1. Puede verse ah, la probabilidad de que se
tengan X piezas defectuosas.
La probabilidad de que se tenga al menos una pieza defectuosa es:
Pr
(
Y > 1
)
= 1
10
p
0
(
1 p
)
10
| |
|
\
0
.
Pr
(
Y > 1
)
= 0.927
EL TEOREMA CENTRAL DEL LIMITE
En el modelo expuesto arriba, se considera que la variabilidad en los resultados
obtenidos de la variable aleatoria Y, es una consecuencia de innumerable
circunstancias que operan independientemente unas de otras. En este sentido, los
resultados obtenidos de muchos experimentos con la variable Y, seguirn un patrn muy
especfico de distribucin en torno al valor esperado E(Y): la funcin de densidad
normal. Esta es la esencia del celebrado: Teorema Central del Lmite.
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
Salazar,Eleftheriou&RomeroAplicacionesdelosFundamentosEstadsticosalAmbitodelosNegocios 102
Figura 3
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Hogares
Funcin de cuanta binomial para el caso del ejemplo 2.
De esta manera, se asume que la variable aleatoria Y, se puede descomponer en
dos partes: una parte sistemtica y un error. La estadstica puede permitirnos saber si
nuestras hiptesis sobre la parte sistemtica tienen fundamento emprico, a partir del
anlisis matemtico y prototpico del error.
Figura 4
0.4
0.3
0.2
0.1
0
5 10 15 21.67 30 35 40
Hogares
La estadstica como cultura universal y su aplicacin en la administracin de los negocios J unio 2010
Salazar,Eleftheriou&RomeroAplicacionesdelosFundamentosEstadsticosalAmbitodelosNegocios 103