CONTROL DE LECTURA N 01

CONTROL ESTADSTICO DE PROCESOS EN SERVICIOS

La calidad de un producto o la calidad en la prestacin de un servicio se pueden lograr si, como
administradores, tenemos la creencia de que la variabilidad excesiva se puede evitar. Cuando la
prestacin de un servicio no es confiable porque no cumple con los requerimientos establecidos,
debemos examinar el proceso para encontrar los mecanismos que nos permitan controlarlo.
Como resultado de todo proceso de prestacin de un servicio podemos encontrar dos tipos de
variacin:
La variacin aleatoria (variacin comn o inherente)
La variacin sistemtica (variacin asignable o de causa especial)
Cada una de ellas requiere de una solucin diferente. La reduccin de la variacin aleatoria o
inherente, en general, no puede lograrse sin cambiar el proceso. Y no debe cambiarse el proceso
hasta estar seguros de que toda la variacin sistmica o asignable ha sido identificada y est bajo
control. Es decir, si un proceso est fuera de control debido a que todava est presente alguna
variacin de causa especial, primero deber identificarse y corregirse la causa de dicha variacin.
Esto es, debemos poner el proceso bajo control para posteriormente lograr una mejora en la calidad
mediante un rediseo del proceso que reduzca la variabilidad inherente.
Por ejemplo, considere el proceso de fabricacin de lmparas incandescentes (focos) de 60 vatios
(60 w), las variaciones en la produccin pueden deberse a las variaciones de los materiales
empleados (vidrio, lmina de hierro, tungsteno, etctera), a fluctuaciones en la energa elctrica que
afecta las mquinas de fabricacin, a fluctuaciones en la calibracin de la maquinaria, a las
mediciones de la prueba de funcionamiento de la lmpara y a otra gran variedad de factores. Si uno
o varios de estos factores se pueden controlar por ejemplo, colocar reguladores que eviten las
fluctuaciones de la energa elctrica en las mquinas de produccin, entonces la variabilidad
sistmica podr controlarse y reducirse obtenindose con ello una mejora de calidad.
En un servicio por ejemplo, bancario tambin existen variaciones que afectan su calidad el estado de
nimo de sus empleados, el ambiente de trabajo, el estado de nimo del cliente, el servicio de
energa elctrica, el sistema de informacin que controla las operaciones bancarias, la seguridad y
otros, por lo que un buen gerente puede controlar algunos de estos factores de variabilidad sistmica
y proporcionar con ello un mejor servicio.
En las siguientes secciones se analizarn con detalle la aplicacin de conceptos de estadstica
descriptiva, as como las grficas inventadas por Shewhart, a un caso de calidad en un servicios, lo
que nos permitira cuantificar para un determinado factor de variabilidad si ste se sale de control, y
en su caso, proponer una solucin que nuevamente lo ubique dentro de los estndares de calidad
establecidos.

GRFICAS DE CONTROL
Las grficas, diagramas o cartas de control permiten detectar la variacin sistmica generada en un
proceso de produccin o en la prestacin de un servicio con el objetivo de poder ser identificada y
corregida antes de que sta produzca una gran cantidad de partes, productos o servicios
defectuosos.
Existen grficas de control para las variables y para los atributos. Una grfica para variables analiza
las medidas reales de una parte o producto o medicin de un servicio y las representa en forma
grfica por ejemplo, el peso de una lata de conservas, la cantidad de mililitros que contiene una
botella de refresco o bien el tiempo de atencin a un cliente. Mientras que en una grfica de atributos
slo medimos la caracterstica del producto como bueno (no defectuoso o aceptable) o defectuoso
(inaceptable) por ejemplo, una lmpara incandescente (foco) que sale de una lnea de produccin es
bueno (enciende) o defectuoso (no enciende), o el servicio en un restaurante, el cual se puede
evaluar nicamente como, bueno o malo.
Como grficas de control para variables tenemos: la grfica de control para medias de un proceso y
la grfica de control para variabilidad de procesos. Mientras que para el control de los atributos
tenemos: la grfica de control para atributos.
Estos diagramas le indican a un operario en la lnea de produccin, a un supervisor, a un ingeniero
de calidad o a un gerente, cundo la produccin de una o varias partes de un producto o bien la
prestacin de un servicio, est bajo control o fuera de ste. Si la situacin en la lnea o en el servicio
que se presta est fuera de control, la grfica de control no puede corregir la situacin, ya que es
slo un documento con nmeros y puntos; sin embargo, la persona responsable de esta parte del
proceso, podr realizar los ajustes necesarios para regresar la lnea de produccin o la prestacin del
servicio a un estado de control, lo que permite de manera inmediata mejorar la calidad de un bien o
de un servicio.

GRFICA DE CONTROL PARA MEDIAS DE PROCESOS: GRFICA
Este tipo de grfica de control estadstico de calidad emplea los conceptos tericos de la estadstica
descriptiva y del muestreo.

Consideraciones tericas
Para efectos de este anlisis consideraremos una unidad fsica que tiene por objeto atender a
clientes o ciudadanos por ejemplo, una caja rpida en un supermercado, en un banco o bien en una
oficina de la Tesorera. Bajo este antecedente, se selecciona una muestra pequea de clientes en la
caja por ejemplo, cinco clientes y se calcula la media aritmtica
7
del tiempo requerido de atencin de
ellos en sta (muestra
1
).

Se selecciona posteriormente varias muestras ms del mismo tamao y tambin se calcula su
respectivo promedio o media aritmtica, es decir, se cuenta con las medias de las diversas muestras
(
1
,
2
,
3
...
k
). Finalmente se calcula la media de las medias muestrales ( ) que se denota
como equis doble barra (ecuacin 1).

El error estndar de la distribucin de esas medias mustrales (2) se denomina como (sigma de
equis barra), y se calcula mediante:

Por lo tanto, la media aritmtica (promedio) de una poblacin (lote de servicios) es igual a la media
de todas las medias de las muestras aleatorias que fueron seleccionadas de esa poblacin. Al mismo
tiempo se observa que, la dispersin total en la poblacin () es mayor que la de la distribucin de
las medias mustrales, en el factor (ecuacin 2). Tambin puede observarse que aun si la
poblacin es normal slo en forma aproximada, las inferencias con respecto a la distribucin de las
medias mustrales pueden obtenerse con base en una distribucin normal como se muestra en el
cuadro.

Estas relaciones permiten establecer lmites alrededor de los promedios de las muestras para
mostrar qu tanta variacin puede esperarse. Estos lmites esperados, en calidad, reciben el nombre
de Lmite Superior de Control (LSC) y Lmite Inferior de Control (LIC).
La grfica de control para medias de procesos tiene como objetivo mostrar las fluctuaciones de las
medias mustrales que se presentan dentro de estos lmites. Si las medias mustrales caen dentro
de los lmites establecidos para un proceso (rango de aceptacin), se dice que la variacin que
presenta el proceso slo es aleatoria. Pero si las medias mustrales exceden el lmite superior de
control (LSC) o bien, caen por debajo del lmite inferior de control (LIC), entonces el proceso de
produccin o un servicio est fuera de control, y deber corregirse.
En el control estadstico de la calidad de un producto o servicio deben establecerse ambos lmites de
control (LSC y LIC) alrededor de la media de las muestras . Para ello se emplea una regla
emprica que establece que, el 99.74% de todas las observaciones en una distribucin normal
estarn dentro de este rango. Con base en ella, nuestros lmites de control estarn definidos como:
Lmite superior de control (LSC) para las medias de procesos:

Lmite inferior de control (LIC) para las medias de procesos:

Sin embargo, en la prctica el error estndar de las medias mustrales (3 ) se desconoce,
entonces su valor se estima a travs de A
2
, en donde, es el rango promedio de los rangos
mustrales, A
2
, es una constante determinada con base al tamao de la muestra y cuyos valores se
obtienen al consultar la tabla denominada: "Factores crticos de las grficas de control".
10
Con base
en estas estimaciones, nuestros lmites de control del proceso se determinan con:
Lmite superior de control (LSC) para las medias de procesos:

Lmite inferior de control (LIC) para las medias de procesos:

Con base en estos lmites, (5) y (6), el analista puede elaborar un grfico de control para las medias
de procesos que le permita determinar si su proceso de produccin o la prestacin de un servicio se
encuentran dentro de los estndares de calidad establecidos para ello. En aquellos casos donde esto
no sea as, entonces el analista de calidad deber encontrar las causas de esta variabilidad para
corregir la situacin y regresar el proceso de produccin o la prestacin de un servicio a los
estndares de calidad especificados.
Otra herramienta grfica que nos permite analizar la calidad de un servicio y que complementa al
grfico anterior es la grfica de control de variabilidad de procesos o grfica R.

GRFICA DE CONTROL PARA VARIABILIDAD DE PROCESOS: GRFICA R
Como ya indicamos, la calidad de un producto o servicio implica consistencia, confiabilidad y
cumplimiento de los requerimientos para lo cual fue diseado, de ah que la variabilidad en esos
requerimientos representa una disminucin de calidad. Las grficas de control para variabilidad (o
amplitud) de un servicio tienen como objetivo determinar si las variaciones (totales) de las muestras
de ste se encuentran bajo control o fuera de l. Si los puntos que representan dichas amplitudes se
encuentran dentro de los lmites superior e inferior, nos permiten concluir que el servicio est bajo
control. Por el contrario, si una variacin queda arriba o debajo de los lmites, se concluye que alguna
causa asignable lo afecta de modo que algunos servicios presentan una variabilidad notoria (mayor o
menor tiempo de atencin a un cliente, distorsiones en el tiempo de atencin a un cliente, apreciacin
del nivel de servicio por parte de un cliente (malo, regular, bueno, muy bueno, excelente), o bien, una
variacin en la caracterstica que se est analizando.
Es importante considerar que mientras que en una grfica de control para la media se establecen
lmites para la media de muestras, en las grficas de control de variabilidad la medicin que se
establece va dirigida a las observaciones individuales y no a las muestras. Esto ltimo se debe a que
la variabilidad en las medias de las muestras es mayor que la observada en una observacin
individual.
Las grficas de control para medir la variabilidad de un proceso de produccin o servicio reciben el
nombre de grficas R. En ellas se grafican los valores de los rangos
11
de cada una de las muestras.
En estas grficas la lnea central est ubicada en el valor promedio de los rangos ( ); y los lmites
de control se establecen con base en la distribucin muestral de los rangos (R).
La distribucin muestral de los rangos (R) se calcula a partir de su desviacin estndar mediante la
relacin siguiente:

donde,
= desviacin estndar de la poblacin
d
3
= factor de dispersin calculado con base al nmero de datos de cada muestra "n".
Los valores correspondientes a d
3
se obtienen de la tabla de "Factores crticos de las grficas de
control" que se anexa.
Por otro lado, la desviacin estndar de la poblacin puede sustituirse por:

Tambin los valores de d
2
se obtienen de la tabla (Factores crticos de las grficas de control) que se
anexa.
Entonces, la desviacin estndar de los rangos es:

por lo que los lmites de control para la variacin (superior LSC
R
, e inferior LIC
R
) de los procesos se
pueden establecer como:

donde,

Por lo que al sustituir estos valores (D
4
y D
3
) en las ecuaciones de los lmites de control para la
variacin obtenemos:

Para facilitar los clculos en los laboratorios de calidad o en la lnea de produccin o en las reas de
servicios, los valores de D
4
y D
3
tambin se obtienen de la tabla de "Factores crticos de las grficas
de control" que hemos anexado.
En las grficas de control para variabilidad de procesos, el clculo de los lmites de control deber
considerar lo siguiente (ecuaciones 8 y 9). El rango de una muestra siempre es un nmero positivo,
sin embargo, cuando n < 6, el LIC
R
, calculado con la ecuacin 9, ser negativo. En estos casos, el
valor de ese lmite ser igual a cero. Por ello los valores de D
3
en la tabla de "Factores crticos de las
grficas de control" toman valor cero.

CALIDAD EN SERVICIOS
Para mostrar la sencillez de las herramientas grficas de medicin de la calidad de un servicio,
presentaremos aqu los resultados de una breve investigacin sobre tiempos de atencin a clientes
en una caja rpida (exprs) de un supermercado al sur de la ciudad de Mxico.
El objetivo del estudio consisti en determinar si el tiempo de atencin al cliente (en segundos) se
encontraba dentro de los estndares de atencin establecidos por la tienda para su caja rpida.
La herramienta estadstica propuesta para probar esta hiptesis es la elaboracin de grficas de
control para variables (grfica de control para medias de un proceso y la grfica de control para
variabilidad de procesos).

Procedimiento
Se realizaron 210 mediciones del tiempo requerido de atencin (en segundos) en una caja rpida. En
este tipo de caja, slo est permitido un mximo de 8 artculos por cliente. La muestra se obtuvo
realizando la medicin del tiempo de atencin durante tres semanas de operacin.
Las mediciones del servicio se realizaron en los dos turnos de operacin de la caja.

El muestreo consisti en tomar el tiempo de cada cliente desde que llega a la caja y se retira de ella
mediante un cronmetro digital. Se tomaron los tiempos de atencin de diez clientes por da de
manera aleatoria dentro del turno de trabajo del cajero que atiende esta caja.

BIBLIOGRAFIA:
1
Levin, Rubin, Balderas, Del Valle y Gomez, Estadstica para administracin y economa, Mxico,
Pearson Prentice Hall, 2004, pp. 406407. [ Links ]
2
W.E. Deming, Quality, Productivity, and Competitive Position, USA, MIT, 1982. [ Links ]
3
Levin, Rubin, Balderas, Del Valle y Gmez, Estadstica para Administracin y Economa..., op. cit.,
pp. 405.
4
Kume Hitoshi, Herramientas estadsticas bsicas para el mejoramiento de la calidad, Colombia,
Norma, 2002, pp. 23. [ Links ]












CONTROL DE LECTURA N 02

Tcnicas De Muestreo
En la cotidianeidad se puede necesitar informacin sobre una poblacin para determinar la
prevalencia de un determinado patrn, para determinar la presencia o la ausencia de un patrn o
bien puede interesar el conocimiento de posibles causas o factores de riesgo mediante estudios
especializados. En cualquiera de estos casos, se puede analizar toda la poblacin, es decir, realizar
un censo, o bien examinar slo una parte de ella mediante un muestreo.
Cuando se plantea tomar una muestra, surgen dos preguntas:
Qu individuos se deben incluir en la muestra?
Cuntos individuos se deben tomar?

En este informe se intentar responder a la primera pregunta a travs de los mtodos de muestreo
probabilstico.

Para describir el proceso del muestreo, se debe utilizar una terminologa precisa que facilitar la
comprensin de algunos conceptos:

Poblacin total o poblacin objetivo. Es el grupo de individuos del que se pretende obtener
informacin.

Poblacin estudiada. A menudo, la poblacin no es accesible en su totalidad, y se deber trabajar
slo sobre una parte de ella, que ser la poblacin de la que se obtiene la muestra.

Marco de la encuesta. Es el listado de los individuos de la poblacin. A veces, no es necesario
disponer de todo el listado, por ejemplo en el muestreo por conglomerados.

Unidad de la encuesta. Es cada individuo de la poblacin estudiada (animales, granjas, municipios,
etc.). Segn el tipo de muestreo se puede diferenciar entre unidades primarias, secundarias, etc.

Fraccin de la encuesta. Es la proporcin de individuos de la poblacin estudiada que forma parte
de la muestra.

Sesgo. Son los errores sistemticos (diferentes de los errores de estimacin).
El Muestreo

El propsito de un estudio estadstico suele ser, extraer conclusiones acerca de la naturaleza de una
poblacin. Al ser la poblacin grande y no poder ser estudiada en su integridad en la mayora de los
casos, las conclusiones...

No se puede gestionar lo que no se mide. Las mediciones son la clave. Si usted no puede medirlo,
no puede controlarlo. Si no puede controlarlo, no puede gestionarlo. Si no puede gestionarlo, no
puede mejorarlo. La falta sistemtica o ausencia estructural de estadsticas en las organizaciones
impide una administracin cientfica de las mismas. Dirigir slo en base a datos financieros del
pasado, realizar predicciones basadas ms en la intuicin o en simples extrapolaciones, y tomar
decisiones desconociendo las probabilidades de xito u ocurrencia, son slo algunos de los
problemas o inconvenientes ms comunes hallados en las empresas.

Carecer de datos estadsticos en cuanto a lo que acontece tanto interna como externamente, impide
decidir sobre bases racionales, y adoptar las medidas preventivas y correctivas con el suficiente
tiempo para evitar daos, en muchos casos irreparables, para la organizacin.

Peter Drucker hace dos afirmaciones bsicas. Primero, afirma que pocos factores son tan
importantes para la actuacin de la organizacin como la medicin. Segundo, lamenta el hecho de
que la medicin sea el rea ms dbil de la gestin en muchas empresas.

Prcticamente todos los autores de libros de gestin han lamentado que la medicin sea crtica para
el xito y que la mayora de los directores no tengan habilidades cuantitativas adecuadas.

En otras pocas disponer de los datos y luego analizarlos resultaba una labor costosa y agotadora,
pues ella se basaba en la labor manual de los empleados. Pero hoy se cuenta con computadoras
cada da ms veloces y econmicas, al tiempo que se dispone de programas ms potentes y
flexibles, por lo cual las empresas que utilicen dicho potencial obtendrn una fuerte diferencia
competitiva en relacin a sus adversarios, pero ms an podrn mejorar continuamente la
performance en los diversos ratios y mediciones que hacen a los procesos y actividades de la
empresa.

Las empresas que no hagan uso de estas nuevas potencialidades y afronten debidamente stas
nuevas exigencias, no slo perdern capacidad competitiva, sino que quedarn desacoplados ante
los continuos cambios del entorno, poniendo en serio riesgo su propia continuidad.

En otras pocas con lentos procesos de cambios, los cuales resultaban casi imperceptibles en el
tiempo, se poda administrar una empresa con pocos datos estadsticos. Hoy en un mundo de
profundos y veloces cambios en todos los rdenes ya no es posible actuar con displicencia. Hoy un
empresario necesita predecir a tiempo los niveles de demanda de sus productos, necesita reconocer
a tiempo los cambios de tendencia, debe no slo saber en qu se gast, sino como se gasto en el
tiempo y en que conceptos.

Para negociar, para tomar decisiones, para corregir problemas de calidad, para aumentar la
productividad, para fijar precios, para mejorar el mantenimiento y disponibilidad de las mquinas e
instalaciones, para mejorar la concesin y cobranza de los crditos se requiere s o s contar con
datos estadsticos.

Toda decisin, todo anlisis, todo presupuesto, est prcticamente en el aire si no se cuenta con
datos estadsticos suficientes y fiables.

No slo a nivel empresa, sino tambin a nivel pas, los que ms han avanzado han sido aquellos que
hicieron de las estadsticas una herramienta fundamental. W. Edwards Deming, un pionero en
mtodos estadsticos para el control de calidad, seal que en Japn se pone mucho nfasis en las
estadsticas para directores de empresa. En parte fue la aplicacin de las tcnicas estadsticas
enseadas por Deming lo que hizo que Japn pasara de ser un fabricante de imitaciones baratas a
lder internacional en productos de primera calidad.

Sin estadsticas una empresa carece de capacidad para reconocer que actividades o productos le
generan utilidades, y cuales slo prdidas. No contar con datos e interpretarlos correctamente es
para los administradores como caminar en la oscuridad. Contar con los datos les ilumina, les permite
ver lo que est aconteciendo y en consecuencia tomar las medidas ms apropiadas.

El primer paso como antes se expresara es concientizar, para luego pasar a capacitar. El tercer paso
consiste en la implementacin. Diagnosticar para saber qu datos necesita la organizacin es un
paso fundamental, pues a partir de all se disearn el software ms apropiado a las actividades,
procesos y requerimientos especficos de cada empresa.
Si bien la intuicin nunca dejar de perder importancia, el tener el respaldo de datos confiables le
permitir poder adoptar decisiones sobre una base ms apropiada. Es esto lo que se da en llamar la
Gestin Moderna Basada en Estadsticas
Es necesario fundamentar y demostrar a los directivos los importantes beneficios generados por la
incorporacin e implementacin de las estadsticas a la organizacin. La mejor forma de hacerlo es
reflejando ello como una importante palanca? para el incremento de los resultados.

Las estadsticas combinadas con el Control de Gestin y el Tablero de Comando est en condiciones
de producir resultados verdaderamente arrolladores. Si a ello se le suma las posibilidades para las
grandes empresas de disponer de sistemas de simulacin, las decisiones estratgicas que se
adopten tomarn nuevas formas y colores.

Conclusiones
Si estamos en la oscuridad, mejor disponer de una vela aunque sta sea pequea, que atropellarnos
todo en la oscuridad
Las modernas estadsticas acompaadas de las poderosas herramientas informticas permiten a los
directivos, asesores y personal, contar con la suficiente informacin para mejorar a partir de ella los
procesos de la empresa, tomar mejores decisiones comerciales, mejorar la seguridad y hacer un uso
mucho ms productivo y provechoso de los recursos.
Las estadsticas son fundamentales tanto para la administracin financiera, como para la
administracin de operaciones, las ventas, el marketing, las cobranzas, la logstica y la gestin de
personal entre otras reas y actividades de toda corporacin.
Cada da se exige ser ms productivos, eliminando sistemticamente los despilfarros. Hacer ello
posible exige de informacin.

Pretender dirigir una empresa como hace cincuenta aos ya no es vlido ni posible. El empresario
tiene en sus manos la decisin de mejorar la empresa a travs de una GMBE, o seguir conduciendo
su empresa en la oscuridad.

Bibliografa
Estadstica para negocios - Hanke - Editorial Irwin 1995
Mtodos de Pronsticos - Makridakis ?- Editorial Limusa 1998
Informtica para Gestores y Economistas - Casas Luengo / Garca - Editorial Anaya 2000




















CONTROL DE LECTURA N 03
CASO EN MERCADOTECNIA: CONDUCTA DEL CLIENTE ANTE VARIACIN DE PRECIO
Este caso es una comparacin de medias para muestras dependientes, se refiere al efecto en el
trfico telefnico celular entrante cuando se modifica la modalidad tarifaria por la empresa de
Telfonos. El problema inicial era el reducido trfico de llamadas entrantes a los telfonos celulares,
lo que reduca la rentabilidad de la empresa. Dentro de diversas alternativas, se determin que el
cambio de modalidad tarifaria para el cliente celular incrementara su recepcin de llamadas, lo que
elevara el trfico telefnico entrante y los ingresos.
Se defini una muestra aleatoria de 25 clientes a los que se les comunic y se les aplic el nuevo
modelo tarifario, en forma restringida durante varios meses, haciendo un seguimiento de los
resultados a travs del sistema informtico. Este tipo de experimento se denomina diferencia de
medias de poblaciones relacionadas, donde se considera la misma muestra en diferentes momentos.
Se consider la hiptesis nula que el cambio tarifario no afecta el trfico entrante telefnico celular
entrante y la hiptesis alternativa que el trfico entrante se elevaba. Los resultados de la prueba
facilitaron la toma de decisin de cambio de modelo de tarifas y se implant mediante una estrategia
de difusin basada en las comunicaciones realizadas al grupo de estudio.
Antecedentes del caso
La privatizacin del sector en los noventa. En el ao 1994, la empresa Telfonos se hizo cargo de las
operaciones de los servicios de telecomunicaciones del pas, los cuales se encontraban entre los
ms atrasados de la regin.
Uno de los servicios novedosos era la telefona celular. Para mediados de 1995, este servicio
contaba con 45,000 abonados en lima y menos de mil abonados en el resto del pas, mientras en
otros pases de la regin se bordeaba los ochocientos mil abonados.
Se elabor un plan de desarrollo que consideraba la inversin en centrales, estaciones base y
equipos que permitiran brindar servicio a un milln de clientes, inicialmente en Lima Metropolitana y
Callao y luego en todo el pas. Para inicios de 1996, se perciba que el servicio no creca, los clientes
no llegaban a cien mil en Lima y Callao.
El problema de la empresa. La empresa mantiene una elevada inversin en telefona celular, pero el
nmero de clientes y el trfico no crece. La empresa desea incrementar el nmero de clientes y el
uso del servicio.
Una medida clave fue disear el sistema de tarifa CPP (Calling Party Pay), por el cual el celular deja
de pagar por toda llamada que recibe, la que es cubierta por el que llama (sea otro celular o un
telfono fijo).
Con esta medida se esperaba que los clientes reciban llamadas, as se elevara el trfico entrante.
Por otro lado, podra ser que no exista ningn aumento ya que los telfonos fijos (que antes no
pagaban por llamar a celular) ahora deberan pagar un promedio de setenta centavos de dlar, lo
cual no facilitara que las llamadas a celulares aumenten.
El estudio de la telefona celular. La direccin encarg un estudio de marketing cuyos hallazgos ms
destacados fueron:
La poblacin no conoce el servicio de telefona celular. No existe una definicin del concepto de
producto.
Los usuarios se ubican en un reducido segmento conformado por directivos de empresa y
profesionales liberales que requieren comunicacin permanente.
El costo por minuto es caro ($ 0.70 1.20 por minuto). El cliente paga por toda llamada efectuada y
recibida.
Muchas llamadas recibidas son indeseadas y el cliente prefiere no contestar o apagar el telfono
para no recibir llamadas.
Datos sobre la facturacin de celulares. Paralelamente se realiz un estudio de las cuentas celulares
y se determin lo siguiente:
El promedio de minutos utilizados por cliente celular es cien minutos aproximadamente.
El cliente prende su equipo para efectuar llamadas y el resto del tiempo lo mantiene apagado.
Se calcula que el 10 % de los minutos son llamadas entrantes.
La variacin es mnima porque se maneja lmite de crdito (si el cliente cubre sus minutos
deja de llamar).
Cuando un celular llama a otro celular, el pago es doble (ambos clientes pagan por la
llamada). Cuando un telfono fijo llama a un celular no paga nada.
El sistema para tarificar el servicio se llama MPP (Mobile Party Pay), o sea, el celular paga
por toda llamada efectuada o recibida.
Diseo de la prueba CPP previo al lanzamiento
El experimento comprende el diseo del experimento (figura 2), comprende los siguientes aspectos:
GA: Grupo aleatorio. El grupo de prueba se conform sobre una muestra aleatoria de 25 clientes, a
los que se les brind informacin sobre el cambio de modalidad tarifaria.
X: diseo de prueba. Los participantes GA recibieron la informacin siguiente:
Las llamadas entrantes a su celular no sern pagadas por ellos.
El costo de la llamada ser cubierta por el que llama.
Si la llamada viene de su casa, el costo ser cubierto por su lnea familiar fija.
Si la llamada viene de otro celular, ese celular paga.
Si el cliente llama a otro celular, solo uno de los dos paga.
El cliente fijo que llama sabe que pagar el costo de la llamada.
O
1
: Datos de pre-prueba. Los datos pre prueba corresponde a la facturacin de un mes completo,
que refleja el trfico y el comportamiento en el uso del servicio, de los clientes del grupo GA.
O
2
: Datos de post-prueba. Los datos posteriores a la prueba corresponde a la facturacin de un mes
completo, que reflejas los cambios en el trfico y en el uso del servicio, de los clientes del grupo GA.
A pesar que se espera la generacin de profusa informacin relacionada a comportamiento en
llamadas entrantes y salientes, solamente se consideraron las llamadas entrantes.
Formulacin del experimento
Situacin Problemtica. La fuente principal de ingresos de la empresa es el uso del servicio,
denominado trfico telefnico. Este trfico se mide en minutos utilizados por mes.
El trfico total por cada cliente se define por la frmula siguiente:

El problema inicial era el reducido trfico de llamadas entrantes a los telfonos celulares, lo que
reduca la rentabilidad de la empresa. Dentro de diversas alternativas, se determin que el cambio de
modalidad tarifaria para el cliente celular incrementara su recepcin de llamadas, lo que elevara el
trfico telefnico y los ingresos.
Las alternativas de solucin. En 1996, se definieron las dos modalidades de tarificar el trfico:
MPP (Mobile Party Pay), donde el cliente celular paga todo el trfico TS + TE. Era el modelo
de tarifa vigente desde la aparicin del servicio de telefona celular.
CPP (Calling Party Pay), donde el cliente celular solo paga el trfico TS. Era el nuevo modelo
cuya implantacin representara un altsimo costo para la empresa
A partir de una fecha especfica (junio 1996), el cliente decidira si optaba por MPP o CPP.
Con el CPP se esperaba que se eleven el trfico de llamadas entrantes a celulares. Pero, podra ser
que no exista ningn aumento ya que los telfonos fijos (que antes no pagaban por llamar a celular)
ahora deberan pagar un alto precio en dlares ($0.70/minuto), lo que eliminara el supuesto
beneficio del cambio de modelo de tarificacin.
El Problema de Investigacin.
La implantacin de un nuevo modelo de tarificacin de las llamadas a los telfonos celulares,
aumentar el uso del servicio por parte del cliente celular?
La hiptesis del Problema de Investigacin. Para resolver la pregunta del problema de investigacin,
se disea un experimento denominado diferencia de medias de poblaciones relacionadas, donde se
considera la misma muestra en diferentes momentos.
Este diseo experimental considera una hiptesis nula donde el trfico entrante pre-prueba y post-
prueba son semejantes o iguales. Se considera una hiptesis alternativa donde el trfico post-prueba
es mayor al trfico pre-prueba.
Justificacin. El presente estudio intenta mostrar la manera en que se efectu el diseo del modelo
CPP y su efecto en una muestra aleatoria de clientes, antes de decidir su lanzamiento masivo. Se
busca conocer si el nuevo modelo tarifario CPP representa variaciones al uso y trfico del servicio
celular, de manera que justifique el costo de su implantacin y desarrollo comercial. La intencin es
mostrar elementos de juicio que permitan la toma de decisin ms adecuada, respecto a la
implantacin, o no, del nuevo modelo tarifario CPP.
Metodologa de investigacin
Diseo y tipo de Investigacin. Se plantea un experimento para comparar el comportamiento de
trfico entrante en dos perodos mensuales. Se comparan las medias de minutos de trfico entrante
con muestra dependiente en dos diferentes momentos del tiempo (misma muestra GA en dos
diferentes momentos).
Conceptos estadsticos
Unidad de anlisis: cliente de telefona celular.
Variable: La cantidad de minutos de trfico entrante durante un mes.
Dato: cantidad de minutos de trfico entrante de un cliente durante un mes del perodo.
Instrumento de medicin: Central (Switch) telefnica que registra los CDRs (call data record)
acumulados del mes, procesado en el sistema informtico de facturacin de trfico.
Poblacin: Total clientes de telefona celular activos en un mes, perodo 1995-1996.
Muestra: Grupo de clientes de telefona celular, registrados en el sistema informtico comercial en el
perodo 1995-1996.
Tamao de muestra: 25 clientes.
Seleccin de muestra: Aleatoria (al azar).
Tcnica de recoleccin de Datos. A un grupo de clientes, elegidos al azar, se les enva una carta
explicndole el cambio del sistema de tarificacin de sus llamadas celulares, detallando las ventajas
y las implicancias generales en su facturacin. Se le solicita su autorizacin para incluirlo en la
muestra.
De todos los que respondieron, se eligieron solamente 25, se les envi instrucciones adicionales
sobre las diferencias de MPP y CPP, aunque sin especificarles ni sugerir la manera en que deben
administrar el on/off (prendido/apagado) de su equipo y si deben responder o no a las llamadas.
De los registros histricos del sistema informtico comercial-facturacin, se recuperaron los datos de
trfico y de facturacin de los clientes de la muestra, se tom un mes tpico, elegido al azar entre los
ms recientes.
Posterior a la pruebas, se toman los datos del ltimo mes, se recuper el trfico efectuado con los
criterios del nuevo modelo CPP. Se registr el trfico total y el trfico entrante de los veinticinco
clientes.
Segn los resultados, se ha de verificar la hiptesis de investigacin, brindando elementos de juicio
para la implantacin del nuevo modelo de tarificacin CPP. Las comunicaciones a los clientes,
tomara como base las instrucciones enviadas a los clientes de la muestra.
Datos de trfico recolectados. Los datos de trfico entrante se miden en minutos por mes. Se
recolect la informacin para los veinticinco clientes del grupo aleatorio seleccionado.
En el cuadro 1 se muestra:
CLIE-CEL: los 25 clientes celulares de la muestra.
TRAF-MPP: los minutos de trfico entrante, por cliente, por el mes XX de 1995. Este trfico
corresponde a la tarifa MPP, donde el celular paga toda llamada saliente y entrante.
TRAF-CPP: los minutos de trfico entrante, por cliente, por el mes YY de 1996. Este trfico
corresponde a la tarifa CPP en prueba, donde el celular paga solo las llamadas salientes.
Cuadro n 1. Minutos de trfico entrante Empresa Telfonos Aos 1995 y 1996
CLIE-CEL
Cliente celular
TRAF-MPP
Minutos
entrantes mes
XX 1995
TRAF-CPP
Minutos
entrantes
Mes YY 1996

1 11 12
2 10 20
3 11 14
4 15 30
5 18 33
6 9 20
7 18 22
8 5 16
9 14 33
10 20 29
11 14 14
12 9 14
13 11 12
14 21 31
15 9 21
16 14 14
17 12 35
18 11 27
19 20 40
20 13 15
21 18 25
22 10 11
23 12 20
24 18 32
25 17 22
Fuente: Elaboracin propia en base a datos de sistema informtico
MPP: Mobile Party Pay
:Mvil paga todo (cliente celular, toda llamada efectuada y recibida)



CPP: Calling Party Pay: que llama paga (el cliente celular solo paga sus llamadas efectuadas).
Pueba de Hiptesis
1) Hiptesis
H
0
:
1
=
2

H
1
:
1
<
2

Donde:

1
: Media del trfico entrante de la poblacin, bajo la modalidad tarifaria MPP.

2
: Media del trfico entrante de la poblacin, bajo la modalidad tarifaria CPP.
Es equivalente a:
H
0
: D = 0

H
1
: D < 0
Donde:
D = media de las diferencias.
2) Nvel de significacin y Nivel de confianza (n.s. y n.c.)
Nivel de significacin = 0.05
Nivel de confianza 1 - = 0.95
3) Funcin pivot:

Donde


4) Clculo mediante SPSS: Ver el cuadro 2.
Cuadro 2. Prueba de muestra relacionadas
Empresa Telfonos

Perodo 1995-1996

Media
Destiacin
tip
Error tp.
de la
media
95% Intervalo de
confianza para la
diferencia
t gl
Sig
(bilateral) Superior Inferior
Par 1
MPP min
entrantes - CPP
min entrantes
-8880 6716 1343 -11652 -6108 -
6611
24 000
Fuente: Elaboracin propia
5) Prueba t para muestras relacionadas:

6) Decisin
= 0.05 , gl = 24

Valor t = -1.71 (un lado)

Tc = -6.61

Se rechaza la hiptesis nula a un nivel de significacin de 0.05.
Se acepta Hiptesis alternativa.
Conclusiones del caso
Segn los resultados de la prueba de hiptesis, a un nivel de significacin de 0.05, no es posible
aceptar la hiptesis de que el trfico de minutos entrantes tiene igual media, sin interesar el modo de
tarificacin de dicho trfico.
Alternativamente, no se puede rechazar la hiptesis que el trfico valorizado con el modelo de
tarificacin CPP Calling Party Pay, posea una media superior al trfico valorizado con el modelo de
tarificacin MPP Mobile Party Pay.
Se rechaza la Hiptesis nula a un nivel de significacin de 0.05.
Se acepta Hiptesis alternativa un nivel de significacin de 0.05.

Cabe sealar que el nuevo modelo de tarificacin represent un cambio sustantivo en el trfico de
telefona celular entrante.
Se implement nuevo modelo de tarifas CPP.
Se modific el comportamiento de los clientes.