986777850

FACULTAD DE INGENIERÍA
CARRERA DE INGENIERÍA INDUSTRIAL

PROPUESTA DE MEJORA PARA INCREMENTAR LAS VENTAS DE LA

EMPRESA MULTIMUEBLE SAC, SEGÚN LA ACEPTACIÓN DEL MERCADO
TRUJILLANO, 2015

CURSO :
ESTADÍSTICA

DOCENTE :
PLASENCIA GARCÍA CRISTIAN ORLANDO

INTEGRANTES:

 ORTECHO ARTETA, Sebastian

 RODRÍGUEZ CHAYSA, Ingrid
 VALVERDE RAVELO, Clío
 VARGAS MORENO, Berly
 VELÁSQUEZ, José

TRUJILLO-2015
ÍNDICE
1. Introducción ............................................................................................................................. 4
1.1. Realidad Problemática: ................................................................................................. 4
2. Formulación del problema: ........................................................................................................... 5
3. Justificación del problema:........................................................................................................... 5
4. Objetivos: ..................................................................................................................................... 5
4.1. Objetivo General:.................................................................................................................. 5
4.2. Objetivos Específicos: .......................................................................................................... 6
5. Fundamento Teórico: ................................................................................................................... 6
5.1. Definiciones Básicas: ........................................................................................................... 6
5.1.1. EMPRESA ..................................................................................................................... 6
5.1.2. MUEBLE ....................................................................................................................... 6
5.1.3. ACEPTACIÓN ............................................................................................................... 6
5.1.4. MERCADO .................................................................................................................... 6
5.1.5. ACEPTACION DE MERCADO ........................................................................................ 6
5.1.6. VENTA .......................................................................................................................... 6
5.1.7. INCREMENTAR ............................................................................................................. 7
5.1.8. INCREMENTO DE VENTAS ........................................................................................... 7
5.2. Marco Teórico: ...................................................................... Error! Bookmark not defined.
6. Materiales y Métodos: ................................................................................................................... 7
6.1. Población: .......................................................................................................................... 20
6.2. Unidad de Estudio: ............................................................................................................. 20
6.3. Muestra: ............................................................................................................................. 20
6.4. Variables: (descripción de las variables de estudio) ........................................................... 20
6.5. Técnicas e instrumento de medición: ................................................................................. 21
6.6. Aplicación de métodos estadísticos: .................................................................................. 21
7. Resultados: (Cuadros, gráficos, resultado de métodos estadísticos) ................................................ 21
1. Introducción
1.1. Realidad Problemática:
En la actualidad las empresas PYMES dedicadas a la fabricación de muebles a base de madera
presentan una escasa productividad, el cual impide un mayor ingreso de utilidades en sus ventas,
debido a que las decisiones que toman los gerentes no tienen un estudio estadístico, en
Latinoamérica:
Tapia y Salinas (2010) informaron que para alcanzar sus objetivos propuestos es
indispensable que incorpore en su operatividad procedimientos administrativos
dinámicos, y el no tenerlos puede ser motivo para que reste eficiencia en la organización;
que de no ser atendidos puede dar lugar a su desaparición o quiebra. Es importante que
se contemplen algunas variables del mercado internacional, como las normas de calidad
y regulaciones, idiomas, gusto, tecnología, competencia, entre otros.
Es fácil observar que en nuestro país la industria de muebles continua operando de manera más
productiva con el paso de los años, donde la competencia actualmente es mayor a los años
anteriores. En Villa el Salvador, al Sur de la ciudad de Lima, Perú, un estudio en el sector de
trasformación de la madera en el Perú realizada por Álvarez Inche y Salvador (2015) nos dice:
La mayor dificultad no radica en la programación propiamente dicha, sino, más bien en
la implementación de ésta, para ello es importante que todas las áreas de una empresa
traten de ver todas sus actividades como parte de un conjunto de acciones que deben
tener como objetivo el beneficio de la empresa, para esto es necesario que todas ellas
conozcan el cuello de botella.
MULTIMUEBLE SAC, es una empresa perteneciente al sector de maderas y muebles cuyo objeto
principal corresponde a la producción y comercialización de muebles de madera para el hogar; siendo
su principal mercado local y nacional, con proyección a participar de forma competitiva y continua en
el mercado nacional, con la exportación de muebles.
En 1982, el Sr. Jesús Vargas Alayo, emprende un pequeño taller para la fabricación de camas de
madera, asumiendo responsabilidad en el trabajo, produciendo 2 camas semanales. Luego de tres
años decide adquirir maquinarias tales como: sierra cinta y comprensora, incrementado su producción
a 8 camas semanales. Al siguiente año, el Sr. Vargas observa que el incremento y oportunidad que le
 demanda el mercado. Decide fabricar juegos de comedor, contando con 1 carpintero, 1 tapicero, 1
laqueador y 1 maestro de acabados, adquiriendo nuevas máquinas como rúster, caladora y tupi.
Para la elaboración del presente estudio se ha realizado una investigación bibliográfica a través de
consultas vía internet y a expertos donde se ha podido apreciar en ausencia de criterio técnicos para
resolver la problemática del Aumento de productividad para expandir el mercado dela empresa
MULTIMUEBLE S.A.C.
En términos generales podemos decir que la problemática que presenta la empresa ya antes
mencionada tiene las siguientes características: bajos niveles de productividad originada por la
inadecuada planificación o toma de decisión, que impide la expansión de la empresa.
2. Formulación del problema:
¿Cuál es el impacto del incremento en las ventas de la empresa MULTIMUEBLE SAC, según la
aceptación del mercado trujillano, 2015?
3. Justificación del problema:
El presente estudio tiene importancia y se justifica en razón a que nos permitirá realizar una descripción
mediante los distintos métodos de observación y recolección de datos aplicando a la vez métodos
estudiados en los cursos referentes a nuestra carrera que ayudara a la al aumento de productividad para
expansión de la empresa MULTIMUEBLE SAC situado en el Parque Industrial Mz C12 Lt 1-17- La
Esperanza.
Al poder observar, analizar y describir cómo se desarrolla el área de proceso de producción dentro de
la empresa MULTIMUEBLE SAC, nos permitirá conocer la manera como esta problemática influye en la
expansión de la empresa.
Este trabajo se justifica de igual forma en razón que el aumento de productividad es de vital importancia
para el desarrollo de la empresa, puesto que la toma de decisiones a través de la estadística son agentes
que influyen en la productividad y la expansión. Es por ello que en el presente trabajo se buscará analizar
de qué manera el aumento de la productividad influye en la expansión de la empresa MULTIMUEBLE
SAC en el año 2015.
4. Objetivos:
4.1. Objetivo General:
 Determinar según la aceptación del mercado trujillano el incremento de las ventas de la empresa
MULTIMUEBLE SAC, 2015.
 4.2. Objetivos Específicos:
 Determinar a través de cuadros de frecuencia la aceptación del producto.
 Evaluar las ventas de la empresa MULTIMUEBLE SAC.
 Realizar un análisis de la preferencia del producto, según su género y modelo.
 Realizar un análisis de relación y correlación de las ventas a través del tiempo (datos de la propia
empresa)
5. Fundamento Teórico:
5.1. Definiciones Básicas:
5.1.1. Empresa
Organización o institución dedicada a actividades o persecución de fines económicos o
comerciales para satisfacer las necesidades de bienes o servicios de los demandantes.
5.1.2. Mueble
Objetos que sirven para facilitar los usos y actividades habituales en casas, oficinas y otro tipo de
locales. Normalmente el término alude a los objetos que facilitan las actividades humanas
comunes, tales como dormir, comer, cocinar, descansar, etc., mediante mesas, sillas, camas,
estanterías, muebles de cocina, etc.
5.1.3. Aceptación
Consideración generalizada de que algo es bueno o válido.
5.1.4. Mercado
Cualquier conjunto de transacciones de procesos o acuerdos de intercambio de bienes o
servicios entre individuos o asociaciones de individuos. La institución u organización social a través
de la cual los ofertantes (productores, vendedores) y demandantes (consumidores o compradores)
de un determinado tipo de bien o de servicio, entran en estrecha relación comercial a fin de realizar
abundantes transacciones comerciales.
5.1.5. Aceptación De Mercado
Situación en la que un producto gana una determinada cuota de participación, considerándose
aceptado por el mercado.
5.1.6. Venta
 El proceso personal o impersonal por el que el vendedor comprueba, activa y satisface las
necesidades del comprador para el mutuo y continuo beneficio de ambos (del vendedor y el
comprador).
5.1.7. Incrementar
Hacer que algo sea mayor en cantidad, tamaño, intensidad, importancia, etc.
5.1.8. Incremento De Ventas
Es un tema que preocupa a la mayoría de los empresarios: chicos, mediana, grande, todos se
ven en la necesidad de que sus organizaciones alcancen un nivel de ventas óptimo para subsistir
y posteriormente general utilidades.
5.2. Conceptos Estadísticos

Introducción a la Estadística

1. Definición: Sheldon M. Ross (2001.p.1) En el mundo de hoy es cada vez

aceptado que para aprender sobre algo primero se tiene que recolectar datos.
La estadística es el arte de aprender a partir de datos. La estadística tiene
que ver con la recolección de datos, su subsecuente descripción, y su
análisis, lo cual con frecuencia lleva a la obtención de conclusiones.

1.1. POBLACION Y MUESTRA

Levine, Krehbiel y Berenson (2006, p.3) concluyen que “la población

consiste en todos los miembros de un grupo acerca de los cuales se desea
obtener una conclusión”
Levine, Krehbiel y Berenson(2014,P.8)¨se ha demostrado que ¨la muestra es
un parte que se selecciona de una población para someterla a análisis ¨

se consideró que ¨la población es un conjunto de mediciones de interés para

el investigador¨.(Mendehall, Beaver y Beaver,2010,P.8).
Afirman que ¨una muestra es un subconjunto de mediciones seleccionado de
la población de interés¨ (Mendehall, Beaver y Beaver, 2010,P.8).

mendenhall, Beaver y Beaver (2010,p,3)llegaron a la conclusión que:

En el lenguaje de la estadística uno de los conceptos más elementales, es el
muestreo. E n casi todos los problemas de estadística, un número
especificado de mediciones o datos es decir, una muestra, se toma de un
cuerpo de mediciones más grande llamado población.

1.2VARIABLE

cuando se trata de definir VARIABLE Mendehall, Beaver y Beaver (2010,p.8)

consideraron que: ¨Una variable es una característica que cambia o varia con
el tiempo y /o para las diferentes personas u objetos bajo consideración.
POR EJEMPLO la temperatura corporal es una variable que cambia con el
tiempo en una sola persona; también varia de una persona a otra. Afiliación
religiosa, el origen étnico, el ingreso, la estatura, edad, y número de hijos son
todas ellas variables, es decir características que varían según la persona
seleccionada.¨

Levine,Krehbiel y Berenson(2014,P.6)afiman que ¨cada variable que se utilice

debe tener una definición operacional, la cual permite que todos los que
participan en un análisis comprendan que representa una variable y cuáles
son sus valores posibles¨

Levine,Krehbiel y Berenson (2006,P.3) concluyen que ¨las variables son las

características de los objetos o de los individuos ¨
variable cuantitativas
Levine,Krehbiel y Berenson (2006,P.5)En el conjunto de las variables
cuantitativas, también podemos reconocer varios tipos de variables.
 Las variables cuantitativas continuas pueden adoptar cualquier valor en el
marco de un determinado intervalo. De acuerdo a la precisión del
instrumento que realiza la medición, pueden existir otros valores en el medio
de dos valores.

variable cuantitativa
Levine,Krehbiel y Berenson (2006,P.5)Las variables cualitativas son
aquellas que permiten la expresión de una característica, una categoría,
un atributo o una cualidad.

2. Cuadros de Distribución de Frecuencias y Gráficos Estadísticos.

2.1tablas y graficas de frecuencias

definición:
sheldon M, ross (2001.p.10) definió que ¨Un conjunto de datos que tiene un
número relativamente pequeño de valores distintos se representa
adecuadamente en una tabla de frecuencias¨

A.-tabla de resumen

a.-definición
levine.krehbiely berenson(2006,p.22) la tabla de resumen indica la frecuencia,
cantidad o porcentaje de objetos en un conjunto de categorías para observar
las diferencias que hay entre ellas. Una tabla de resumen lista de categorías
en una columna y la frecuencia, la cantidad o porcentaje en una columna o
columnas independientes.
B.- graficas de barras
b.-definicion
levine.krehbiely berenson (2006, p. 23)definieron que ¨en una gráfica de barras
, cada barra muestra una categoría, su longitud representa la cantidad,
frecuencia o porcentaje de los valores que caen en cada categoría¨

C. grafica de pastel:
levine.krehbiely berenson (2006, p. 24) concluyeron que la grafica de pastel es
un circulo que se divide en artes para representar en categoría. El tamaño de
cada rebanada varía de acuerdo con el porcentaje de cada categoría.

2.2tablas de frecuencias acumuladas

sheldon M.ross(2001,p.16)LLEGO A LA CONCLUSION DE QUE
Algunas veces nos interesa una grafica de frecuencias acumuladas (o de
frecuencia relativa acumulada).Un punto en el eje horizontal en una de estas
graficas representa uno de los posibles valores de los datos cuyo valores son
menos o iguales a el. Una grafica de de frecuencias acumuladas se denomina
OJIVA.
Una manera adecuada de organizar un conjunto de datos de tamaño pequeño
a moderado consiste en utilizar un diagrama de tallo y boja.

En el 2001, Ross concluyo que ¨ la tabla de frecuencias es un conjunto de

datos que tiene un número relativamente pequeño de valores distintos ¨

tablas de frecuencias, citado por Rufino Moya (2013) llegó a la conclusión que
¨son datos numéricos que se clasifican en un cuadro o tablas¨.
(p.46)
Levine, Krehbiel y Berenson (2006) ¨ indica tabla de resumen es la frecuencia,
la cantidad o porcentaje de objetos en un conjunto de categorías para observar
las diferencias que hay entre ellas¨
(p.22)
lind,marchall y wathen (2012)concluyeron que ¨la tabla de frecuencias es una
 agrupación de datos cualitativos en clases mutuamente excluyentes que
muestra el número de observaciones en cada clase¨
(p.23)

3. Medidas estadísticas

3.1 medidas de tendencia central

• 3.1.1.MEDIA:
Levine, Krehbiel y Berenson (2006,p.73) concluyeron que:
la media aritmética es la medida es la medida más común de la tendencia central.
La media es la medida más común en la que todos los valores desempeñan el
mismo papel. La media sirve como ¨punto de equilibrio ¨ de conjunto de datos
(como el punto de apoyo de un valacin).La media se calcula sumando todo los
valores del conjunto de datos y dividiendo el resultado por el número de valores
considerados. Para representar a la media de una muestra, utilice el símbolo así
Representación:

= media muestral

µ = media poblacional

X
𝑠𝑢𝑚𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠
𝑋= 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑎𝑙𝑜𝑟𝑒𝑠

DATOS SIN AGRUPAR

población

∑ 𝑿𝒊
µ= 𝑵

muestra
 ∑ 𝑿𝒊
X = 𝒏

DATOS AGRUPADOS
población
∑ 𝑿𝒊.𝒇𝒊
µ= 𝑵

muestra
X =∑ 𝑿𝒊.𝒇𝒊
𝑵

3.1.2. MEDIANA:

levin y rubine (2010 p.77) la mediana es una medida de tendencia central

diferente a cualquiera de las que hemos tratado hasta ahora. La mediana es
un solo valor del conjunto de datos que mide la observación central del
conjunto. Esta sola observación es elemento que está más al centro del
conjunto de números. La mitad de los elementos están por arriba de este punto
y la otra mitad por debajo.

𝑛+1
𝑀𝑒𝑑𝑖𝑎𝑛𝑎 = ( )
2

Lind, Marchall y Wathen (2012. p.64) afirman ¨la mediana es el punto medio
de los valores una vez que sean ordenados de menor a mayor o de mayor a
menor¨ (p.64)

Datos no agrupados
n es impar
𝑋𝑛+1
Me= 2

n es par
𝑋𝑛 𝑋𝑛
+ +1
2 2
Me= 2
 Datos agrupados
𝑛
−𝐹𝑗−1
2
Me= Li+A[𝐹𝑗−𝐹𝑗−1

3.1.3.MODA:
levin y rubine(2010 p.84)La moda es una medida de tendencia central
diferente de la medida, pero un tanto parecido a la mediana , pues la
realidad no se calcula mediante un procesos aritmético ordinario. La moda es
el valor que más se repite en el conjunto de datos.
Como en todo los demás aspectos de la vida, el azar puede desempeñar un
papel importante en la organización de datos.

Lind, Marchall y Wathen (2012p.65) afirmaron que ¨la moda es el valor de la

observación que aparece con mayor frecuencia¨
Levine, Krehbiel y Berenson (2006p.76) consideran que ¨La moda es el valor
de conjunto de datos que aparece con mayor frecuencia¨
mendenhall,Beaver y Beaver (2010p.57) la moda es la categoría que se
representa con más frecuencia. Cuando las mediciones en una variable
continúa se han agrudo como histograma de ffrecuencia o de frecuencia
relativa, la clase con el piuco mas alto o frecuencia se llama clase moderna,
y el punto medio de esa clase se toma como la moda.
La moda por lo general se usa para describir conjuntos grandes de datos,
muestra que la media y la mediana se usan para conjuntos grandes y
pequeños.

 f j  f j 1 
Mo  Li  A 
  f j  f j 1    f j  f j 1 

medidas de posición
cualtil:
Levine,Krehbiel y Berenson(2006,p.77) L os cuartiles dividen a un conjunto de
datos en cuatro partes iguales el primer cuartil Q1 se para al 25.0%, que abarca a
los valores mas pequeños, del 75.0% restante, constituido por lo que son
mayores. El segundo cuarto Q2 es la mediana:
50.0% de sus valores son menores son menores que la mediana y 50.0% son
mayores.El tercer cuartil Q3 separa al25.0% , que abarca a los valores mas
grandes, el 75.0% restante contituido por los que son menores .
𝑛+1
Q1= 4
formula general
X k ( n 1)
; k 1, 2 , 3
4
datos agrupados
 n 
 k  4   Fj 1 
Qk  Li  Ai    
 Fj  F j 1 
 

DECILES
Levine,Krehbiel y Berenson(2006,p.78) Los deciles son los nueve
valores que dividen la serie de datos en diez partes
iguales.Los deciles dan los valores corespondientes al 10%, al 20%... y
al 90% de los datos.

 n 
 k 10   Fj1 
D k  Li  A    
 F j  F j 1 
 

PERCENTIL
Levine,Krehbiel y Berenson(2006,p.78) Los percentiles son los 99
valores que dividen la serie de datos en 100 partes
iguales.Los percentiles dan los valores correspondientes al 1%,
al 2%... y al 99% de los datos.
datos agrupados
  n  
 k  100   F j 1 
Pk  Li  A    
 F j  F j 1 
 

medidas de dispersión
Rango:
Levine,Krehbiel y Berenson (2006,p.81) el rango mide la distribución total del
conjunto de datos, Aunque el rango es una medida simple de la varianza total
de los datos , no toma en cuenta como se distribuye los datos entre los
valores. en otras palabras, el rango nos indica si los valores están distribuidos
de manera uniforme a todo lo largo del conjunto de datos, agrupado cerca de
la parte media, o agrupados cerca de uno o ambos extremos. De esta
manera resulta engañoso utilizar el rango, como medida de variación cuando
al menos uno de los valores es extremo.

Rango =Xmayor - Xmenor

Varianza y la desviación estándar

Ross definió (p.24)que ¨la varianza llamada s2 , divide la suma de los

cuadrados de las diferencias entre n-1 y no entre n, y donde n es el tamaño
del conjunto de datos.

Devore(2012 p.36)concluyo que ¨la desviación estándar muestral, denotada

por S es la raíz cuadrada de la varianza¨

Levine, Krehbiel y Berenson (2006P.82) afirmaron que “la Varianza para una
muestra es la suma de las diferencias con respecto a la medida elevada al
cuadrado y dividida por el tamaño de la muestra menos uno”
Levine, Krehbiel y Berenson(2006,p.82) A pesar de que el rango y el rango
intercuartil son medidas de la variación no contemplan como se distribuyen o
se agrupan los valores que están entre los extremos. L a varianza y la
desviación estándar son dos medidas de la variación muy utilizadas para
tomar en cuanta como se distribuye los datos. Estos estadísticos miden la
dispersión ¨promedio¨ alrededor de la media, es decir, que tanto varían los
valores mas grandes que están por encima de ellas y como se distribuyen
los valores que están por debajo de ella.

datos no agrupados
∑𝑛
𝑖=1(𝑥𝑖−𝑥)2
S2= 𝑛−1

datos agrupados
 n 
  yi 2 * f i  
s2   i 1
x 2 
 n 1 
 
 

poblacional
( x1   ) 2  ( x 2   ) 2  ...  ( x n   ) 2
2 
N

MUESTRAL

( x1  x) 2  ( x 2  x) 2  ...  ( x n  x) 2
s2 
n 1

MUESTRA DE DESVIACIÓN ESTÁNDAR

S
2
s
covarianza:
Levine,Krehbiel y Berenson (2006,p.103) la covarianza mide la fortaleza de la
relación lineal entre dos variables numérica (X y Y).
∑𝑁
𝐼=1(𝑥𝑖−𝑥)(𝑦𝑖−𝑦)
Cov=(X.Y)= 𝑛−1

Desviación estándar :
Levine,Krehbiel y Berenson (2006,p.95) la desviación estándar poblacional
mide la variación de una población .Al igual que los estadísticos muestrales
relacionados, la desviación estándar poblacional es igual a la raíz cuadrada
de la varianza poblacional.

∑𝑁
𝑖=1(𝑥−𝑢)2
𝜎2= 𝑁

Devore (2012 p.36)concluyo que ¨la desviación estándar muestral,

denotada por S es la raíz cuadrada de la varianza¨
(p.36)
Levine, Krehbiel y Berenson (2006,p.80) afirman que “ el Rango es la
medida numérica descriptiva mas sencilla de la variación en un conjunto de
datos”

Levine,Krehbiel y Berenson(2014)¨Un parámetro es una medida que describe

una variable que utiliza datos de una población¨
Levine,Krehbiel y Berenson(2006) ¨un parámetro es una medida numérica
que describe una característica de la población¨
(p.3)
DISTRIBUCIONES BIDIMENSIONALES

levin y rubine (2010 p.121) Son aquellas en las que a cada individuo le
corresponden los valores de dos variables, las representamos por el par (xi,
yi).Si representamos cada par de valores como las coordenadas de un punto,
el conjunto de todos ellos se llama nube de puntos o diagrama de dispersión.

frecuencia relativa bidimensional

f ij
hij  ; tal que 0  hij  1
n
¨X¨
f i.
hi. 
n
¨Y¨
f. j
h. j 
n
MEDIAS Y VARIANZAS MARGINALES PARA LAS VARIABLES X e Y

medidas
r

x * f . i i
x i 1
n

y * f i .j
y i 1
n
 varianzas

r
( X i2 * f i. )  n X
2

S x2  i 1
n 1

Para datos agrupados

r k

 x y
i 1 j 1
i j * f ij  n x y
Cov( x, y ) 
n 1

REGRESIÓN Y CORRELACIÓN
El término correlación se utiliza generalmente para indicar la
correspondencia o la relación recíproca que se da entre dos o más cosas,
ideas, personas, entre otras.

En tanto, en probabilidad y estadística, la correlación es aquello que indicará la

fuerza y la dirección lineal que se establece entre dos variables aleatorias.
coeficente de correlacion

n XY   X  Y
r
n  X 2  ( X ) 2 n Y 2  ( Y ) 2

regresión lineal:

simple
Y= β0+β1X

múltiple
Y= β0+β1 X1+…..+βNXN

análisis de regresión
Formula general

Yi  0  1 X i  ei

coeficientes de regresión
n n n
n XY   X  Y _ _

̂1  i 1 i 1 i 1

1   XY  n X Y
n n _
n X  ( X )
2 2
X2 nX2
i 1 i 1

ˆ0  y  ˆ1 x

REGRESIÓN MUESTRAL
  
y   0   1 X Materiales y Métodos:

5.3. Población:
La población de la Provincia de Trijillo
5.4. Unidad de Estudio:
El cliente de la Provincia de Trijillo
5.5. Muestra:
150 personas de los diversos distritos de la provincia de Trujillo.
5.6. Variables: (descripción de las variables de estudio)
Variable Independiente: La aceptación del mercado trujillano
 Variable Dependiente: El incremento de las ventas.
5.7. Técnicas e instrumento de medición:
Técnicas Instrumentos
Encuesta (Ver anexo n°x) Cuestionario
Recopilación de documentos Cuadros estadísticos
5.8. Aplicación de métodos estadísticos:
Preguntar al profesor.-Solo escribir fórmulas- sin resultados
6. Resultados: (Cuadros, gráficos, resultado de métodos estadísticos)
CUADRO N° 01
CUADRO DE DISTRIBUCIÓN DE FRECUENCIA DEL CONSUMO DE MUEBLES SEGÚN SU EDAD
Frequency Distribution -
Quantitative

Edad cumulative

lower upper midpoint width frequency percent frequency percent

25 < 29 27 4 32 21.3 32 21.3
29 < 33 31 4 50 33.3 82 54.7
33 < 37 35 4 20 13.3 102 68.0
37 < 41 39 4 24 16.0 126 84.0
41 < 45 43 4 8 5.3 134 89.3
45 < 49 47 4 14 9.3 148 98.7
49 < 53 51 4 0 0.0 148 98.7
53 < 57 55 4 2 1.3 150 100.0

150 100.0
EDAD PROMEDIO 34.413267
MEDIANA 32.44
MODA 27.5

VARIANZA 51.625735
DESVIACIÓN ESTÁNDAR 7.1851051
COEFICIENTE DE VARIACIÓN 20.878881

 f2: la mayoría de persona entrevistada tiene entre 29 a 33 años de edad. Lo cual haría que nuestro
sondeo sea más eficiente debido a que es la población objetivo o a donde se quiere llegar ya que
esta es más propensa a cambiar de muebles.
  f8 la minoría de personas entrevistadas tienen entre 53 y 57 años.
 Como el coeficiente de variación es menor a 30, nuestra población es más homogénea por lo
que se concentra en la población adulta.

Histogram
35 33.3

30

25
21.3
20
Percent

16.0
15 13.3

9.3
10
5.3
5
1.3
0.0
0

Edad

Frequency Distribution - Qualitative Como se puede observar la mayoría de las

personas entrevistadas son mujeres lo
GÉNERO que haría que nuestro sondeo sea más
objetivo y eficiente ya que ellas
frequency percent
usualmente hacen remodelación en sus
F 80 53.3
hogares.
M 70 46.7
150 100.0
 Histogram
54

52

50
Percent

48

46

44

42
F M
GÉNERO
  La mayoría de gente entrevistada
pertenece a EL GOLF, LAS QUINTANAS Y
Frequency Distribution - Qualitative
SAN ANDRÉS, zonas en donde usualmente
viven personas capaces de hacer una
RECIDENCIA
remodelación por tener mejor solvencia
frequency percent
económica (sin ser discriminador).
ARBOLEDA 6 4.0
 La minoría pertenece a LAREDO, MOCHE Y
CALIFORNIA 8 5.3
HUANCHACO lo que nos daría a indicar que
DANIEL HOYLE 4 2.7
nuestro mercado objetivo sería la zona
EL BOSQUE 8 5.3
central de Trujillo o cerca a los centros
EL GOLF 10 6.7
comerciales grandes (MALL).
EL MILAGRO 6 4.0
EL MOLINO 8 5.3
EL PORVENIR 4 2.7
EL RECREO 8 5.3
EL VALLE 2 1.3
FLORENCIA DE MORA 6 4.0
HUAMAN 2 1.3
HUANCHACO 2 1.3
LA ESPERANZA 8 5.3
LA MERCED 8 5.3
LA NORIA 4 2.7
LAREDO 2 1.3
LOS JARDINES 4 2.7
MOCHE 2 1.3
MOCHICA 4 2.7
PRIMAVERA 2 1.3
QUINTANAS 12 8.0
SAN ANDRES 10 6.7
SAN ISIDRO 4 2.7
SANTA MARIA 4 2.7
SANTA TERESA DE AVILA 4 2.7
SANTO DOMINGUITO 4 2.7
VISTA ALEGRE 4 2.7
150 100.0
 Histogram
9
8
7
6
Percent

5
4
3
2
1
0

RECIDENCIA

Frequency Distribution - Qualitative

RENOVACIÓN La mayoría de personas entrevistadas sí estarían

frequency percent dispuestas a renovar muebles lo que es un buen
Si 148 98.7 indicador para hacer un negocio de muebles de
calidad y tener buena aceptación.
No 2 1.3
150 100.0
 RENOVACIÓN
120

98.7
100

80
Percent

60

40

20
1.3
0
Si No
P1

Frequency Distribution - Qualitative

La mayoría de personas prefieren sus muebles de madera lo
MATERIAL que también es un buen indicador para hacer un negocio de
fabricación de muebles de madera ya que tendríamos el
frequency percent
respaldo de la mayoría de las personas ya que hay mayor
Madera 148 98.7
posibilidad de ser aceptados y por ende tener éxito
Melamina 2 1.3 comercial.
150 100.0
 Histogram
120
98.7
100

80
Percent

60

40

20
1.3
0
Madera Melamina

Frequency Distribution - Qualitative

La mayoría de personas prefieren que sus muebles

PREFERENCIA
tengan un mejor acabado lo que daría a indicar que
frequency percent
tendríamos que enfocarnos principalmente en la
Acabado 76 50.7 elaboración de muebles con acabados perfectos de tal
Diseño 42 28.0 manera que satisfaga las necesidades y demandas de
Durabilidad 10 6.7 nuestros consumidores. Sin dejar de lado que nuestros
Precio 22 14.7 muebles tendrían que tener un diseño a la vanguardia ya
150 100.0 que nuestros clientes se enfocarían también en ese
detalle.

Si observamos, lo que menos les interesa a las personas

es el precio lo que nos indica que estarían dispuestos a
pagar un buen monto de dinero con tal de obtener un
producto que satisfaga sus demandas.
 Histogram
60
50.7
50

40
Percent

30 28.0

20
14.7

10 6.7

0
Acabado Diseño Durabilidad Precio
PREFERENCIA

Frequency Distribution - Qualitative Lo que más les atraería a la gente sería la

simplicidad del producto lo que nos manda a
ATRACCIÓN DEL hacer muebles sin mucha complejidad ya que
PRODUCTO estaríamos fallando con lo que nuestros
clientes piden a nuestros productos.
frequency percent
Atractivo 10 6.7
Facilidad de uso 4 2.7
Moda 24 16.0
Simplicidad 112 74.7
150 100.0
 Histogram
80 74.7
70
60
50
Percent

40
30
20 16.0
10 6.7
2.7
0
Atractivo Facilidad Moda Simplicidad
de uso
ATRACCIÓN DEL PRODUCTO

Frequency Distribution - Qualitative Como se puede apreciar nuestros

modelos mostrados a los entrevistados
CONSIDERACIONES tienen buena aceptación lo que es un
buen indicador para hacer negocio y a
frequency percent la vez mejorar nuestras propuestas de
Bueno 144 96.0 muebles.
Regular 6 4.0
150 100.0
Histogram
120

100
96.0

80
Percent

60

40

20
4.0
0
Bueno Regular
CONSIDERACIONES
Frequency Distribution - Quantitative

INVERSION cumulative

lower upper midpoint width frequency percent frequency percent

1,700 < 1,800 1,750 100 14 9.3 14 9.3

1,800 < 1,900 1,850 100 29 19.3 43 28.7
1,900 < 2,000 1,950 100 30 20.0 73 48.7
2,000 < 2,100 2,050 100 10 6.7 83 55.3
2,100 < 2,200 2,150 100 20 13.3 103 68.7
2,200 < 2,300 2,250 100 11 7.3 114 76.0
2,300 < 2,400 2,350 100 21 14.0 135 90.0
2,400 £ 2,500 2,450 100 15 10.0 150 100.0

150 100.0

EDAD PROMEDIO 2073.3333

MEDIANA 2000.8
MODA 1997.3333

VARIANZA 50455.556
DESVIACIÓN ESTÁNDAR 224.62314
COEFICIENTE DE
VARIACIÓN 10.833914
CUARTIL 3 2395
 Histogram
25

20.0
20 19.3

15 14.0
13.3
Percent

10.0
10 9.3
7.3
6.7

INVERSION

Frequency Polygon
25.0

20.0

15.0
Percent

10.0

5.0

0.0
1,600 1,800 2,000 2,200 2,400
INVERSION
Frequency Distribution - Qualitative

COSIDERACION
frequency percent
Bueno 148 98.7
Regular 2 1.3
150 100.0

Histogram
120

98.7
100

80
Percent

60

40

20

1.3
0
Bueno Regular
COSIDERACION
Frequency Distribution - Quantitative

INVERSION cumulative

lower upper midpoint width frequency percent frequency percent

1,400 < 1,450 1,425 50 37 24.7 37 24.7

1,450 < 1,500 1,475 50 0 0.0 37 24.7
1,500 < 1,550 1,525 50 40 26.7 77 51.3
1,550 < 1,600 1,575 50 0 0.0 77 51.3
1,600 < 1,650 1,625 50 31 20.7 108 72.0
1,650 < 1,700 1,675 50 0 0.0 108 72.0
1,700 < 1,750 1,725 50 34 22.7 142 94.7
1,750 £ 1,800 1,775 50 8 5.3 150 100.0

150 100.0

EDAD PROMEDIO 1579.6667

MEDIANA 1553.8
MODA 1547.7465

VARIANZA 13944.889
DESVIACIÓN ESTÁNDAR 118.08848
COEFICIENTE DE
VARIACIÓN 7.4755315
DECIL 8 1603.75
 Histogram
30
26.7
24.7
25 22.7
20.7
Percent
20

15

10
5.3
5

0.0 0.0 0.0

0

INVERSION

Frequency Polygon
30.0

25.0

20.0
Percent

15.0

10.0

5.0

0.0
1,350 1,450 1,550 1,650 1,750
INVERSION
Frequency Distribution - Qualitative

P9
frequency percent
Bueno 140 93.3
Exelente 2 1.3
Regular 8 5.3
150 100.0

Histogram
100 93.3

80

60
Percent

40

20
1.3 5.3
0
Bueno Exelente Regular
P9
Frequency Distribution - Quantitative

P10 cumulative

lower upper midpoint width frequency percent frequency percent

1,600 < 1,650 1,625 50 21 14.0 21 14.0

1,650 < 1,700 1,675 50 0 0.0 21 14.0
1,700 < 1,750 1,725 50 33 22.0 54 36.0
1,750 < 1,800 1,775 50 0 0.0 54 36.0
1,800 < 1,850 1,825 50 48 32.0 102 68.0
1,850 < 1,900 1,875 50 0 0.0 102 68.0
1,900 < 1,950 1,925 50 36 24.0 138 92.0
1,950 £ 2,000 1,975 50 12 8.0 150 100.0

150 100.0

INVERSION PROMEDIO 1811 La gente estaría dispuesta a invertir por las

MEDIANA 1756.5455 vitrinas como un promedio de s/.1800.
MODA 1748.3704
Pero la gente, al mismo tiempo, preferiría
pagar un monto de entre s/. 1750 y s/. 1850
VARIANZA 11804 ya que este monto fue la moda, o sea la más
DESVIACIÓN ESTÁNDAR 108.64621 preferida.
COEFICIENTE DE
VARIACIÓN 5.9992388 Los precios ofrecidos tienen un coeficiente de
PERCENTIL 88 1881.25 variación mucho menor a 30 lo que significa
que no tendríamos que variar mucho los
precios.
 Histogram
35 32.0
30
24.0
25 22.0
Percent
20
14.0
15
10 8.0

5
0.0 0.0 0.0
0

P10

Frequency Polygon
35.0
30.0
25.0
Percent

20.0
15.0
10.0
5.0
0.0
1,550 1,650 1,750 1,850 1,950
P10
 Las personas preferirían la publicidad mediante
folletos lo que nos obligaría a hacer un plan de
publicidad masiva mediante estos medios y
concentrarnos menos en hacer publicidad por
Frequency Distribution - Qualitative
correos y anuncios.

P11
frequency percent
Anuncios 4 2.7
Correo electrónico 4 2.7
Folletos 60 40.0
Revistas 36 24.0
Televisión 46 30.7
150 100.0

Histogram
45 40.0
40
35 30.7
30 24.0
Percent

25
20
15
10
5 2.7 2.7
0

P11
 Crosstabulation

PREFERENCIA
Acabad Durabilida
o Diseño d Precio Total
Observe
F d 48 20 4 8 80
% of row 60.0% 25.0% 5.0% 10.0% 100.0%
% of
GÉNERO column 63.2% 47.6% 40.0% 36.4% 53.3%
Observe
M d 28 22 6 14 70
% of row 40.0% 31.4% 8.6% 20.0% 100.0%
% of
column 36.8% 52.4% 60.0% 63.6% 46.7%
Observe
Total d 76 42 10 22 150
% of row 50.7% 28.0% 6.7% 14.7% 100.0%
% of
column 100.0% 100.0% 100.0% 100.0% 100.0%

TANTO LA MAYORÍA DE MUJERES COMO HOMBRES PREFIERE UN MEJOR ACABADO EN SUS MUEBLES.

TANTO LA MINORÍA DE HOMBRES COMO DE MUJERES NO SE FIJARÁ MUCHO EN LA DURACIÓN DE LOS MISMOS.

7. Conclusiones:
 8. Recomendaciones:
9. Bibliografía:
10. Namakforoosh, B. & Mohammad N. (2005). Metodología de la investigación, Inc.
[Versión electrónica], Recuperado el 20 de junio de 2015, de
https://books.google.com.pe/books?id=ZEJ7-
0hmvhwC&pg=PA292&dq=desviaci%C3%B3n+est%C3%A1ndar&hl=es-
419&sa=X&ei=PruGVe2JF5H9ggSy84DoDQ&sqi=2&ved=0CCYQ6AEwAg#v=on
epage&q=desviaci%C3%B3n%20est%C3%A1ndar&f=false

devore (2012) demostró que ¨una grafica de puntos es un resumen atractivo de

datos numericos cuando el conjunto de datos es razonablemente pequeño o
existen pocos valores de datos distintos ¨
(P.15)
devore(2012) define que ¨una variable numérica es discreta si su conjunto de
valores posibles es finito o además puede ser puesto en una lista en una
secuencia infinita.
(p.16)
Sheldon M. Ross() recalco que ¨el 50percentil muestral se le denomina ,por su
puesto, la mediana muestral.¨
(p.28)
Sheldon M. Ross() dio a conocer que ¨los cuartiles dividen a un conjunto de datos
en cuatro partes.
(p.28)
http://www.deie.mendoza.gov.ar/aem/material/teoria/MEDIDAS%20DE%20TEND
ENCIA%20CENTRAL%20Y%20DE%20VARIABILIDAD.pdf