Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
EPORT ESTADÍSTICA BÁSICA PARA LOS NEGOCIOS JULIO RAMOS R. • VÍCTOR DEL ÁGUILA • ANA BAZALAR B. Gross Sales by Sales Analysis ,\¡J, JL-, I...,..., 1 J,1,1 + J"Jll. ,-,,...-t,• Estadística básica para los negocios Julio Ramos R. ● Víctor del Águila ● Ana Bazalar B. Colección Textos Universitarios Estadística básica para los negocios Primera edición impresa: julio, 2017 Primera edición digital: abril, 2020 © Universidad de Lima Fondo Editorial Av. Javier Prado Este 4600, Urb. Fundo Monterrico Chico, Lima 33, Perú Apartado postal 852, Lima 100 Teléfono: 437-6767, anexo 30131 fondoeditorial@ulima.edu.pe www.ulima.edu.pe Diseño, edición y carátula: Fondo Editorial de la Universidad de Lima Imagen de portada: Portrait Images Asia by Nonwarit/ Shutterstock.com Versión e-book 2020 Digitalizado y distribuido por Saxo.com Perú S. A. C. https://yopublico.saxo.com/ Teléfono: 51-1-221-9998 Avenida Dos de Mayo 534, Of. 404, Miraflores Lima - Perú Se prohíbe la reproducción total o parcial de este libro, por cualquier medio, sin permiso expreso del Fondo Editorial. ISBN 978-9972-45-523-0 Índice 7 Presentación 11 Capítulo 1. Nociones básicas de la estadística 13 1. Definición, clasificación e importancia de la estadística 15 1.1 Estadística 15 1.2 Clasificación de la estadística 16 1.2.1 Estadística descriptiva 16 1.2.2 Estadística inferencial 17 1.3 Importancia y necesidad de la estadística 17 2. Términos básicos en estadística 18 2.1 Población y parámetro 18 2.1.1 Población o universo 18 2.1.2 Parámetro 19 2.2 Muestra y estadístico 20 2.2.1 Muestra 20 2.2.2 Estadístico 21 2.3 Unidad de análisis 22 2.4 Variables 22 2.4.1 Clasificación de las variables 22 2.5 Datos 25 3. Concepto de medición 26 3.1 Niveles de medición 26 4. Fases del método estadístico 28 Ejercicios y problemas resueltos 1 31 Ejercicios y problemas propuestos 1 47 Capítulo 2. Fuentes y técnicas de recolección de datos 59 1. Fuentes de recolección de datos 61 1.1 Fuente primaria 61 1.2 Fuente secundaria 62 2. Técnicas de recolección de datos primarios 64 2.1 La observación 64 2.2 La experimentación 64 2.3 La encuesta 65 3. Encuestas por muestreo y censos 65 3.1 Encuesta por muestreo 65 3.1.1 Tipos de encuestas por muestreo 66 Índice Estadística básica para los nEgocios8 3.1.2 Etapas de una encuesta por muestreo 67 3.1.3 Principales encuestas por muestreo en el Perú 67 3.2 Censo 68 3.2.1 Etapas del censo 68 3.2.2 Principales censos en el Perú 70 4. Instrumento de medición para encuestas: el cuestionario 70 4.1 Etapas para su construcción 71 4.2 Tipos de cuestionario 71 4.3 Tipos de preguntas en el cuestionario 72 4.4 Un modelo de cuestionario de encuesta 75 Ejercicios y problemas resueltos 2 80 Ejercicios y problemas propuestos 2 89 Capítulo 3. Técnicas de procesamiento y presentación de datos 95 1. Uso de sumatorias e intervalos para datos estadísticos 97 1.1 Sumatorias 98 1.2 Intervalos 99 2. Organización de los datos: objetivos y pasos 100 2.1 Pasos en la organización de los datos 101 3. Procesamiento o tabulación de datos 102 3.1 Cuadro estadístico 102 3.1.1 Estructura y elementos de un cuadro estadístico 102 3.2 Tablas de frecuencias 103 3.2.1 Clasificación de las tablas de frecuencias 104 3.2.2 Estructura y elementos de una tabla de frecuencias 104 3.3 Gráficos estadísticos 105 3.3.1 Clasificación de los gráficos estadísticos 105 3.3.2 Estructura y elementos de un gráfico estadístico 106 3.4 Procesamiento de datos de una variable cualitativa 107 3.4.1 Tabla de frecuencias 107 3.4.2 Gráfico de barras 109 3.4.3 Gráfico de sectores circulares 110 3.5 Procesamiento de datos de una variable cuantitativa discreta de recorrido corto 111 3.5.1 Tabla de frecuencias 111 3.5.2 Gráfico de bastones 112 3.6 Procesamiento de datos de una variable cuantitativa continua y discreta de recorrido largo 113 3.6.1 Tabla de frecuencias 113 3.6.2 Histograma 118 3.6.3 Polígono de frecuencias 119 3.6.4 Ojiva 120 3.7 Diagrama de dispersión para dos variables cuantitativas 120 Ejercicios y problemas resueltos 3 123 Ejercicios y problemas propuestos 3 134 Capítulo 4. Medidas estadísticas de resumen 159 1. Definición y clasificación de las medidas estadísticas 161 1.1 Definición 161 Índice 9 1.2 Clasificación de las medidas estadísticas 161 2. Medidas estadísticas de centralización y posición 161 2.1 Media aritmética X( ) 162 2.1.1 Propiedades de la media aritmética 163 2.1.2 Cálculo de la media aritmética con datos agrupados en una tabla de frecuencias 164 2.1.3 Media ponderada 165 2.2 Mediana (Me) 166 2.2.1 Cálculo de la mediana con datos no agrupados 167 2.2.2 Cálculo de la mediana con datos agrupados (tabulados sin intervalos) 169 2.2.3 Cálculo de la mediana con datos agrupados (tabulados con intervalos) 170 2.3 Moda o valor modal (Mo) 172 2.3.1 Cálculo de la moda con datos no agrupados 172 2.3.2 Cálculo de la moda con datos agrupados (tabulados con intervalos) 172 2.4 Comparación entre la media aritmética, la mediana y la moda 174 2.5 Cuantiles 176 2.6 Cuartiles (Qk) 177 2.6.1 Cálculo de cuartiles con datos no agrupados 177 2.6.2 Cálculo de cuartiles con datos agrupados (tabulados con intervalos) 179 2.7 Percentiles (Pk) 181 2.7.1 Cálculo de percentiles con datos no agrupados 181 2.7.2 Cálculo de percentiles con datos agrupados (tabulados en intervalos) 182 2.8 Media geométrica GX( ) 185 Ejercicios y problemas resueltos 4.1 187 Ejercicios y problemas propuestos 4.1 199 3. Medidas estadísticas de dispersión o variabilidad 216 3.1 Clasificación de las medidas de dispersión o variabilidad 216 3.1.1 Medidas absolutas de variabilidad 216 3.1.2 Medidas relativas de variabilidad 217 3.2 Rango o amplitud total (R) 217 3.3 Rango intercuartil (RQ) 218 3.4 Desviación media (Dm) 219 3.4.1 Cálculo de la desviación media con datos no agrupados 219 3.4.2 Cálculo de la desviación media con datos agrupados 220 3.5 Varianza (S2) 221 3.5.1 Cálculo de la varianza con datos no agrupados 221 3.5.2 Cálculo de la varianza con datos agrupados 222 3.5.3 Propiedades de la varianza 224 3.6 Desviación estándar (S) 224 3.6.1 Propiedad de la desviación estándar 225 3.7 Coeficiente de variación (CV) 226 3.7.1 Interpretación del coeficiente de variación 227 Estadística básica para los nEgocios10 3.8 Comparación de la desviación media con la desviación estándar 229 Ejercicios y problemas resueltos 4.2 230 Ejercicios y problemas propuestos 4.2 235 4. Medidas estadísticas de asimetría 240 4.1 Coeficiente de asimetría de Fisher (AF) 241 4.2 Coeficientes de asimetría de Pearson 241 4.2.1 Primer coeficiente de Pearson (AP1) 241 4.2.2 Segundo coeficiente de Pearson (AP2) 241 4.3 Interpretación del coeficiente de asimetría 242 Ejercicios y problemas resueltos 4.3 244 Ejercicios y problemas propuestos 4.3 250 5. Gráficos para el análisis exploratorio de datos 255 5.1 Diagrama de tallos y hojas 255 5.1.1 Construcción del diagrama de tallos y hojas 256 5.2 Diagrama de caja y bigotes 259 5.2.1 Detección de datos atípicos u outliers 261 Ejercicios y problemas resueltos 4.4 263 Ejercicios y problemas propuestos 4.4 269 Capítulo 5. Técnicas de conteo de posibilidades 277 1. Utilidad de las técnicas de conteo 279 2. Principios de conteo 279 2.1 Principio de multiplicación 279 2.2 Principio de adición 281 3. Permutaciones 282 3.1 Permutaciones de n objetos diferentes 282 3.2 Permutaciones de n objetos diferentes tomados de k en k 283 3.3 Permutaciones con grupos de objetos iguales o repetidos 284 4. Combinaciones 285 Ejercicios y problemas resueltos 5 287 Ejercicios y problemas propuestos 5 289 Respuestas a los ejercicios y problemas propuestos 295 Referencias bibliográficas 311 Presentación 11 Presentación Las primeras formas simplesde estadística aparecieron con el inicio de la civi- lización; se utilizaba representaciones gráficas en rocas, madera y paredes para contar el número de personas, animales o ciertos objetos. En Babilonia, en el año 3000 antes de Cristo, se usaba tablas de arcilla para recolectar información sobre la producción agrícola. Los egipcios ya analizaban los datos de su población y la renta del país mucho antes de construir las pirámides; del mismo modo, la cultura China realizaba censos ordenados por el emperador Tao, hacia el año 2200 antes de Cristo. En el siglo XIX, la estadística entra en una nueva fase de su desarrollo debido a la generalización del método para estudiar fenómenos de las ciencias naturales y sociales. Se puede considerar a Galton y Pearson los padres de la estadística moderna, pues a ellos se debe el paso de la estadística deductiva a la estadística inductiva (Estadística para todos, 2008). En la actualidad, con la popularización de las computadoras la estadística se ha convertido en una ciencia poderosa. El núcleo central de la metodología estadística se basa en técnicas de computación intensiva, aplicadas a grandes masas de datos en búsqueda del modelo ideal. Sin embargo, los fundamentos de la estadística actual, y muchos de sus métodos inferenciales iniciados por Fisher, parten de la estadística descriptiva. El presente libro trata sobre la estadística descriptiva y ha sido orientado a los negocios, basado en la experiencia docente de los autores en el dictado de los cur- sos de estadística en la Universidad de Lima. El contenido temático corresponde a la asignatura Estadística Básica para los Negocios, que se dicta en el Programa de Estudios Generales de la Universidad de Lima y comprende cinco capítulos. En el capítulo 1 se presentan las nociones básicas de la estadística, aquí se desarrollan los términos básicos, así como las fases del método estadístico. En el capítulo 2 se tratan las fuentes y técnicas de recolección de datos, que es el tema más desarrollado, por su importancia en el procedimiento estadístico. Estadística básica para los nEgocios12 Las técnicas de procesamiento y presentación de los datos se desarrollan en el capítulo 3, y se agrega una pequeña introducción sobre el uso de sumatorias e intervalos para el resumen de los datos. En este capítulo se trabaja, principal- mente, la elaboración de las tablas de frecuencias y los gráficos estadísticos de acuerdo al tipo de variable que se está estudiando. En el capítulo 4 se estudian las medidas estadísticas de resumen y los gráfi- cos estadísticos para el análisis exploratorio de datos. El estudio de las medidas estadísticas de resumen se dividió en tres partes: medidas de tendencia central y posición, medidas de dispersión o variabilidad y medidas de asimetría. Los gráficos utilizados en el análisis exploratorio de datos son: diagrama de tallos y hojas, y gráfico de caja y bigotes. En el capítulo 5 se desarrollan las técnicas de conteo de posibilidades de ocu- rrencias, los principios básicos del conteo de posibilidades, las permutaciones y combinaciones; los cuales son temas importantes para el cálculo de probabilidad basado en la definición clásica. Finalmente, agradecemos a las personas que nos han apoyado en la elabo- ración de este libro, en especial al profesor Máximo Mitacc, quien revisó este material y nos alcanzó sugerencias y observaciones; de igual modo, al profesor Fernando Hoyos, quien nos motivó y brindó su decidido apoyo para la culmina- ción de este proyecto. Los autores La Estadística es una ciencia fundamental para la toma de decisiones, sobre todo cuan- do prevalecen situaciones de incertidumbre en los campos sociales, salud, negocios, entre otros. En este capítulo se enfatizarán las aplicaciones en los negocios (finanzas, comercio, estudios de mercado y otros). Para emplear métodos y procedimientos para la medición, clasificación, análisis e interpretación de datos es necesario cono- cer la clasificación, los términos técnicos, el método de medición de las características y las fases del método estadístico en la in- vestigación científica. Sabes Capacidades adquiridas 9 Entender y describir un problema de in- vestigación identificando sus distintas etapas 9 Identificar los diferentes tipos de inves- tigación y las características que cada uno de ellos representan. Piensas Competencias por lograr 9 Identificar los términos estadísticos. 9 Clasificar las variables bajo estudio se- gún su naturaleza y nivel de medición. 9 Reconocer las distintas fases del método estadístico. Haces Habilidades por desarrollar 9 Analizar un problema de investigación en los negocios y describirlo utilizando los términos estadísticos. 9 Distinguir entre estadística descriptiva e inferencial en un problema de investi- gación en los negocios. Contenido 1. Definición, clasificación e importan- cia de la estadística. 2. Términos básicos en estadística. 3. Concepto de medición. 4. Fases del método estadístico. Nociones básicas de la estadística Capítulo 1 Estadística básica para los nEgocios14 Perú ocupa el puesto 42 en tamaño de población con más de 31 millones de habitantes. ¿La estadística descriptiva nos permite conocer esto? La población del Perú asciende a 31 488 625 personas, informó el Ins- tituto Nacional de Estadística e Informática (INEI), en el Día Mundial de la Población del 2016. De esa cifra, el 50,1 % son hombres y el 49,9 % mujeres y 9 985 664 de personas se encuentran en la región Lima. La estadística descriptiva utiliza técnicas para recolectar, ordenar, resumir y clasificar datos con la finalidad de tener una visión más pre- cisa y conjunta de un fenómeno o problema de investigación. El aná- lisis de datos ayuda a descubrir posibles relaciones entre las unidades estudiadas, determinando cuáles toman valores parecidos, cuáles di- fieren grandemente del resto y destacando hechos de posible interés. En el Perú, el INEI es el organismo oficial encargado de realizar estudios basados en la estadística descriptiva, que nos permitan saber ¿cuántos somos?, y ¿cómo estamos distribuidos? Otro objetivo de la estadística descriptiva es presentar los resulta- dos de tal modo que describan fácilmente el fenómeno estudiado. Para aplicar las técnicas de la estadística descriptiva se requiere cono- cer previamente sus términos técnicos, el nivel de medición de los datos y las etapas que se siguen para realizar una investigación estadística. Capítulo 1. NoCioNes básiCas de la estadístiCa 15 1. Definición, clasificación e importancia De la estaDística 1.1 Estadística La actividad estadística surge en civilizaciones como la egipcia, la griega, la ro- mana y la china, que periódicamente realizaban censos en los que sus funciona- rios recababan informaciones tales como: número de habitantes, matrimonios, defunciones, tipos de recursos, número de nacimientos, entre otros, de toda la población. En el Perú, el primer censo general habría sido realizado por el inca Sinchi Roca (1230-1260), en el Imperio del Tahuantinsuyo, que habría determina- do la existencia de 200 000 hombres aptos para la guerra (INEI, 2016). Como la función de los diversos niveles del Estado es, entre otras cosas, lle- var los registros de la población, nacimientos, indicadores agrarios, impuestos y demás, tradicionalmente se definió a la estadística como un instrumento de compilación, organización, presentación y análisis de los datos numéricos que necesitan los Estados. Por esta razón, etimológicamente el término “estadística” se deriva de la pa- labra que proviene del latín statisticus que significa ‘del Estado’. Pero cuando realizamos investigaciones en los campos de la economía, la administración, la medicina, la psicología, la física, la química, la biología, nos damos cuenta de que la estadística es fundamental y, en varios casos, es el único instrumento con quecontamos hoy para poder medir, clasificar, analizar e inter- pretar datos de cualquiera de las dos ramas de las ciencias fácticas. Los métodos estadísticos son uno de los medios por los que el hombre trata de comprender las relaciones entre determinados grupos de objetos, elementos o personas y encontrar tendencias o similitudes a partir de la compilación e in- terpretación de datos numéricos. Estos métodos son fundamentalmente los mis- mos, independientemente de que se apliquen en el análisis de fenómenos físicos, Estadística básica para los nEgocios16 en el estudio de mediciones educacionales, en el estudio de datos provenientes de experimentos biológicos, o del análisis cuantitativo de teoría en economía. Por lo expuesto, la estadística es una ciencia que se aplica a cualquiera de las ramas de las ciencias fácticas y nos proporciona un conjunto de métodos y pro- cedimientos para la medición, clasificación, análisis e interpretación de datos en forma adecuada, para que nos permitan tomar decisiones cuando prevalezcan situaciones de incertidumbre. 1.2 Clasificación de la estadística Existen dos formas conocidas de clasificar la estadística. Según el orden de ejecución de las actividades, la estadística se clasifica en descriptiva e infe rencial, y según el número de variables se clasifica en univariante y multivariante. En esta sección abordaremos la clasificación según el orden de ejecución de las ac- tividades. 1.2.1 Estadística descriptiva Se encarga de recolectar, clasificar, presentar, describir, resumir o simplificar da- tos, cuyo análisis no pretende ir más allá del conjunto de los datos obtenidos de la muestra o de la población. La estadística descriptiva es, pues, un conjunto de procedimientos que tienen por objeto presentar grupos de datos simplificados en tablas, gráficos o medidas de resumen. En definitiva, la estadística descrip- tiva comprende aquellas técnicas que se usan para simplificar la información (usualmente largas listas de datos) de la forma más precisa posible, a través de medidas de resumen, tablas, cuadros y gráficos, para facilitar las descripciones y comparaciones. Los elementos de la estadística descriptiva, de acuerdo a su ocurrencia, se presentan a continuación: Figura 1.1 Elementos de la estadística descriptiva Recolección de datos Crítica y clasi�cación de datos Presentación de información Tablas, grá�cos y medidas estadísticas Análisis descriptivo Elaboración propia Capítulo 1. NoCioNes básiCas de la estadístiCa 17 Ejemplo 1.1 El gerente de una empresa midió el nivel de conocimiento de todo su perso- nal administrativo en el manejo de hojas electrónicas de cálculo. Aplicó una prueba y representó las calificaciones en algunos gráficos, tablas y calculó algunos indicadores. Concluyó que su personal administrativo posee un do- minio aceptable de las hojas electrónicas. 1.2.2 Estadística inferencial Podemos considerar que la estadística es inferencial cuando pretende inferir, predecir o hacer conclusiones de una población a partir de los datos de su muestra. Como algunos de los resultados, pueden ser completa o parcialmente ciertos y otros no, están ligados a cierto grado de incertidumbre dentro de los límites de error y probabilidad, los mismos que se pueden determinar estadís- ticamente en cada caso (Sierra, 1997). Los elementos de la estadística inferencial se presentan a continuación: Figura 1.2 Elementos de la estadística inferencial Elaboración propia Ejemplo 1.2 Una empresa de investigación de mercados realizó un estudio por muestreo de consumidores de bebidas energéticas, seleccionó una muestra de consumidores (mujeres y hombres) de este tipo de bebidas y con base en los datos obtenidos, probó que los hombres consumen más bebidas energéticas que las mujeres. 1.3 Importancia y necesidad de la estadística La estadística es una disciplina que implica la recolección y la organización de los datos para describir, interpretar y predecir el comportamiento futuro de estos. Por esta razón, la estadística se utiliza en casi todas las actividades y áreas del saber Población objetivo • Características desconocidas Muestra probabilística • Seleccionada con leyes de probabilidad Datos • Obtenidos de cada unidad de la muestra Estimaciones • Calculadas con los datos de la muestra Conclusiones • Válidas para la población, con un error y confiabilidad tolerada Estadística básica para los nEgocios18 humano, por ejemplo, en las industrias alimentarias, farmacéuticas, las compa- ñías aseguradoras, el gobierno central y en los distintos conocimientos humanos (ciencias sociales: economía, medicina, biología, psicología, entre otras; ciencias naturales: física, química, entre otras). En estas últimas se utilizan diferentes técnicas para realizar investigaciones cuantitativas con la finalidad de conocer, por ejemplo, el comportamiento de los clientes sobre productos nuevos y el mejo- ramiento de los existentes; así como para realizar investigaciones estadísticas en los ámbitos estatal o académico. Estadística en los negocios La estadística es fundamental para gestionar y mejorar temas o actividades rela- cionados con los negocios, por ejemplo: – Los niveles de satisfacción de los clientes y usuarios – Los tipos de accidentes y sus frecuencias – Ventas por clientes, vendedores, zonas y productos – Predicciones de ventas por zonas, productos, servicios o sucursales – Proyectos de inversión – Evolución de las distintas ratios económicas-financieras y patrimoniales a lo largo del tiempo – Estudios e investigación de mercado – Productos más demandados, en el ámbito global, por zona y por canal de comercialización – Estadística del personal (directivo y empleado) – El control de calidad 2. términos básicos en estaDística La estadística, al ser ciencia, posee su propia terminología técnica. A continua- ción se presentan los términos básicos y definiciones del lenguaje estadístico. 2.1 Población y parámetro 2.1.1 Población o universo Es el conjunto de todos los elementos que comparten una característica que se desea investigar. Estas características deben estar claramente definidas, en el espacio y el tiempo. Dichos elementos pueden ser personas, hogares, manza- nas, distritos, ciudades, escuelas, hospitales, empresas, latas de leche, televiso- res, periódicos, revistas, series televisivas, entre otros (Hernández, Fernández y Baptista, 1994) Capítulo 1. NoCioNes básiCas de la estadístiCa 19 La población se clasifica en: • Población finita. Es aquella cuyos elementos son susceptibles de ser conta- dos. Para estudios en las ciencias sociales, una población se considera finita cuando el número total de elementos es menor o igual a 100 000 (Sierra, 1997). Por lo general, una población finita se define con límites de espacio y de tiempo. • Población infinita. Es aquella cuyos elementos no son susceptibles de ser contados; es decir, cuando son ilimitados. Para estudios en las ciencias so- ciales, una población se considera infinita cuando el número total de sus elementos es mayor a 100 000 (Sierra, 1997). Cuando nos interesa estudiar una población o universo en un problema de investigación, esta se denomina población objetivo. Ejemplo 1.3 En un estudio de mercado se define la población objetivo como “las personas residentes en el distrito de La Molina, que consumieron gaseosa en el mes pa- sado”. Es decir, la investigación tendrá que recolectar datos de las personas que consumieron gaseosa el mes pasado en el distrito de La Molina. 2.1.2 Parámetro Es una medida de resumen de toda la población. Se expresa, por ejemplo, como total poblacional, media poblacional, proporción o porcentaje poblacional, razón poblacional, entre otros. Su valor representa una característica numérica de la po- blación; los parámetros son difíciles de calcular porque en muchos casos la reco- lección de datos de toda la poblaciónes prácticamente imposible pero pueden ser inferidos mediante los estadígrafos, de donde proviene el nombre de “estadística inferencial” (Hernández, Fernández y Baptista, 1994). En el siguiente cuadro se presentan los parámetros más utilizados en la esta- dística inferencial. Parámetros Símbolos Total poblacional T Media poblacional µ Proporción poblacional π Varianza poblacional 2σ Desviación estándar poblacional σ Estadística básica para los nEgocios20 Ejemplo 1.4 En el estudio de mercado en el distrito de La Molina se definió la población objetivo como “las personas residentes en el distrito de La Molina, que consu- mieron gaseosa en el mes pasado”; entonces, algunos parámetros de interés podrían ser los siguientes: – Gasto promedio mensual en consumo de gaseosa de los consumidores que residen en el distrito de La Molina, el mes pasado. – Porcentaje de consumidores de gaseosas que residen en el distrito de La Molina que prefieren la marca “Kola Sabor”, el mes pasado. Los valores de los parámetros anteriores son desconocidos, se necesitaría consultar a todos los consumidores de gaseosas de La Molina para conocer el verdadero valor de cada parámetro. 2.2 Muestra y estadístico 2.2.1 Muestra Es un subconjunto de la población, debidamente seleccionado mediante el uso de técnicas estadísticas o mediante el juicio de un experto. Si los datos de una muestra se han obtenido haciendo uso de procedimientos que utilizan el cálculo de probabilidades, se puede realizar inferencias de la población de donde proce- de (Sierra, 1997). La muestra puede ser probabilística y no probabilística. • Muestra probabilística. Es aquella muestra que se obtiene por métodos probabilísticos de selección, en el cual cada elemento de la población o universo tiene una probabilidad conocida de selección. La estadística in- ferencial requiere este tipo de muestra para poder expandir sus resultados obtenidos a la población de estudio. La principal ventaja de este tipo de muestra es que puede medirse el tamaño del error muestral en nuestras predicciones (Hernández, Fernández y Baptista, 1994). • Muestra no probabilística. Llamada también muestra dirigida, es aquella que se obtiene mediante el juicio o criterio de una persona, generalmente un experto en la materia que selecciona los elementos de la muestra. Este método está basado en los puntos de vista subjetivos de una persona y suponen un procedimiento de selección informal y algo arbitraria. La teoría de la probabilidad no puede ser empleada para medir el error de muestreo, lo cual constituye su mayor desventaja. Entre sus principales ventajas podemos mencionar que es fácil de obtenerla a través de con- vocatorias; por ejemplo: muestra de sujetos voluntarios, sujetos-tipos, entre otros; o acudiendo a instituciones u organizaciones que posean la información que se requiere. De este modo se abarata el costo, ya que usualmente es más bajo que el de las muestras probabilísticas (Hernández, Fernández y Baptista, 1994). Capítulo 1. NoCioNes básiCas de la estadístiCa 21 Ejemplo 1.5 En el estudio de mercado en La Molina se definió la población objetivo como “las personas residentes en el distrito de La Molina que consumieron gaseosa en el mes pasado”. Entonces, la muestra podría estar conformada por “400 consumidores de gaseosas que residen en La Molina, seleccionados mediante algún método de muestreo probabilístico, en el mes pasado”. 2.2.2 Estadístico Conocido también como estadígrafo, es el valor calculado basado en los datos que se obtienen de una muestra y, por lo tanto, es una estimación o aproxima- ción del parámetro. En estadística inferencial, los estadísticos sirven para es- timar los parámetros de población que generalmente se desconocen. Entre los estadísticos conocidos se tienen la media muestral (promedio), la proporción o porcentaje muestral, entre otros. En el siguiente cuadro, se presentan los estadísticos más utilizados en la es- tadística inferencial. Estadísticos Símbolos Total muestral T̂ Media muestral X Proporción muestral p Varianza muestral S2 Desviación estándar muestral S Ejemplo 1.6 En el estudio de mercado de La Molina se consideró una muestra de 400 con- sumidores de gaseosas, seleccionados del mecionado distrito, el mes pasado; entonces, los estadísticos de interés podrían ser: – Gasto promedio mensual en consumo de gaseosa de los 400 consumidores seleccionados del distrito de La Molina, en el mes pasado. – Porcentaje de consumidores que prefieren la marca “Kola Sabor”, de los 400 consumidores seleccionados del distrito de La Molina, en el mes pasado. El valor de los estadísticos anteriores es fácil de conocer y calcular, debido a que solo se utiliza los datos de una muestra. Estos valores son estimaciones o aproximaciones de los parámetros definidos en el ejemplo 1.4. Estadística básica para los nEgocios22 2.3 Unidad de análisis Conocido también como unidad elemental, unidad de observación o unidad es- tadística. Es el elemento o unidad base de la población, o de la muestra, del cual se obtendrán datos referidos a ciertas características o variables que nos intere- san para explicar un determinado fenómeno. Estas pueden ser: una persona, un programa televisivo, un periódico, una revista, un banco, una empresa, etc. Ejemplo 1.7 En el estudio de mercado del distrito de La Molina la unidad de análisis es un consumidor de gaseosa que reside en La Molina, en el mes pasado. 2.4 Variables En estadística, la variable es una característica de la unidad de análisis, cuya medida puede cambiar de valor, y este cambio es capaz de “medirse”. El térmi- no variable proviene del latín variabilis, que significa cambiante. Una variable es una propiedad que puede variar y se puede medir (Hernández, Fernández y Baptista, 1994). Se representa simbólicamente mediante las letras mayúsculas del alfabeto español (X, Y, Z). 2.4.1 Clasificación de las variables A las variables se les da diferentes clasificaciones, las más usuales son las si- guientes (Pino Gotuzzo, 2007): a) Según su naturaleza De acuerdo a su naturaleza, las variables se clasifican en cualitativas y cuantitativas. • Variables cualitativas: Son aquellas que representan cualidades, atributos, modalidades o cate- gorías no numéricas; por ejemplo: sexo, lugar de nacimiento, religión, tipo de atención a un cliente en una institución, entre otros. Estas categorías deben estar bien definidas, de tal modo que ninguna unidad de análisis puede estar clasificada en más de una categoría a la vez, ni pueda quedar fuera de alguna de las categorías de la variable. Las variables cualitativas pueden ser nominales u ordinales. – Variables cualitativas nominales: son aquellas que solo permiten asig- nar nombres o etiquetas a los datos, formando categorías que no tienen ningún orden entre ellas. A continuación se presentan algunos ejemplos de variables cualita- tivas nominales. Capítulo 1. NoCioNes básiCas de la estadístiCa 23 Ejemplo 1.8 Tipo de atención a un cliente de una entidad financiera. Categorías Atención personal en agencia No existe orden (de menos a más o de más a menos) entre las categorías Atención vía telefónica Atención por Internet Ejemplo 1.9 Uso de tarjeta de crédito por un cliente en una tienda por departamentos. Categorías Sí usa No existe orden (de menos a más o de más a menos) entre las categorías.No usa Ejemplo 1.10 Carrera profesional que estudia un alumno de la Universidad de Lima. Categorías Administración No existe orden (de menos a más o de más a menos) entre las categorías. Arquitectura Comunicación Contabilidad Derecho Economía Ingeniería Industrial Ingeniería de Sistemas Marketing Negocios Internacionales Psicología – Variables cualitativas ordinales: son aquellas cuyas categorías pueden ser ordenadas con algún criterio, de menos a más o de más a menos. Acontinuación se presentan algunos ejemplos de variables cualita- tivas ordinales: Ejemplo 1.11 Frecuencia de uso de tarjeta de crédito por un cliente en una tienda por departamentos. Categorías Uso poco frecuente Existe orden, de menos a más frecuencia de uso, en- tre las categorías. Uso frecuente Uso muy frecuente Estadística básica para los nEgocios24 Ejemplo 1.12 Grado de instrucción de un ciudadano en el Perú. Categorías Primaria Existe orden, de menos a más grado de instrucción, entre las categorías. Secundaria Superior Ejemplo 1.13 Calificación de un postulante a un puesto de trabajo. Categorías Excelente Existe orden, de más a me- nos calificación, entre las categorías. Muy bueno Bueno Regular Deficiente • Variables cuantitativas Son aquellas características de la unidad de análisis que son posibles de representar numéricamente. Se obtienen como resultados de mediciones o conteos. Las variables cuantitativas pueden ser continuas o discretas. – Variables cuantitativas continuas: son aquellas cuyos valores están re- presentados mediante el conjunto de los números reales. Se obtienen por medición y pueden tomar cualquier valor real dentro de un inter- valo de la recta numérica. Podemos distinguir varios tipos de variables continuas, entre las más importantes se mencionan las siguientes: a. Variables de medida son aquellas que se expresan en unidades de medida generadas por un instrumento de medición, tales como: pe- so de una persona (en kilogramos), presión arterial de un paciente (en milímetros de mercurio), longitud de una barra (en centímetros), temperatura del ambiente (en grados Fahrenheit). b. Variables de tiempo son aquellas que se expresan en unidades de tiempo, tales como: duración de un foco (en días), tiempo que espe- ra un cliente para ser atendido (en minutos), tiempo que emplea un médico para operar un paciente (en horas). c. Variables económicas son aquellas que se expresan en unidades mo- netarias, tales como: sueldo de un trabajador (en soles), ganancia de una empresa (en dólares), precio de un vehículo (en dólares). – Variables cuantitativas discretas: son aquellas que toman valores nu- méricos aislados y no pueden tomar ningún valor entre dos consecuti- vos. Se obtienen por conteo y están representados mediante el conjunto Capítulo 1. NoCioNes básiCas de la estadístiCa 25 de los números naturales. Podemos distinguir varios tipos de variables discretas, entre las más importantes se mencionan las siguientes: a. Variables de conteo de objetos son aquellas que cuentan la cantidad de objetos que posee la unidad de observación, tales como: número de celulares por cliente, número de habitaciones por vivienda, núme- ro de tarjetas de crédito por cliente. b. Variables de conteo de personas son aquellas que cuentan la canti- dad de personas que posee la unidad de observación, tales como: número de hijos por familia, número de trabajadores por empresa, número de estudiantes por sección. c. Variables de conteo de ocurrencias son aquellas que cuentan la can- tidad de ocurrencias en un periodo de tiempo, tales como: número de llamadas telefónicas recibidas por hora, número de clientes aten- didos por día, número de veces por día que un estudiante revisa su correo electrónico, llegadas de turistas en un día al Perú. b) Según el rol o dominio que desempeñan en la investigación Teniendo en cuenta el criterio de su causalidad, las variables se clasifican en de- pendientes e independientes. • Variables dependientes Son aquellas mediciones que resultan de manipular los valores que asu- man otras variables, llamadas independientes. La variable dependiente es- tá asociada al fenómeno que se pretende explicar. • Variables independientes Son aquellas en que la manipulación de su valor determina cambios en los valores de la variable dependiente. La manipulación de la variable independiente puede hacerse variando sus cantidades o grados. Estas pre- tenden explicar el fenómeno. Cabe señalar que los roles de las variables pueden intercambiarse de una investigación a otra; es decir, en una investigación puede ser variable indepen- diente y en otra puede ser variable dependiente, y viceversa. 2.5 Datos Los valores obtenidos para cada variable, en cada unidad de análisis, constituyen los datos. Son valores numéricos o no numéricos que se recogen en mediciones u observaciones y que después de ser codificados y criticados se presentan y analizan los resultados. Ejemplo 1.14 En una encuesta, se le preguntó a Pedro Saldaña por su edad y este respondió que había cumplido 23 años. El valor numérico 23 es el dato. Estadística básica para los nEgocios26 Ejemplo 1.15 A un estudiante de la Universidad de Lima se le solicitó que mencione la especialidad que está estudiando y este respondió Economía. El valor no nu- mérico “Economía” es el dato. Ejemplo 1.16 En un proceso de inspección se encontró que un objeto era defectuoso. El valor no numérico “defectuoso” es el dato. 3. concepto De meDición En las ciencias exactas, la medición se define como la asignación de un símbo- lo, numérico o no numérico, a la característica de un objeto o evento de acuer- do con reglas establecidas. Cuando se realizan mediciones a variables que son conceptualizadas de manera abstracta, como la calidad académica, la actitud de un docente, la atención de un estudiante, se requiere definir la medición como un proceso de vincular conceptos abstractos con indicadores empíricos. Este proceso se realiza mediante un plan explícito y organizado para clasificar (y frecuentemente cuantificar) los datos disponibles bajo el concepto que el investi- gador tiene en mente (Hernández, Fernández y Baptista, 1994). 3.1 Niveles de medición Los niveles o escalas de medición utilizados en el análisis de información son: nominal, ordinal, intervalo y de razón. Estos están asociados con las siguientes cuatro características: clasificación, ordenamiento, intervalos iguales y el cero absoluto. En el siguiente cuadro se presentan las características de los niveles de medición (Gallardo de Parada y Moreno, 1999). Nivel o escala de medición Características asociadas permitidas Nominal Solo clasificación Ordinal Clasificación y ordenamiento De intervalo Clasificación, ordenamiento e intervalos iguales y cero relativo De razón Clasificación, ordenamiento, intervalos iguales y cero absoluto En el cuadro anterior se puede ver que en el nivel de medición nominal tan solo se clasifica, mientras en el nivel de razón se acumulan todas las caracte- rísticas de los niveles de medición. Capítulo 1. NoCioNes básiCas de la estadístiCa 27 • Nivel nominal Es el nivel más simple o primitivo; ubica los objetos o individuos en cate- gorías diferentes, desde el punto de vista cualitativo y no desde el punto de vista cuantitativo. En este tipo de información se requiere que el in- vestigador sea capaz de distinguir dos o más categorías y que conozca los criterios para su clasificación. Las categorías deben ser mutuamente excluyentes (Gallardo de Parada y Moreno, 1999). Por ejemplo, un nivel de medición nominal se emplea cuando se clasi- fica a las personas por su lugar de nacimiento. Los datos obtenidos en este nivel se denominan datos nominales. Ejemplo 1.17 El sexo masculino (M) o femenino (F) de 15 estudiantes constituye un gru- po de datos nominales: F, F, M, F, M, M, M, F, M, F, F, M, M, M, F. Estos datos solo se pueden clasificar en dos categorías, masculinos y femeninos. • Nivel ordinal En este nivel, se tiene al menos dos categorías que determinan la posición de objetos o individuos con relación a ciertos atributos, manteniendo una jerarquía pero sin indicar la distancia entre las posiciones. Si se asigna un valor numérico, o de atributos, los valores más altos corresponderán a los individuos que tienen más de la característicaque se mide (Gallardo de Parada y Moreno, 1999). Esto hace que necesariamente en este nivel se sa- tisfaga la característica del ordenamiento de los datos. Los datos obtenidos en este nivel de medición se denominan datos ordinales. Ejemplo 1.18 El grado de instrucción –primaria (PR) secundaria (SE) o superior (SU)– de 10 trabajadores constituye un grupo de datos ordinales: SE, SE, PR, SE, SU, SE, SU, PR, SE, SU. Estos datos se pueden clasificar y ordenar en tres grupos, en el orden: PR, SE, SU. • Nivel de intervalo Llamada también interválica, en este nivel o escala numérica se agrupan las variables cuantitativas con intervalos y poseen las propiedades de or- den, distancia y un origen no natural (INEI, 2001). Este nivel de medición permite utilizar las operaciones aritméticas básicas como la suma y resta de los valores numéricos (Gallardo de Parada y Moreno Garzón, 1999). Ejemplos de este nivel de medición son: la medición de la temperatura, el puntaje en una prueba de admisión, etc. Los datos obtenidos en este nivel de medición se denominan datos en nivel o escala de intervalo. Ejemplo 1.19 La temperatura ambiental (en °C) de 10 ciudades del Perú medida en el nivel o escala de intervalo fue 37, 25, 15, 0, –8, 18, 38, 28, 19, 25. La existencia Estadística básica para los nEgocios28 de un cero no supone la ausencia de temperatura en la ciudad, puesto que cero grados centígrados está dado de forma arbitraria por los creadores de la escala. Estos datos se pueden clasificar, ordenar, sumar y restar. • Nivel de razón o proporción Este nivel o escala numérica constituye el nivel más alto de medición para las variables cuantitativas. Abarca las características de la escala de inter- valo y se puede aplicar las operaciones aritméticas básicas de suma, resta, multiplicación y división de los valores numéricos. El origen o cero que se proporcionan son absolutos. El cero absoluto significa la ausencia de la variable o fenómeno medible (INEI, 2001). Los datos obtenidos en este nivel se denominan datos en escala o nivel de razón. Ejemplo 1.20 El sueldo mensual de 10 trabajadores (en soles) en el nivel de razón fueron: 1500, 2000, 1850, 1900, 2100, 1750, 1950, 2050, 2200, 2180. El dato 0 represen- taría que la persona no recibe sueldo porque no trabaja (ausencia del fenó- meno). Estos datos se pueden clasificar, ordenar, sumar, restar, multiplicar y dividir. Los datos obtenidos en este nivel de medición se denominan datos en nivel o escala de razón. Podemos resumir las operaciones que se pueden realizar con los datos en cada nivel de medición, tal como se observa en el siguiente cuadro. Nivel de medición de los datos Operaciones aritméticas que soportan los datos Nominal ; = ≠ Ordinal ; ; ;= ≠ < > De intervalo ; ; ; ; ; = ≠ < > + − De razón ; ; ; ; ; ; ; = ≠ < > + − × ÷ 4. fases Del métoDo estaDístico El método estadístico parte de la observación de un fenómeno, y como este no siempre puede mantener las mismas condiciones predeterminadas a voluntad del investigador, se deja que actúen libremente, pero se registran los diferentes com- portamientos y se analizan sus variaciones (Guarín, 2002). Así, para el planea- miento de una investigación, por norma general, se siguen las siguientes etapas: a) Planteamiento del problema Al iniciar una investigación se debe definir claramente qué problema se va a estudiar y por qué es pertinente hacerlo. Para esto, una revisión Capítulo 1. NoCioNes básiCas de la estadístiCa 29 bibliográfica del tema nos permitirá conocer la accesibilidad y los resulta- dos obtenidos en similares investigaciones. b) Determinación de los objetivos Luego de tener claro lo que se pretende investigar, debemos fijar cuáles son nuestras metas y propósitos. Estos deben plantearse de tal forma que no haya lugar a confusiones o ambigüedades y, además, debe establecerse diferenciación entre los objetivos de corto, mediano y largo plazo, así co- mo entre los objetivos generales y los específicos. c) Formulación de hipótesis Una hipótesis es, ante todo, una explicación provisional del objeto de estu- dio. Su formulación depende del conocimiento que el investigador posea sobre la población investigada. Una hipótesis estadística debe ser suscep- tible de “docimar”, esto es, probar su aceptación o rechazo. d) Determinación de la unidad de análisis, variables y del nivel de medición La unidad de análisis, entendida como cada elemento constituyente de la población objetivo, debe definirse y determinar todas sus características. La unidad de análisis puede estar constituida por uno o varios individuos u objetos, y denominarse respectivamente simple o compleja. Además, se deben establecer las variables (cualitativas y cuantitativas) y el nivel de medición (nominal, ordinal, de intervalo o de razón). Asociado al nivel de medición, deben establecerse las condiciones en las cuales se ha de efec- tuar la recolección de datos. e) Determinación de la población y de la muestra probabilística En estadística, población no se refiere únicamente a los seres vivos; una población puede estar constituida por los habitantes de un país, por los establecimientos comerciales de un barrio o por las unidades de vivienda en una ciudad. Existen, desde el punto de vista de su tamaño, poblaciones finitas e infinitas. Aquí, el término infinito no se toma con el rigor semán- tico de la palabra; por ejemplo, la población de Lima Metropolitana es un conjunto finito; sin embargo, en términos estadísticos, puede ser conside- rada como infinito. En la práctica, estudiar cada uno de los elementos que conforman la población no es aconsejable, ya sea por costo o inviabilidad del proceso. Se recurre al análisis de las unidades de una muestra probabilística con el fin de hacer inferencias sobre la población. f) Recolección de datos Una de las etapas más importantes de la investigación es la recolección de datos. Se recomienda previamente tomar una muestra piloto para poner a prueba los cuestionarios y obtener una aproximación de la variabilidad de la población, con el fin de calcular el tamaño exacto de la muestra que conduzca a una estimación de los parámetros con la precisión establecida. El establecimiento de las fuentes y cauces de información, así como la can- Estadística básica para los nEgocios30 tidad y complejidad de las preguntas, de acuerdo con los objetivos de la investigación, son decisiones que se han de tomar considerando la disponi- bilidad de los recursos financieros, humanos y de tiempo, y las limitaciones que se tengan en la zona geográfica, el grado de desarrollo, entre otros. g) Crítica, clasificación y ordenación de los datos Después de haber reunido todos los datos pertinentes, se depuran los da- tos recolectados. Para hacer la crítica es fundamental que la persona que ocupe ese puesto conozca la organización, funcionamiento y objetivos de la encuesta a fin de que pueda detectar omisiones, información inexacta (errónea) o inconsistencias y luego proceder a su corrección. Separado el material de “desecho”, con los datos depurados se procede a establecer las clasificaciones respectivas y con la ayuda de hojas de trabajo, en las que se establecen los cruces necesarios, se ordenan las respuestas y se preparan los modelos de tabulación de las diferentes variables que intervienen en la investigación. El procedimiento se realiza con ayuda del computador. h) Tabulación de los datos La tabulación es el resultado de un proceso de condensación o resumen de datos en cuadros o tablas. Los cuadros estadísticos tienen como ob- jetivo ser depósitos de datos o contener datos ya procesados; es decir, infor mación que el analista o investigador utiliza como su herramienta de análisis. Una tabla es un resumen de datos numéricos o no numéricos respecto de una o más variables; ofrece claridad al lector sobre lo que se pretende describir, parasu fácil interpretación. i) Presentación de resultados Una información estadística adquiere más claridad cuando se presenta de forma adecuada. Los cuadros, tablas y gráficos facilitan el análisis pero se debe tener cuidado con las variables que se van a presentar. No es acon- sejable saturar un informe con tablas y gráficos redundantes. Además, la elección de determinada tabla o gráfico para mostrar los resultados debe hacerse no solo en función de las variables que relaciona, sino del lector a quien va dirigido el informe. j) Análisis de resultados La estadística ofrece técnicas y procedimientos objetivos que convierten las especulaciones de primera mano en aseveraciones que pueden ser eva- luadas y, además, pueden ofrecer una premisa medible en la toma de una decisión. Es el análisis donde se cristaliza la investigación. k) Publicación de resultados Toda conclusión merece ser comunicada a un auditorio. Es más, quienes encargaron el estudio esperan las conclusiones, sobre ella se generarán preguntas claves para la toma de decisiones. Capítulo 1. NoCioNes básiCas de la estadístiCa 31 ejercicios y problemas resueltos 1 1. Para analizar la posibilidad de lanzar al mercado una nueva marca de ciga- rrillos, se efectuó una encuesta entre los fumadores que transitaron por la quinta cuadra de la avenida Canadá, desde las 17.00 hasta las 20.00 horas, el domingo 14 de febrero. Para ello, se seleccionó una muestra probabilística de 80 fumadores y se obtuvo los siguientes resultados: • El 65 % de fumadores prefiere cigarrillos de marcas importadas. • El precio promedio que pagan por una cajetilla es de S/ 5,00. Identifica los siguientes términos estadísticos: población, muestra, uni- dad de análisis, variable(s) y tipo(s) de variable(s), parámetro, estadístico y ejemplo de dato. Solución Población Los fumadores que transitan por la quinta cuadra de la avenida Canadá, desde las 17.00 hasta las 20.00 horas, el domingo 14 de febrero. Muestra 80 fumadores seleccionados probabilísticamente que tran- sitan por la quinta cuadra de la avenida Canadá, desde las 17.00 hasta las 20.00 horas, el domingo 14 de febrero. Unidad de análisis Un fumador que transita por la quinta cuadra de la avenida Canadá, desde las 17.00 hasta las 20.00 horas, el domingo 14 de febrero. Variable(s) y tipo(s) de variable(s) Variable 1: Procedencia de la marca de cigarrillos que prefiere el fumador. Cualitativa nominal. Variable 2: Precio que paga el fumador por una cajetilla de cigarrillos. Cuantitativa continua. Parámetro Precio promedio por cajetilla de cigarrillos que pagan los fu- madores que transitan por la avenida Canadá, desde las 17.00 hasta las 20.00 horas, el domingo 14 de febrero ( )µ . Estadístico Precio promedio por cajetilla de cigarrillos que pagan los 80 fumadores seleccionados aleatoriamente que transitan por la avenida Canadá, desde las 17.00 hasta las 20.00 horas, el domingo 14 de febrero X( ). Ejemplo de dato El precio que pagó un fumador seleccionado fue S/ 3,50 por una cajetilla de cigarros. 2. Una compañía de estudios de mercado se interesa por la preferencia del consumidor limeño respecto de tres marcas de gaseosas que compiten en- tre sí: Coca Cola, Pepsi Cola e Inca Kola. También desea estudiar el número de unidades consumidas de cada gaseosa, por persona, en la última sema- na y desea conocer los tipos de envases en que se consume la bebida (bote- lla, lata, botella no retornable). Para llevar a cabo este estudio se selecciona Estadística básica para los nEgocios32 una muestra probabilística de 30 consumidores de gaseosas de la ciudad de Lima. Identifica los siguientes términos estadísticos: población, muestra, uni- dad de análisis, variable(s) y tipo(s) de variable(s), parámetro, estadístico y ejemplo de dato. Solución Población Los consumidores de gaseosas de las marcas Coca Cola, Pepsi Cola e Inca Kola de Lima, en la última semana. Muestra 30 consumidores de gaseosas de las marcas Coca Cola, Pepsi Cola e Inca Kola, seleccionados probabilísticamente en Lima. Unidad de análisis Un consumidor de gaseosas de las marcas Coca Cola, Pepsi Cola e Inca Kola, en Lima. Variable(s) y tipo(s) de variable(s) Variable 1: Preferencia de un consumidor por una marca de gaseosa. Cualitativa nominal. Variable 2: Número de unidades consumidas de la gaseosa de su preferencia por un consumidor. Cuantitativa discreta. Variable 3: Tipo de envase en que se consume la gaseosa (botella, lata, botella no retornable). Cualitativa nominal. Parámetro Porcentaje de consumidores de gaseosas que prefieren la marca Coca Cola, en Lima ( )π . Estadístico Porcentaje de consumidores de gaseosas que prefieren la marca Coca Cola, de los 30 consumidores seleccionados (p). Ejemplo de dato – Un consumidor seleccionado bebió Inca Kola. – Un consumidor seleccionado bebió 2 gaseosas por semana. – Un consumidor seleccionado bebió gaseosa en lata. 3. La Municipalidad de Pueblo Libre realizó un estudio sobre atención al pú- blico. De un total de 1500 personas que realizaron alguna gestión en el lo- cal municipal, se seleccionaron a 300. Parte de la información o resultados obtenidos fue: – La persona identificada con el número 125 indicó haber asistido cuatro veces al local municipal para realizar la misma gestión. – El 40 % de los encuestados manifestaron que la atención recibida fue regular. – El tiempo promedio para realizar un pago fue de 10,45 minutos. – El valor máximo para la variable “cantidad de recibos pagados por au- toavalúo para el mismo predio” fue 2. Capítulo 1. NoCioNes básiCas de la estadístiCa 33 – El 30 % afirmó que el horario más conveniente para la atención al público es de 9.00 a 18.00 horas. Identifica los siguientes términos estadísticos: población, muestra, uni- dad de análisis, variable(s) y tipo(s) de variable(s), parámetro, estadístico y ejemplo de dato. Solución Población Las 1500 personas que realizaron alguna gestión en la Municipa lidad de Pueblo Libre. Muestra 300 personas que realizaron alguna gestión en la Munici- palidad de Pueblo Libre, seleccionadas por algún método probabilístico de muestreo. Unidad de análisis Una persona que realizó alguna gestión en la Municipali- dad de Pueblo Libre. Variable(s) y tipo(s) de variable(s) Variable 1: número de veces que asistió una persona por una misma gestión en la Municipalidad de Pueblo Libre. Cuanti- tativa discreta. Variable 2: nivel de satisfacción en la atención que re- cibió una persona en la Municipalidad de Pueblo Libre. Cualitativa ordinal. Variable 3: tiempo que demora una persona para realizar un pago en la municipalidad de Pueblo Libre. Cuantitativa continua. Variable 4: número de recibos que paga una persona por au- toavalúo para un mismo predio. Cuantitativa discreta. Variable 5: preferencia de una persona por el horario de atención al público. Cualitativa nominal. Parámetros – Tiempo promedio de retraso en caja de las 1500 personas ( )µ . – Porcentaje de personas, de las 1500, que prefieren el horario de atención al público de las 9.00 hasta las 18.00 horas ( )π . Estadísticos – Tiempo promedio de retraso en caja de las 300 personas seleccionadas X( ) . – Porcentaje de personas, de las 300 seleccionadas, que pre- fieren el horario de atención al público de las 9.00 hasta las 18.00 horas (p). Ejemplo de dato Una de las personas seleccionadas indicó haber asistido 4 veces por una misma gestión en la Municipalidad de Pueblo Libre. 4. La empresa Informesa llevó a cabo un estudio para analizar el mercado de internautas que compran servicios de internet, en Lima Metropolitana. Para el estudio se consideró una muestra probabilística de 1500 personas. Estadística básica para los nEgocios34 Algunos de los resultados de la encuesta fueron: • De las 1500 personas seleccionadas, solo el25 % de los internautas tienen alguna computadora en casa. • El número promedio de veces por semana que los encuestados usan el servicio de Internet es 3. • El 80 % de los internautas opinó que el servicio de Internet es regular. • El tiempo promedio de uso diario de Internet es de 2 horas. Identifica los siguientes términos estadísticos: población, muestra, uni- dad de análisis, variable(s) y tipo(s) de variable(s), parámetro, estadístico y ejemplo de dato. Solución Población Los internautas que compran servicios de internet en Lima Metropolitana. Muestra 1500 internautas que compran servicios de internet en Lima Metropolitana, seleccionados por algún método probabilísti- co de muestreo. Unidad de análisis Un internauta que compra servicio de internet en Lima Metropolitana. Variable(s) y tipo(s) de variable(s) Variable 1: Posesión de alguna computadora en casa del inter- nauta. Cualitativa nominal. Variable 2: Número de veces por semana que un internauta usa el servicio de Internet. Cuantitativa discreta. Variable 3. Calificación del servicio de internet de un internauta. Cualitativa ordinal. Variable 4: Tiempo de uso diario de internet por un inter- nauta. Cuantitativa continua. Parámetros Porcentaje de internautas que tienen alguna computadora en casa, en Lima Metropolitana ( )π . Tiempo promedio de uso diario de internet, de los internau- tas en Lima Metropolitana ( )µ . Estadísticos De los 1500 seleccionados, el porcentaje de internautas que tienen alguna computadora en casa (p). De los 1500 seleccionados, tiempo promedio de uso diario de Internet X( ) . Ejemplo de dato Un internauta hace uso de Internet 5 veces por semana. Capítulo 1. NoCioNes básiCas de la estadístiCa 35 5. El director del programa de televisión Jaime de Althaus toma una muestra probabilística de 1500 televidentes de las provincias a los que llega su pro- grama La Hora N. Él desea conocer la opinión de los televidentes sobre los temas desarrollados en sus entrevistas y cuáles serían sus preferencias para próximos programas. Identifica los siguientes términos estadísticos: población, muestra, uni- dad de análisis y dos variables que incluiría en el estudio indicando el tipo de variable. Solución Población Los televidentes del programa La Hora N en las provincias con cobertura de este programa. Muestra 1500 televidentes seleccionados por algún método pro- babilístico de muestreo de las provincias a los que llega el programa La Hora N. Unidad de análisis Un televidente del programa de La Hora N en provincias. Variable(s) y tipo(s) de variable(s) Variable 1: Opinión del televidente sobre los temas tratados en La Hora N (polémico, entretenido, aburrido, etc.). Cualita- tiva nominal. Variable 2: Temas que prefiere el televidente para los próximos programas de La Hora N. Cualitativa nominal. 6. La empresa Pacocha S. A., que entre otras cosas produce margarinas, ha solicitado a la empresa EMER S. A. un estudio de mercado de las personas de clase media, de la ciudad de Lima, acerca del consumo de dicho produc- to. Para realizar el estudio la empresa tomó una muestra probabilística de 1200 personas de clase media de la ciudad de Lima. Algunos de los datos y resultados de la encuesta fueron: – El precio promedio de venta de un pote de margarina, pagado por per- sona, fue de 4 soles. – El 35 % de personas opinó que las margarinas son productos dañinos para la salud. Identifica los siguientes términos estadísticos: población, muestra, uni- dad de análisis, variable(s) y tipo(s) de variable(s), parámetro, estadístico y ejemplo de dato. Estadística básica para los nEgocios36 Solución Población Personas de clase media de la ciudad de Lima que con-sumen margarina. Muestra 1200 personas de clase media de la ciudad de Lima que con-sumen margarina, seleccionadas probabilísticamente. Unidad de análisis Una persona de clase media de la ciudad de Lima que con- sume margarina. Variable(s) y tipo(s) de variable(s) Variable 1: Precio de venta de un pote de margarina que paga una persona de clase media de la ciudad de Lima. Cuantitativa continua. Variable 2: Opinión de una persona de clase media de la ciudad de Lima sobre los efectos en la salud por el con- sumo de margarina. Cualitativa nominal. Parámetros Precio promedio por pote de margarina pagado por las personas de clase media de la ciudad de Lima ( )µ . Porcentaje de personas de clase media de la ciudad de Lima, que opinan que la margarina es un producto dañi- no para la salud ( )π . Estadísticos Precio promedio por pote de margarina pagado por las 1200 personas seleccionadas de la ciudad de Lima ( 4X = soles). Porcentaje de personas que opinan que la margarina es un producto dañino para la salud, de las 1200 seleccionadas de la ciudad de Lima (p = 0,35 = 35 %). Ejemplo de dato Una persona seleccionada de clase media de Lima pagó 4,10 soles por un pote de margarina. 7. Una revista de negocios en el Perú, en su sección de marketing, ha publicado un artículo sobre el poder del e-mail marketing. En el artículo se define al e- mail marketing como una herramienta que permite abrir el diálogo con los clientes, de forma personalizada y con comunicación relevante. Se utiliza el correo electrónico para fomentar las ventas, también para profundizar la marca y generar recordación, buscando la retroalimentación continua y la creación de un vínculo de confianza y fidelización. A continuación se reportan las preguntas de una encuesta realizada a una muestra probabilística de clientes de Movistar en todo el Perú, en el 2016. Departamento de residencia ¿Tiene servicio de internet en casa? Sí ( ) No ( ) ¿Trabaja? Sí ( ) No ( ) Ingreso men- sual del cliente en soles ¿Cuál de las marcas enviadas a su correo electrónico utiliza con frecuencia? Monto de gastos realizados en las marcas de su pre- ferencia en soles Capítulo 1. NoCioNes básiCas de la estadístiCa 37 Identifica los siguientes términos estadísticos: población, muestra, uni- dad de análisis, variable(s) y tipo(s) de variable(s). Solución Población Clientes de Movistar Perú en el 2016 Muestra Los clientes de Movistar seleccionados probabilística-mente en el Perú, en el 2016. Unidad de análisis Un cliente de Movistar Perú, en el 2016. Variable(s) y tipo(s) de vari- able(s) Variable 1: Departamento de residencia del cliente de Movistar. Cualitativa nominal. Variable 2: Tenencia de internet en casa del cliente de Movistar. Cualitativa nominal. Variable 3: Situación laboral del cliente de Movistar. Cualitativa nominal. Variable 4: Ingreso mensual del cliente de Movistar. Cuantitativa continua. Variable 5: Marca enviada por correo electrónico que el cliente de Movistar utiliza con frecuencia. Cualitativa nominal. Variable 6: Gasto realizado por el cliente de Movistar en la marca de su preferencia. Cuantitativa continua. 8. De las siguientes variables cuantitativas indique con una X cuáles son discretas y cuáles continuas. Variable Discretas Continuas Número de acciones vendidas cada día en la Bolsa de Valores X Temperatura registrada cada hora en un obser- vatorio X Vida útil de un automóvil X Diámetro de una rueda de un auto X Número de hijos en una familia X Estadística básica para los nEgocios38 9. Indique con una X el tipo de variable que le corresponde: Variable Cualitativa Cuantitativa Nominal Ordinal Discreta Continua Comida favorita de una persona X Profesión que eligió un estu- diante universitario X Número de goles marcados por tu equipo favorito en la última temporada X Número de alumnos en una universidad X Nacionalidad de un pasajero que llega al Aeropuerto Jorge Chávez X Religión que profesa tu compa- ñero de clase X Residencia de una persona X Cantidad de litros de agua con- tenidos en un depósito X Número de libros en un estante delibrería X Suma de puntos obtenidos en el lanzamiento de un par de dados X Deporte favorito de una persona X Área construida de una vivienda X 10. En cada caso, determine el tipo de variable según su naturaleza: Variable Tipo de variable Peso (en kg) de un alumno de la asignatura Estadística Básica para los Negocios Cuantitativa continua País de procedencia de un turista que in- gresa al Perú Cualitativa nominal Calificación del cliente sobre el servicio re- cibido (malo, regular, bueno) Cualitativa ordinal Edad (en años cumplidos) de un estudiante de primer ciclo de la Escuela de Negocios de la Universidad de Lima Cuantitativa discreta Tamaño de una empresa en el Perú (micro, pequeña, mediana, grande) Cualitativa ordinal (continúa) Capítulo 1. NoCioNes básiCas de la estadístiCa 39 Calificación de un alumno en el examen fi- nal de la asignatura Estadística Básica para los Negocios Cuantitativa discreta Sueldo (en soles) de un profesor de la Uni- versidad de Lima Cuantitativa continua Número de llegadas diarias por visitante extranjero al Perú, por asuntos de negocios Cuantitativa discreta Servicio de televisión por suscripción en una familia de Lima Cualitativa nominal Monto en millones de dólares por importa- ciones realizadas en el Perú por mes Cuantitativa continua Nivel de percepción del cliente sobre la atención recibida (muy mala, mala, regular, buena, muy buena) Cualitativa ordinal Escuela a la que pertenece un estudiante de la Universidad de Lima Cualitativa nominal Tiempo de garantía (en días cumplidos) otorgada a un cliente por la compra de un aparato electrónico Cuantitativa discreta Número de asignaturas desaprobadas por un estudiante de la Escuela de Negocios en el semestre 2016-II Cuantitativa discreta 11. Analice si las siguientes variables cuantitativas son discretas o continuas y determine para cada caso el nivel de medición Variable ¿Discreta o continua? Nivel de medición Número de asignaturas en las que se matriculó un estudiante del quinto ni- vel de la carrera de Derecho de la Uni- versidad de Lima Discreta Razón Calificación obtenida por un estu- diante de la Universidad de Lima en el examen parcial de Estadística General Discreta Intervalo Número de acciones negociadas por día en la Bolsa de Valores de Lima Discreta Razón Precio de la gasolina de 95 octanos por grifo de Lima Metropolitana Continua Razón Gasto mensual en tarjetas de crédito por familia en el distrito de Surco Continua Razón (continuación) Estadística básica para los nEgocios40 12. Identifique cada variable e indique el tipo de variable según el nivel de medición en el cuestionario que se muestra a continuación: Nos alegramos de su visita al restaurante Mi Sazón y queremos estar seguros de que volverá. Si tiene unos minutos, le agradeceríamos mucho que nos llenara esta tarjeta. Sus comentarios y sugerencias son extremadamente importantes para nosotros. Gracias. Nombre de la persona que lo atendió: Excelente Bueno Satisfactorio Insatisfactorio Calidad de los alimentos Amabilidad en el servicio Prontitud en el servicio Limpieza Gestión Comentarios: ¿Qué lo motivó a visitarnos? Favor de depositar esta tarjeta en el buzón de sugerencias que se encuentra a la entrada Solución Variable Nivelde medición Calificación del cliente sobre la calidad de los alimentos Ordinal Calificación del cliente sobre la amabilidad en el servicio Ordinal Calificación del cliente sobre la prontitud en el servicio Ordinal Calificación del cliente sobre la limpieza Ordinal Calificación del cliente sobre la gestión Ordinal Motivación del cliente para visitar el restaurante Sin nivelde medición Capítulo 1. NoCioNes básiCas de la estadístiCa 41 13. En el siguiente cuadro defina un parámetro y un estadístico para cada po- blación y muestra, respectivamente, de acuerdo a la variable de interés: Inciso Población Muestra Variable a) Estudiantes de la Universidad de Lima 500 estudiantes selec- cio nados de la Uni- versidad Lima Edad de un estu dian- te de la Universidad de Lima b) Clientes de las tiendas Wong en Lima Metropo- litana 400 clientes seleccio- nados de las tiendas Wong de Lima Me- tropolitana Calificación del clien- te sobre el servicio re- cibido (malo, regular, bueno) c) Visitantes extran- jeros en el Perú, en diciembre del 2016 850 vi sitantes ex- tranjeros, seleccio- nados en di ciembre del 2016 Tiempo de permanen- cia (en días) en el Perú por visitante Solución Inciso Parámetro Estadístico a) Edad promedio por estudiante de la Universidad de Lima ( )µ Edad promedio por estudian- te de los 500 seleccionados de la Universidad de Lima X( ) b) Porcentaje de clientes de las tiendas Wong, en Lima Me- tropolitana, que califican el servicio recibido como malo (regular o bueno) ( )π Porcentaje de los 400 clientes seleccionados de las tiendas Wong, en Lima Metropolita- na, que califican el servicio recibido como malo (regular o bueno) (p) c) Tiempo promedio de perma- nencia (en días) por visitante extranjero en el Perú, en di- ciembre del 2016 ( )µ Tiempo promedio de perma- nencia (en días) por visitante, de los 850 seleccionados en el Perú en diciembre del 2016 X( ) Estadística básica para los nEgocios42 14. El hotel Ritz Carlton aplica un cuestionario de opinión de cliente para obte- ner datos sobre la calidad de sus servicios de restaurante y entretenimiento. Se les pidió a los clientes que evaluaran seis puntos: a) Recepción, b) Servicio, c) Alimentos, d) Menú, e) Atención y f) Atmósfera Los datos registrados para cada punto fueron: (1) Aceptable, (2) Regular, (3) Bueno y (4) Excelente Responda lo siguiente: ¿Para cuántas variables proporcionan datos las respuestas de los clientes? ¿Son estas variables cualitativas o cuantitativas? ¿A qué nivel de medición pertenecen? Solución Pregunta Respuesta ¿Para cuántas variables proporcionan datos las respuestas de los clientes? 6 variables ¿Son estas variables cualitativas o cuantitativas? Cualitativas ¿A qué nivel de medición pertenecen? Ordinal 15. ¿Si usted tuviera que clasificar las prácticas deportivas de los estudiantes de una universidad qué nivel de medición utilizaría? a) Nominal b) Ordinal c) Razón d) Todas las anteriores Solución a) Nominal Categorías: fútbol, vóleibol, tenis, básquetbol 16. Un nivel de medición que permita clasificar y ordenar las características de tipo categórico en una población corresponde a: a) Nominal b) Ordinal c) Intervalo d) Razón Solución b) Ordinal Categorías: muy malo, malo, regular, bueno, muy bueno. Capítulo 1. NoCioNes básiCas de la estadístiCa 43 17. Si quiere medir la edad en años cumplidos de unos jóvenes de un equipo de fútbol, ¿qué escala será la más apropiada? a) Nominal b) Ordinal c) Intervalo d) Razón e) Cualquiera Solución d) Razón 18. Escriba una razón por la cual no se pueden hacer operaciones aritméticas a partir de información medida en una escala nominal. Solución Las “mediciones” en la escala nominal son símbolos que expresan un atri- buto o cualidad, no son números. 19. ¿Qué escala permite el mayor nivel de operación? a) Nominal b) Ordinal c) Intervalo d) Razón Solución d) Razón Incluye 8 operaciones ; ; ; ; ; ( ); ; /= ≠ < > + − × 20. En un estudio de mercado se mide el gasto mensual de una familia con las siguientes categorías: Gasto bajo: menos de 1000 soles Gasto medio: entre 1000 y 3000 soles Gasto alto: más de 3000 soles ¿Cuál es el nivel de medición utilizado? Solución Ordinal. Las tres categorías van de menos a más gasto. Estadística básica para los nEgocios44 Caso de investigación Phillips es una empresa que fabrica focos de alta intensidad, que seem- plean en diversos productos electrónicos. Con el objeto de incrementar la vida útil de estos focos, el grupo de diseño del producto elaboró un filamento nuevo. En este caso, la población está definida por todos los fo- cos con filamento nuevo que se producen diariamente (aproximadamente 10 000 focos). Para evaluar las ventajas del nuevo filamento, se seleccionó bajo un muestreo probabilístico 200 focos. Se observó cada foco y se anotó el nú- mero de horas de duración. Los datos recolectados de esta muestra fueron los siguientes: 64 69 86 100 96 91 82 53 70 84 52 75 105 101 53 97 106 106 93 102 70 79 96 95 99 104 104 83 80 79 89 110 62 63 83 103 78 98 103 56 55 92 63 101 110 98 57 85 68 73 68 103 95 82 102 79 107 68 78 97 59 53 83 102 103 54 61 82 67 66 71 53 83 94 104 89 95 106 83 59 52 72 68 91 107 51 70 90 82 104 59 109 63 51 59 67 68 82 75 91 98 57 86 64 69 57 68 109 90 99 69 72 97 72 75 80 50 83 60 69 82 89 88 58 97 101 96 86 93 93 66 89 96 65 98 80 67 105 67 80 82 56 94 73 90 72 100 86 58 68 105 63 107 51 88 51 54 93 98 76 54 61 83 94 51 97 83 105 84 88 92 108 76 57 98 91 86 70 94 103 82 51 97 92 82 56 64 71 86 110 100 70 51 83 77 78 53 99 82 86 Phillips desea usar estos datos muestrales para inferir acerca del número de horas de vida útil de todos los focos que se producen con el filamento nuevo. Al sumar los 200 valores del grupo de datos y dividir la suma entre 200 se obtiene el tiempo promedio de vida útil de la muestra: 76 horas. Este resultado muestral sirve para estimar que el tiempo de vida medio de los focos de la población es 76 horas. Capítulo 1. NoCioNes básiCas de la estadístiCa 45 Siempre que se use una muestra probabilística para estimar una carac- terística poblacional (parámetro), se suele proporcionar información de la calidad o precisión de la estimación. En el ejemplo de Phillips, se realizó la estimación puntual del tiempo de vida promedio de la población de los nuevos focos en 76 horas, con un margen de error de 4± horas. Entonces, el intervalo de estimación del verdadero tiempo de vida medio de los focos fabricados con el nuevo filamento es de 72 a 80 horas. Desarrolle lo siguiente: a) Identifique la población, muestra, unidad de análisis, variable y tipo de variable, parámetro principal y estadístico. b) Determine el nivel de medición de los datos y el tipo de estadística (descriptiva o inferencial) que se está utilizando. c) Determine y comente, hasta donde sea posible, las etapas del método estadístico en la investigación de Phillips. Solución a) Población: focos que se producen diariamente con el filamento nuevo (10 000 focos), fabricados por Phillips. Muestra: 200 focos con filamento nuevo, seleccionados probabilisti- camente de la producción en un día. Unidad de análisis: un foco con filamento nuevo producido en un día. Variable: tiempo de vida útil de un foco con filamento nuevo. Tipo de variable: cuantitativa continua. Parámetro principal: tiempo promedio de vida útil de los 10 000 focos con filamento nuevo. Estadístico: tiempo promedio de vida útil de los 200 focos seleccio- nados con filamento nuevo. b) Nivel de medición: razón. Tipo de estadística: inferencial. c) Las etapas del método estadístico son: – Planteamiento del problema Phillips fabrica focos de alta intensidad que se emplean en di- versos productos electrónicos. Con el fin de incrementar la vida útil de estos focos, el grupo de diseño del producto elaboró un filamento nuevo. – Determinación de los objetivos Objetivo general Incrementar la vida útil de los focos que fabrica Phillips, utilizan- do el nuevo filamento. Estadística básica para los nEgocios46 Objetivos específicos 1. Medir la vida útil de los focos fabricados con el nuevo filamento. 2. Comparar si existen o no diferencias significativas entre la vida útil del foco con filamento antiguo y con filamento nuevo. – Formulación de hipótesis La vida útil de los focos con filamento antiguo es menor que la de los focos con filamento nuevo. – Definición de la unidad de análisis, variables y nivel de medición Unidad de análisis: Un foco con filamento nuevo que fabrica Phillips Variable: Duración (en horas) del foco con filamento nuevo Nivel de medición: razón – Determinación de la población y de la muestra Población: Los 10 000 focos con filamento nuevo, fabricados por Phillips en un día Muestra: 200 focos seleccionados probabilísticamente con fila- mento nuevo – La recolección Los datos provienen de una fuente primaria que utiliza un ins- trumento de medición (cronómetro) bien calibrado, de tal manera que las lecturas sean precisas (mínimo error). – Crítica, clasificación y ordenación Revisar si existen datos discordantes (que se aparten en gran medida de las demás), datos mal medidos o error de digitación. Medir los datos bajo las mismas condiciones predeterminadas. – Tabulación Presentar los datos en tablas de frecuencias, etiquetadas y descri- tas correctamente. – Presentación Exhibir resultados resumidos en cuadros, gráficos y medidas estadísticas. – Análisis Interpretar los resultados para determinar si se incrementó la vida útil de los focos con el nuevo filamento. – Publicación Informar a los gerentes y al equipo de diseño del producto Phillips. Capítulo 1. NoCioNes básiCas de la estadístiCa 47 ejercicios y problemas propuestos 1 1. La Superintendencia Nacional de Aduanas y Administración Tributaria (Sunat), de la ciudad de Lima, desarrolló un estudio sobre el servicio de atención al público. De las 2000 personas que asistieron a dicha entidad para verificar el monto del impuesto a la renta que debían pagar, se seleccionó a 350 personas al azar. Algunos de los resultados obtenidos fueron: • El tiempo promedio para realizar una consulta en ventanilla, por persona, fue de 6,5 minutos. • El 60 % de personas manifestó que la atención recibida fue “muy buena”. Identifique los siguientes términos estadísticos: Población Muestra Unidad de análisis Variable(s) y tipo(s) de variable(s) Parámetros Estadísticos Ejemplo de dato Estadística básica para los nEgocios48 2. La empresa Data S. A. realizó una investigación por muestreo en Lima Me- tropolitana, dirigida a jóvenes entre 15 y 30 años cumplidos, con el objetivo de obtener indicadores sobre el consumo de bebidas energéticas en estos grupos etarios. Para la investigación, se seleccionó una muestra probabi- lística de 1500 personas jóvenes y se ejecutó la investigación el 7 de febrero del 2016. Para la ejecución del trabajo de campo se conformó un equipo de entrevistadores que aplicaron un cuestionario con preguntas y posibles res- puestas. Este se presentó de la misma manera a todos los entrevistados, sin posibilidad de modificación de las preguntas y siguiendo un orden estricto. Algunos de los resultados encontrados en la muestra se presentan a conti- nuación: – El 38 % de los entrevistados consideró que su salud física es excelente, el 30 % buena, el 16 % regular y el resto malo, o muy malo. – El gasto promedio semanal por persona en consumo de bebidas energé- ticas fue de 15,85 soles. Identifique los siguientes términos estadísticos: Población Muestra Unidad de análisis Variable(s) y tipo(s) de variable(s) Parámetros Estadísticos Capítulo 1. NoCioNes básiCas de la estadístiCa 49 3. Una empresa de investigación comercial realizó un estudio de opinión públi- ca sobre nutrición y hábitos saludables de alimentación, que fue difundido con motivo del Día Mundial de la Alimentación. El objetivo era saber cuánto conocen los peruanos sobre el contenido nutricional de los alimentos que ingieren y cuáles son las actitudes ligadas a la alimentación saludable. Los principales elementos de la ficha técnica del estudio fueron: Cobertura: en todo el Perú Universo: hombres
Compartir