Transcript of Estadistica para-administracion-y-economia-anderson-10-th-1
- 1. Anderson ok.pdf 6/3/08 11:26:04 ANDERSON SWEENEY WILLIAMS C
M Y CM CY CMY K ste es sin duda el mejor libro de Estadstica para
Administracin y Economa en espaol. ESTADSTICA PARA ADMINISTRACIN Y
ECONOMA Y MY Caractersticas A lo largo de todo el texto se plantean
situaciones de negocios y econmicas reales. Se muestra el uso de la
computadora; especialmente se enfatiza el trabajo con Excel y con
MINITAB en sus versiones ms recientes. Presenta una mayor cobertura
en mtodos tabulares y grficos de la estadstica descriptiva. Integra
el uso de Excel para el muestreo aleatorio. Incorpora el uso de
apoyos en lnea integrados a lo largo del texto. Un nuevo apndice F
cubre el uso de software para calcular el valor de p y muestra
claramente el uso de MINITAB y Excel para calcular los valores de p
asociados a pruebas estadsticas z, t y F. Emplea software
estadstico para el uso de tablas de distribucin normal acumulada,
lo que hace ms sencillo para el alumno el clculo de los valores de
p en las pruebas de hiptesis. Integra casos al final de cada
captulo. ESTADSTICA PARA ADMINISTRACIN ECONOMA La nueva edicin de
esta obra, un verdadero best-seller, tanto en Estados Unidos como
en Amrica Latina, contina presentando una gran cantidad de
ejercicios con datos reales actualizados. Las secciones de
problemas se dividen en tres partes a fin de reforzar lo aprendido:
mtodos, aplicaciones y autoevaluaciones. Adems contiene secciones y
advertencias sobre los errores estadsticos ms comunes en los que se
puede incurrir. 10a . edicin 10a . edicin ANDERSON SWEENEY
WILLIAMS
- 2. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page iv
- 3. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page i Estadstica
para administracin y economa 10a. edicin David R. Anderson
University of Cincinnati Dennis J. Sweeney University of Cincinnati
Thomas A. Williams Rochester Institute of Technology Traduccin: Ma.
del Carmen Hano Roa Diplom Mathematekirin Ludwig-Maximiliams
Universitt Mnchen, Alemania Revisin tcnica: Dra. Teresa Lpez lvarez
Consultora independiente Australia Brasil Corea Espaa Estados
Unidos Japn Mxico Reino Unido Singapur
- 4. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page ii Estadstica
para administracin y economa, 10a. edicin Anderson, David R.,
Dennis J. Sweeney y Thomas A. Williams Presidente de Cengage
Learning Latinoamrica: Javier Arellano Gutirrez Director General
Mxico y Centroamrica: Hctor Enrique Galindo Iturribarra Director
Editorial Latinoamrica: Jos Toms Prez Bonilla Editor: Sergio R.
Cervantes Gonzlez Director de produccin: Ral D. Zendejas Espejel
Editor de produccin: Timoteo Eliosa Garca Ilustrador: Michael
Stratton/cmiller design Diseo de portada: Paul Neff Imagen de
portada: Brand X Images/Getty Images Composicin tipogrfica: Jos
Jaime Gutirrez Aceves D.R. 2008 por Cengage Learning Editores, S.A.
de C.V., una Compaa de Cengage Learning, Inc. Corporativo Santa Fe
Av. Santa Fe, nm. 505, piso 12 Col. Cruz Manca, Santa Fe C.P.
05349, Mxico, D.F. Cengage Learning es una marca registrada usada
bajo permiso. DERECHOS RESERVADOS. Ninguna parte de este trabajo
amparado por la Ley Federal del Derecho de Autor, podr ser
reproducida, transmitida, almacenada o utilizada en cualquier forma
o por cualquier medio, ya sea grfico, electrnico o mecnico,
incluyendo, pero sin limitarse a lo siguiente: fotocopiado,
reproduccin, escaneo, digitalizacin, grabacin en audio, distribucin
en Internet, distribucin en redes de informacin o almacenamiento y
recopilacin en sistemas de informacin a excepcin de lo permitido en
el Captulo III, Artculo 27 de la Ley Federal del Derecho de Autor,
sin el consentimiento por escrito de la Editorial. Traducido del
libro Statistics for Business and Economics, 10th ed. Publicado en
ingls por Thomson/Southwestern 2008 ISBN: 0-324-36068-1 Datos para
catalogacin bibliogrfica: Anderson, David R., Dennis J. Sweeney y
Thomas A. Williams Estadstica para administracin y economa, 10a.
ed. ISBN-13: 978-607-481-319-7 ISBN-10: 607-481-319-1 Visite
nuestro sitio en: http://latinoamerica.cengage.com
- 5. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page iii Dedicado a
Marcia, Cherri y Robbie
- 6. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page iv
- 7. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page v Contenido
breve Prefacio xxiii Acerca del autor xxvii Captulo 1 Datos y
estadsticas 1 Captulo 2 Estadstica descriptiva: presentaciones
tabulares y grficas 26 Captulo 3 Estadstica descriptiva: medidas
numricas 81 Captulo 4 Introduccin a la probabilidad 141 Captulo 5
Distribuciones de probabilidad discreta 186 Captulo 6
Distribuciones de probabilidad continua 225 Captulo 7 Muestreo y
distribuciones muestrales 257 Captulo 8 Estimacin por intervalo 299
Captulo 9 Prueba de hiptesis 338 Captulo 10 Inferencia estadstica
acerca de medias y de proporciones con dos poblaciones 393 Captulo
11 Inferencias acerca de varianzas poblacionales 434 Captulo 12
Pruebas de bondad de ajuste e independencia 457 Captulo 13 Diseo de
experimentos y anlisis de varianza 490 Captulo 14 Regresin lineal
simple 543 Captulo 15 Regresin mltiple 624 Captulo 16 Anlisis de
regresin: construccin de modelos 693 Captulo 17 Nmeros ndice 744
Captulo 18 Pronstico 765 Captulo 19 Mtodos no paramtricos 812
Captulo 20 Mtodos estadsticos para el control de calidad 846
Captulo 21 Anlisis de decisin 879 Captulo 22 Encuestas muestrales
Apndice A Referencias y bibliografa 916 Apndice B Tablas 918
Apndice C Notacin para la suma 946 Apndice D Soluciones para los
autoexmenes y respuestas a los ejercicios con nmeros pares 948
Apndice E Uso de las funciones de Excel 995 Apndice F Clculo de los
valores-p usando Minitab o Excel 1000 ndice 1004 v
- 8. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page vi
- 9. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page vii Contenido
Prefacio xxiii Acerca de los autores xxvii Captulo 1 Datos y
estadsticas 1 La estadstica en la prctica: BusinessWeek 2 1.1
Aplicaciones en los negocios y en la economa 3 Contadura 3 Finanzas
4 Marketing 4 Produccin 4 Economa 4 1.2 Datos 5 Elementos,
variables y observaciones 6 Escalas de medicin 6 Datos cualitativos
y cuantitativos 7 Datos de seccin transversal y de series de tiempo
7 1.3 Fuentes de datos 10 Fuentes existentes 10 Estudios
estadsticos 11 Errores en la adquisicin de datos 12 1.4 Estadstica
descriptiva 13 1.5 Inferencia estadstica 15 1.6 Las computadoras y
el anlisis estadstico 17 Resumen 17 Glosario 18 Ejercicios
complementarios 19 Captulo 2 Estadstica descriptiva: presentaciones
tabulares y grficas 26 La estadstica en la prctica: La empresa
Colgate-Palmolive 27 2.1 Resumen de datos cualitativos 28
Distribucin de frecuencia 28 Distribuciones de frecuencia relativa
y de frecuencia porcentual 29 Grficas de barra y grficas de pastel
29 2.2 Resumen de datos cuantitativos 34 Distribucin de frecuencia
34 vii
- 10. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page viii viii
Contenido Distribuciones de frecuencia relativa y de frecuencia
porcentual 35 Grficas de puntos 36 Histograma 36 Distribuciones
acumuladas 37 Ojiva 39 2.3 Anlisis exploratorio de datos: el
diagrama de tallo y hojas 43 2.4 Tabulaciones cruzadas y diagramas
de dispersin 48 Tabulacin cruzada 48 Paradoja de Simpson 51
Diagrama de dispersin y lnea de tendencia 52 Resumen 57 Glosario 59
Frmulas clave 60 Ejercicios complementarios 60 Caso problema 1: Las
tiendas Pelican 66 Caso problema 2: Industria cinematogrfica 67
Apndice 2.1 Uso de Minitab para presentaciones grficas y tabulares
68 Apndice 2.2 Uso de Excel para presentaciones grficas y tabulares
70 Captulo 3 Estadstica descriptiva: medidas numricas 81 La
estadstica en la prctica: Small Fry Design 82 3.1 Medidas de
localizacin 83 Media 83 Mediana 84 Moda 85 Percentiles 86 Cuartiles
87 3.2 Medidas de variabilidad 91 Rango 92 Rango intercuartlico 92
Varianza 93 Desviacin estndar 95 Coeficiente de variacin 95 3.3
Medidas de la forma de la distribucin, de la posicin relativa y de
la deteccin de observaciones atpicas 98 Forma de la distribucin 98
Puntos z 99 Teorema de Chebyshev 100 Regla emprica 101 Deteccin de
observaciones atpicas 102 3.4 Anlisis exploratorio de datos 105
Resumen de cinco nmeros 105 Diagrama de caja 106
- 11. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page ix Contenido
3.5 Medidas de la asociacin entre dos variables 110 Covarianza 110
Interpretacin de la covarianza 112 Coeficiente de correlacin 114
Interpretacin del coeficiente de correlacin 115 3.6 La media
ponderada y el empleo de datos agrupados 119 Media ponderada 119
Datos agrupados 120 Resumen 124 Glosario 125 Frmulas clave 126
Ejercicios complementarios 128 Caso problema 1: Las tiendas Pelican
132 Caso problema 2: Industria cinematogrfica 133 Caso problema 3:
Las escuelas de negocios de Asia-Pacfico 133 Apndice 3.1 Estadstica
descriptiva usando Minitab 135 Apndice 3.2 Estadsticos descriptivos
usando Excel 137 Captulo 4 Introduccin a la probabilidad 141 La
estadstica en la prctica: La empresa Rohm and Hass 142 4.1
Experimentos, reglas de conteo y asignacin de probabilidades 143
Reglas de conteo, combinaciones y permutaciones 144 Asignacin de
probabilidades 148 Probabilidades para el proyecto KP&L 150 4.2
Eventos y sus probabilidades 153 4.3 Algunas relaciones bsicas de
probabilidad 157 Complemento de un evento 157 Ley de la adicin 158
4.4 Probabilidad condicional 163 Eventos independientes 167 Ley de
la multiplicacin 167 4.5 Teorema de Bayes 171 Mtodo tabular 175
Resumen 177 Glosario 177 Frmulas clave 178 Ejercicios
complementarios 179 Caso problema: Los jueces del condado de
Hamilton 183 ix
- 12. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page x x Contenido
Captulo 5 Distribuciones de probabilidad discreta 186 La estadstica
en la prctica: Citibank 187 5.1 Variables aleatorias 187 Variables
aleatorias discretas 188 Variables aleatorias continuas 189 5.2
Distribuciones de probabilidad discreta 190 5.3 Valor esperado y
varianzas 196 Valor esperado 196 Varianza 196 5.4 Distribucin de
probabilidad binomial 200 Un experimento binomial 201 El problema
de la tienda de ropa Martin Clothing Store 202 Uso de las tablas de
probabilidades binomiales 206 Valor esperado y varianza en la
distribucin binomial 207 5.5 Distribucin de probabilidad de Poisson
210 Un ejemplo considerando intervalos de tiempo 211 Un ejemplo
considerando intervalos de longitud o de distancia 213 5.6
Distribucin de probabilidad hipergeomtrica 214 Resumen 217 Glosario
218 Frmulas clave 219 Ejercicios complementarios 220 Apndice 5.1
Distribuciones de probabilidad con Minitab 222 Apndice 5.2
Distribuciones de probabilidad discreta con Excel 223 Captulo 6
Distribuciones de probabilidad continua 225 La estadstica en la
prctica: Procter & Gamble 226 6.1 Distribucin de probabilidad
uniforme 227 reas como medida de probabilidad 228 6.2 Distribucin
de probabilidad normal 231 Curva normal 231 Distribucin de
probabilidad normal estndar 233 Clculo de probabilidades en
cualquier distribucin de probabilidad normal 238 El problema de la
empresa Grear Tire 239 6.3 Aproximacin normal de las probabilidades
binomiales 243 6.4 Distribucin de probabilidad exponencial 246
Clculo de probabilidades en la distribucin exponencial 247 Relacin
entre la distribucin de Poisson y la exponencial 248 Resumen 250
Glosario 250 Frmulas clave 251 Ejercicios complementarios 251
- 13. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page xi Contenido
Caso problema: Specialty Toys 254 Apndice 6.1 Distribuciones de
probabilidad continua con Minitab 255 Apndice 6.2 Distribuciones de
probabilidad continua con Excel 256 Captulo 7 Muestreo y
distribuciones muestrales 257 La estadstica en la prctica:
MeadWestvaco Corporation 258 7.1 El problema de muestreo de
Electronics Associates 259 7.2 Muestreo aleatorio simple 260
Muestreo de una poblacin finita 260 Muestreo de una poblacin
infinita 261 7.3 Estimacin puntual 264 7.4 Introduccin a las
distribuciones muestrales 267 _ 7.5 Distribucin muestral de x 270 _
Valor esperado de x 270 _ Desviacin estndar de x 271 _ Forma de la
distribucin muestral de x 272 _ Distribucin muestral de x en el
problema EAI 274 _ Valor prctico de la distribucin muestral de x
274 Relacin entre el tamao de la muestra y _ la distribucin
muestral de x 276 _ 7.6 Distribucin muestral de p 280 _ Valor
esperado de p 280 _ Desviacin estndar de p 281 _ Forma de la
distribucin muestral de p 281 _ Valor prctico de la distribucin
muestral de p 282 7.7 Propiedades de los estimadores puntuales 285
Insesgadez 286 Eficiencia 287 Consistencia 287 7.8 Otros mtodos de
muestreo 288 Muestreo aleatorio estratificado 288 Muestreo por
conglomerados 289 Muestreo sistemtico 289 Muestreo de conveniencia
290 Muestreo subjetivo 290 Resumen 291 Glosario 291 Frmulas clave
292 Ejercicios complementarios 292 _ Apndice 7.1 Valor esperado y
desviacin estndar de x 295 Apndice 7.2 Muestreo aleatorio con
Minitab 296 Apndice 7.3 Muestreo aleatorio con Excel 297 xi
- 14. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page xii xii
Contenido Captulo 8 Estimacin por intervalo 299 La estadstica en la
prctica: Food Lion 300 8.1 Media poblacional: conocida 301 Margen
de error y estimacin por intervalo 301 Recomendacin prctica 305 8.2
Media poblacional: desconocida 307 Margen de error en estimacin por
intervalo 308 Recomendacin prctica 311 Uso de una muestra pequea
311 Resumen de los procedimientos de estimacin por intervalo 313
8.3 Determinacin del tamao de la muestra 316 8.4 Proporcin
poblacional 319 Determinacin del tamao de la muestra 321 Resumen
324 Glosario 325 Frmulas clave 326 Ejercicios complementarios 326
Caso problema 1: La revista Young Professional 329 Caso problema 2:
Gulf Real Estate Properties 330 Caso problema 3: Metropolitan
Research, Inc. 332 Apndice 8.1 Estimacin por intervalo con Minitab
332 Apndice 8.2 Estimacin por intervalo usando Excel 334 Captulo 9
Prueba de hiptesis 338 La estadstica en la prctica: John Morrell
& Company 339 9.1 Elaboracin de las hiptesis nula y alternativa
340 Prueba de una hiptesis de investigacin 340 Prueba de la validez
de una afirmacin 340 Prueba en situaciones de toma de decisin 341
Resumen de las formas para las hiptesis nula y alternativa 341 9.2
Errores tipo I y II 342 9.3 Media poblacional: conocida 345 Prueba
de una cola 345 Prueba de dos colas 351 Resumen y recomendaciones
prcticas 354 Relacin entre estimacin por intervalo y prueba de
hiptesis 355 9.4 Media poblacional: desconocida 359 Prueba de una
cola 360 Prueba de dos colas 361 Resumen y recomendacin prctica
362
- 15. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page xiii xiii
Contenido 9.5 Proporcin poblacional 365 Resumen 368 9.6 Prueba de
hiptesis y toma de decisiones 370 9.7 Clculo de la probabilidad de
los errores tipo II 371 9.8 Determinacin del tamao de la muestra en
una prueba de hiptesis para la media poblacional 376 Resumen 380
Glosario 381 Frmulas clave 381 Ejercicios complementarios 382 Caso
problema 1: Quality Associates, Inc. 385 Caso problema 2: Estudio
sobre el desempleo 386 Apndice 9.1 Pruebas de hiptesis con Minitab
386 Apndice 9.2 Prueba de hiptesis con Excel 388 Captulo 10
Inferencia estadstica acerca de medias y de proporciones con dos
poblaciones 393 La estadstica en la prctica: Food and Drug
Administration de Estados Unidos 394 10.1 Inferencias acerca de la
diferencia entre dos medias poblacionales: 1 y 2 conocidas 395
Estimacin por intervalo de 1 2 395 Prueba de hiptesis acerca de 1 2
397 Recomendacin prctica 399 10.2 Inferencias acerca de la
diferencia entre dos medias poblacionales: 1 y 2 desconocidas 402
Estimacin por intervalo para 1 2 402 Pruebas de hiptesis acerca de
1 2 403 Recomendacin prctica 406 10.3 Inferencias acerca de la
diferencia entre dos medias poblacionales: muestras pareadas 410
10.4 Inferencias acerca de la diferencia entre dos proporciones
poblacionales 416 Estimacin por intervalo para p1 p2 416 Prueba de
hiptesis acerca de p1 p2 418 Resumen 423 Glosario 423 Frmulas clave
424 Ejercicios complementarios 425 Caso problema: Par, Inc. 428
Apndice 10.1 Inferencias acerca de dos poblaciones usando Minitab
429 Apndice 10.2 Inferencias acerca de dos poblaciones usando Excel
431
- 16. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page xiv xiv
Contenido Captulo 11 Inferencias acerca de varianzas poblacionales
434 La estadstica en la prctica: La General Accounting Office de
Estados Unidos 435 11.1 Inferencias acerca de una varianza
poblacional 436 Estimacin por intervalos 436 Pruebas de hiptesis
440 11.2 Inferencias acerca de dos varianzas poblacionales 445
Resumen 452 Frmulas clave 452 Ejercicios complementarios 453 Caso
problema: Programa de capacitacin para la Fuerza Area 454 Apndice
11.1 Varianzas poblacionales con Minitab 455 Apndice 11.2 Varianzas
poblacionales con Excel 456 Captulo 12 Pruebas de bondad de ajuste
e independencia 457 La estadstica en la prctica: United Way 458
12.1 Prueba de bondad de ajuste: una poblacin multinomial 459 12.2
Prueba de independencia 464 12.3 Prueba de bondad de ajuste:
distribuciones de Poisson y normal 472 Distribucin de Poisson 472
Distribucin normal 476 Resumen 481 Glosario 481 Frmulas clave 481
Ejercicios complementarios 482 Caso problema: Una agenda
bipartidista para el cambio 485 Apndice 12.1 Pruebas de bondad de
ajuste e independencia mediante Minitab 486 Apndice 12.2 Pruebas de
bondad de ajuste e independencia mediante Excel 487 Captulo 13
Diseo de experimentos y anlisis de varianza 490 La estadstica en la
prctica: Burke Marketing Services, Inc. 491 13.1 Introduccin al
diseo de experimentos y al anlisis de varianza 492 Obtencin de
datos 493 Suposiciones para el anlisis de varianza 494 Anlisis de
varianza: una visin conceptual general 494 13.2 Anlisis de varianza
y el diseo completamente aleatorizado 497 Estimacin de la varianza
poblacional entre tratamientos 498 Estimacin de la varianza
poblacional dentro de los tratamientos 499 Comparacin de las
estimaciones de las varianzas: la prueba F 500 Tabla de ANOVA 502
Resultados de computadora para el anlisis de varianza 503 Prueba
para la igualdad de k medias poblacionales: un estudio
observacional 504
- 17. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page xv Contenido
13.3 Procedimiento de comparacin mltiple 508 LSD de Fisher 508
Tasas de error tipo I 511 13.4 Diseo de bloques aleatorizado 514
Prueba de estrs para los controladores del trfico areo 515
Procedimiento ANOVA 516 Clculos y conclusiones 517 13.5
Experimentos factoriales 521 Procedimiento ANOVA 523 Clculos y
conclusiones 523 Resumen 529 Glosario 529 Frmulas clave 530
Ejercicios complementarios 532 Caso problema 1: Centro Mdico
Wentworth 536 Caso problema 2: Compensacin para profesionales de
ventas 537 Apndice 13.1 Anlisis de varianza con Minitab 538 Apndice
13.2 Anlisis de varianza con Excel 539 Captulo 14 Regresin lineal
simple 543 La estadstica en la prctica: Alliance Data Systems 544
14.1 Modelo de regresin lineal simple 545 Modelo de regresin y
ecuacin de regresin 545 Ecuacin de regresin estimada 546 14.2 Mtodo
de mnimos cuadrados 548 14.3 Coeficiente de determinacin 559
Coeficiente de correlacin 562 14.4 Suposiciones del modelo 566 14.5
Prueba de significancia 568 Estimacin de 2 568 Prueba t 569
Intervalo de confianza para 1 570 Prueba F 571 Algunas advertencias
acerca de la interpretacin de las pruebas de significancia 573 14.6
Uso de la ecuacin de regresin estimada para estimaciones y
predicciones 577 Estimacin puntual 577 Estimacin por intervalo 577
Intervalo de confianza para el valor medio de y 578 Intervalo de
prediccin para un solo valor de y 579 14.7 Solucin por computadoras
583 14.8 Anlisis residual: confirmacin de las suposiciones del
modelo 588 Grfica de residuales contra x 589 xv
- 18. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page xvi xvi
Contenido Grfica de residuales contra y 590 Residuales
estandarizados 590 Grfica de probabilidad normal 593 14.9 Anlisis
de residuales: observaciones atpicas y observaciones influyentes
597 Deteccin de observaciones atpicas 597 Deteccin de observaciones
influyentes 599 Resumen 604 Glosario 605 Frmulas clave 606
Ejercicios complementarios 608 Caso problema 1: Medicin del riesgo
en el mercado burstil 614 Caso problema 2: Departamento de
Transporte de Estados Unidos 615 Caso problema 3: Donaciones de los
ex alumnos 616 Caso problema 4: Valor de los equipos de bisbol de
la liga mayor 616 Apndice 14.1 Deduccin de la frmula de mnimos
cuadrados empleando el clculo 618 Apndice 14.2 Una prueba de
significancia usando correlacin 619 Apndice 14.3 Anlisis de
regresin con Minitab 620 Apndice 14.4 Anlisis de regresin con Excel
621 Captulo 15 Regresin mltiple 624 La estadstica en la prctica:
International Paper 625 15.1 Modelo de regresin mltiple 626 Modelo
de regresin y ecuacin de regresin 626 Ecuacin de regresin mltiple
estimada 626 15.2 Mtodo de mnimos cuadrados 627 Un ejemplo: Butler
Trucking Company 628 Nota sobre la interpretacin de los
coeficientes 630 15.3 Coeficiente de determinacin mltiple 636 15.4
Suposiciones del modelo 639 15.5 Prueba de significancia 640 Prueba
F 640 Prueba t 643 Multicolinealidad 644 15.6 Uso de la ecuacin de
regresin estimada para estimaciones y predicciones 647 15.7
Variables cualitativas independientes 649 Un ejemplo: Johnson
Filtration, Inc. 649 Interpretacin de los parmetros 651 Variables
cualitativas ms complejas 653 15.8 Anlisis residual 658 Deteccin de
observaciones atpicas 659 Residuales estudentizados eliminados y
observaciones atpicas 660
- 19. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page xvii Contenido
Observaciones influyentes 661 Uso de la medida de la distancia de
Cook para identificar observaciones influyentes 661 15.9 Regresin
logstica 665 Ecuacin de regresin logstica 666 Estimacin de la
ecuacin de regresin logstica 667 Prueba de significancia 669 Uso en
la administracin 669 Interpretacin de la ecuacin de regresin
logstica 670 Transformacin logit 672 Resumen 676 Glosario 677
Frmulas clave 678 Ejercicios complementarios 680 Caso problema 1:
Consumer Research, Inc. 685 Caso problema 2: Prediccin de la
puntuacin en un examen 686 Caso problema 3: Aportaciones de los
alumnos 687 Caso problema 4: Prediccin del porcentaje de triunfos
de la NFL 689 Apndice 15.1 Regresin mltiple con Minitab 690 Apndice
15.2 Regresin mltiple con Excel 690 Apndice 15.3 Regresin logstica
con Minitab 691 Captulo 16 Anlisis de regresin: construccin de
modelos 693 La estadstica en la prctica: La empresa Monsanto 694
16.1 El modelo lineal general 695 Modelado de relaciones curvilneas
695 Interaccin 699 Transformaciones a la variable dependiente 701
Modelos no lineales que son intrnsecamente lineales 705 16.2
Determinacin de cundo agregar o quitar variables 710 Caso general
712 Uso del valor-p 713 16.3 Anlisis de un problema mayor 717 16.4
Procedimientos de eleccin de variables 720 Regresin por pasos 721
Seleccin hacia adelante 722 Eliminacin hacia atrs 723 Regresin de
los mejores subconjuntos 723 Eleccin final 724 16.5 Mtodo de
regresin mltiple para el diseo de experimentos 727 16.6
Autocorrelacin y la prueba de Durbin-Watson 731 Resumen 736
Glosario 736 Frmulas clave 736 xvii
- 20. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page xviii xviii
Contenido Ejercicios complementarios 737 Caso problema 1: Anlisis
de las estadsticas de la PGA Tour 740 Caso problema 2: Rendimiento
de combustible en los automviles 741 Caso problema 3: Prediccin de
las tasas de alumnos que llegan a titularse en las universidades
741 Apndice 16.1: Procedimientos de seleccin de variables con
Minitab 742 Captulo 17 Nmeros ndice 744 La estadstica en la
prctica: Departamento del Trabajo de Estados Unidos, Departamento
de Estadstica Laboral 745 17.1 Precios relativos 746 17.2 ndices de
precios agregados 746 17.3 Clculo de un ndice de precios agregados
a partir de precios relativos 750 17.4 Algunos ndices de precios
importantes 752 ndice de precios al consumidor 752 ndice de precios
al productor 752 Promedios Dow Jones 753 17.5 Deflactar una serie
mediante ndices de precios 754 17.6 ndices de precios: otras
consideraciones 758 Seleccin de los artculos 758 Seleccin de un
periodo base 758 Variaciones en la calidad 758 17.7 ndices de
cantidad 759 Resumen 761 Glosario 761 Frmulas clave 761 Ejercicios
complementarios 762 Captulo 18 Pronstico 765 La estadstica en la
prctica: Occupational Health Clinic de Nevada 766 18.1 Componentes
de una serie de tiempo 767 Componente de tendencia 767 Componente
cclico 769 Componente estacional 770 Componente irregular 770 18.2
Mtodos de suavizamiento 770 Promedios mviles 770 Promedios mviles
ponderados 772 Suavizamiento exponencial 774 18.3 Proyeccin de
tendencia 780
- 21. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page xix Contenido
18.4 Componentes de tendencia y estacionales 786 Modelo
multiplicativo 786 Clculo de los ndices estacionales 787
Desestacionalizacin de una serie de tiempo 791 Uso de una serie de
tiempo desestacionalizada para la identificacin de tendencias 791
Ajustes estacionales 794 Modelos basados en datos mensuales 794
Componente cclico 794 18.5 Anlisis de regresin 796 18.6 Mtodos
cualitativos 798 Mtodo de Delphi 798 Opinin de un experto 799
Escenarios futuros 799 Mtodos intuitivos 799 Resumen 799 Glosario
800 Frmulas clave 801 Ejercicios complementarios 801 Caso problema
1: Pronstico para las ventas de alimentos y bebidas 806 Caso
problema 2: Pronstico de prdidas de ventas 807 Apndice 18.1
Pronsticos con Minitab 808 Apndice 18.2 Pronsticos con Excel 810
Captulo 19 Mtodos no paramtricos 812 La estadstica en la prctica:
West Shell Realtors 813 19.1 Prueba de los signos 815 Caso de
muestras pequeas 815 Caso de muestras grandes 817 Prueba de
hiptesis acerca de la mediana 818 19.2 Prueba de los rangos con
signo de Wilcoxon 820 19.3 Prueba de Mann-Whitney-Wilcoxon 825 Caso
de muestras pequeas 825 Caso de muestras grandes 827 19.4 Prueba de
Kruskal-Wallis 833 19.5 Correlacin de rangos 837 Prueba de
significancia de la correlacin por rangos 839 Resumen 841 Glosario
842 Frmulas clave 842 Ejercicios complementarios 843 xix
- 22. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page xx xx Contenido
Captulo 20 Mtodos estadsticos para el control de calidad 846 La
estadstica en la prctica: Dow Chemical Company 847 20.1 Filosofas y
marco de referencia 848 Malcolm Baldrige National Quality Award 848
ISO 9000 849 Seis Sigma 849 20.2 Control estadstico de procesos 851
Cartas de control 852 _ Cartas x : media y desviaciones estndar del
proceso conocidas 853 _ Cartas x : media y desviaciones estndar del
proceso desconocidas 855 Cartas R 857 Cartas p 859 Cartas np 862
Interpretacin de las cartas de control 862 20.3 Muestreo de
aceptacin 865 KALI, Inc., un ejemplo de muestreo de aceptacin 866
Clculo de la probabilidad de aceptar un lote 867 Seleccin de un
plan de muestreo de aceptacin 870 Planes de muestreo mltiple 871
Resumen 874 Glosario 874 Frmulas clave 875 Ejercicios
complementarios 876 Apndice 20.1 Cartas de control con Minitab 878
Captulo 21 Anlisis de decisin 879 La estadstica en la prctica: Ohio
Edison Company 880 21.1 Formulacin del problema 881 Tablas de
recompensa 882 rboles de decisin 882 21.2 Toma de decisiones con
probabilidades 883 Mtodo del valor esperado 883 Valor esperado de
la informacin perfecta 885 21.3 Anlisis de decisin con informacin
muestral 891 rbol de decisin 892 Estrategia de decisin 893 Valor
esperado de la informacin muestral 896 21.4 Clculo de las
probabilidades de rama mediante el teorema de Bayes 902 Resumen 906
Glosario 907 Frmulas clave 908 Caso problema: Estrategia de defensa
en un juicio 908 Apndice 21.1 Solucin del problema PDC con TreePlan
909
- 23. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page xxi xxi
Contenido Captulo 22 Encuestas muestrales 915 La estadstica en la
prctica: Duke Energy 916 22.1 Terminologa empleada en las encuestas
muestrales 916 22.2 Tipos de encuestas y mtodos de muestreo 917
22.3 Errores en una encuesta 919 Errores no muestrales 919 Error
muestral 919 22.4 Muestreo aleatorio simple 920 Media poblacional
920 Total poblacional 921 Proporcin poblacional 922 Determinacin
del tamao de la muestra 923 22.5 Muestreo aleatorio simple
estratificado 926 Media poblacional 926 Total poblacin 928
Proporcin poblacional 929 Determinacin del tamao de la muestra 930
22.6 Muestreo por conglomerados 935 Media poblacional 937 Total
poblacional 938 Proporcin poblacional 939 Determinacin del tamao de
la muestra 940 22.7 Muestreo sistemtico 943 Resumen 943 Glosario
944 Frmulas clave 944 Ejercicios complementarios 948 Apndice A
Referencias y bibliografa 952 Apndice B Tablas 954 Apndice C
Notacin para la suma 982 Apndice D Soluciones para los autoexmenes
y repuestas a los ejercicios con nmeros pares 984 Apndice E Uso de
las funciones de Excel 1033 Apndice F Clculo de los valores-p
usando Minitab o Excel 1038 ndice 1042
- 24. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page xxii
- 25. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page xxiii Prefacio
El propsito de Estadstica para administracin y economa es
proporcionar, en especial a los estudiantes de las reas de la
administracin y de la economa, una introduccin conceptual al campo
de la estadstica y de sus aplicaciones. El texto est orientado a
las aplicaciones y ha sido escrito pensando en las necesidades de
quienes no son matemticos; los conocimientos matemticos requeridos
son los conocimientos del lgebra. Las aplicaciones del anlisis de
datos y de la metodologa estadstica son parte integral de la
presentacin y organizacin del material de este libro. El estudio y
el desarrollo de cada tcnica se presentan mediante una aplicacin,
en donde los resultados estadsticos permiten entender las
decisiones y la solucin del problema presentado. Aunque el libro
est orientado hacia las aplicaciones, hemos tenido cuidado de
presentar un desarrollo metodolgico slido y de emplear la notacin
convencional al tpico que se estudia. De esta manera, los
estudiantes encontrarn que este libro les proporciona una buena
preparacin para el estudio de material estadstico ms avanzado. En
el apndice A se proporciona una bibliografa que servir como gua
para un estudio ms profundo. El libro introduce al estudiante a los
paquetes de software Minitab de Microsoft y a Excel haciendo nfasis
en el papel que tiene el software en la aplicacin del anlisis
estadstico. Minitab se presenta como uno de los principales
paquetes de software para estadstica, tanto en la enseanza, como en
la prctica. Excel no es un paquete de software para estadstica,
pero su amplia disponibilidad y uso lo hacen relevante para que los
estudiantes conozcan las posibilidades de Excel para la estadstica.
El empleo de Excel y Minitab se presenta en los apndices,
permitiendo as al profesor la suficiente flexibilidad para dar
tanta importancia al uso de la computadora como l lo desee. Cambios
en la 10a. edicin Agradecemos la acogida y la respuesta positiva a
las ediciones anteriores de Estadstica para administracin y
economa. Por tanto, al hacer modificaciones en esta nueva edicin,
hemos conservado el mismo estilo de presentacin y la sencillez de
esas ediciones. Los cambios ms importantes hechos en esta nueva
edicin se presentan a continuacin. Cambios al contenido En seguida
se resumen algunos de los cambios que hemos hecho al contenido en
esta edicin. Valores-p En la edicin anterior insistimos en el uso
de los valores-p en las pruebas de hiptesis. En esta edicin hacemos
lo mismo, no obstante, hemos hecho ms sencilla la introduccin a los
valores-p simplificando la definicin conceptual. Ahora dice: Un
valor-p es una probabilidad que mide la evidencia contra la
hiptesis nula que proporciona la muestra. Entre menor es el
valor-p, mayor es la evidencia contra H0. Despus de esta definicin
conceptual, se presentan las definiciones operacionales que
explican cmo calcular el valor-p en pruebas de la cola izquierda
(cola inferior), de la cola derecha (cola superior) y de dos colas.
Con la experiencia hemos aprendido que el separar la definicin
conceptual de las definiciones operacionales ayuda al estudiante a
entender con ms facilidad el nuevo material. Procedimientos de
Minitab y de Excel para calcular el valor-p. Algo nuevo en esta
edicin es un apndice en el que se demuestra cmo se usan Minitab y
Excel para calcular valores-p relacionados con los estadsticos de
prueba z, t, 2 y F. A los estudiantes que emplean una calculadora
manual para calcular los estadsticos de prueba se les ensea
cxxiii
- 26. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page xxiv xxiv
Prefacio mo usar las tablas estadsticas para dar un intervalo de
valores-p. En el apndice F se les explica la forma de calcular con
exactitud el valor-p usando Minitab o Excel. Este apndice es de
utilidad al estudiar las pruebas de hiptesis en los captulos 9 a
16. Tabla de la distribucin normal estndar acumulada. A muchos de
nuestros usuarios puede sorprenderles que en esta nueva edicin
usemos tablas de distribucin normal estndar acumulada. Hemos hecho
este cambio porque creemos que la tendencia es que cada vez ms
estudiantes y profesionistas hagan uso del software para
computadoras. Antes, todo mundo empleaba las tablas porque era la
nica fuente de informacin acerca de la distribucin normal. Sin
embargo, hoy muchos estudiantes estn dispuestos a aprender a usar
el software para estadstica. Los estudiantes encontrarn que casi
todos los paquetes de software usan la distribucin normal estndar
acumulada. Por tanto, es cada vez ms importante que en un libro de
introduccin a la estadstica se usen las tablas de probabilidad
normal que el estudiante encontrar cuando trabaje con el software
para estadstica. No es deseable usar un tipo de tablas para la
distribucin normal estndar en el libro y otro tipo diferente cuando
se usen los paquetes de software. Aquellas personas que usen por
primera vez la tabla de distribucin normal acumulada encontrarn
que, en general, estas tablas facilitan los clculos de la
distribucin normal. En particular, una tabla de probabilidad normal
acumulada facilita el clculo de los valores-p en las pruebas de
hiptesis. Diseo de experimentos y anlisis de varianza. El captulo
13 se ha reducido y ahora comienza con una introduccin a los
conceptos del diseo de experimentos. Se tratan tambin el diseo
completamente aleatorizado, el diseo de bloque aleatorizado y los
experimentos factoriales. El anlisis de varianza se presenta como
la tcnica fundamental para el anlisis de estos diseos. Tambin
mostramos que el procedimiento de anlisis de varianza puede
emplearse en estudios observacionales. Otras modificaciones al
contenido. Las siguientes adiciones se encontrarn en la nueva
edicin: En el captulo 1 se presentan ejemplos nuevos de datos de
series de tiempo. En el captulo 2 el apndice sobre Excel ahora
proporciona instrucciones ms comple tas acerca de cmo elaborar una
distribucin de frecuencia y un histograma con datos cuantitativos.
Revisamos los lineamientos acerca del tamao de la muestra necesario
para el uso de de la distribucin t, lo que es consistente con el
uso de la distribucin t en los captulos 8, 9 y 10. El captulo 17 ha
sido actualizado con nmeros ndices de uso corriente. Ahora en el
manual de soluciones se encuentran los pasos para la solucin de los
ejercicios usando la distribucin normal acumulada y ms detalles en
las explicaciones de cmo calcular los valores-p en las pruebas de
hiptesis. Ejemplos y ejercicios nuevos a partir de datos reales
Hemos agregado 200 ejemplos y ejercicios nuevos con base en datos
reales y en fuentes de referencias recientes sobre informacin
estadstica. Con datos obtenidos de fuentes empleadas tambin por
Wall Street Journal, USA Today, Fortune, Barrons y otras, hemos
empleado estudios actuales para elaborar explicaciones y crear
ejercicios que demuestren los diversos usos de la estadstica en la
administracin y la economa. Pensamos que el uso de datos reales
generar ms inters en los estudiantes por este material y les
permitir aprender ms acerca de la metodologa estadstica y de sus
aplicaciones. Esta 10a. edicin contiene 350 ejemplos y ejercicios
basados en datos reales. Casos problema nuevos En esta edicin hemos
agregado seis casos problema nuevos, con lo que la cantidad de
casos problema en este libro se eleva a 31. Los casos problema
nuevos aparecen en los captulos sobre es-
- 27. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page xxv Prefacio
xxv tadstica descriptiva, estimacin por intervalo y regresin. Estos
casos problema proporcionan a los estudiantes la oportunidad de
analizar conjuntos de datos un poco mayores y de elaborar reportes
administrativos basados en los resultados del anlisis.
Caractersticas y pedagoga Los autores Anderson, Sweeney y Williams
han conservado en esta edicin muchas de las caractersticas de las
ediciones previas. Las ms importantes para los estudiantes se
anotan a continuacin. La estadstica en la prctica Cada captulo
empieza con un artculo sobre la estadstica en la prctica que
describe una aplicacin de la metodologa estadstica que se estudiar
en el captulo. En esta edicin los artculos sobre estadstica en la
prctica de Duke Energy, Rohm and Hass Company y la Food and Drug
Administration de Estados Unidos son nuevos. Ejercicios sobre los
mtodos y ejercicios de aplicacin Los ejercicios al final de cada
seccin se dividen en dos partes, mtodos y aplicaciones. Los
ejercicios sobre los mtodos requieren del estudiante el uso de las
frmulas para hacer los clculos necesarios. Los ejercicios de
aplicacin demandan que el estudiante use el material del captulo en
una situacin de la vida real. De esta manera, los estudiantes dan
atencin, primero, a los clculos y despus a las sutilezas de la
aplicacin e interpretacin de la estadstica. Ejercicios de
autoexamen Algunos ejercicios son ejercicios de autoexamen. Las
soluciones completas de estos ejercicios se proporcionan en el
apndice D, al final del libro. Los estudiantes pueden hacer estos
ejercicios de autoexamen y verificar de inmediato la solucin para
evaluar su comprensin de los conceptos presentados en el captulo.
Anotaciones al margen, notas y comentarios Anotaciones al margen
que resaltan puntos clave y proporcionan una explicacin adicional
para el estudiante son caractersticas esenciales de este libro.
Estas anotaciones, que aparecen al margen, tienen el propsito de
enfatizar y mejorar la comprensin de los trminos y conceptos que se
presentan en el texto. Al final de cada seccin, presentamos notas y
comentarios que tienen por objeto aclarar an ms la metodologa
estadstica y su aplicacin. Las notas y los comentarios contienen
advertencias sobre la metodologa o limitaciones de sta,
recomendaciones para su aplicacin, breves descripciones de otras
consideraciones tcnicas y otros asuntos. Archivos de datos que
vienen con el texto En el disco compacto que viene con el libro se
encuentran ms de 200 archivos de datos. Estos archivos vienen tanto
en formato para Minitab como para Excel. En el texto se usan
logotipos para indicar conjuntos de datos disponibles en el disco
compacto. Tambin hay conjuntos de datos para los casos problema, as
como conjuntos de datos para ejercicios ms grandes.
- 28. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page xxvi xxvi
Prefacio Material de apoyo para el profesor Este libro cuenta con
una serie de recursos para el profesor, los cuales estn disponibles
en ingls y slo se proporcionan a los docentes que lo adopten como
texto en sus cursos. Para direcciones de correo electrnico: Cengage
Learning Mxico y Centroamrica clientes.mexicoca@cengage.com Cengage
Learning Caribe clientes.caribe@cengage.com Cengage Learning Cono
Sur clientes.conosur@cengage.com Paraninfo
clientes.paraninfo@cengage.com Colombia
clientes.pactoandino@cengage.com Adems encontrar ms apoyos en el
sitio web de este libro: http://latinoamerica.cengage.com/anderson
Las direcciones de los sitios web referidas a lo largo del texto no
son administradas por Cengage Learning Latinoamrica, por lo que sta
no es responsable de los cambios para mantenerse al tanto de
cualquier actualizacin. Agradecimientos Un agradecimiento especial
a nuestros colegas de las empresas y de la industria que nos
proporcionaron el material para Estadstica para administracin y
economa. A cada uno le damos un reconocimiento individual en la
lnea de crditos que aparece en cada uno de los artculos. Por ltimo
agradecemos a nuestros editores, Charles McCormick, Jr. y Alice
Denny, a nuestro administrador de proyecto, Amy Hackett, a nuestro
director de mercadotecnia, Larry Qualls, y a todos los
colaboradores de Thomson South-Western por su asesora y apoyo
editorial durante la elaboracin de este libro. David R. Anderson
Dennis J. Sweeney Thomas A. Williams
- 29. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page xxvii Acerca de
los autores David R. Anderson. Profesor de anlisis cuantitativo en
el College of Business Administration de la Universidad de
Cincinnati. Naci en Grand Forks, Dakota del Norte, y obtuvo los
grados acadmicos B.S., M.S. y Ph.D. en la Purdue University. El
profesor Anderson ha sido director del Department of Quantitative
Analysis and Operations y decano asociado de la College of Business
Administration. Adems, fue coordinador del primer Executive Program
de la escuela. En la Universidad de Cincinnati, el profesor
Anderson ha dado cursos introductorios de estadstica para
estudiantes de administracin, as como cursos a nivel de posgrado
sobre anlisis de regresin, anlisis multivariado y ciencia de la
administracin. Tambin ha impartido cursos de estadstica en el
Departamento del Trabajo en Washington, D. C. Ha sido honrado con
nominaciones y premios de excelencia en la enseanza y en la atencin
a organizaciones estudiantiles. El profesor Anderson es coautor de
diez libros en las reas de estadstica, ciencias de la
administracin, programacin lineal y produccin y administracin de
operaciones. Es asesor activo en los temas de muestreo y de mtodos
estadsticos. Dennis J. Sweeney. Dennis J. Sweeney es profesor de
anlisis cuantitativo y fundador del Center for Productivity
Improvement en la Universidad de Cincinnati. Naci en Des Moines,
Iowa, y obtuvo el grado B.S.B.A. en la Drake University y los
grados M.B.A. y D.B.A. en la Universidad de Indiana. De 1978 a
1979, el profesor Sweeney trabaj en el grupo de ciencia de la
administracin de Procter & Gamble; de 1981 a 1982, fue profesor
invitado en la Duke University. Ha sido director del Department of
Quantitative Analysis y decano asociado de la College of Business
Administration en la Universidad de Cincinnati. El profesor Sweeney
ha publicado ms de 30 artculos y monografas en las reas de ciencia
de la administracin y estadstica. Sus investigaciones han sido
patrocinadas por The National Science Fundation, IBM, Procter &
Gamble, Federated Department Stores, Kroger y Cincinnati Gas &
Electric, las cuales han sido publicadas en Management Science,
Operation Research, Mathematical Programming, Decision Sciences y
en otras revistas. El profesor Sweeney es coautor de diez libros en
las reas de estadstica, ciencias de la administracin, programacin
lineal y produccin y administracin de operaciones. Thomas A.
Williams. Thomas A. Williams es profesor de ciencia de la
administracin en el College of Business at Rochester Institute of
Technology. Naci en Elmira, Nueva York y obtuvo el grado B.S. en la
Clarkson University. Realiz su tesis profesional en el Rensselaer
Polytechnic Institute, donde obtuvo los grados M.S. y Ph.D. Antes
de integrarse a la College of Business de RIT, el profesor Williams
fue miembro de la facultad en el College of Business Administration
de la Universidad de Cincinnati, en donde elabor el programa para
Sistemas de la Informacin, del que fue coordinador. En RIT fue el
primer director del Decision Sciences Departament. Imparte cursos
de ciencia de la administracin y de estadstica, as como cursos de
anlisis de regresin y de decisin. El profesor Williams es coautor
de siete libros en las reas de estadstica, ciencias de la
administracin, produccin y administracin de operaciones y
matemticas. Ha sido asesor de mltiples empresas Fortune 500 y ha
trabajado en proyectos que van desde el uso del anlisis de datos a
la elaboracin de modelos de regresin a gran escala. xxvii
- 30. 00Ander(i-xxviii).qxd 2/29/08 10:41 AM Page xxviii
- 31. 01Ander(001-025).qxd 1/17/08 10:26 AM Page 1 CAPTULO Datos
y estadsticas CONTENIDO Datos cualitativos y cuantitativos Datos de
seccin transversal y de series de tiempo LA ESTADSTICA EN LA
PRCTICA: BUSINESSWEEK 1.1 1.2 APLICACIONES EN LOS NEGOCIOS Y EN LA
ECONOMA Contadura Finanzas Marketing Produccin Economa DATOS
Elementos, variables y observaciones Escalas de medicin 1.3 FUENTES
DE DATOS Fuentes existentes Estudios estadsticos Errores en la
adquisicin de datos 1.4 ESTADSTICA DESCRIPTIVA 1.5 INFERENCIA
ESTADSTICA 1.6 LAS COMPUTADORAS Y EL ANLISIS ESTADSTICO 1
- 32. 01Ander(001-025).qxd 1/17/08 2 10:26 AM Captulo 1 LA
ESTADSTICA Page 2 Datos y estadsticas en LA PRCTICA BUSINESSWEEK*
NUEVA YORK, NUEVA YORK Con una circulacin mundial de ms de 1 milln
de ejemplares, BusinessWeek es la revista ms leda en el mundo. Ms
de 200 reporteros y editores especializados en 26 oficinas
alrededor del mundo producen diversos artculos de inters para la
comunidad interesada en los negocios y la economa. Junto a los
artculos principales y los tpicos de actualidad, la revista
presenta diversas secciones regulares sobre negocios
internacionales, anlisis econmicos, procesamiento de la informacin
y ciencia y tecnologa. La informacin en las secciones regulares
ayuda a los lectores a mantenerse al da de los avances y novedades
y a evaluar el impacto de stos en los negocios y en las condiciones
econmicas. La mayor parte de los nmeros de BusinessWeek contienen
un artculo de fondo sobre algn tema de inters actual. Por ejemplo,
el nmero del 6 de diciembre de 2004 contena un reportaje especial
sobre los precios de los artculos hechos en China; el nmero del 3
de enero de 2005 proporcionaba informacin acerca de dnde invertir
en 2005 y el nmero del 4 de abril de 2005 proporcionaba una
panormica de BusinessWeek 50, un grupo diverso de empresas de alto
desempeo. Adems, la revista semanal BusinessWeek Investor
proporciona artculos sobre el estado de la economa, que comprenden
ndices de produccin, precios de las acciones de fondos mutualistas
y tasas de inters. BusinessWeek tambin usa mtodos e informacin
estadsticos en la administracin de su propio negocio. Por ejemplo,
una encuesta anual hecha a sus suscriptores le permiti tener datos
demogrficos sobre sus hbitos de lectura, compras probables, estilo
de vida, etc. Los directivos de BusinessWeek usan resmenes
estadsticos obtenidos a partir de las encuestas para dar un mejor
servicio a sus sus*Los autores agradecen a Charlene Trentham,
Director de investigacin de BusinessWeek por proporcionar este
artculo para La estadstica en la prctica. BusinessWeek usa datos y
resmenes estadsticos en muchos de sus artculos. Terri
Millar/E-Visual Communications, Inc. criptores y anunciantes.
Mediante una encuesta reciente entre los suscriptores
estadounidenses se supo que 90% de los suscriptores de BusinessWeek
tienen una computadora personal en casa y que 64% de ellos realizan
en el trabajo compras por computadora. Estas estadsticas indican a
los directivos de BusinessWeek que los avances en computacin sern
de inters para sus suscriptores. Los resultados de la encuesta
tambin le son proporcionados a sus anunciantes potenciales. Los
elevados porcentajes de personas que tienen una computadora en casa
y que realizan compras por computadora en el trabajo podra ser un
incentivo para que los fabricantes de computadoras se anunciaran en
BusinessWeek. Este captulo muestra los tipos de datos con que se
cuenta en un anlisis estadstico y describe cmo se obtienen los
datos. Presenta la estadstica descriptiva y la inferencia
estadstica como medios para convertir los datos en informacin
estadstica que tienen un significado y que es fcil de interpretar.
Con frecuencia aparece en los peridicos y revistas el siguiente
tipo de informacin: La asociacin de agentes inmobiliarios inform
que la mediana del precio de venta de una casa en Estados Unidos es
de $215 000 (The Wall Street Journal, 16 de enero de 2006). Durante
el Super Bowl de 2006 el costo promedio de un spot publicitario de
30 segundos en televisin fue de $2.5 millones (USA Today, 27 de
enero de 2007).
- 33. 01Ander(001-025).qxd 1/17/08 10:26 AM 1.1 Page 3
Aplicaciones en los negocios y en la economa 3 En una encuesta de
Jupiter Media se encontr que 31% de los hombres adultos ven ms de
10 horas de televisin a la semana. Entre las mujeres slo 26% (The
Wall Street Journal, 26 de enero de 2004). General Motors, uno de
los lderes automotrices en descuentos en efectivo da, en promedio,
$4300 de incentivo en efectivo por vehculo (USA Today, 27 de enero
de 2006). Ms de 40% de los directivos de Marriott Internacional
ascienden por escalafn (Fortune, 20 de enero de 2003). Los Yankees
de Nueva York tienen la nmina ms alta dentro de la liga mayor de
bisbol. En el ao 2005 la nmina del equipo fue de $208 306 817,
siendo la mediana por jugador de $5 833 334 (USA Today, febrero
2006). El promedio industrial Dow Jones cerr en 11 577 (Barrons, 6
de mayo de 2006). A los datos numricos de las frases anteriores se
les llama estadsticas. En este sentido el trmino estadstica se
refiere a datos numricos, tales como promedios, medianas,
porcentajes y nmeros ndices que ayudan a entender una gran variedad
de negocios y situaciones econmicas. Sin embargo, como se ver, el
campo de la estadstica es mucho ms que datos numricos. En un
sentido amplio, la estadstica se define como el arte y la ciencia
de reunir datos, analizarlos, presentarlos e interpretarlos.
Especialmente en los negocios y en la economa, la informacin
obtenida al reunir datos, analizarlos, presentarlos e
interpretarlos proporciona a directivos, administradores y personas
que deben tomar decisiones una mejor comprensin del negocio o
entorno econmico, permitindoles as tomar mejores decisiones con
base en mejor informacin. En este libro se hace hincapi en el uso
de la estadstica para la toma de decisiones en los negocios y en la
economa. El captulo 1 empieza con algunos ejemplos de aplicaciones
de la estadstica en los negocios y en la economa. En la seccin 1.2
se define el trmino datos y se introduce el concepto de conjunto de
datos. En esta seccin se introducen tambin trminos clave como
variables y observaciones, se muestra la diferencia entre datos
cualitativos y cuantitativos y se ilustra el uso de datos
transversales y de serie de tiempo. En la seccin 1.3 se ensea a
obtener datos de fuentes ya existentes o mediante encuestas y
estudios experimentales diseados para obtener datos nuevos. Se
resalta tambin el papel tan importante que tiene ahora Internet en
la obtencin de datos. En las secciones 1.4 y 1.5 se describe el uso
de los datos en la estadstica descriptiva y para hacer inferencias
estadsticas. 1.1 Aplicaciones en los negocios y en la economa En el
entorno mundial actual de los negocios y de la economa, todo mundo
tiene acceso a enormes cantidades de informacin estadstica. Los
directivos y los encargados de tomar decisiones que tienen xito
entienden la informacin y saben usarla de manera eficiente. En esta
seccin se proporcionan ejemplos que ilustran algunos de los usos de
la estadstica en los negocios y en la economa. Contadura Las
empresas de contadores pblicos al realizar auditoras para sus
clientes emplean procedimientos de muestreo estadstico. Por
ejemplo, suponga que una empresa de contadores desea determinar si
las cantidades en cuentas por cobrar que aparecen en la hoja de
balance del cliente representan la verdadera cantidad en cuentas
por cobrar. Por lo general, el gran nmero de cuentas por cobrar
hace que su revisin tome demasiado tiempo y sea muy costosa. Lo que
se hace en estos casos es que el personal encargado de la auditora
selecciona un subconjunto de las cuentas al que se le llama
muestra. Despus de revisar la exactitud de las cuentas tomadas en
la muestra (muestreadas) los auditores concluyen si la cantidad en
cuentas por cobrar que aparece en la hoja de balance del cliente es
aceptable.
- 34. 01Ander(001-025).qxd 4 1/17/08 10:26 AM Captulo 1 Page 4
Datos y estadsticas Finanzas Los analistas financieros emplean una
diversidad de informacin estadstica como gua para sus
recomendaciones de inversin. En el caso de acciones, el analista
revisa diferentes datos financieros como la relacin precio/ganancia
y el rendimiento de los dividendos. Al comparar la informacin sobre
una determinada accin con la informacin sobre el promedio en el
mercado de acciones, el analista empieza a obtener conclusiones
para saber si una determinada accin est sobre o subvaluada. Por
ejemplo, Barrons (12 de septiembre de 2005) informa que la relacin
promedio precio/ganancia de 30 acciones del promedio industrial Dow
Jones fue 16.5. La relacin precio/ganancia de JPMorgan es 11.8. En
este caso la informacin estadstica sobre las relaciones
precio/ganancia indican un menor precio en comparacin con la
ganancia para JPMorgan que el promedio en las acciones Dow Jones.
Por tanto el analista financiero concluye que JPMorgan est
subvaluada. sta y otras informaciones acerca de JPMorgan ayudarn al
analista a comprar, vender o a recomendar mantener las acciones.
Marketing Escneres electrnicos en las cajas de los comercios
minoristas recogen datos para diversas aplicaciones en la
investigacin de mercado. Por ejemplo, proveedores de datos como
ACNielsen e Information Research Inc. compran estos datos a las
tiendas de abarrotes, los procesan y luego venden los resmenes
estadsticos a los fabricantes; quienes gastan cientos de miles de
dlares por producto para obtener este tipo de datos. Los
fabricantes tambin compran datos y resmenes estadsticos sobre
actividades promocionales como precios o displays promocionales.
Los administradores de marca revisan estas estadsticas y las
propias de las actividades promocionales para analizar la relacin
entre una actividad promocional y las ventas. Estos anlisis suelen
resultar tiles para establecer futuras estrategias de marketing
para diversos productos. Produccin La importancia que se le da
actualmente a la calidad hace del control de calidad una aplicacin
importante de la estadstica a la produccin. Para vigilar el
resultado de los procesos de produccin se usan diversas grficas de
control estadstico de calidad. En particular, para vigilar los
resultados promedio se emplea una grfica x-barra. Suponga, por
ejemplo, que una mquina llena botellas con 12 onzas de algn
refresco. Peridicamente un empleado del rea de produccin toma una
muestra de botellas y mide el contenido promedio de refresco. Este
promedio o valor xbarra se marca como un punto en una grfica
x-barra. Si este punto queda arriba del lmite de control superior
de la grfica, hay un exceso en el llenado, y si queda debajo del
lmite de control inferior de la grfica hay falta de llenado. Se
dice que el proceso est bajo control y puede continuar, siempre que
los valores x-barra se encuentren entre los lmites de control
inferior y superior. Con una interpretacin adecuada, una grfica de
x-barra ayuda a determinar si es necesario hacer algn ajuste o
correccin a un proceso de produccin. Economa Los economistas suelen
hacer pronsticos acerca del futuro de la economa o sobre algunos
aspectos de la misma. Usan una variedad de informacin estadstica
para hacer sus pronsticos. Por ejemplo, para pronosticar las tasas
de inflacin, emplean informacin estadstica sobre indicadores como
el ndice de precios al consumidor, la tasa de desempleo y la
utilizacin de la capacidad de produccin. Estos indicadores
estadsticos se utilizan en modelos computarizados de pronsticos que
predicen las tasas de inflacin.
- 35. 01Ander(001-025).qxd 1/17/08 10:26 AM 1.2 Page 5 5 Datos
Aplicaciones de la estadstica como las descritas en esta seccin
integran este libro. Dichos ejemplos proporcionan una visin general
de la diversidad de las aplicaciones estadsticas. Como complemento
de estos ejemplos, profesionales en los campos de los negocios y de
la economa proporcionan los artculos de La estadstica en la prctica
que se encuentran al principio de cada captulo, en los que se
presenta el material que se estudiar en el captulo. Las
aplicaciones en La estadstica en la prctica muestran su importancia
en diversas situaciones de los negocios y la economa. 1.2 Datos
Datos son hechos/informaciones y cifras que se recogen, analizan y
resumen para su presentacin e interpretacin. A todos los datos
reunidos para un determinado estudio se les llama conjunto de datos
para el estudio. La tabla 1.1 muestra un conjunto de datos que
contiene informacin sobre 25 empresas que forman parte del S&P
500. El S&P 500 consta de 500 empresas elegidas por Standard
& Poors. Estas empresas representan 76% de la capitalizacin de
mercado de todas las acciones de Estados Unidos. Las acciones de
S&P 500 son estrechamente observadas por los inversionistas y
por los analistas de Wall Street. TABLA 1.1 CONJUNTO DE DATOS DE 25
EMPRESAS S&P 500 Empresa archivo CD en BWS&P Abbott
Laboratories Altria Group Apollo Group Bank of New York
Bristol-Myers Squibb Cincinnati Financial Comcast Deere eBay
Federated Dept. Stores Hasbro IBM International Paper Knight-Ridder
Manor Care Medtronic National Semiconductor Novellus Systems Pitney
Bowes Pulte Homes SBC Communications St. Paul Travelers Teradyne
UnitedHealth Group Wells Fargo Denominacin Bolsa abreviada Posicin
en de valores Ticker BusinessWeek N N NQ N N NQ NQ N NQ N N N N N N
N N NQ N N N N N N N Fuente: Business Week (4 de abril de 2005).
ABT MO APOL BK BMY CINF CMCSA DE EBAY FD HAS IBM IP KRI HCR MDT NSM
NVLS PBI PHM SBC STA TER UNH WFC 90 148 174 305 346 161 296 36 19
353 373 216 370 397 285 53 155 386 339 12 371 264 412 5 159 Precio
por accin ($) Ganancia por accin ($) 46 66 74 30 26 45 32 71 43 56
21 93 37 66 34 52 20 30 46 78 24 38 15 91 59 2.02 4.57 0.90 1.85
1.21 2.73 0.43 5.77 0.57 3.86 0.96 4.94 0.98 4.13 1.90 1.79 1.03
1.06 2.05 7.67 1.52 1.53 0.84 3.94 4.09
- 36. 01Ander(001-025).qxd 6 1/17/08 10:26 AM Captulo 1 Page 6
Datos y estadsticas Elementos, variables y observaciones Elementos
son las entidades de las que se obtienen los datos. En el conjunto
de datos de la tabla 1.1, cada accin de una empresa es un elemento;
los nombres de los elementos aparecen en la primera columna. Como
se tienen 25 acciones, el conjunto de datos contiene 25 elementos.
Una variable es una caracterstica de los elementos que es de
inters. El conjunto de datos de la tabla 1.1 contiene las cinco
variables siguientes: Bolsa de valores (mercado burstil): Dnde se
comercializa (cotiza) la accin: N (Bolsa de Nueva York) y NQ
(Mercado Nacional Nasdaq). Ticker (denominacin abreviada):
Abreviacin usada para identificar la accin en la lista de la bolsa
Posicin en BusinessWeek: Nmero del 1 al 500 que indica la fortaleza
de la empresa. Precio por accin ($): El precio de cierre (28 de
febrero de 2005). Ganancia por accin ($): Las ganancias por accin
en los ltimos 12 meses. Los valores encontrados para cada variable
en cada uno de los elementos constituyen los datos. Al conjunto de
mediciones obtenidas para un determinado elemento se le llama
observacin. Volviendo a la tabla 1.1, el conjunto de mediciones
para la primera observacin (Abbott Laboratories) es N, ABT, 90, 46
y 2.02. El conjunto de mediciones para la segunda observacin
(Altria Group) es N, MO, 148, 66 y 4.57, etc. Un conjunto de datos
que tiene 25 elementos contiene 25 observaciones. Escalas de
medicin La recoleccin de datos requiere alguna de las escalas de
medicin siguientes: nominal, ordinal, de intervalo o de razn. La
escala de medicin determina la cantidad de informacin contenida en
el dato e indica la manera ms apropiada de resumir y de analizar
estadsticamente los datos. Cuando el dato de una variable es una
etiqueta o un nombre que identifica un atributo de un elemento, se
considera que la escala de medicin es una escala nominal. Por
ejemplo, en relacin con la tabla 1.1 la escala de medicin para la
variable bolsa de valores (mercado burstil) es nominal porque N y
NQ son etiquetas que se usan para indicar dnde cotiza la accin de
la empresa. Cuando la escala de medicin es nominal, se usa un cdigo
o una etiqueta no numrica. Por ejemplo, para facilitar la
recoleccin de los datos y para guardarlos en una base de datos en
una computadora puede emplearse un cdigo numrico en el que 1 denote
la Bolsa de Nueva York y 2 el Mercado Nacional Nasdaq. En este caso
los nmeros 1 y 2 son las etiquetas empleadas para identificar dnde
cotizan las acciones. La escala de medicin es nominal aun cuando
los datos aparezcan como valores numricos. Una escala de medicin
para una variable es ordinal si los datos muestran las propiedades
de los datos nominales y adems tiene sentido el orden o jerarqua de
los datos. Por ejemplo, una empresa automovilstica (Eastside
Automotive) enva a sus clientes cuestionarios para obtener
informacin sobre su servicio de reparacin. Cada cliente evala el
servicio de reparacin como excelente, bueno o malo. Como los datos
obtenidos son las etiquetas excelente, bueno o malo, tienen las
propiedades de los datos nominales, pero adems pueden ser ordenados
o jerarquizados en relacin con la calidad del servicio. Un dato
excelente indica el mejor servicio, seguido por bueno y, por ltimo,
malo. Por lo que la escala de medicin es ordinal. Observe que los
datos ordinales tambin son registrados mediante un cdigo numrico.
Por ejemplo, en la tabla 1.1 la posicin de los datos en
BusinessWeek es un dato ordinal. Da una jerarqua del 1 al 500 de
acuerdo con la evaluacin de BusinessWeek sobre la fortaleza de la
empresa. Una escala de medicin para una variable es una escala de
intervalo si los datos tienen las caractersticas de los datos
ordinales y el intervalo entre valores se expresa en trminos de una
unidad de medicin fija. Los datos de intervalo siempre son
numricos. Las calificaciones en una prueba de aptitudes escolares
son un ejemplo de datos de intervalo. Por ejemplo, las ca-
- 37. 01Ander(001-025).qxd 1/17/08 10:26 AM 1.2 Page 7 Datos 7
lificaciones obtenidas por tres alumnos en la prueba de matemticas
con 620, 550 y 470, pueden ser ordenadas en orden de mejor a peor.
Adems las diferencias entre las calificaciones tienen significado.
Por ejemplo, el estudiante 1 obtuvo 620 550 70 puntos ms que el
estudiante 2 mientras que el estudiante 2 obtuvo 550 470 80 puntos
ms que el estudiante tres. Una variable tiene una escala de razn si
los datos tienen todas las propiedades de los datos de intervalo y
la proporcin entre dos valores tiene significado. Variables como
distancia, altura, peso y tiempo usan la escala de razn en la
medicin. Esta escala requiere que se tenga el valor cero para
indicar que en este punto no existe la variable. Por ejemplo,
considere el costo de un automvil. El valor cero para el costo
indica que el automvil no cuesta, que es gratis. Adems, si se
compara el costo de un automvil de $30 000, con el costo de otro
automvil, $15 000, la propiedad de razn muestra que $30 000/$15 000
2: el primer automvil cuesta el doble del costo del segundo. Datos
cualitativos y cuantitativos A los datos cualitativos se les suele
llamar datos categricos. El mtodo estadstico adecuado para resumir
los datos depende de si los datos son cualitativos o cuantitativos.
Los datos tambin son clasificados en cualitativos y cuantitativos.
Los datos cualitativos comprenden etiquetas o nombres que se usan
para identificar un atributo de cada elemento. Los datos
cualitativos emplean la escala nominal o la ordinal y pueden ser
numricos o no. Los datos cuantitativos requieren valores numricos
que indiquen cunto o cuntos. Los datos cuantitativos se obtienen
usando las escalas de medicin de intervalo o de razn. Una variable
cualitativa es una variable con datos cualitativos. El anlisis
estadstico adecuado para una determinada variable depende de si la
variable es cualitativa o cuantitativa. Si la variable es
cualitativa, el anlisis estadstico es bastante limitado. Tales
datos se resumen contando el nmero de observaciones o calculando la
proporcin de observaciones en cada categora cualitativa. Sin
embargo, aun cuando para los datos cualitativos se use un cdigo
numrico, las operaciones aritmticas de adicin, sustraccin,
multiplicacin o divisin no tienen sentido. En la seccin 2.1 se ven
las formas de resumir datos cualitativos. Por otro lado, las
operaciones aritmticas s tienen sentido en las variables
cuantitativas. Por ejemplo, cuando se tienen variables
cuantitativas, los datos se pueden sumar y luego dividir entre el
nmero de observaciones para calcular el valor promedio. Este
promedio suele ser til y fcil de interpretar. En general hay ms
alternativas para el anlisis estadstico cuando se tienen datos
cuantitativos. La seccin 2.2 y el captulo 3 proporcionan
condiciones para resumir datos cuantitativos. Datos de seccin
transversal y de series de tiempo Para los propsitos del anlisis
estadstico la distincin entre datos transversales y datos de series
de tiempo es importante. Datos de seccin transversal son los
obtenidos en el mismo o aproximadamente el mismo momento (punto en
el tiempo). Los datos de la tabla 1.1 son datos transversales
porque describen las cinco variables de las 25 empresas del 25
S&P en un mismo momento. Los datos de series de tiempo son
datos obtenidos a lo largo de varios periodos. Por ejemplo, la
figura 1.1 presenta una grfica de los precios promedio por galn de
gasolina normal en las ciudades de Estados Unidos. En la grfica se
observa que los precios son bastantes estables entre $1.80 y $2.00
desde mayo de 2004 hasta febrero de 2005. Despus el precio de la
gasolina se vuelve voltil. Se eleva en forma notable culminando en
un agudo pico en septiembre de 2005. En las publicaciones sobre
negocios y economa se encuentran con frecuencia grficas de series
de tiempo. Estas grficas ayudan a los analistas a entender lo que
ocurri en el pasado, a identificar cualquier tendencia en el
transcurso del tiempo y a proyectar niveles futuros para la series
de tiempo. Las grficas de datos de series de tiempo toman formas
diversas como se muestra en la figura 1.2. Con un poco de estudio,
estas grficas suelen ser fciles de entender y de interpretar.
- 38. 8 1/17/08 10:26 AM Captulo 1 FIGURA 1.1 Page 8 Datos y
estadsticas PRECIO PROMEDIO POR GALN DE GASOLINA NORMAL EN LAS
CIUDADES DE ESTADOS UNIDOS Promedio mensual $3.00 $2.80 Precio
promedio por galn 01Ander(001-025).qxd $2.60 $2.40 $2.20 $2.00
$1.80 $1.60 May Jun Jul Ago Sept Oct Nov Dic Ene Feb Mar Abr May
Jun Jul Ago Sept Oct Nov Dic 2004 2005 Mes Fuente: U.S. Energy
Information Administration, enero de 2006. Por ejemplo, la grfica
(A) de la figura 1.2, muestra las tasas de inters en Stafford Loans
para los estudiantes entre el ao 2000 y el 2006. Despus del ao 2000
las tasas de inters disminuyen y llegan al nivel ms bajo, 3.2%, en
el ao 2004. Pero, despus de este ao se observa un marcado aumento
en estas tasas de inters, y llegan a 6.8% en el ao 2006. El
Departamento de Educacin de Estados Unidos estima que ms de 50% de
los estudiantes terminan sus estudios con una deuda; esta creciente
tasa de inters es una gran carga financiera para muchos estudiantes
recin egresados. En la grfica (B) se observa un inquietante aumento
en el adeudo promedio por hogar en tarjetas de crdito durante un
periodo de 10 aos, de 1995 a 2005. Advierta cmo en la series de
tiempo se nota un aumento anual casi constante en el adeudo
promedio por hogar en tarjetas de crdito que va de $4500 en 1995 a
$9500 en 2005. En 2005 un adeudo promedio de 10 000 no parece
lejano. La mayor parte de las empresas de tarjetas de crdito
ofrecen tasas de inters iniciales relativamente bajas. Sin embargo,
despus de este periodo inicial, tasas de inters anuales del 18%,
20% y ms son frecuentes. Estas tasas dificultan a los hogares pagar
los adeudos de las tarjetas de crdito. En la grfica (C) se observan
las tasas de ocupacin en los hoteles de Florida del sur durante un
ao. Observe que la forma de esta grfica es diferente a (A) y (B);
en esta grfica el tiempo en meses se encuentra en el eje vertical y
no en el horizontal. Las tasas de ocupacin ms altas, 95% y 98%, se
encuentran en los meses de febrero y marzo que es cuando el clima
en Florida del sur es atractivo para los turistas. En efecto, de
enero a abril es la estacin de mayor ocupacin en los hoteles de
Florida del sur. Por otro lado, las tasas de ocupacin ms bajas se
observan de agosto a octubre, siendo la menor ocupacin en
septiembre. Las temperaturas demasiado elevadas y la estacin de
huracanes son las principales razones de la cada de la ocupacin en
este periodo.
- 39. 01Ander(001-025).qxd 1/17/08 10:26 AM 1.2 FIGURA 1.2 Page 9
9 Datos DIVERSAS GRFICAS DE DATOS DE SERIES DE TIEMPO 9% $10 000 8%
$8 000 7% Monto de la deuda Tasa de inters 6% 5% 4% 3% 2% $6 000 $4
000 $2 000 1% 0% 2000 2001 2002 2003 2004 2005 2006 1995 Ao 2005 Ao
(A) Tasas de inters en los Stafford Loans para estudiantes (B)
Adeudo promedio en tarjetas de crdito por hogar 100% de ocupacin
Ene Feb Mar Abr May Mes 2000 Jun Jul Ago Sep Oct Nov Dic 20 40 60
80 100 Porcentaje de ocupacin (C) Tasas de ocupacin en hoteles de
Florida del sur
- 40. 01Ander(001-025).qxd 1/17/08 10:26 AM 10 Captulo 1 Page 10
Datos y estadsticas Las series de tiempo y los pronsticos con
series de tiempo se vern en el captulo 16 cuando se estudien los
mtodos de pronstico. Fuera del captulo 16, los mtodos estadsticos
que se presentan en este libro son para datos de seccin transversal
y no para series de tiempo NOTAS Y COMENTARIOS 1. Una observacin es
el conjunto de mediciones obtenidas para cada elemento de un
conjunto de datos. Por tanto, el nmero de observaciones es siempre
igual al nmero de elementos. El nmero de mediciones de cada
elemento es igual al nmero de variables. Entonces, el nmero total
de datos se determina multiplicando el nmero de observaciones por
el nmero de variables. 1.3 2. Los datos cuantitativos son discretos
o continuos. Datos cuantitativos que miden cuntos (por ejemplo, el
nmero de llamadas recibidas en 5 minutos) son discretos. Datos
cuantitativos que miden cunto (por ejemplo, peso o tiempo) son
continuos porque entre los posibles valores de los datos no hay
separacin. Fuentes de datos Los datos se obtienen de fuentes ya
existentes o por medio de encuestas y estudios experimentales
realizados con objeto de recolectar nuevos datos. Fuentes
existentes En algunos casos los datos que se necesitan para una
determinada aplicacin ya existen. Las empresas cuentan con diversas
bases de datos sobre sus empleados, clientes y operaciones de
negocios. Datos sobre los salarios de los empleados, sus edades y
los aos de experiencia suelen obtenerse de los registros internos
del personal. Otros registros internos contienen datos sobre
ventas, gastos de publicidad, costos de distribucin, inventario y
cantidades de produccin. La mayor parte de las empresas cuentan
tambin con datos detallados de sus clientes. En la tabla 1.2 se
muestran algunos de los datos obtenibles de los registros internos
de las empresas. De las organizaciones que se especializan en la
recoleccin y almacenamiento de datos se obtienen cantidades
importantes de datos econmicos y de negocios. Las empresas disponen
de estas fuentes externas de datos si los compran o mediante
acuerdos de arrendamiento con opcin de compra. Tres empresas que
proporcionan amplios servicios de bases de datos a clientes son Dun
& Bradstreet, Bloomberg y Dow Jones & Company. ACNielsen e
Information Resources, Inc. han hecho un exitoso negocio
recolectando y procesando datos que venden a publicistas y a
fabricantes de productos. TABLA 1.2 EJEMPLOS DE DATOS DISPONIBLES
DE LOS REGISTROS DE EMPRESAS INTERNACIONALES Fuente Algunos de los
datos disponibles Registros sobre los empleados Nombre, direccin,
nmero de seguridad social, salario, das de vacaciones, das de
enfermedad y bonos Registros de produccin Parte o nmero de
producto, cantidad producida, costo de mano de obra y costo de
materiales Registros de inventario Parte o nmero de producto,
cantidad de unidades disponibles, nivel de reaprovisionamiento,
cantidad econmica a ordenar y programa de descuento Registros de
ventas Nmero del producto, volumen de ventas, volumen de ventas por
regin y volumen de ventas por tipo de cliente Registros de crditos
Nombre del cliente, direccin, nmero de telfono, crdito lmite y
cuentas por cobrar Perfil de clientes Edad, gnero, nivel de
ingresos, nmero de miembros en la familia, direccin y
preferencias
- 41. 01Ander(001-025).qxd 1/17/08 10:26 AM 1.3 Page 11 11
Fuentes de datos Tambin se obtienen datos de diversas asociaciones
industriales y de organizaciones de inters especial. La asociacin
Travel Industry Association of America cuenta con informacin
relacionada con los viajes como nmero de turistas y gastos en
viajes por estado. Estos datos interesan a empresas e individuos de
la industria turstica. El Graduate Management Admission Council
cuenta con datos sobre calificaciones en exmenes, caractersticas de
los estudiantes y programas de educacin para
administradores/directivos. La mayor parte de los datos de estas
fuentes estn a disposicin de los usuarios calificados a un costo
moderado. La importancia de Internet como fuente de datos y de
informacin estadstica sigue creciendo. Casi todas las empresas
cuentan con una pgina Web que proporciona informacin general acerca
de la empresa as como datos sobre ventas, cantidad de empleados,
cantidad de productos, precios de los productos y especificaciones
de los productos. Adems, muchas empresas se especializan ahora en
proporcionar informacin a travs de Internet. Con lo que uno puede
tener acceso a cotizaciones de acciones, precios de comidas en
restaurantes, datos de salarios y a una variedad casi infinita de
informacin. Las dependencias de los gobiernos son otra fuente
importante de datos. Por ejemplo, el Departamento del Trabajo de
Estados Unidos cuenta con una cantidad considerable de datos sobre
tasas de empleo, tasas de salarios, magnitud de la fuerza laboral y
pertenencia a sindicatos. En la tabla 1.3 se presentan algunas de
las dependencias de gobierno junto con los datos que proporcionan.
La mayor parte de las dependencias de los gobiernos que recolectan
y procesan datos tambin los ponen a disposicin a travs de una pgina
en la Web. Por ejemplo, la Oficina de Censos de Estados Unidos
tiene una abundancia de datos en el sitio www.census.gov. En la
figura 1.3 se muestra la pgina Web de la Oficina de Censos de
Estados Unidos. Estudios estadsticos El mayor estudio estadstico
experimental jams realizado se cree que es el experimento del
Servicio de Salud Pblica para la vacuna Salk contra la polio. Se
eligieron casi 2 millones de nios de 1o., 2o. y 3er. grados en
Estados Unidos. TABLA 1.3 Algunas veces, los datos necesarios para
una aplicacin particular no se pueden obtener de las fuentes
existentes. En tales casos los datos suelen conseguirse realizando
un estudio estadstico. Dichos estudios se clasifican como
experimentales u observacionales. En los estudios experimentales se
identifica primero la variable de inters. Despus se ubica otra u
otras variables que son controladas para lograr datos de cmo sta
influye sobre la variable de inters. Por ejemplo, a una empresa
farmacutica le interesa realizar un experimento para saber la forma
en que un medicamento afecta la presin sangunea. La variable que
interesa en el estudio es la presin sangunea. Otra variable es la
dosis del nuevo medicamento que se espera tenga un efecto causal
sobre la presin sangunea. Para obtener estos datos acerca del nuevo
medicamento, los investigadores eligen una muestra de individuos.
La dosis del medicamento se controla dando diferentes dosis a
distintos grupos de individuos. Antes y despus se mide la pre-
EJEMPLO DE LOS DATOS DISPONIBLES DE ALGUNAS DEPENDENCIAS
GUBERNAMENTALES Dependencia gubernamental Algunos de los datos
disponibles Oficina de Censos www.census.gov Datos poblacionales,
nmero de hogares e ingresos de los hogares Junta de la Reserva
Federal www.federalreserve.gov Datos sobre dinero en circulacin,
crditos a plazos, tasas de cambio y tasas de inters Oficina de
Administracin y Presupuesto www.whitehouse.gov/omb Datos sobre
ingresos, gastos y deudas del gobierno federal Departamento de
Comercio www.doc.gov Datos sobre las actividades comerciales, valor
de los embarques por industria, nivel de ganancia por industria e
industrias en crecimiento y en decremento Oficina de Estadstica
Laboral www.bls.gov Gasto de los consumidores, salarios por hora,
tasa de desempleo y estadsticas internacionales
- 42. 01Ander(001-025).qxd 1/17/08 12 10:26 AM Captulo 1 FIGURA
1.3 Page 12 Datos y estadsticas PGINA DE INICIO DEL SITIO WEB DE LA
OFICINA DE CENSOS DE ESTADOS UNIDOS Scheduled Downtime Subjects A
to Z U.S. Census Burea u H URRICANE SEASON Facts for Features New
on the Site SEARCH: American FactFinder United States Census 2000
Your Gateway to Census 2000 Summary File 3 (SF 3) Census 2000 EEO
Tabulations Estimates American Community Survey Projections Housing
State Family Income Poverty Health Insurance International Summary
File 4 (SF 4) Income Genealogy Maps Newsroom Publications Economic
Census Economic Indicators NAICS Survey of Business Owners
Government E-Stats Foreign Trade Export Codes Local Employment
Dynamics More Geography Catalog Releases TIGER Gazetteer U.S.
298,911,967 World 6,520,483,541 11:09 GMT (EST+5) Jun 06, 2006
Latest Economic Indicators More Business & Industry Jobs@Census
Help D a t a F i n d er s GO Census.gov Privacy Policy Population
Clocks People & Households Data Tools FAQs FAQs Manufacturers
Shipments, Inventories, and Orders Construction Spending Population
Finder My town, county, or zip More Are You in a Survey? About the
Bureau Special Topics Regional Offices Doing Business with Us Facts
For Features Minority Links Hurricane Data Census Calendar FedStats
FirstGov Training Broadcast and Photo Services For Teachers More
Statistical Abstract My state select a state GO Find An Area
Profile with QuickFacts Select a state to begin Related Sites NEW -
2004 Annual Capital Expenditures Survey select a state Econonic
Indicators Select an indicator select an indicator U.S. Dept of
Commerce FOIA Data Protection & Privacy Policy Information
Quality Accessibility Los estudios sobre fumadores y no fumadores
son estudios observacionales porque los investigadores no
determinan o controlan quin fuma y quin no. sin sangunea en cada
grupo. El anlisis estadstico de los datos experimentales ayuda a
determinar el efecto del nuevo medicamento sobre la presin
sangunea. En los estudios estadsticos no experimentales y
observacionales, no se controlan las variables de inters. El tipo
ms usual de estudio observacional es quiz una encuesta. Por
ejemplo, en una encuesta mediante entrevistas personales, primero
se identifican las preguntas de la investigacin. Despus se presenta
un cuestionario a los individuos de la muestra. Algunos
restaurantes emplean estudios observacionales para obtener datos
acerca de la opinin de sus clientes respecto a la calidad de los
alimentos, del servicio, de la atmsfera, etc. En la figura 1.4 se
presenta un cuestionario empleado por el restaurante Lobster Pot de
Florida. Observe que en el cuestionario se pide a los clientes
evaluar cinco variables: calidad de los alimentos, amabilidad en el
servicio, prontitud en el servicio, limpieza y gestin. Las
categoras para las respuestas de excelente, bueno, satisfactorio e
insatisfactorio proporcionan datos ordinales que permiten a los
directivos de Lobster Pot evaluar la calidad de operacin del
restaurante. Los directivos que deseen emplear datos y anlisis
estadstico como ayuda en la toma de decisiones deben estar
conscientes del tiempo y costo que requiere la obtencin de los
datos. Cuando es necesario obtener los datos en poco tiempo, es
deseable el uso de fuentes de datos ya existentes. Si no es posible
obtener con facilidad datos importantes de fuentes ya existentes,
debe tomarse en cuenta el tiempo y el costo necesarios para obtener
los datos. En todos los casos, las personas encargadas de tomar las
decisiones deben considerar la contribucin del anlisis estadstico
en el proceso de la toma de decisiones. El costo de la adquisicin
de datos y del subsiguiente anlisis no deben exceder a los ahorros
generados por el uso de esta informacin para tomar una decisin
mejor. Errores en la adquisicin de datos Los directivos siempre
deben estar conscientes de la posibilidad de errores en los datos
de los estudios estadsticos. Usar datos errneos es peor que no usar
ningn dato. Un error en la adquisicin de datos se tiene siempre que
el valor del dato obtenido no es igual al verdadero valor o al
valor real que se hubiera obtenido con un procedimiento correcto.
Estos errores ocurren de va-
- 43. 01Ander(001-025).qxd 1/17/08 10:26 AM 1.4 Page 13 13
Estadstica descriptiva FIGURA 1.4 CUESTIONARIO PARA CONOCER LA
OPININ DE LOS CLIENTES EMPLEADO EN EL RESTAURANTE THE LOBSTER POT
DE REDINGTON SHORES, FLORIDA N os alegramos de su visita al
restaurante Lobster Pot y queremos estar seguros de que volver. De
manera que si tiene unos minutos le agradeceramos mucho que nos
llenara esta tarjeta. Sus comentarios y sugerencias son
extremadamente importantes para nosotros. Gracias. Nombre de la
persona que lo atendi Excelente Bueno Satisfactorio Insatisfactorio
Calidad de los alimentos Amabilidad en el servicio Prontitud en el
servicio Limpieza Gestin Comentarios Qu lo motiv a visitarnos?
Favor de depositarlo en el buzn de sugerencias que se encuentra a
la entrada. rias maneras. Por ejemplo, un entrevistador puede
cometer un error de escritura, como una transposicin al escribir la
edad de una persona y en lugar de 24 aos escribir 42 aos, o en una
entrevista, el entrevistado puede malinterpretar una pregunta y dar
una respuesta incorrecta. Los analistas de datos con experiencia
tienen sumo cuidado tanto al recolectar los datos como al
registrarlos para garantizar que no se cometan errores. Para
comprobar la consistencia interna de los datos se emplean
procedimientos especiales. Tales procedimientos indican al
analista, por ejemplo, que debe revisar la consistencia de los
datos cuando un entrevistado aparece con 22 aos de edad pero
informa tener 20 aos de experiencia en el trabajo. El analista de
datos tambin debe revisar datos que tengan valores inusualmente
grande o pequeos, llamados observaciones atpicas, que son
candidatos a posibles errores en los datos. En el captulo 3 se
muestran algunos de los mtodos estadsticos tiles para identificar
observaciones atpicas. Los errores suelen presentarse durante la
adquisicin de datos. Emplear a ciegas cualquier dato que se tenga o
valerse de datos que fueron adquiridos con poco cuidado da como
resultado informacin desorientadora y malas decisiones. As, tomar
medidas para adquirir datos precisos ayuda a garantizar informacin
confiable y valiosa para la toma de decisiones. 1.4 Estadstica
descriptiva La mayor parte de la informacin estadstica en
peridicos, revistas, informes de empresas y otras publicaciones
consta de datos que se resumen y presentan en una forma fcil de
le