Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
PREGUNTAS Y PROBLEMAS
Estos requieren que exista una relación entre los valores de ambas variables y que los de la variable
independiente sean conocidos o que su estimación otorgue una mayor confianza. La forma más
común de hacer proyección causal es el ajuste de curvas, el cual se puede realizar aplicando el
método de regresión, que predice el comportamiento de una variable dependiente a partir de una
línea recta, exponencial u otra formada por los datos de la variable independiente y regresión
múltiple a la que recurre a varias.
Este método se desarrolla como respuesta a las debilidades del modelo de consenso de panel, que
busca la predicción de un grupo de expertos en una discusión abierta y que, por factores psicológicos,
de personalidad o de actitud, conducía al grupo a seguir la posición de quienes demostraban tener una
reputación, una habilidad para el debate o una personalidad dominante, capaz de imponerse a la
calidad de otros argumentos. El consenso de panel se sigue aplicando en proyectos que se evalúan
en empresas en funcionamiento, donde el personal interno demuestra experiencia y conocimiento del
mercado. Uno de los casos más comunes es el de los vendedores que, con el conocimiento adquirido
durante años en sus relaciones con los clientes, pueden opinar calificadamente sobre las reacciones y
los comportamientos que podrían resultar de la posible introducción o modificación de un producto
en el mercado; asimismo, el del personal de adquisiciones vinculado con los proveedores de insumos
de la empresa.
El Delphi supera las dificultades del consenso de panel al constituir un grupo heterogéneo de expertos
en un proceso en el que todos proporcionan información de manera interactiva, la cual es tratada
sistemáticamente por un coordinador para concluir en una convergencia de la información colectiva;
de ella nace la predicción. Para eso, la participación de cada experto es anónima y se la proporciona al
coordinador, quien recopila, procesa y retroalimenta a todos los expertos con las opiniones del resto.
Mediante la reiteración del proceso en varias rondas, se tiende a una convergencia de opiniones que
resulta en una predicción ampliamente consensuada. Este método se fundamenta en que la suma de
las especialidades particulares de los integrantes del grupo cubre todo el ámbito de conocimiento que
se requiere para la predicción, y en que el conocimiento combinado supera las capacidades predictivas
de cada individuo.
Un marco muestral es una lista de elementos que componen el universo que queremos estudiar y de
la cuál se extrae la muestra. Estos elementos a investigar pueden ser individuos, pero también
pueden ser hogares, instituciones o cualquier otra cosa susceptible de ser investigada.
La definición anterior nos lleva a concluir que sólo podemos hacer muestreo probabilístico si se
dispone de un marco muestral. El censo de un país, el conjunto de direcciones de hogares en una
población o la lista de clientes de una empresa, son ejemplos de marcos muestrales que hacen
posible un muestreo probabilístico. En cada uno de estos casos, el universo a estudiar es diferente:
habitantes de un país, hogares de una población y clientes de una empresa, respectivamente.
Una vez se tiene un marco muestral, la forma exacta que se utiliza para seleccionar la muestra define
las diferentes técnicas de muestreo probabilístico: Muestreo aleatorio simple, muestreo sistemático,
muestreo estratificado, muestreo por conglomerados, muestreo desproporcionado...
B) Muestreo no probabilístico
Sin embargo, no es sencillo cumplir con los requisitos impuestos por el muestreo probabilístico:
1. Disponer de un marco muestral es algo relativamente poco habitual en estudios de mercado.
2. Lograr que todos los individuos de la población tengan una probabilidad no nula de ser seleccionados
es un requisito igualmente exigente, más aún conocer la probabilidad de inclusión exacta de cada
unidad muestral. Todos los individuos que no pueden ser seleccionados en una muestra se suelen
referir como unidades fuera de cobertura.
Por todas estas razones, así como por razones de coste, los investigadores recurren con frecuencia a
otras técnicas de muestreo, agrupadas dentro de lo que se conoce como muestreo no probabilístico.
En estas técnicas alternativas, es habitual seleccionar elementos para la muestra basándose en
hipótesis relativas a la población de interés, lo que se conoce como criterios de selección. Por ejemplo,
seleccionar una muestra buscando individuos por la calle, tratando de que la mitad sean hombres y la
mitad mujeres (coincidiendo con la distribución que se supone en la población) sería un criterio de
muestreo no probabilísitico.
3.25 Indique cómo se clasifican los tres grupos de preguntas básicas que debe contener
un cuestionario.
3.31 ¿En qué consisten y cuáles son las medidas de tendencia central?
Media aritmética simple: promedio de respuesta Media aritmética ponderada Media geométrica:
cuando los datos obtenidos corresponden a variaciones porcentuales Mediana Moda
3.35 En el estudio del mercado para introducir un nuevo detergente para lavavajillas
se requiere proyectar las ventas para 10 años a partir de 2012. Según estimación
de los vendedores, un 37% de los actuales consumidores estarían dispuestos a
comprar el nuevo detergente. Cada caja (1 litro) de detergente dura en promedio
dos meses y su precio de venta unitario será de $2.000. Las familias que tienen
lavavajillas han aumentado de la forma que se muestra en la siguiente tabla.
Año Lavavajillas
1994 18.408
1995 18.447
1996 20.667
1997 21.198
1998 22.778
1999 25.276
2000 30.045
2001 33.098
2002 39.848
2003 42.414
2004 47.851
2005 54.599
2006 58.349
2007 62.990
2008 69.344
2009 72.732
Estime los ingresos por venta de detergente a partir del año 2012, en un horizonte
de 10 años. (Se recomienda hacerlo por los tres métodos).
De forma lineal, se obtiene una gráfica de dispersión
Lavavajillas
80000
50000
40000
30000
20000
10000
0
0 2 4 6 8 10 12 14 16 18
A B C D E F
1 Resumen
2
3 Estadísticas de la regresión
Podemos observar que en la columna B17 y B18 corresponden a las variables de intercepción que es
el comportamiento no explicado por la variable x y la variable x1 corresponde a cuanto cambia Y por
cada X.
Si se relativizan los valores de regresión y residuos se tiene que:
Por otra parte, el valor del estadística t nos muestra las probabilidad de que 0.5 % de que el valor de
intercesión es decir a sea el azar mientras que el factor es casi 0. De lo anterior se concluye que el valor
a no es estadísticamente significativo, pero se compensa por otros factores, logrando que la ecuación
pueda ser útil para una proyección
3.37 En una ciudad del norte del país, un estudiante recopiló información de la cantidad
de pacientes enfermos de sida, pensando que ello se explicaría por la cantidad de
personas que asisten al cine en la ciudad.
Los resultados se muestran en la tabla siguiente.
Estadisticas de la regresión
Coeficiente de correccion 0.9175915
multiple 55
Coeficiente de determinancion 0.8419742
R cuadrada 62
0.8351035
R cuadrada ajustada 78
18700.057
Error típico 79
Observaciones 25
ANALISIS DE VARIANZA
Grados Suma Promedio Valor critico
libertad cuadrados Cuadrados F de F
428533445 122.5459
Regresion 1 84 42853344584 113 1.0861E-10
804291971
Residuos 23 2 349692161.4
508962642
Total 24 96
Coeficiente Probabili
s Error típico Estadistico T dad
-
76236.656 37968.2584 0.056539
Intercepcion 22 6 -2.007905006 981
182.84064 16.5167018 1.0861E-
Variable X1 36 2 11.07004568 10
3.38 Para una población objetivo de 180.000 familias, una prueba piloto concluyó que el consumo
promedio de cajas de jugo era de 144 unidades anuales, con una varianza muestral de 310. Para un
error de 2% respecto de la media, calcule los tamaños de la muestra para los niveles de confianza de
95,44% y 99,74%.
𝑆 2 = 310
𝐸 = 2% 𝑑𝑒 144 = 2.88
𝑁 = 180,000
𝑍 = 2 𝑝𝑎𝑟𝑎 95.44%
𝑍 = 3 𝑝𝑎𝑟𝑎 99.74%
𝑃𝑎𝑟𝑎 𝑍 = 2
22 (310)(180,000)
𝑛= = 149.37 = 149
(2.882 )(180,000) + (310)(22 )
𝑃𝑎𝑟𝑎 𝑍 = 3
32 (310)(180,000)
𝑛= = 309.46 = 309
(2.882 )(180,000) + (310)(32 )
3.39 Una prueba piloto para estimar el tamaño de la muestra arrojó los siguientes
resultados.
Grupo Desviación
Población
etario estándar
18-35 86.320 13.345
36-55 79.880 22.620
Más de 55 68.150 8.432
Para un error de 1200 y un nivel de confianza de 95.44%, determine el tamaño de la muestra total
y por estrato.
∑(𝑁𝑒𝑆𝑒)2
Para calcula el tamaño total se utiliza la formula 𝑛 = 𝐵2
y se crea una
𝑁 2 ( 2 )+ ∑(𝑁𝑒)(𝑆𝑒)2
𝑍
nueva tabla donde tenemos los valores de 𝑁𝑆 𝑦 𝑁𝑆 2 𝑒𝑛 𝑐𝑎𝑑𝑎 𝑒𝑠𝑡𝑟𝑎𝑐𝑡𝑜
Grupo Población Desviación NS (NS)^2 S^2 N(s^2)
etario (N) estándar (S)
18-35 86320 13345 1151940400 1.32697E+18 178089025 1.53726E+13
36-55 79880 22620 1806885600 3.26484E+18 511664400 4.08718E+13
Más de 68150 8432 574640800 3.30212E+17 71098624 4.84537E+12
55
TOTAL 234350 44397 3533466800 4.92201E+18 760852049 6.10898E+13
Entonces si B=1200 y z= 2
4.92201E + 18
𝑛= = 248.18 = 248
2 200002
(234350 ) ( ) + 6.10898E + 13
22
𝐼𝑐 = √52 = 7.211 = 7
𝐼𝑐 = 1 + 3.322log(2370) = 12.210 = 12
3.42 Con la tasa de crecimiento de adultos mayores jubilados de los últimos años que
se muestra en la siguiente tabla, calcule la media geométrica.
Tasa anual de crecimiento
Año
(%)
1999 1,31
2000 1,27
2001 1,33
2002 1,34
2003 1,39
2004 1,10
2005 1,62
2006 1,78
2007 1,96
2008 1,92
2009 2,13
2010 2,27
̅̅̅
𝑋𝑔 = 0.01617 = 1.617 = 1.62%