Estadstica Inferencial (EPE) TRABAJO FINAL CICLO 2011 - 1

Integrantes de Grupo:

1.- Godoy Mndez, Hugo Emiliano 2.- Giraldo Espinoza, Cesar Bruno 3.- Gonzales Landecho, Roy 4.- Lpez Daz, Edgard Marino 5.- Castellanos Arango, Rubn

Mayo 2011

Pgina 1

NDICE
................................................................................................................................. 1. Tema de Investigacin Pg. 3

2.

Objetivo principal y especficos

Pg. 3

3.

Marco terico del tema de investigacin

Pg. 5

4.

Variables elegidas para el anlisis

Pg. 15

4.1 Intervalo de confianza y prueba de hiptesis para la cantidad de pago 4.2 Intervalo de confianza y prueba de hiptesis para la proporcin de inversin en materiales de esttica 4.3 Intervalo de confianza y prueba de hiptesis para la diferencia de medias de las edades de hombres y mujeres que visitan el Centro Dental Veintemilla 4.4 Anlisis del monto que invierte un cliente en tratamientos de acuerdo al sexo 4.5 Prueba de independencia entre el sexo de los pacientes y la publicidad que el CDV ofrece. 4.6 Prueba de independencia entre el sexo de los pacientes y el tipo de tratamientos que ofrece CDV . 4.7 Distribucin Binomial: Si el nmero de visitas que realizan los pacientes para un tratamiento de curacin sigue una distribucin binomial 4.8 Anlisis de regresin para el ingreso de acuerdo a los meses del ao

5 Conclusiones

Pg. 28

Pgina 2

1.

Tema de investigacin

En la presente investigacin vamos a analizar algunas variables estadsticas relacionadas a la gestin del Centro Dental Veintemilla. Las variables cuantitativas de estudio son las siguientes:
Variables Cualitativas
Nombre Tipo de tratamiento Motivo de Visita Nivel de servicio Sexo: Publicidad Escala Nominal Nominal Ordinal Nominal Nominal

Variables Cuantitativas Nombre Edad Pago Inversin en materiales Tipo Continua Continua Continua Escala Razn Razn Razn

Pgina 3

2.

Objetivos

Objetivo principal
El objetivo principal es detectar oportunidades de mejora o de correccin de rumbo en el negocio. Asimismo, podemos establecer nuevos parmetros para futuras investigaciones e implementar estrategias de marketing orientadas a nuestro pblico objetivo.

Objetivos especficos
Los objetivos especficos del estudio son los siguientes: Determinar segn la edad y sexo parmetros que describan el perfil del pblico que visita el consultorio. Verificaremos si la edad depende del gnero de los visitantes al consultorio. Determinar el ingreso promedio por visitante mediante un intervalo y verificar estadsticamente valores que se conocen por la experiencia. Testear la proporcin de la inversin promedio en materiales para ciruga esttica para determinar la optimidad de la estructura de costos variables del negocio y comprobar conclusiones relacionadas con el anlisis de Pareto.

Pgina 4

3.

Marco terico

3.1 Intervalo de confianza para la media aritmtica

De una poblacin de media y desviacin tpica se pueden tomar muestras de n elementos. Cada una de estas muestras tiene a su vez una media ( ). Se puede demostrar que la media de todas las medias mustrales coincide con la media poblacional:2 Pero adems, si el tamao de las muestras es lo suficientemente grande,3 la distribucin de medias mustrales es, prcticamente, una distribucin normal (o gaussiana) con media y una desviacin tpica dada por la siguiente expresin: Esto se representa como sigue: . Si estandarizamos, se

sigue que: En una distribucin Z ~ N(0, 1) puede calcularse fcilmente un intervalo dentro del cual caigan un determinado porcentaje de las observaciones, esto es, es sencillo hallar z1 y z2 tales que P[z1 z z2] = 1 - , donde (1 - )100 es el porcentaje deseado (vase el uso de las tablas en una distribucin normal). Se desea obtener una expresin tal que En esta distribucin normal de medias se puede calcular el intervalo de confianza donde se encontrar la media poblacional si slo se conoce una media muestral ( ), con una confianza determinada. Habitualmente se manejan valores de confianza del 95 y del 99 por ciento. A este valor se le llamar 1 (debido a que es el error que se cometer, un trmino opuesto). Para ello se necesita calcular el punto X / 2 o, mejor dicho, su versin estandarizada Z / 2 o valor crtico junto con su "opuesto en la distribucin" X / 2. Estos puntos delimitan la probabilidad para el intervalo, como se muestra en la siguiente imagen:

Pgina 5

Dicho punto es el nmero tal que:

Y en la versin estandarizada se cumple que: z / 2 = z / 2 As:

Haciendo operaciones es posible despejar para obtener el intervalo:

De lo cual se obtendr el intervalo de confianza:

Obsrvese que el intervalo de confianza viene dado por la media muestral producto del valor crtico (z / 2) por el error estndar .

el

Si no se conoce y n es grande (habitualmente se toma n 30):4

, donde s es la desviacin tpica de una muestra.

Pgina 6

Aproximaciones para el valor z / 2 para los niveles de confianza estndar son 1,96 para 1 = 95% y 2,576 para 1 = 99%.5

3.2 Prueba de hiptesis para la media aritmtica

El promedio aritmtico poblacional es un indicador muy importante, por lo tanto, frecuentemente se desea probar si dicho promedio ha permanecido igual, ha aumentado o ha disminuido. A travs de la prueba de hiptesis se determina si la media poblacional es significativamente mayor o menor que algn valor supuesto. Hiptesis Se puede plantear uno de los siguientes tres tipos de hiptesis: - Prueba de hiptesis a dos colas H0 : = k H1 : k

- Prueba de hiptesis a una cola superior H0 : = k H0 : k

H1 : >k H1 : > k - Prueba de hiptesis a una cola inferior H0 : = k H0 : k

H1 : < k H1 : < k En las distribuciones en el muestreo se vio que para el caso de la media, hay tres situaciones, por consiguiente la estadstica de trabajo a utilizar depende de los supuestos de la poblacin y del tamao de la muestra Prueba de hiptesis para la media si la poblacin de donde se obtiene la muestra tiene distribucin normal con conocida. La estadstica de trabajo a usar corresponde a la expresin (1.6):

(3.1) Donde: es el valor que se est suponiendo en la hiptesis nula (H0).

Pgina 7

REGLA DE DECISION - Si se ha planteado la hiptesis alternativa como: H1 : k se tiene una prueba de hiptesis a dos colas, por lo tanto, el nivel de significancia ( ) se divide en dos partes iguales, quedando estos valores en los extremos de la distribucin como se aprecia en la figura 3.1

Figura 3.1 Regla de decisin para una prueba de hiptesis a dos colas. y pertenecen a una distribucin normal estndar. Si el valor de la estadstica de trabajo (Zx) est entre y no se rechaza la hiptesis nula, en caso contrario se rechaza H0 lo cual implica aceptar H1. Es decir:

- Si se ha planteado la hiptesis alternativa como: H1 : > k, se tiene una prueba de hiptesis a una cola superior, quedando el nivel de significancia ( ) en la parte superior de la distribucin, como se aprecia en la figura 3.2

Figura 3.2 Regla de decisin para una prueba de hiptesis a una cola superior.

Pgina 8

pertenece a una distribucin normal estndar. Si el valor de la estadstica de trabajo (Zx) es menor que no se rechaza la hiptesis nula, en caso contrario se rechaza H0 lo cual implica aceptar H1. Es decir,

Si se ha planteado la hiptesis alternativa como: H1 : < k, se tiene una prueba de hiptesis a una cola inferior, quedando el nivel de significancia ( ) en la parte inferior de la distribucin, como se aprecia en la figura 3.3

Figura 3.3 Regla de decisin para una prueba de hiptesis a una cola inferior. Z pertenece a una distribucin normal estndar. Si el valor de la estadstica de trabajo (Zx) es mayor que Z no se rechaza la hiptesis nula, en caso contrario se rechaza H0 lo cual implica aceptar H1. Es decir,

3.3 Intervalo de Confianza para una Proporcin.

En este caso, interesa construir un intervalo de confianza para una proporcin o un porcentaje poblacional (por ejemplo, el porcentaje de personas con hipertensin, fumadoras, etc.) Si el tamao muestral n es grande, el Teorema Central del Lmite nos asegura que:

O bien:

Pgina 9

Donde p es el porcentaje de personas con la caracterstica de inters en la poblacin (o sea, es el parmetro de inters) y p es su estimador muestral. Luego, procediendo en forma anloga al caso de la media, podemos construir un intervalo de 95% de confianza para la proporcin poblacional p.

3.4 Pruebas de hiptesis para proporciones

En el caso de proporciones se mostrara mediante un ejemplo como realizar pruebas de hiptesis para muestras grandes (mayores a 30 elementos). Ejemplo 1. El dueo de un caf desea saber si la proporcin de mujeres que entran a su negocio es igual al 60%. Para hacer lo anterior se realiza un muestreo aleatorio de 40 personas, dando un promedio de la muestra de 58%.

Paso 1. Determinar la hiptesis Nula Ho y Alternativa Ha. Ho: La cantidad de mujeres que entra al negocio es del 60%. Ha: La cantidad de mujeres que entran al negocio NO ES del 60% (El estudiante debe describir la Ha) Ntese que la hiptesis nula considera IGUAL al 60% por lo tanto es una prueba de hiptesis de dos colas.

Paso 2. Determinar el nivel de significancia. Este nivel representa la probabilidad de rechazar una hiptesis nula verdadera, matemticamente se puede considerar cualquier valor entre cero y uno; pero para estudios de pruebas de hiptesis normalmente est entre 0.05 y 0.1. Este nivel est determinado por el analista y debe basarse en las caractersticas del estudio y el riesgo que se considere aceptable de cometer el error tipo I. Nivel de significancia del estudio para el ejemplo: = 0.1

Pgina 10

Grficamente el nivel de significancia se distribuye en la curva de distribucin normal tal como se muestra en la figura, ntese que en el caso de pruebas de hiptesis de medias, sta se ubica en la parte media de la distribucin de probabilidad

Paso 3. Calcular los intervalos que implican ese nivel de significancia. Para dicho nivel de significancia (equivale a un nivel de confianza del 90%) los valores de Z son: Z = +/- 1.6448 Grficamente queda de la siguiente manera: Ho: p = 60% Ho: p = 60% Z = - 1.6448 Z = 1.6448 Paso 4. Calcular el estadstico de la prueba. El estadstico Z se calcula de la siguiente manera: En el caso de pruebas de hiptesis para proporciones la ecuacin que se usa es la siguiente: p - p z= pq n Donde: p Proporcin muestral p Proporcin poblacional (considerado en la hiptesis nula) q 1- p Inverso de p. n Nmero de elementos muestreados. z Valor de Z tipificado Para el caso del presente ejemplo: p - p 0.6 - 0.58 z= 0.2562 pq 0.58 1 0.58 n 40

Pgina 11

Paso 5. Determinar si el estadstico cae dentro de la regin que hace la Hiptesis nula verdadera. Como podr notarse, el estadstico esta dentro de la regin que hace verdadera la hiptesis nula. Paso 6. Aceptar o rechazar la hiptesis nula. En este caso como el estadstico de la prueba cae dentro de la regin que hace verdadera la hiptesis nula, sta se ACEPTA y se toma como falsa la hiptesis alternativa: Ho: La cantidad de mujeres que entra al negocio es del 60%. (VERDADERO) Ha: La cantidad de mujeres que entra al negocio NO es del 60%.

3.5 Intervalos para la diferencia de medias de dos poblaciones

Consideremos el caso en que tenemos dos poblaciones de modo que el carcter que estudiamos en ambas (X1 y X2) son v.a. distribuidas segn leyes gaussianas

En cada una de estas poblaciones se extrae mediante muestreo aleatorio simple, muestras que no tienen por ser necesariamente del mismo tamao (respectivamente n1 y n2)

Podemos plantearnos a partir de las muestras el saber qu diferencias existen entre las medias de ambas poblaciones, o por ejemplo estudiar la relacin existente entre sus dispersiones respectivas. A ello vamos a dedicar los siguientes puntos.

Pgina 12

3.6. Intervalo para la diferencia de medias homocedticas

Supongamos que dos poblaciones tengan varianzas idnticas (homocedasticidad), Es decir .

Por razones anlogas a las expuestas en el caso de una poblacin una poblacin, se tiene que

Sea Z la v.a. definida como

El siguiente cociente se distribuye entonces como una libertad

de Student con n1+n2-2 grados de

donde se ha definido a

como la cuasivarianza muestral ponderada de

Pgina 13

Si

es el nivel de significacin con el que deseamos establecer el intervalo para la que deja por encima

diferencia de las dos medias, calculamos el valor de si de la masa de probabilidad de Tn1+n2-2

Pgina 14

4.

Variables elegidas para el anlisis

Hallando la Hiptesis: Ho: Ha: Muestra = Nivel de confianza 0.95

U <= U> 250

600 600

Pago S/. Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta Nivel de confianza(95,0%) 475,54 43,92 120 80 694,36 482134,55 0,99 1,57 2370 30 2400 118885 250 86,49

Lmite inferior 389,05

Lmite superior 562,03

Z no Rho -2,8341033 T0.95, n-1 0,06

Nivel de Significacin

0.05

Pgina 15

Z critico T calculado

0,06 -2,8341033

Intervalo de Confianza Al nivel de confianza del 95% se ve que la media de los pagos de los clientes (ingreso del local) se encuentra entre 389,05 y 562,03 nuevos soles. Hiptesis Y en un nivel de significancia del 5% no se rechaza la Ho ya que no hay pruebas suficientes como para negar que el promedio de pagos de los clientes es menos o igual a 600 soles. Conclusin Esto quiere decir que la estimacin de parte de los administradores de la clnica dental es equivocada y se necesita realizar medidas para que el ingreso promedio de la clnica aumente segn los estimados.

Pgina 16

4.2 INTERVALO DE CONFIANZA Y PRUEBA DE HIPTESIS PARA LA PROPORCIN DE INVERSIN EN MATERIALES DE ESTTICA.
Rtulos de fila Curaciones Esttica Extracciones Implantes Total general Suma de Inversin en materiales S/. 4276,25 0,11 27804 0,69 1332 0,03 7160 0,18 40572,25 1,00

X: Proporcin de inversin en materiales de ciruga esttica 1) Ho : Ha : alfa = Muestra = Zcal = Po = Po <> 0,05 250 Psombrero - Po 2,7529161 0,6 0,6

2) 3) 4)

raiz (Po(1-Po)/n) Zcritico = Psombrero = 1-Po = 5)

1,960 0,69 0,4

Z no Rho -Z0.025,n-1 n-1 -1,96 1,96 Z0.0975,

Limite Superior Limite Inferior

0,628 0,743

Intervalo de confianza Al nivel de confianza del 95% se puede afirmar que la proporcion de la inversin en materiale de ciruga estetica se encuentra entre 0,628 y 0,743 Hipotesis Al nivel de significacion del 5% rechazamos la Ho y aceptamos la Ha, es decir la proporcion de la inversion en materiales de ciruga estetica es diferente al 60% Conclusin Esto quiere decir que los cirujanos invierten mas del 60% en materiales para cirugia esttica para sus tratamientos en la clinica dental. Por lo cual, deben enfocar especialmente una logstica que no pueda tener desabastecido el stock de estos materiales debido a que es el tratamiento con mayor afluencia de pblico y por el cual el negocio ms gana.

Pgina 17

4.3. INTERVALO DE CONFIANZA Y PRUEBA DE HIPOTESIS PARA LA DIFERENCIA DE MEDIAS DE LAS EDADES DE HOMBRES Y MUJERES QUE VISITAN AL CONSULORIO DENTAL

INTERVALO DE CONFIANZA Prueba z para medias de dos muestras Edad MASCULINO Edad FEMENINO 26.38938053 27.23357664 83.45417193 80.70974667 113 137 0 -0.732657118 0.231883792 1.644853627 0.463767585 1.959963985 1.959963985 -3.10254307 1.414150847

Media Varianza (conocida) Observaciones Diferencia hipottica de las medias z P(Z<=z) una cola Valor crtico de z (una cola) Valor crtico de z (dos colas) Valor crtico de z (dos colas) Z 0.975 Lim inf Lim sup

PRUEBA DE HIPOTESIS Prueba F para varianzas de dos muestras Edad MASCULINO Edad FEMENINO 26.38938053 27.23357664 83.45417193 80.70974667 113 137 112 136 1.034003641 0.424320993 1.343784513 1.422257453 0.698772253

Media Varianza Observaciones Grados de libertad F P(F<=f) una cola Valor crtico para F (una cola) F alfa/2, n1-1, n2-1 F 1-alfa/2, n1-1, n2-1 F calculado est entre los F crticos Entonces son homogneas

Prueba t para dos muestras suponiendo varianzas iguales Edad MASCULINO Edad FEMENINO 26.38938053 27.23357664 83.45417193 80.70974667

Media Varianza

Pgina 18

Observaciones Varianza agrupada Diferencia hipottica de las medias Grados de libertad Estadstico t P(T<=t) una cola Valor crtico de t (una cola) P(T<=t) dos colas Valor crtico de t (dos colas)

113 81.94916453 0 248 -0.733838653 0.231870132 1.651021013 0.463740265 1.969575654

137

T calculado

Los administradores del consultorio

Pgina 19

4.4 ANALISIS DEL MONTO QUE INVIERTE UN CLIENTE EN TRATAMIENTOS DENTALES DE ACUERDO AL GENERO
Suma de Pago S/. Etiquetas de fila Curaciones Esttica Extracciones Implantes Total general

Etiquetas de columna Total Femenino Masculino general 9940 7165 17105 37600 41840 79440 2520 1920 4440 11600 6300 17900 61660 57225 118885

OBSERVADOS Etiquetas de fila Curaciones Esttica Extracciones Implantes Total general Total Femenino Masculino general 17105 9940 7165 79440 37600 41840 4440 2520 1920 17900 11600 6300 61660 57225 118885

VALORES ESPERADOS Etiquetas de Total fila Femenino Masculino general 17105 Curaciones 8871.550658 8233.449342 79440 Esttica 41201.75295 38238.24705 4440 Extracciones 2302.817008 2137.182992 17900 Implantes 9283.879379 8616.120621 Total general 61660 57225 118885

Ho Ha oi 9940 37600 2520 11600 7165 41840 1920 6300

Existe homogeneidad de proporciones No existe homogeneidad de proporciones ei 8871.550658 41201.75295 2302.817008 9283.879379 8233.449342 38238.24705 2137.182992 8616.120621 Chi calculado Chi critico alfa 2164.42 > (oi-ei)^2/ei 128.6791949 314.8561266 20.48293539 577.8203821 138.651973 339.2578203 22.07038526 622.6020928 2164.42 7.814727903 0.05 7.814727903 Rechazo Ho

Pgina 20

No existe homogeneidad de proporciones.

Conclusin: No existe homogeneidad de proporciones en los montos invertidos en los tratamientos de acuerdo al sexo del paciente.

Pgina 21

4.5 PRUEBA DE INDEPENDENCIA ENTRE EL SEXO DE LOS PACIENTES Y LA PUBLICIDAD QUE EL CENTRO DENTAL OFRECE.
Etiquetas de fila Letrero Recomendacin Volantes Total general Femenino 38 70 29 137 Masculino 41 47 25 113 Total general 79 117 54 250

Etiquetas de fila Letrero Recomendacin Volantes Total general

Femenino 43.292 64.116 29.592 137

Masculino 35.708 52.884 24.408 113

Total general 79 117 54 250

(R-1)*(C-1) Grado de libertad = (3-1)*(2-1) = 2 Ho: X e Y son independientes Ha: X e Y no son independientes alfa: 0.05 Oi (Valor Observado) 38 70 29 41 47 25

Ei (Valor Esperado) 43.292 64.116 29.592 35.708 52.884 24.408 Chi calculado

((Oi-Ei)^2))/Ei 0.646892359 0.539981533 0.011843201 0.784285426 0.654667877 0.014358571 2.652028967

Pgina 22

A un nivel de significacin de 95% no se rechaza la Ho por lo tanto no podemos afirmar que las variables no son independientes. Eso nos hace indicar que la publicidad que ejerce el centro dental es independiente al sexo de los pacientes por lo tanto su publicidad no est dirigida a un segmento en especial.

Pgina 23

4.6 PRUEBA DE INDEPENDENCIA ENTRE EL SEXO DE LOS PACIENTES Y LA EL TIPO DE TRATAMIENTOS QUE OFRECE EL CENTRO DENTAL.
La clnica Dental desea analizar con un nivel de significancia del 5% si existe relacin entre los tipos de tratamientos que ofrece con el tipo de sexo de los clientes. X : Tipos de tratamientos Y : Sexo de los clientes Ho: X e Y son independientes Ha: X e Y no son independientes Cuenta de Sexo Etiquetas de fila Femenino Masculino Total general Oi Etiquetas de fila Femenino Masculino Total general Ei Etiquetas de fila Femenino Masculino Total general Alfa P valor No se rechaza la Ho Grados de Libertad: r-1 c-1 Chi calculado Chi critico 3 1 3 3,062 7,815 Etiquetas de columna Curaciones Esttica Extracciones Implantes Total general 96 21 12 8 137 72 26 11 4 113 168 47 23 12 250

Curaciones 96 72 168

Esttica Extracciones Implantes Total general 21 12 8 137 26 11 4 113 47 23 12 250

Curaciones Esttica Extracciones Implantes Total general 92,06 25,76 12,60 6,58 137 75,94 21,24 10,40 5,42 113 168 47 23 12 250 0,05 0,3822

Conclusin: No se rechaza la hiptesis nula, es decir, la variable sexo y tipo de tratamiento no tiene relacin

Pgina 24

4.7 PRUEBA PARA IDENTIFICAR SI EL NMERO DE VISITAS QUE REALIZAN LOS PACIENTES PARA UN TRATAMIENTO DE CURACIN SIGUE UNA DISTRIBUCIN BINOMIAL.
Prueba Binomial para curaciones

Nmero de Visitas 0 1 2 3 4 5

Frecuencia Xi*oi 0 18 85 56 5 4 168 0 18

pi

ei

oi 0 18 85 56 9

ei

(oi-ei)^2/ei

0.041258974 6.93150757 0.18399272 30.910777

6.931507572 6.93150757 30.91077701 5.39255817 55.13814277 16.1726615 49.17726247 0.94657053 25.84231017 10.9767049 Chicalculado 40.4200026

170 0.328203231 55.1381428 168 20 20 396 0.2927218 0.1305381 49.1772625 21.9304008

0.023285175 3.91190934 1

Chi critico

7.8147279

Ho: El numero de visita para finalizar el tratamiento de curaciones sigue una distribucin binomial Ha: El nmero de visitas para finalizar el tratamiento de curaciones no sigue una distribucin binomial

X promedio r p estimado

2.3571429 5 0.4714286

A un nivel de significacin de 95% rechazamos Ho y podemos afirmar que el nmero de visitas para finalizar un tratamiento de curaciones no sigue una distribucin binomial.

Pgina 25

4.8 ANLISIS DE REGRESIN PARA EL INGRESO DE ACUERDO A LOS MESES DEL AO

Meses Diciembre Enero Febrero Marzo Abril Mayo x ID 1 2 3 4 5 6 21 y Ingreso 9130 12050 29330 20840 21010 26525 118885

Resumen Estadsticas de la regresin Coeficiente de correlacin mltiple 0.71239467 Coeficiente de determinacin R^2 0.50750616 R^2 ajustado 0.3843827 Error tpico 6202.93313 Observaciones 6

ANLISIS DE VARIANZA Grados de Suma de Promedio de los Valor crtico libertad cuadrados cuadrados F de F Regresin 1 158596903 158596903 4.12192898 0.11218034 Residuos 4 153905518 38476379.4 Total 5 312502421 Coeficientes Error tpico Estadstico t Probabilidad Bo Intercepcin 9277.66667 5774.61648 1.60662906 0.18341151 B1 ID 3010.42857 1482.78463 2.03025343 0.11218034

r R cuad

0.7124 0.5075

50.75%

PRUBE HIPOTESIS Fcalculado Fcrtico 4.122 < 7.709 No se rechaza la Ho Pvalor 1.122E-01 > x 0.05 No se rechaza la Ho

Y: 9277.67+3010.43x

Conclusin: De acuerdo al valor de correlacin ambas variables tiempo-ingreso tienen una moderada correlacin y casi el 50% de los ingresos son explicados por el tiempo en que se generan, es decir, los meses del ao.
Pgina 26

Podemos realizar una estimacin puntual para el mes de junio (7): Y:

9277.67+3010.43(7)

30,350.67 soles lo que es una aproximacin a la tendencia.

Pgina 27

5.

Conclusiones finales
De acuerdo a lo analizado anteriormente podemos definir que nuestro cliente potencial tiene una edad promedio de 26 aos sin importar el sexo de cada uno de ellos. La inversin en ciruga esttica es el core bussiness del negocio tanto desde el punto de vista del precio que se cobra al cliente sino en la inversin en materiales. Los tipos de tratamiento son elegidos indistintamente de que el cliente sea varn o mujer. Los tipos de pago son influidos por los montos de los tratamientos a los que el cliente se somete en el consultorio. No existe proporcionalidad en el monto invertido por varones y/o mujeres en los distintos tratamientos. Podemos afirmar que un cliente en promedio deja un ingreso promedio de 600 soles tal cual lo asuman los administradores. El modelo de regresin lineal tiempo-ingreso tiene moderada correlacin y no necesariamente es una herramienta de pronstico adecuada por el componente estacional de este mercado tal cual se indica en la tabla de datos.

Pgina 28