Universidad de Chile

Trabajo Prctico Individual

Economa & Negocios

MBA

MTODOS ESTADSTICOS

TRABAJO PRCTICO INDIVIDUAL

Profesor: Pablo Tapia Grien

PROBLEMA 1. (50 ptos.)

Parte i. (20 ptos.)
Solucin al problema
Para determinar qu decisin debiera tomar Don JORGE, primero identificaremos y
ordenaremos con los resultados de cada alternativa, bajo los siguientes conceptos:
AD: Alta Demanda
BD: Baja Demanda
M: Informe Mal Pronstico de Demanda
B: Informe Buen Pronstico de Demanda
CE: Costo de Investigacin
VE: Valor Esperado
Pr: Probabilidad
Hacer Nada
(Quiebra)
AD
BD

10.000.000
10.000.000

Hacer Algo (Apoyo del Estado)

Redisear Men
Cambio de Imagen
35.000.000
- 15.000.000

42.000.000
- 18.000.000

Probabilidad
0,60
0,40

Luego, considerando la informacin de la tabla anterior, buscaremos el VE de cada alternativa,

dado la ponderacin de cada resultado con la probabilidad condicional que suceda dicho
evento.
Para llegar a los valores esperados de cada alternativa, segn si hubo AD o BD, ocupamos la
siguiente formula:
= () + ()
El resultado de cada suceso, segn como haya sucedido, los determinaremos como:
=
Hacer Nada
(Quiebra)
AD
BD
VE

Hacer Algo (Apoyo del Estado)

Redisear Men
Cambio de Imagen

Probabilidad

10.000.000

35.000.000

42.000.000

0,60

10.000.000
10.000.000

- 15.000.000
15.000.000

- 18.000.000
18.000.000

0,40

Para decidir cul debe ser la solucin, aun cuando puede ser visiblemente rpido de
determinar, buscamos la confirmacin o definicin, en base a lo que nos indique el rbol de
decisiones:

Pgina 1

Universidad de Chile

Trabajo Prctico Individual

Economa & Negocios

MBA

Dado la revisin de los datos, determinamos que el mejor valor esperado implica que debemos
decidir por realizar un cambio de imagen.
Hacer Nada
(Quiebra)
AD
BD
VE

10.000.000
10.000.000
10.000.000

Hacer Algo (Invertir)

Redisear Men
Cambio de Imagen
35.000.000
- 15.000.000
15.000.000

42.000.000
- 18.000.000
18.000.000

Probabilidad
0,60
0,40

Parte ii. (30 ptos.)

Solucin al problema
Para determinar qu decisin debiera tomar Don JORGE, luego de determinar el impacto de
exactitud en la prediccin de la consultora, hacemos los mismos clculos, llevado a una
probabilidad mltiple condicional, dado que no solo basta con determinar qu tan probable sea
el que haya Alta o Baja Demanda, sino que adems, que tan certero es la prediccin obtenida
por parte la consultora.
Dado lo anterior, identificaremos que tan certera en trminos de probabilidad es que exista
Alta Demanda si nos lo dice la Consultora y por su valor restante, que tan incierta es que no
exista Alta Demanda cuando la Consultora nos dice que si la habr, y que tan certera en
trminos de probabilidad es que exista Baja Demanda si nos lo dice la Consultora y por su valor
restante, que tan incierta es que no exista Baja Demanda cuando la Consulta nos dice que si la
habr:
(| ) = ,
(|) = ( |)
(|) = ,
Por otra parte,

(|) = ,
(|) = (|)

Pgina 2

Universidad de Chile

Trabajo Prctico Individual

Economa & Negocios

MBA

(|) = ,
Dado que la Consultora indic que la probabilidad era ms alta de ser certeros en determinar
si la Demanda ser Baja (0,7) o Alta (0,75), debemos estimar que tan probable es que la
Demanda sea efectivamente Alta, dado que contamos con informacin adicional. Asimismo,
debemos determinar qu tan probable es que la demanda sea baja, con la informacin adicional.
Para hacerlo, debemos aplicar:
() = ( |) () + (|) ()
() = , , + , ,
() = ,
Por otra parte,
() = ()
() = ,
() = ,
Con la decisin (con ms informacin) basada en que el estudio result ser bueno, buscamos
que tan certero es el informe:
(|) =

(|) ()
()

(|) =

, ,
,

(| ) = ,
Por otra parte,

(|) = (|)
(| ) = ,

La decisin si el informe result ser bueno, nos conduce a que debemos cambiar la imagen del
restaurant.
Hacer Nada

Hacer Algo (Invertir)

Redisear Men Cambio de Imagen

Probabilidad

AD
BD

10.000.000
10.000.000

35.000.000
- 15.000.000

42.000.000
- 18.000.000

0,62
0,38

VE

10.000.000

16.000.000

19.200.000

Pgina 3

Universidad de Chile

Trabajo Prctico Individual

Economa & Negocios

MBA

Por otra parte, con la decisin (con ms informacin) basada en que el estudio result No ser
bueno, buscamos que tan certero es el informe:
(|) =

(|) ()
()

(|) =

, ,
,

(|) = ,
Por otra parte,

(|) = (|)
(|) = ,

La decisin si el informe result No ser bueno, nos conduce a que debemos cambiar la imagen
del restaurant.
Hacer Nada

Hacer Algo (Invertir)

Redisear Men Cambio de Imagen

Probabilidad

AD

10.000.000

35.000.000

42.000.000

0,56

BD
VE

10.000.000
10.000.000

- 15.000.000
13.000.000

- 18.000.000
15.600.000

0,44

Finalmente, el valor esperado del estudio (VEE), est dado por las decisiones que tomara si el
informe result ser bueno (VEB=19.200.000) y cuando result No ser bueno
(VEM=15.600.000), segn lo siguiente:
= () + ()
= . . , + . . ,
= . .
Como el costo del estudio es de 3.000.000, el valor esperado final sera de 15.228.000, valor
que es inferior al obtenido sin el estudio (18.000.000). Dado lo anterior, la decisin debiera
determinar que no es conveniente hacer dicho estudio, sino que realizar un cambio de imagen
segn habamos previsto en la primera parte de este problema, tal como lo determina el rbol
de decisiones:

Pgina 4

Universidad de Chile

Trabajo Prctico Individual

Economa & Negocios

MBA

PROBLEMA 2. (50 ptos.)

Parte i. (20 ptos.)
Solucin al problema
Se tienen las siguientes definiciones:
X: Margen por cliente de MYMOTO en las ventas del 2016.
: Margen promedio por cliente de MYMOTO en las ventas del 2016.
Se presume que la muestra no tiene sesgo de seleccin, dado que se usaron todos los clientes
que compraron en el periodo sin definicin de haber sido escogidos, por lo que es aleatoria,
independiente e idnticamente distribuida.
La premisa definida es que queremos estar seguros de que lanzar una campaa publicitaria, se
lograr aumentar el margen por cliente en ms de un 10%, segn el margen obtenido en el

Pgina 5

Universidad de Chile

Trabajo Prctico Individual

Economa & Negocios

MBA

ao 2015. Como el margen obtenido en el ao 2015 ascendi a $7.340, el margen que se

pretende lograr (o valor de comparacin), es $8.074.
Por lo tanto, la premisa en definitiva es que queremos estar seguros de que lanzar una campaa
publicitaria, se lograr aumentar el margen por cliente por sobre los $8.074, quedando el
contraste a resolver como:
: .
: > .
Llevando esto a Excel, con el valor de comparacin ya definido, los resultados son los
siguientes (Nota: Us 2 decimales en vez de 1, aun cuando el enunciado deca que fuera 1):
MARGEN POR CLIENTE
Media
8.313,3
Error tpico
138,7
Mediana
1.961,0
Moda
Desviacin estndar
Varianza de la muestra
3.845.521,0
Curtosis
0,2
Coeficiente de asimetra
0,3
Rango
Mnimo
3.701,0
Mximo
13.560,0
Suma
1.662.650,0
Cuenta
200,0
Valor de comparacin

8.074

Grados de libertad
Estadstico t
p=Pr( T < t )
p=2*Pr(T > |t|)
p=Pr( T > t)

199,0
1,7253
0,96
0,09
0,04

a
Decisin

0,05
Rechazo H. Nula

Esto nos indica que el riesgo (p=0,0430, pero aproximado a un decimal, es 0,0) del problema
(el riesgo de rechazar la hiptesis nula) est por debajo del riesgo estndar (5%) y por lo tanto
se rechaza la hiptesis nula, de manera que estamos seguros de que la publicidad aumentar el
margen por cliente en las ventas del ao 2016, por sobre un 10% del margen por cliente
obtenido en las ventas del ao 2015.
Esto nos lleva a recomendar que se realice la campaa publicitaria para aumentar el margen
por cliente en el ao 2016.
Parte ii. (30 ptos.)
Solucin al problema
Se tienen las siguientes definiciones:
X: Rendimiento de los alumnos de FEN en el control n 3.

Pgina 6

Universidad de Chile

Trabajo Prctico Individual

Economa & Negocios

MBA

: Rendimiento promedio de los alumnos de FEN en el control n 3.

Se presume que la muestra no tiene sesgo de seleccin, dado que se usaron todos los alumnos
que rindieron el control en los ltimos 5 semestres, sin definicin de haber sido escogidos,
por lo que es aleatoria, independiente e idnticamente distribuida.
La premisa definida es que queremos estar seguros de que el rendimiento de los alumnos en
el control n 3 ser mayor promedio en los 5 semestres anteriores.
Como el promedio obtenido en los 5 semestres anteriores fue 3.5, el rendimiento que se
pretende lograr (o valor de comparacin), es mayor a 3.5.
Por lo tanto, la premisa en definitiva es que queremos estar seguros de que el rendimiento
promedio en este control ser mayor a 3.5, quedando el contraste a resolver como:
: ,
: > ,
Llevando esto a Excel, con el valor de comparacin ya definido ([1]), los resultados son los
siguientes:
RENDIMIENTO ALUMNOS
Media
Error tpico
Mediana
Moda
Desviacin estndar
Varianza de la muestra
Curtosis
Coeficiente de asimetra
Rango
Mnimo
Mximo
Suma
Cuenta

3,749
0,134
3,6
1
1,71
2,923

6
1
7
614,9
164

Nivel de confianza (95.0%)

[1] Valor de comparacin
Grados de libertad

3,5
163,0

[2] Estadstico t

1,858

[3] p=Pr( T < t )

[4] p=2*Pr(T > |t|)
[5] p=Pr( T > t)

0,968
0,065
0,032
0,050
Rechazo H. Nula

Decisin

Esto nos indica que el riesgo (p=0,032) del problema (el riesgo de rechazar la hiptesis nula)
est por debajo del riesgo estndar (5%) y por lo tanto se rechaza la hiptesis nula, de manera
que estamos seguros de que el rendimiento promedio en este control n 3, ser mayor al
obtenido los 5 semestres pasados, dado que se realizar el primer sbado del calendario de
pruebas.
Esto nos lleva a recomendar que se realice la solicitud de que las pruebas se a una de las
primeras en realizarse.

Pgina 7

Universidad de Chile

Trabajo Prctico Individual

Economa & Negocios

MBA

PROBLEMA 3. (50 ptos.)

Parte i. (20 ptos.)
Solucin al problema
Se tienen las siguientes definiciones:
P: Gastos realizados por un profesional en las vacaciones.
U: Gastos realizados por un universitario en las vacaciones.
p: Gasto promedio de un profesional en las vacaciones.
u: Gasto promedio de un universitario en las vacaciones.
Se presume que la muestra no tiene sesgo de seleccin y como sabemos que es aleatoria,
podemos asumir que es independiente e idnticamente distribuida.
La premisa definida es que queremos estar seguros de que los profesionales, y por lo tanto con
mayores ingresos, gastan ms dinero en 3 semanas de vacaciones que los universitarios en 2
meses. Por lo tanto, el contraste de hiptesis es:
:
: >
Parte ii. (30 ptos.)
Solucin al problema
Se presume que la muestra no tiene sesgo de seleccin y como sabemos que es aleatoria,
podemos asumir que es independiente e idnticamente distribuida.
Buscaremos estar seguros que nuestra premisa se cumple, por lo que determinemos lo
siguiente:
:
: >
: =
: = >
Para eso, debemos ordenar la informacin que tenemos disponible, con el fin de entender ms
claramente cules son los gastos de un universitario y cules son los gastos de un profesional,
como muestras separadas. Luego de realizado, revisamos con la prueba F para varianzas de dos
muestras, para determinar si son iguales o desiguales, lo que nos entreg lo siguiente:
Prueba F para varianzas de dos muestras
PROFESIONAL
Media
Varianza
Observaciones
Grados de libertad
F
P(F<=f) una cola
Valor crtico para F (una cola)

1.181.151,41
297.915.550.207,62
190
189
1,19
0,11
1,26

Pgina 8

UNIVERSITARIO
773.824,75
250.222.246.103,82
210
209

Universidad de Chile

Trabajo Prctico Individual

Economa & Negocios

MBA

Esto nos indica que la probabilidad es mayor al riesgo estndar (5%), no rechazando la hiptesis
nula y sus varianzas podran ser iguales.
Siendo as, determinamos la prueba t, con la suposicin que sus varianzas son iguales, lo que
nos da:
Prueba t para dos muestras suponiendo varianzas iguales
PROFESIONAL
Media
Varianza
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)

UNIVERSITARIO

1.181.151,41
773.824,75
297.915.550.207,62 250.222.246.103,82
190
210
272870573932,00
0
398
7,79
0,00
1,65
0,00
1,97

Esto nos indica que el riesgo del problema (el riesgo de rechazar la hiptesis nula) es nulo (muy
cercano a cero), dado que el P=0,00. Por lo tanto, bajo el riesgo estndar (5%), se rechaza
significativamente la hiptesis nula, de manera que estamos seguros de que los gastos de un
profesional en sus vacaciones de 3 semanas, gasta ms estadsticamente que los universitarios
en 2 meses.

Pgina 9