Universidad Mariano Glvez De Guatemala Direccin de Maestras Centro Universitario de Jutiapa Facultad: Ciencias de la Administracin Maestra en: Administracin

de Recursos Humanos Mtodos Cuantitativos Lic. Ernesto Ramrez

ANLISIS Y APLICACIN DE ESTADSTICA

Lic. Manuel Ricardo Bolaos Menndez 1328 -05- 8736 Jutiapa, agosto 16 de 2013

INDICE
INTRODUCCIN ......................................................................................................................................... i I. A. B. C. II. A. B. C. D. III. IV. ANLISIS Y APLICACIN DE ESTADSTICA DESCRIPTIVA ................................................ 1 Medidas de tendencia central ............................................................................................... 1 Medidas de forma ..................................................................................................................... 2 Medidas de dispersin ............................................................................................................ 2 EJEMPLO DE APLICACIN ................................................................................................... 3

TEORA DE PROBABILIDADES .................................................................................................... 5 Concepto de espacio muestral, evento y probabilidad de un evento. ....................... 5 Eventos mutuamente excluyentes. Regla de adicin. .................................................... 6 Eventos independientes. Regla de multiplicacin. ......................................................... 6 Eventos dependientes. Regla de probabilidad condicional. ........................................ 7 EJEMPLO DE APLICACIN ................................................................................................... 8 Conclusin ................................................................................................................................... 10 Bibliografa ................................................................................................................................... 11

INTRODUCCIN La estadstica es una herramienta muy valiosa que permite realizar anlisis sobre datos previamente obtenidos y organizados, con la finalidad de generar interpretaciones que permitan establecer conclusiones que sirvan de base para la toma de decisiones.

Razones por las cuales, la estadstica actualmente es integrada con diversas ciencias constituyndose en una base esencial para muchos profesionales al momento de tomar decisiones basados en datos histricos, presentes e inclusive futuros.

En el presente trabajo se muestra brevemente un extracto terico sobre algunos conceptos propios de la Estadstica, as como tambin su aplicacin en un breve ejemplo prctico donde algunos de estos conceptos tienen cabida.

El objetivo primordial de este documento es presentar a la Estadstica como herramienta auxiliar de la Administracin de Recursos Humanos, al momento de realizar diversos anlisis segn puedan presentarse este tipo de necesidades.

Se espera entonces, generar ideas bsicas que permitan despertar el inters a profesionales de la gestin y gerencias de recursos humanos, sobre la aplicacin de herramientas estadsticas en este campo, ya que como se ha dicho anteriormente, su aplicacin es esencial al momento de realizar evaluaciones, a travs de mediciones, y as de esta manera poder llegar a tomar decisiones correctas.

I.

ANLISIS Y APLICACIN DE ESTADSTICA DESCRIPTIVA

A. Medidas de tendencia central 1. Tendencia central La tendencia central se refiere al punto medio de una distribucin. Las medidas de tendencia central se conocen tambin como medidas de posicin. 2. Dispersin La dispersin se refiere a la separacin de los datos en una distribucin, es decir, al grado en que las observaciones se separan. 3. Sesgo Las curvas que representan los datos puntuales de un conjunto de datos pueden ser simtricas o sesgadas. 4. Curtosis Cuando medimos la curtosis de una distribucin, estamos midiendo qu tan puntiaguda es. 5. Una medida de tendencia central: la media aritmtica Casi siempre, cuando nos referimos al promedio de algo, estamos hablando de la media aritmtica. 6. Una segunda medida de tendencia central: la media ponderada La media ponderada nos permite calcular un promedio que toma en cuenta la importancia de cada valor con respecto al total. 7. Una tercera medida de tendencia central: la media geomtrica Algunas veces, cuando trabajamos con cantidades que cambian en cierto periodo, necesitamos conocer una tasa promedio de cambio, como la tasa de crecimiento promedio en un periodo de varios aos. En tales casos, la media aritmtica simple resulta inapropiada, pues proporciona resultados equivocados. Lo que debemos encontrar es la media geomtrica, llamada simplemente la M.G. 8. Una cuarta medida de tendencia central: la mediana La mediana es una medida de tendencia central diferente a cualquiera de las que hemos tratado hasta ahora. La mediana es un solo valor del conjunto de datos que mide la observacin central del conjunto. Esta sola observacin es el elemento que est ms al centro del conjunto de nmeros. La mitad de los elementos estn por arriba de este punto y la otra mitad est por debajo.

9. Una medida final de tendencia central: la moda La moda es una medida de tendencia central diferente de la media, pero un tanto parecida a la mediana, pues en realidad no se calcula mediante algn proceso aritmtico ordinario. La moda es el valor que ms se repite en el conjunto de datos. B. Medidas de forma 1. Dispersin: por qu es importante Por qu es tan importante entender y medir la dispersin de la distribucin? Primero, nos proporciona informacin adicional que nos permite juzgar la confiabilidad de nuestra medida de tendencia central. Si los datos se encuentran muy dispersos, la posicin central es menos representativa de los datos, como un todo, que cuando stos se agrupan ms cerca alrededor de la media. Segundo, ya que existen problemas caractersticos para datos muy dispersos, debemos ser capaces de reconocer esa dispersin amplia para poder abordar esos problemas. Tercero, quiz se desee comparar las dispersiones de diferentes muestras. Si no se desea tener una amplia dispersin de valores con respecto del centro de distribucin, o esto presenta riesgos inaceptables, necesitamos poder reconocerla y evitar elegir distribuciones que tengan las dispersiones ms grandes. C. Medidas de dispersin 1. Rangos: medidas de dispersin tiles La dispersin puede medirse en trminos de la diferencia entre dos valores seleccionados del conjunto de datos. 2. Rango interfractil En una distribucin de frecuencias, una fraccin o proporcin dada de los datos cae en un fractil o abajo de ste. 3. Rango intercuartil El rango intercuartil mide aproximadamente qu tan lejos de la mediana debemos ir en cualquiera de las dos direcciones antes de recorrer una mitad de los valores del conjunto de datos. 4. Dispersin: medidas de desviacin promedio Las descripciones ms completas de la dispersin son aquellas que manejan la desviacin promedio respecto a alguna medida de tendencia central. Dos de estas medidas son importantes para nuestro estudio de la estadstica: la varianza y la desviacin estndar. Ambas medidas nos dan una distancia promedio de cualquier observacin del conjunto de datos respecto a la media de la distribucin.
2

5. Varianza de poblacin Cada poblacin tiene una varianza, su smbolo es 2 (sigma cuadrada). Para calcular la varianza de una poblacin, la suma de los cuadrados de las distancias entre la media y cada elemento de la poblacin se divide entre el nmero total de observaciones en poblacin. Al elevar al cuadrado cada distancia, logramos que todos los nmeros sean positivos y, al mismo tiempo, asignamos ms peso a las desviaciones ms grandes (desviacin es la distancia entre la media y un valor). 6. Desviacin estndar de la poblacin La desviacin estndar de la poblacin, es simplemente la raz cuadrada de la varianza de la poblacin. Como la varianza es el promedio de los cuadrados de las distancias de las observaciones a la media, la desviacin estndar es la raz cuadrada del promedio de los cuadrados de las distancias entre las observaciones y la media. 7. Dispersin relativa: el coeficiente de variacin La desviacin estndar es una medida absoluta de la dispersin que expresa la variacin en las mismas unidades que los datos originales. EJEMPLO DE APLICACIN

Se solicitar analizar informacin relacionada con la capacidad productiva en ventas de tiendas a nivel nacional, para determinar la decisin de contratar o despedir ms personas, todo en funcin a su capacidad. La informacin recopilada puede ser como la siguiente: No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Ubicacin Geogrfica Jutiapa Jalapa Chiquimula Zacapa Santa Rosa Escuintla Retalhuleu San Marcos Solol Sacatepquez Guatemala Chimaltenango Alta Verapaz Baja Verapaz Huehuetenango Nmero de Personal 7 8 6 8 4 6 8 8 6 5 10 6 7 9 8 ndice de Productividad 4.3 3.7 3.9 4.1 5.9 7.6 7.4 3.6 7.8 4.5 5.9 4.1 6.9 4.5 7.6
3

16 17 18 19 20 21 22

Quiche Petn El Progreso Izabal Quetzaltenango Suchitepquez Totonicapn

5 6 8 9 8 4 6

6.5 3.9 4.5 6.1 3.4 7.6 8.4

Luego a partir de la informacin anterior, se pueden obtener los siguientes anlisis: a. El promedio de trabajadores a nivel nacional es: 6.91 personas. b. El promedio de ndice de productividad para el pas es de 5.55 c. La desviacin estndar de la poblacin es la siguiente: 1.63 para el personal. 1.67 para la productividad. d. La curtosis para la poblacin es la siguiente: -0.67 para el personal -1.57 para la productividad. A partir de esta informacin se pueden realizar anlisis por departamento utilizando las puntuaciones z de la poblacin, de la siguiente manera: No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Ubicacin Geogrfica Puntuacin Z Personal Puntuacin Z Productividad Diferencia Real Personal Diferencia Real Productividad

Jutiapa Jalapa Chiquimula Zacapa Santa Rosa Escuintla Retalhuleu San Marcos Solol Sacatepquez Guatemala Chimaltenango Alta Verapaz Baja Verapaz Huehuetenango Quiche Petn El Progreso

0.06 0.67 -0.56 0.67 -1.78 -0.56 0.67 0.67 -0.56 -1.17 1.90 -0.56 0.06 1.28 0.67 -1.17 -0.56 0.67

-0.75 -1.11 -0.99 -0.87 0.21 1.22 1.10 -1.17 1.34 -0.63 0.21 -0.87 0.80 -0.63 1.22 0.56 -0.99 -0.63

0.09 1.09 -0.91 1.09 -2.91 -0.91 1.09 1.09 -0.91 -1.91 3.09 -0.91 0.09 2.09 1.09 -1.91 -0.91 1.09

-1.25 -1.85 -1.65 -1.45 0.35 2.05 1.85 -1.95 2.25 -1.05 0.35 -1.45 1.35 -1.05 2.05 0.95 -1.65 -1.05
4

19 20 21 22

Izabal Quetzaltenango Suchitepquez Totonicapn

1.28 0.67 -1.78 -0.56

0.33 -1.29 1.22 1.70

2.09 1.09 -2.91 -0.91

0.55 -2.15 2.05 2.85

Entonces a partir de la informacin anterior, se puede considerar lo siguiente:

El departamento con mayor personal es Guatemala, con una diferencia con respecto a la media de 3.09, apenas tiene una diferencia con respecto a la media de productividad de 0.35 en cambio los departamentos con menor tasa de personal como lo son Santa Rosa y Suchitepquez con un -2.91 para cada uno, reflejan una diferencia con respecto a la media de 0.35 y 2.05 respectivamente, lo cual permite inferir que el nmero de personal no tiene un grado de correlacin significativo en la productividad, ya que donde hay ms personal, no necesariamente hubo mejor produccin, adems de que habiendo el mismo nmero de personal, la produccin varia. El mejor departamento en relacin costo/productividad, lo refleja Totonicapn, ya que con una diferencia con respecto a la media negativo de -0.91 logro obtener la mayor productividad con una diferencia con respecto a la media de 2.85, seguido por Solol en circunstancias similares, con diferencias de -0.91 y 2.25 respectivamente. La informacin anterior permite establecer parmetros que puedan servir de base para comparar otros factores presentes en los lugares donde se ha hecho el anlisis, a fin de poder evaluar si se pueden replicar los resultados obtenidos por estos departamentos en algunos otros del pas. Finalmente se logra determinar que no es necesario contratar personal, ms bien se puede pensar que con poco personal se logran mejores resultados. Sin embargo, an no se deben tomar decisiones sin considerar la influencia de otros factores propios de cada rea regional. TEORA DE PROBABILIDADES

II.

A. Concepto de espacio muestral, evento y probabilidad de un evento. En la teora de la probabilidad, un evento es uno o ms de los posibles resultados de hacer algo. Al lanzar una moneda al aire, si cae cruz es un evento, y si cae cara es otro. De manera anloga, si sacamos una carta de un mazo de naipes, el tomar el as de espadas es un evento. Un ejemplo de evento que, quiz, est ms cercano a su quehacer diario es ser elegido de entre cien estudiantes para que responda a una pregunta. Cuando escuchamos las poco gratas predicciones del ndice de mortalidad en accidentes de trnsito, esperamos no ser uno de tales eventos.
5

En la teora de probabilidad, la actividad que origina uno de dichos eventos se conoce como experimento. Utilizando un lenguaje formal, podramos hacer la siguiente pregunta: en un experimento de lanzar una moneda, cul es la probabilidad del evento cara? Y, desde luego, si la moneda no est cargada y tiene la misma probabilidad de caer en cualquiera de sus dos lados (sin posibilidades de que caiga parada), podramos responder, 1/2 o 0.5. Al conjunto de todos los resultados posibles de un experimento se le llama espacio muestral del experimento. En el de lanzar una moneda, el espacio muestral es S = {cara, cruz} B. Eventos mutuamente excluyentes. Regla de adicin. Se dice que los eventos son mutuamente excluyentes si uno y slo uno de ellos puede tener lugar a un tiempo. Considere de nuevo el ejemplo de la moneda. Tenemos dos resultados posibles, cara y cruz. En cualquier lanzamiento obtendremos una cara o una cruz, nunca ambas. En consecuencia, se dice que los eventos cara y cruz en un solo lanzamiento son mutuamente excluyentes. De manera parecida, usted puede pasar o reprobar una materia o, antes de que termine el curso, desertar y no obtener calificacin. Solamente uno de esos tres resultados es posible, por tanto, se dice que son eventos mutuamente excluyentes. La pregunta fundamental que se debe formular al decidir si ciertos eventos son mutuamente excluyentes es: pueden ocurrir dos o ms de tales eventos al mismo tiempo? Si la respuesta es afirmativa, los eventos no son mutuamente excluyentes. La regla de la suma es un mtodo para calcular probabilidades que pueden expresarse de la forma P(A o B), es decir, la probabilidad de que ocurra el suceso A o de que ocurra el suceso B (o de que ambos ocurran), como nico resultado de un procedimiento. Para calcular la probabilidad de que ocurra el suceso A o el suceso B, primero debemos obtener el nmero total de maneras en que puede ocurrir A y de maneras en que puede ocurrir B, pero calculamos ese total sin contar cada resultado ms de una vez. La palabra clave en esta seccin es o. A lo largo de este texto usaremos el o inclusive, que significa: uno o el otro o ambos. 1. Regla formal de la suma P (A o B) = P (A) + P (B) P (A y B) Donde P(A y B) denota la probabilidad de que A y B ocurran al mismo tiempo, como resultado en un ensayo de un procedimiento. C. Eventos independientes. Regla de multiplicacin. La regla bsica de la multiplicacin, la cual se utiliza para calcular P(A y B), la probabilidad de que el suceso A ocurra en un primer ensayo y que el suceso B ocurra en un segundo ensayo. Si el resultado del primer suceso A afecta de alguna forma la probabilidad del segundo suceso B, es importante ajustar la probabilidad de B para que refleje la ocurrencia del suceso A. La regla para el clculo de P(A y B) se denomina
6

regla de la multiplicacin porque implica multiplicar la probabilidad del suceso A por la probabilidad del suceso B (donde la probabilidad del suceso B se ajusta por el resultado del suceso A). Notacin P (A y B) = P (el suceso A ocurre en un primer ensayo y el suceso B ocurre en un segundo ensayo) D. Eventos dependientes. Regla de probabilidad condicional. 1. Notacin para la probabilidad condicional P (B|A) representa la probabilidad de que un suceso B ocurra despus de suponer que el suceso A ya ocurri. (Podemos leer B|A como B dado A o como el suceso B ocurre despus de que el suceso A ya ocurri). Definiciones Dos sucesos A y B son independientes cuando la ocurrencia de uno no afecta la probabilidad de la ocurrencia del otro. (De manera similar, muchos otros sucesos son independientes si la ocurrencia de cualquiera no afecta las probabilidades de la ocurrencia de los dems). Si A y B no son independientes, se dice que son dependientes. La probabilidad condicional de un suceso es una probabilidad obtenida con la informacin adicional de algn otro evento que ya ocurri. P(B|A) denota la probabilidad condicional de que el suceso B ocurra, dado que el suceso A ya ocurri, y puede calcularse dividiendo la probabilidad de que ambos sucesos A y B ocurran entre la probabilidad del suceso A: P (B|A) = P (A y B) P(A)

EJEMPLO DE APLICACIN

En funcin a la tabla del ejercicio anterior, se pueden calcular algunas probabilidades, suponiendo por ejemplo que se desea obtener una muestra para realizar encuestas, evaluaciones o cualquier otro anlisis subsecuente, por ejemplo de la siguiente manera: No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 Ubicacin Geogrfica Jutiapa Jalapa Chiquimula Zacapa Santa Rosa Escuintla Retalhuleu San Marcos Solol Sacatepquez Guatemala Chimaltenango Alta Verapaz Baja Verapaz Huehuetenango Quiche Petn El Progreso Izabal Quetzaltenango Suchitepquez Totonicapn TOTAL Nmero de Personal 7 8 6 8 4 6 8 8 6 5 10 6 7 9 8 5 6 8 9 8 4 6 152 Sexo Hombres 4 5 2 3 3 2 5 6 2 3 3 4 3 3 2 4 5 1 7 5 1 4 77 Mujeres 3 3 4 5 1 4 3 2 4 2 7 2 4 6 6 1 1 7 2 3 3 2 75

Si se desean realizar encuestas sobre procesos administrativos propios a cada rea geogrfica: 1. Cul es la probabilidad de seleccionar a un colaborador que trabaje en Jutiapa? 7/152 = 0.460 = 4.60% 2. Cul es la probabilidad de seleccionar a un colaborador que sea hombre? 77/152 = 0.5066 = 50.66%

3. Cul es la probabilidad de seleccionar a un colaborador que sea de Izabal o que sea Mujer? P (A) = Que sea de Izabal = 9/152 P (B) = Que sea Mujer = 75/152 P (AyB) = Que sea de Izabal y Mujer = 2/152 P (A o B) = P (A) + P (B) P (A y B) = 9/152 + 75/152 2/152 = 82/152 = 0.5395 = 53.95% 4. Cul es la probabilidad de seleccionar a dos colaboradores con reemplazo, de manera que el primero sea de Jutiapa y el Segundo sea de Jalapa? P (A) = Que sea de Jutiapa = 7/152 P (B) = Que sea de Jalapa = 8/152 P (A y B) = P (A) X P (B) = 7/152 * 8/152 = 56/23104 = 0.0024 = 0.24% 5. Cul es la probabilidad de seleccionar a una mujer, dado que es de Jutiapa? Deseamos conocer P (que sea mujer | que es de Jutiapa), la probabilidad de elegir a una persona que sea mujer, dado que la persona seleccionada es de Jutiapa. He aqu el punto clave: si suponemos que la persona seleccionada es de Jutiapa, slo nos estamos refiriendo a los 7 sujetos que son de Jutiapa. De esos 7 sujetos, 3 son mujeres, de manera que: P (mujer | es de Jutiapa) = 3/7 = 0.4286 = 42.86%

III.

Conclusin

Como se pudo observar anteriormente, la estadstica es muy extensa y en el presente documento bsicamente se han presentado solo algunos de los conceptos esenciales que la componen. Razn por la cual, es necesario profundizar en estos temas para poder garantizar la correcta y eficiente aplicacin de los mismos al momento de tomar decisiones basadas en informacin de esta naturaleza, para lo cual se puede consultar alguno o todos los documentos de los que se presentan en la seccin de Bibliografa. En conclusin, se puede determinar que la Estadstica est presente en muchas reas de la vida cotidiana de cualquier ejercicio profesional, razn por la cual su conocimiento, dominio y correcta aplicacin son base del xito de cualquier actividad profesional que demande la disponibilidad de datos, para poder analizarlos, interpretar esta informacin y finalmente poder tomar decisiones optimas.

10

IV.

Bibliografa

1. Anderson, D. R., Sweeney, D. J., & Williams, T. A. (2008). Estadstica para administracin y economa. Mxico: Cengage Learning. 2. Levin, Rubin, Balderas, Valle, D., & Gmez. (2004). Estadstica para Administracin y Economa. Mxico: Pearson. 3. Triola, M. F. (2009). Estadstica. Mxico: Pearson Educacin.

11