Metodos Cuantitativos para Los Negocios

1964
Métodos cuantitativos
para los negocios
S a n t i a g o R . C a s t r o E sc a l a n t e
Serie: Cuadernos de Contabilidad
Métodos
cuantitativos para
los negocios
S a n t i a g o R . C a s t r o E sc a l a n t e
FICHA TÉCNICA
Título: Métodos cuantitativos
para los negocios
Autor: Santiago R. Castro Escalante
Categoría: Cuadernos/Contabilidad
Código: CU/091-2008
Edición: Fondo Editorial de la UIGV
Formato: 170 mm X 245 mm, 223 pp.
Impresión: Offsett y encuadernación en rústica
Soporte: Cubierta: folcote calibre 12.
Interiores: Bond alisado de 80 g
Publicado: Lima, Perú. Mayo de 2010.
Universidad Inca Garcilaso de la Vega

Rector: Luis Cervantes Liñán
© Universidad Inca Garcilaso de la Vega

Av. Arequipa 1841 - Lince
Teléf.: 471-1919
Página web: www.uigv.edu.pe
Fondo Editorial
Jr. Luis N. Sáenz 557 - Jesús María
Teléf.: 461-2745 Anexo: 3712
Correo electrónico: fondoeditorial@uigv.edu.pe
Estos textos de educación a distancia están en proceso de revisión y adecuación a los estándares internacionales de
notación y referencia.
Hecho el Depósito Legal en la Biblioteca Nacional del Perú Nº 2010-05731
ÍNDICE
Presentación ........................................................................................... 9
Introducción ........................................................................................... 11
Orientaciones metodológicas.......................................................................... 13
PRIMERA UNIDAD
¿En qué consiste la técnica de la decisión estadística en los negocios?................. 15
Lección 1
Decisión estadística.................................................................................. 19
1.1 Generalidades............................................................................. 19
1.2 Concepto de decisión estadística.................................................... 19
1.3. Tipos de hipótesis........................................................................ 20
Lección 2
Tipo de error ........................................................................................... 21
2.1 Error de tipo I............................................................................. 21
2.2 Error de tipo II............................................................................ 21
Lección 3
Ensayos ........................................................................................... 23
3.1 Ensayo de hipótesis............................................................................ 23
3.2 Ensayos referentes a la distribución normal..................................... 24
Ejercicios prácticos para determinar los puntos críticos de z en uno o dos colas.. 25
3.3 Ensayos de medias....................................................................... 27
3.4 Ensayos de proporciones............................................................... 31
Resumen ........................................................................................... 36
Exploración on line................................................................................... 36
Lectura:Decisión estadística....................................................................... 37
Ejercicios ........................................................................................... 38
Autoevaluación Nº1.................................................................................. 40
Glosario ........................................................................................... 43
Bibliografía ........................................................................................... 43
z5 z
SEGUNDA UNIDAD
¿Cuáles son las técnicas que permiten comprobar el análisis de la varianza?......... 45
Lección 4
Análisis de la varianza.............................................................................. 49
4.1 Concepto de análisis de la varianza................................................ 49
4.2 Técnicas de análisis de la varianza................................................. 49
4.3 Objetivos del análisis de la varianza................................................ 51
Lección 5
Análisis de la varianza con factores............................................................. 53
5.1 Análisis de la varianza con un factor............................................... 53
5.2 Análisis de la varianza con dos factores........................................... 54
5.3 Pasos a seguir en el análisis de la varianza...................................... 54
Ejercicios de análisis de la varianza con un factor......................................... 55
Resumen ........................................................................................... 64
Lectura: Las empresas y los negocios......................................................... 65
Ejercicios ........................................................................................... 66
Ejercicios de análisis de la varianza con dos factores..................................... 69
Autoevaluación Nº 2................................................................................. 82
Glosario ........................................................................................... 85
Bibliografía ........................................................................................... 85
TERCERA UNIDAD
¿Cuáles son los procedimientos del análisis bivariable en los negocios?................ 87
Lección 6
Análisis bivariable en los negocios.............................................................. 91
6.1 Concepto de regresión estadística.................................................. 91
6.2 Tipos de regresión estadística........................................................ 93
6.3 Ajuste de valores medios en un proceso de regresión estadística........ 95
Ejercicios ........................................................................................... 101
Lección 7
Correlación estadística.............................................................................. 113
7.1 Concepto de correlación estadística................................................ 113
7.2 Condiciones de la correlación......................................................... 114
7.3 Tipos de correlación..................................................................... 116
Resumen ........................................................................................... 119
Lectura: Regresión y correlación................................................................. 121
Ejercicios ........................................................................................... 122
Ejercicios propuestos................................................................................ 129
Glosario ........................................................................................... 136
Bibliografía ........................................................................................... 136
CUARTA UNIDAD
¿Cuáles son las principales características de las series de tiempo?..................... 137
Lección 8
Series de tiempo...................................................................................... 141
8.1 Concepto de series de tiempo........................................................ 141
8.2 Representación gráfica de una serie de tiempo................................. 142
z6 z
Lección 9
Tipos de series de tiempo.......................................................................... 143
9.1 Tipos de series de tiempo.............................................................. 143
Lección 10
Métodos para suavizar una serie de tiempo.................................................. 147
10.1 Suavización de series de tiempo..................................................... 147
10.2 Métodos para suavizar series de tiempo.......................................... 148
Resumen ........................................................................................... 153
Lectura: Toma de decisiones...................................................................... 154
Ejercicios ........................................................................................... 155
Ejercicios propuestos................................................................................ 165
Autoevaluación.Nº 4................................................................................. 167
Glosario ........................................................................................... 169
Bibliografía ........................................................................................... 169
QUINTA UNIDAD
¿Cómo se realiza el análisis de indicadores cualitativos y cuantitativos en los negocios?. 171
Lección 11
Análisis de indicadores cualitativos y cuantitativos en los negocios.................. 175
11.1 Concepto de número índice........................................................... 175
11.2 Aplicaciones de los números índice................................................. 176
Lección 12
Índices simples y compuestos.................................................................... 177
12.1 Índices simples............................................................................ 177
Ejercicios.................................................................................... 182
12.2 Índices compuestos...................................................................... 188
Ejercicios ........................................................................................... 194
Lección 13
Inflación, deflación e indexación................................................................. 199
13.1 Inflación..................................................................................... 199
13.2 Deflación.................................................................................... 201
13.3 Indexación.................................................................................. 202
Ejercicios ........................................................................................... 204
Resumen ........................................................................................... 208
Lectura: Índices de variaciones de precios y cantidades de consumo............... 209
Ejercicios ........................................................................................... 210
Glosario ........................................................................................... 220
Bibliografía ........................................................................................... 221

Anexo ................................................................................................. 222
z7 z
SANTIAGO CASTRO ESCALANTE
P R E S E N TA C I Ó N
Esta serie, Cuadernos, reúne los trabajos que los docentes han
elaborado como parte de un proyecto mayor. Son textos breves con
orientaciones y contenidos precisos para el desarrollo de una materia,
que, a manera de apuntes de clase, están dirigidos al programa de
educación a distancia.
El diseño, elaboración y edición de textos para educación a

distancia son tareas apasionantes. Son labores que comprometen
a profesionales de diversas áreas empeñados en buscar medios y
procedimientos para que la transmisión de contenidos sea eficiente.
En esta perspectiva se plantea la utilización de estos materiales
con un sentido práctico, no solo para atender los requerimientos
inmediatos de la educación a distancia, sino para iniciar un proceso
de seguimiento y control que permita, luego de una rigurosa revisión
y actualización, convertirlos en libros concluidos y abiertos a todos
los lectores.
La educación a distancia es una experiencia, en la galaxia

Internet, de un proyecto universitario globalizado cada vez más
competitivo. La universidad que enfrente esta tarea con visión
multidisciplinar y con enfoque sistémico tendrá éxito. En este sentido
va esta propuesta: interacción permanente e investigación para
la docencia y el aprendizaje en un complejo mundo de cambios
vertiginosos y retos permanentes.
Jefe del Fondo Editorial
z9 z
INTRODUCCIÓN
Los conceptos teóricos y las aplicaciones de las diferentes

unidades temáticas que se describen y se desarrollan en el presente
texto denominado MÉTODOS CUANTITATIVOS PARA LOS NEGOCIOS,
se presentan teniendo en cuenta que los usuarios necesitan de un
material bibliográfico que les permita una cabal comprensión y una
aplicación práctica de los métodos cuantitativos en el desempeño de
la profesión contable. Es por esta razón que el desarrollo del sílabo
de la asignatura se ha dividido en cinco (5) unidades:
La primera unidad temática, referida a las técnicas de la decisión
estadística en los negocios, trata de las generalidades y conceptos
de la teoría de la decisión, los tipos de hipótesis, los posibles errores
que se pueden cometer al tomar una decisión sin haber verificado
los resultados iniciales mediante los ensayos de hipótesis. Asimismo,
se presenta las aplicaciones prácticas de los ensayos de medias y de
los ensayos de proporciones.
La segunda unidad trata básicamente de las técnicas de cómo se
opera el análisis de la varianza, cuando se desea verificar o comprobar
si dos o más conjuntos de datos tienen igual valor medio, cuáles son
los pasos a seguir en el desarrollo o comprobación de una hipótesis;
también, se indica en qué momento o cuándo se hace uso de la
tabla de análisis de varianza para uno o más factores.
La tercera unidad explica los conceptos de regresión y correlación
estadística en los negocios. Lo que permite determinar los puntos
z1 1 z
M É T O D O S C U A N T I TAT I V O S P A R A L O S N E G O C I O S
óptimos y críticos cuando se relacionan dos variables. De igual

manera, se puede determinar el grado de relación o dependencia
que tienen las variables que se relacionan con respecto a su valor
medio.
La cuarta unidad explica una serie de tiempo o llamada
también serie cronológica, así como muestra, mediante gráficos,
la importancia de indicar lo que viene sucediendo en la empresa; y
lo que es más importante, permite proyectarnos en el tiempo para
predecir o pronosticar lo que va a suceder en el futuro.
La quinta unidad explica, a través de los números índice, cómo
se muestra la variación de precios y cantidades de consumo de
uno o más artículos en dos tiempos distintos, siendo uno de ellos
el tiempo de referencia o base, y el otro del momento actual. Esta
variación que se muestra para los precios de diferentes artículos
y cantidades de consumo se hacen utilizando los índices simples
o compuestos. Esta unidad temática es tan importante como las
anteriores, porque gracias al desarrollo de esta unidad podemos
determinar los índices de precios al consumidor IPC. Estos índices
referenciales son permanentemente utilizados por las empresas en
sus negocios a desarrollar.
Santiago R. Castro Escalante
z1 2 z
orientaciones
METODOLÓGICAS
La asignatura Métodos cuantitativos para los negocios

pertenece a la formación profesional y de naturaleza teórico-
práctica, cuyo propósito es el conocimiento y dominio de las técnicas
estadísticas.
Contiene cinco unidades temáticas: Técnica de la decisión
estadística en los negocios; Técnicas del análisis de varianza; Análisis
bivariables en los negocios, Series de tiempo; Análisis de indicadores
cualitativos y cuantitativos en los negocios
El estudio de los contenidos puede desarrollarse en forma
individual, grupal, continua y secuencial
El análisis del texto debe realizarse siguiendo los siguientes
pasos:
1. Lectura exploratoria
2. Lectura comprensiva
3. Análisis y reflexión de la información
4. Demostración de la información
5. Resolución de problemas
6. Elaboración de esquemas
7. Desarrollo de las actividades planteadas en las unidades.
z1 3 z
p r i m e r a
UNIDAD
¿En qué consiste la técnica de la
decisión estadística en los negocios?
“Pocos negocios vencen el ímpetu; algunos la fuerza; muchos,
el sufrimiento e interés y casi todos la razón”.
Saavedra Fajardo, Diego
1. ¿Qué es la decisión estadística?

2. ¿Cuál es la diferencia entre hipótesis inicial, nula y alternativa?
3. ¿Cuándo se utiliza el ensayo de medias?
4. ¿Qué son ensayos de proporciones?
COMPETENCIAS
CONCEPTUALES:
• Explica las técnicas de decisión estadística valorando su aplicación

en el área de formación contable.
• Diferencia la hipótesis inicial, nula y alternativa.
PROCEDIMENTALES:
• Maneja técnicas de la decisión estadística resolviendo problemas

en el área contable.
• Resuelve ejercicios y problemas sobre ensayo de medias y
proporciones.
ACTITUDINALES:
• Participa en la solución de problemas.

• Acepta los ensayos de hipótesis.
z1 6 z
Esquema conceptual
DECISIÓN ESTADÍSTICA
lació
ob I nfo r m ació n
P
es
Mu t r a Muestr al
S e i n f i e re u o bt i e ne
u n re s u l t a do
R
e
s D e be co n s i de ra rs e
u s o l o co m o u n a Pued e s er H i p ót es i s i ni ci al .
l H i pó t e s i s H i p ót es i s nul a
t H i p ót es i s al t er nat i v a
a Si s e t o m a l a de cis i ón
d e n ba s e a l pri m e r
o re s u l t a do s e pu e de Er r or t i p o I
co m e t e r u n o de los Er r or t i p o I I
do s t i po s de e rror.
E n sa y o C o n s i s t e e n v e ri f icar el p r i m er
De re s u l t a do pa ra n o com et er
Hip ó tesis e rro r de de ci s i ó n
Ve ri f i ca da l a hi pó t es i s
se toma la
D ec isió n
CONCEPTOS CLAVE
Decisión estadística, hipótesis inicial, nula, alternativa, ensayos de medias, ensa-

yos de proporciones
z1 7 z
Lección 1
DECISIÓN ESTADÍSTICA
1.1 Generalidades
El conocimiento teórico y práctico de los diferentes conceptos y las técnicas de deci-
sión estadística de los negocios es una capacidad que el alumno del programa de Con-
tabilidad a distancia debe desarrollar para tomar decisiones sin cometer errores en los
negocios
1.2 Concepto de decisión estadística

Son las decisiones que se toman teniendo como fundamento la información muestral
o proceso de muestreo, y que a su vez, este primer resultado es verificado o comproba-
do mediante los ensayos de hipótesis.
La decisión estadística no permite cometer errores porque está basado en la expe-

riencia y en experimentos.
Cuando se toma una decisión sin tener en cuenta la información muestral o la expe-
riencia, se puede llegar a cometer errores, ya que se la toma solamente teniendo en
cuenta un primer resultado llamado hipótesis.
La hipótesis puede presentarse de tres formas: como hipótesis inicial, como hipótesis
nula y como hipótesis alternativa.
z1 9 z
1.3 Tipos de hipótesis

1.3.1 Hipótesis inicial (H)
Es la primera conjetura o primer supuesto (resultado) de una población o muestra

que se estudia. Por ejemplo, explicar que las ventas en el mes de enero de un determi-
nado negocio son de $ 25,637.70 o decir que la gasolina de 84 grados de octanaje tiene
un rendimiento de 40 Km por galón.
1.3.2 Hipótesis nula (Ho)

En algunos casos, se formulan resultados con el propósito de rechazar, negar o inva-
lidar el primer resultado o la hipótesis inicial. A esta formulación se le llama hipótesis
nula. Por ejemplo, explicar que la venta en el mes de enero no fue $ 25,637.70 o decir
que el rendimiento de la gasolina de 84 grados de octanaje no es de 40 Km. por galón.
1.3.3 Hipótesis alternativa (Hi)

Es cualquier resultado diferente de la hipótesis inicial. Esto quiere decir que si la hipó-
tesis inicial indica que las ventas del mes de enero fueron de $ 25,637.70, la hipótesis
alternativa será decir que la venta es diferente a S/. 25,637.70. En el ejemplo referido
al rendimiento de la gasolina, diremos que la hipótesis alternativa será que el rendimien-
to es diferente a 40 Km. por galón de gasolina o sea que puede ser menor o mayor a
40 Km. por galón.
z2 0 z
Lección 2
TIPO DE ERROR
2.1 Error de tipo I

Se comete error de tipo I, cuando se toma una decisión frente a un primer resultado,
rechazando una hipótesis que se debía haber aceptado. Ejemplo: Si el primer resultado
de una encuesta determina que el rendimiento de una pila seca es de 100 horas, pero
resulta que al usarlo solo duró 45 horas, se cometió error tipo I, porque rechazamos la
hipótesis de que la duración de las pilas secas no era de 100 horas. Otro ejemplo sería,
si al abrir un negocio hay indicios que me indican que el lugar no es el apropiado para
tal actividad, pero a pesar de estas señales decido abrirlo y tiempo después el negocio
fracasa, es porque se ha cometido un error de tipo I.
R → H+
2.2 Error de tipo II

Este es otro tipo de error que se comete cuando se toma una decisión equivocada.
Este tipo de error se da cuando al tomar una decisión sobre un primer resultado acep-
tamos una hipótesis que debíamos de haberla rechazado. Por ejemplo: Si nos dicen que
tal marca de carro es buena, y en razón a este supuesto o conjetura se toma la decisión
de comprar y, al poco tiempo, se malogra el carro, diremos que se cometió error un de
tipo II.
A ← H-
z2 1 z
Lección 3
ENSAYOS
3.1 Ensayo de hipótesis

Los procedimientos que permiten decidir si una hipótesis se acepta o se rechaza o
determinar si las muestras observadas difieren significativamente de los resultados es-
perados se llaman ensayo de hipótesis, ensayos de significación o, también, reglas de
decisión.
Por ejemplo: Si en 20 lanzamientos de una moneda, se obtiene la ocurrencia de 16

caras y 4 sellos. Se estaría rechazando a que la moneda podría estar bien confeccionada
por lo tanto es necesario efectuar el ensayo de hipótesis con el fin de comprobar dicho
supuesto o conjetura.
Podría darse otro caso análogo cuando suponemos que instalar un negocio en una
determinada zona va a rendir grandes ganancias. Podríamos estar cometiendo un error
al hacer tal suposición por lo que es necesario proceder a efectuar un ensayo de hipó-
tesis con el fin de aceptar o negar la afirmación planteada. Para hacer los ensayos de
hipótesis, es necesario procesar la información a un determinado nivel de significación
(NS) o, dicho de otra manera, se debe comprobar el resultado con un posible margen de
error denominado nivel de significación en estadística del 1% al 5%.
El siguiente esquema nos grafica claramente la ubicación de los márgenes de errores

o nivel de significación en la distribución normal.
z2 3 z
NS =1%, 2%,3%,4% y 5%
3.2 Ensayos referentes a la distribución normal

Los ensayos referentes a la distribución normal consisten en hallar o determinar los
puntos críticos de Z haciendo uso de la tabla de valores de la distribución normal. Los
puntos críticos son los que separan el área de aceptación con el área de rechazo en una
o dos colas y permiten decir si se acepta o rechaza la hipótesis planteada.
z2 4 z
Ejercicios prácticos para determinar

los puntos críticos de z en uno o dos colas
1. Determinar los puntos críticos de ± Z al nivel de significación del 1%
En términos de probabilidad, para hallar los valores de Z en la tabla:
Luego, los valores de los puntos críticos ± Z al NS del 1% es ± 2.57
2. Hallar los puntos críticos de ± Z al nivel de significación del 2%.
Respuesta. Los valores críticos de ± Z al NS del 2% es ± 2,33.
z2 5 z
3. Hallar los puntos críticos de ± Z al nivel de significación del 3%.
Respuesta. Los valores críticos de ± Z al NS del 3% es ± 2.17
4.Hallar los puntos críticos de ± Z al nivel de significación del 4%.
Respuesta. Los valores críticos de ± Z al nivel de injustificación del 4% es ±2.05
5.Hallar los valores de los puntos críticos ± Z al nivel de significación del 5%.
Respuesta. Los valores críticos de ± Z al nivel de significación del 5% es ± 1.96
En resumen:
NS 1% 2% 3% 4% 5%
±Z 2,57 2,33 2,17 2,05 1,96
z2 6 z
De igual manera, se puede hallar los valores de los puntos críticos en una de dos co-
las. Por ejemplo, el valor del punto crítico de –Z al NS del 2% será:
Respuesta. El valor del punto crítico de –Z al nivel de significación del 2% es -2,05.

Para comprobar o verificar resultados a través de los ensayos de hipótesis, se hace me-
diante la aplicación de 2 métodos: método de los ensayos de medias y el de los ensayos
de proporciones.
3.3 Ensayos de medias

Este método o procedimiento se utiliza para comprobar o verificar si los valores me-
dios de la población con los valores medios de sus correspondientes muestras, son igua-
les o no, por lo que se acepta o rechaza a un determinado nivel de significación. La rela-
ción matemática o el estadígrafo que permite desarrollar los ensayos de medias es:
Donde:
Z = Es el valor calculado según la fórmula y que nos va permitir decir si aceptamos

o rechazamos la hipótesis planteada a un determinado nivel de significación.
= Es el valor medio o promedio de los datos que tiene la muestra.

μ= Es el valor medio o promedio de los datos que tiene la población.
δ= Es la desviación típica o desviación estándar de la muestra.
η= Es el número de datos que tiene la muestra.
z2 7 z
Aplicaciones
Ejemplos:
1) En una experiencia se determina que en una muestra de 100 lapiceros de tinta

seca producidos por una fábrica, el valor medio o promedio de rendimiento es de 2525
mts. de rayado con una desviación estándar de 125 mts. Comprobar o verificar el valor
medio de la población a un nivel de significación del 5% cuando se conoce que el rendi-
miento de la población o producción de lapiceros es de 2495 mts.
Solución.
Aplicando:
Reemplazando:
Luego el Zc = 2.4.
Respuesta: Como se está verificando al NS del 5% cuyo punto crítico en Z tabulado es

1,96, se estaría rechazando la hipótesis planteada o sea no se acepta que el rendimiento
promedio sea 2495 mts.
Graficándolo, tendremos:
z2 8 z
2) La duración media o el promedio de duración de 50 baterías de carros producidos

por una fábrica es de 14,585 horas, la desviación estándar de producción es de 458
horas. Comprobar la hipótesis de que la duración media de las baterías que produce la
fabrica es de 14,896 horas a nivel de significación (NS) del 3.5%.
Solución.
Aplicando la fórmula:
Reemplazando los datos en la fórmula:
Respuesta: Como el valor de Zc es -4,65 y el valor de Zt al NS del 3.5% es 2.11,

entonces estaríamos rechazando la hipótesis planteada o sea el valor medio de duración
de las baterías que produce la fábrica no es 14,896 horas.
3) Una casa comercial determina que el promedio de venta por día durante el año
2006 es S/. 15,425.50, con una desviación estándar de S/. 826.20 nuevos soles. Com-
probamos dicho promedio al 2%. Cuando al tomar una muestra al azar de 50 ventas, se
determinó una venta promedio de S/. 15,875.00.
Solución.
z2 9 z
Reemplazando los datos:
Respuesta. Como el Z tabulado al NS del 2% es 2,33, el Z calculado es 3.847, entonces

se rechaza el promedio de venta por día que indica la casa comercial en el año 2006.
4) Una fábrica, cuyo negocio consiste en la producción de bujías para carros, indica
que la garantía de su producto se traduce a un rendimiento promedio de 1,125 horas de
duración. Se desea comprobar dicho rendimiento a un nivel de significación del 5% para
lo cual se toma una muestra al azar de 10 bujías con rendimientos de 985, 1200, 998,
1100, 1320, 1010, 829, 1186, 1216 y 1328 horas de duración.
Solución.
Aplicamos la fórmula:
Donde:
= 1,117.20
δ = 152.79
η= 10
μ= 1125
Reemplazamos los datos:
Su gráfico: A NS = 5%.
Respuesta: El rendimiento que indica la fábrica es correcto.

z3 0 z
3.4 Ensayos de proporciones

Los ensayos de proporciones se aplican cuando en una experiencia, experimento o
procedimiento de muestreo, se determina o existe el concepto de probabilidad de éxito
y probabilidad de fracaso. Se dice que existe probabilidad de éxito cuando en una expe-
riencia se repite un mayor número de veces las ocurrencias de un evento y probabilidad
de fracaso es el evento de menor ocurrencia. Así, por ejemplo: si la experiencia consiste
en lanzar 10 veces una moneda y se obtiene como resultado 8 ocurrencias de cara y 2
ocurrencias de sello, entonces la probabilidad de éxito es la ocurrencia de cara (0.5) y la
probabilidad de fracaso es la ocurrencia de sello (0.5).
Otro ejemplo se observa cuando una fábrica de calzado produce 10000 pares de
zapatos, y el departamento de control de calidad determina que el 96% de dicha pro-
ducción, son buenos y el 4% defectuosas o mal confeccionadas. En esta experiencia la
probabilidad de éxito es 0.96, la probabilidad de fracaso es 0.04. En todo caso, siempre,
la probabilidad de éxito más la probabilidad de fracaso es igual a la unidad.
La relación matemática, fórmula o estadígrafo que permite hacer el ensayo de pro-

porciones es:
Donde:
± Z = Es el punto crítico en la distribución normal al nivel de significación (NS) de-

terminado.
n = Es el tamaño de la muestra.
x = Es el número real de ocurrencias.
p = Es la probabilidad de éxito.
q = Es la probabilidad de fracaso.
O sea: p + q = 1
Aplicaciones
Ejemplos:
1) Hagamos un ensayo de hipótesis o elevar una regla de decisión para indicar cuándo
una moneda está bien hecha o bien confeccionada en una experiencia de 20 lanzamien-
tos a un nivel de significación del 5%.
Solución.
z3 1 z
Los datos a reemplazar son:
±Z = Al nivel de significación del 5% es ±1.96

x = Es el número de ocurrencias por hallar.
n = Es el tamaño de muestra o sea 20 lanzamientos.
p = Es la probabilidad de éxito en este caso sea que salga cara o sello es ½ ó 0.5
q = Es la probabilidad de fracaso o no éxito. Si el éxito es ½ ó 0.5, el fracaso será
½ ó 0.5.
Luego:
X1 = (1.96 X 2.236) +10
X1 = 14.38
X1 = 14
X2 = (-1.96 X 2.236) +10
X2 = 5.61
X2 = 6
Respuesta. La moneda está bien hecha o bien confeccionada, cuando en 20 lanza-

mientos se registran de 6 a 14 ocurrencias de caras o sellos. Esto quiere decir que si
en 20 lanzamientos ocurren 8 caras y 12 sellos, la moneda está bien confeccionada. En
cambio, si ocurren 2 caras y 18 sellos, diremos que la moneda está mal confeccionada.
2) Diseñemos o preparemos una regla de decisión para ensayar la hipótesis o el su-

puesto de que un dado está bien hecho o confeccionado en una experiencia de 30 lan-
zamientos a un nivel de significación del 3%.
Solución.
z3 2 z
Reemplazando los datos:
X1=(2,17x2.04) +5= 9.42 Redondeando = 9.

2
X2=(-2,17x2.04) +5=0.57 Redondeando = 1.
Respuesta. El dado está bien hecho si en 30 lanzamientos del dado se registran de 1

a 9 ocurrencias de los puntos 1, 2, 3, 4, 5 ó 6.
3) ¿Cuándo se acepta la hipótesis de que la producción de bujías es buena a nivel de

significación (NS) del 4% y se toma una muestra de 60 bujías al azar de la producción
conociendo que la probabilidad de bujías defectuosas de la producción es de 0.065?
X1 = (2.05x1.909)+56.1
X1 = 60
z3 3 z
X2 = (-2.05x1.909)+56.1=52.18
Redondeando X2= 52
Respuesta. La producción de bujías es buena si en la muestra de 60 bujías se encuen-

tran de 52 a 60 bujías buenas o bien fabricadas.
4) ¿Cuándo se acepta la hipótesis de que la producción de focos elaborados por una

fábrica es buena a un nivel de significación del 2% y se toma una muestra de 80 focos
sabiendo que la probabilidad de focos defectuosos es de 0.075?
Solución.
Datos:
ns = 2
±Z = 2.33
n = 80
q = 0.075
p = 0.925
X1 = (2.32x2.356)+74 X2 = (-2.33 X 2.356)+74
X1= 79.47 X2 = 68.5
Redondeando: 79 Redondeando = 69
Respuesta. La producción de focos es buena si en la muestra de 80 focos se encuentra

de 69 a 79 focos buenos o bien fabricados.
5) ¿Cuándo aceptamos la hipótesis de que la producción de un artículo es buena sí

se toma una muestra de 60 artículos de la producción a un nivel de significación del 5%
teniendo en cuenta que la fábrica indica que solo el 0.035 de la producción está mal
producida?
z3 4 z
Solución.
Datos:
n = 60
p = 0.965
q = 0.035
NS = 5%
± = 1.96
X1 = (1.96x1.423)+57.9 X2 = (-1.96 X 1.423)+57.9
X1= 60.70 X2 = 55.11
Redondeando: 61 Redondeando = 55
Respuesta. Decimos que la producción es buena cuando hay de 55 a 61 artículos bien

producidos en una muestra de 60.
z3 5 z
RESUMEN
La decisión estadística consiste en la toma de decisión que tiene como fundamento la información mues-
tral o proceso de muestreo y a su vez este primer resultado muestral es verificado o comprobado mediante
los ensayos de hipótesis.
Hipótesis inicial es la primera conjetura o primer supuesto de una población o muestra que se estudia.
Existen casos donde se formula resultados con el solo propósito de rechazar, negar o invalidar el primer
resultado o la hipótesis inicial a esta formulación se denomina hipótesis nula.
Hipótesis alternativa es cualquier resultado diferente de la hipótesis inicial.
Error de tipo I es la toma de decisión frente a un primer resultado rechazando una hipótesis que debe
ser aceptada.
Error de tipo II se comete cuando se toma una decisión equivocada.
Ensayo de hipótesis son procedimientos que permiten decidir si una hipótesis se acepta, se rechaza, o
determina si las muestras observadas difieren significativamente de los resultados esperados.
Ensayos referentes a la distribución normal consiste en hallar o determinar los puntos críticos de Z ha-
ciendo uso de la tabla de valores de la distribución normal.
EXPLORACIÓN ON LINE
Consultar las siguientes páginas web:

1. http://www.monografias.com/trabajos6/mecu/mecu.shtml?relacionados
2. http://www.geocities.com/SiliconValley/Pines/7894/modelos/metodos.
3. hftp://ftp.ehu.es/cidira/profs/oepriber/Tema1IO.pdf
4. http://www.ciencias.holguin.cu/2002/Junio/articulos/ARTI3.htm
z3 6 z
Lectura
Decisión estadística*
Todos los días, a cada momento, sin darnos cuenta, muchas veces vamos
tomando decisiones que pueden ser aceptadas o no, por ejemplo, comprar
una camisa porque nos gusta o porque el precio es de oferta. Pero, sucede
que luego de haberlo usado y lavado en una primera puesta, la camisa
pierde su color y forma. Esto quiere decir que tomamos una simple decisión
de comprar la camisa. Este tipo de decisiones no es decisión estadística.
Pero si se hubiera hecho un proceso de muestreo o una experiencia de in-
dagación sobre el producto camisa, seguramente, después de haber visitado
varias tiendas donde venden camisas y determinado la tienda donde se va
a comprar, se hubiera comprado un buen producto. Este tipo de decisiones
son las llamadas decisiones estadísticas. Se las aplica para una mejor toma
de decisiones y para no cometer errores de decisión, es recomendable hacer
los ensayos de hipótesis.
Otro ejemplo de decisión estadística es cuando un comerciante que
vende focos de luz desea que sus ventas sean exitosas. Para eso, desea
comprar una cantidad significativa de focos de una determinada fábrica,
pero antes de comprar pide al fabricante que le permita verificar o com-
probar el producto a un determinado nivel de significación o margen de
error a cometer. Una vez comprobado el producto, toma el comerciante la
decisión de comprar o no.
*Fuente y elaboración propia
z3 7 z
EJERCICIOS
1. La Casa Comercial “Fernández S.A.” indica que el promedio de venta mensual

durante un determinado año fue de S/. 86,242.50 con desviación estándar de
S/. 856.25. Diga si se acepta o rechaza dicho promedio comparando con el
promedio de 5 ventas tomadas al azar, que da un monto de S/. 86,975.50 a un
nivel de significación del 5%.
Respuesta. Se acepta el promedio de la casa comercial que es de S/. 86,242.50
2. El negocio de cebolla en el Mercado de Productores de Lima durante el año

2007, determina un promedio de ventas por día de S/. 18,435.70 con una des-
viación estándar de S/. 655.80. Compruebe dicho promedio de venta al nivel de
significación del 3% para lo cual se toma una muestra al azar de 10 ventas cuyo
promedio indica la cantidad de S/. 18,610.50.
Respuesta: Se acepta el promedio de ventas de S/. 18,435.70
3. El rendimiento promedio de las pilas secas que produce una fábrica es de 650
horas con desviación estándar de 12 horas. Al tomar una muestra al azar de 20
pilas secas, se determinó un rendimiento promedio de 685 horas. Compruebe
al NS del 5% si se acepta o no el rendimiento promedio que indica la fábrica.
Respuesta: No se acepta el rendimiento promedio que indica la fábrica.
4. En la experiencia del lanzamiento de 10 veces una moneda. ¿Cuándo decimos

que la moneda está bien confeccionada a un nivel de significación del 2%?
Respuesta: Se dice que la moneda está bien confeccionada si en 10 lanzamientos se registra la

ocurrencia de 1 a 9 caras o sellos.
5. ¿Cuándo decimos que las camisas producidas por una fábrica son buenas o
están bien confeccionadas sabiendo que el departamento de control de calidad
indica que el 97.5% de la producción es buena. Haga la comprobación tomando
un margen de error del 0.05 en una muestra tomada al azar de 20 camisas.
Respuesta. Decimos que las camisas son buenas si en una muestra de 20 camisas encontramos
de 18 a 20 camisas buenas.
6. Para la producción de lapiceros, se dice que es buena al nivel de significación

del 5%. Diga Usted. ¿Cuándo se acepta la hipótesis - cuando se toma una mues-
tra de 50 lapiceros, sabiendo que la probabilidad de lapiceros defectuosos es de
0.065?
Respuesta. Se aceptará la hipótesis de la producción cuando esté dentro del rango de 43 a 49.
z3 8 z
7. La duración promedio de 80 ventiladores manuales producidos por la fábrica

“El Anicito” es de 500 hrs. con una desviación estándar de 70 hrs. Compruebe
la hipótesis de que la duración promedio de los ventiladores producidos por la
fábrica es de 460 hrs. al nivel de significación del 3%.
Respuesta. Se rechaza la hipótesis de la duración promedio al nivel de significación del 3%.
8. El reporte de la casa comercial “Electrón” indica que la venta promedio por día
durante el 2006 es 9.7 en miles de soles. Se toma una muestra de 15 ventas
correspondientes a ese año y se determinó que la venta promedio es de 8.9 en
miles de soles con una desviación de 0.50. Compruebe o verifique si la venta
promedio que indica la población se rechaza o acepta al nivel de significación
del 5%.
Respuesta. La venta promedio que indica la población se rechaza al nivel de significación del 5%.
9. ¿Cuándo se acepta la hipótesis de que la producción de lácteos es buena a N.S.

4%, cuando se toma una muestra de 60 lácteos al azar y sabiendo que la pro-
babilidad de lácteos defectuosos es de 0.05?
Respuesta. Decimos que la producción de lácteos está bien al nivel de significación indicado si en
60 se encuentran de 54 a 60 lácteos bien producidos.
10. Diseñe o prepare una regla de decisión para ensayar la hipótesis o el supuesto
de que un dado está bien hecho en una muestra de 50 lanzamientos a N.S. de
5%.
Respuesta. Decimos que el dado está bien confeccionado si en 50 lanzamientos al nivel de signifi-
cación determinado se registra de 3 a 13 ocurrencias de los puntos 1, 2, 3, 4, 5, ó 6.
z3 9 z
AUTOEVALUACIÓN Nº 1
A. Responda las siguientes interrogantes:
1. ¿En qué consiste la decisión estadística?
Rpta.
2. ¿Cuál es la diferencia entre la hipótesis inicial, nula y alternativa?
Rpta.
3. ¿Por qué existe error tipo I y II?
Rpta.
B. Marque la alternativa correcta
1. En una distribución normal, el valor del punto crítico ± Z al nivel de significación

del 1% es:
a. 8.20
b. 0.14
c. 10.25
d. 2.57
e. 5.28
2. En una distribución normal el valor del punto crítico – Z al nivel de significación

del 5%:
a. 1.64
b. 8.16
c. 3.25
d. 9.46
e. 0.43
3. En una distribución normal, el valor del punto crítico +Z al NS del 3% es:
a. 0.25
b. 0.82
c. 0.92
d. 1.88
e. 3.46
z4 0 z
4. ¿El primer resultado de un proceso muestral, determina cuántos tipos de hipótesis?
a. 1
b. 2
c. 3
d. 4
e. 5
5. En el lanzamiento de una moneda, la hipótesis inicial es la ocurrencia de:
a. 0.25
b. 2.5
c. 0.5
d. 0.75
e. 1
6. Al tomar una decisión, ¿cuándo se comete error de tipo I?
a. Cuando se rechaza una hipótesis que debía ser aceptada.

b. Cuando se acepta una hipótesis que debía ser rechazada.
c. Cuando se verifica una hipótesis verdadera.
d. Cuando se verifica una hipótesis falsa.
e. Cuando se acepta el primer resultado de una experiencia.
7. En un ensayo de hipótesis, se puede utilizar niveles de significación del:
a. 1% al 10%.
b. 5% al 8%.
c. 1% al 5%.
d. 5% al 10%.
e. Mayores al 5%.
8. El posible error a cometer en un proceso de ensayo de hipótesis se denomina:
a. Regla de decisión.
b. Nivel de significación.
c. Prueba de hipótesis.
d. Hipótesis nula.
e. Hipótesis alternativa.
9. En la experiencia del lanzamiento de 36 veces un dado. ¿Cuándo decimos que el

dado está bien elaborado a un nivel de significación del 5%?
a. Cuando se obtiene de 2 a 10 veces los Nºs. 1, 2, 3, 4, 5 y 6.

b. Cuando se obtiene de 10 a 26 veces los Nºs. 1, 2, 3, 4, 5 y 6.
c. Cuando se obtiene de 1 a 14 veces los Nºs. 1, 2, 3, 4, 5 y 6.
d. Cuando se obtiene de 15 a 20 veces los Nºs. 1, 2, 3, 4, 5 y 6.
e. Cuando se obtiene de 10 a 12 veces los Nºs. 1, 2, 3, 4, 5 y 6.
z4 1 z
10. El rendimiento promedio intelectual de 180 trabajadores de una fábrica es

13.75, con desviación estándar de 2.14. Al tomar una muestra aleatoria de 25
trabajadores se determinó un rendimiento promedio de 14.12. ¿Cuál es el valor
de Z calculado al nivel de significación 5%?
a. 8.29
b. 4.15
c. 2.16
d. 0.25
e. 0.86
Respuestas de control
1. d, 2. a, 3. d, 4. c, 5. c, 6. a, 7. c, 8. b, 9. a, 10. e
z4 2 z
GLOSARIO
Estadística Estudia los métodos científicos para recoger, organizar,

resumir y analizar datos, así como para sacar conclu-
siones válidas y tomar decisiones razonables basadas
con tal análisis.
Hipótesis Una hipótesis estadística es un enunciado respecto a

uno o más parámetros de la población.
Hipótesis nula Pone en duda el efecto de una variable experimental

hasta que se determina el efecto como una diferencia
significativa y no como resultado del azar.
BIBLIOGRAFÍA
1. Anderson, David Ray (2004) Métodos cuantitativos para los negocios. México. D.F., Internacional Thomson.
2. Bonini, Charles P. (2000) Análisis cuantitativo para los negocios. Santa Fe de Bogotá, Mc Graw-Hill.
3. Gallagher, Charles A. (1982) Métodos cuantitativos para la toma de decisiones en administración. México
D.F., Mc Graw-Hill.
4. Lindley, Dennis Víctor (1977) Principios de la teoría de la decisión. Barcelona, Vicens-Vives.
5. Serra de La Figuera, (2000) Métodos cuantitativos para la toma de decisiones. Barcelona, Gestión.
Daniel
z4 3 z
s e g u n d a
UNIDAD
¿Cuáles son las técnicas que
permiten comprobar el análisis de
la varianza?
“Si un negocio te abruma por el principio, comiénzalo por el fin”
Proverbio árabe
1. ¿Qué es el análisis de varianza?

2. ¿Cuáles son los pasos a seguir para el análisis de la varianza?
3. ¿En qué se diferencia el análisis de la varianza con uno y dos factores?
COMPETENCIAS
CONCEPTUALES:
• Explica las técnicas de análisis de la varianza valorando la

importancia en el área contable.
• Diferencia el análisis de varianza de un factor y dos factores.
PROCEDIMENTALES:
• Maneja técnicas de análisis de varianza solucionando problemas

en el área contable.
• Resuelve ejercicios y problemas con uno y dos factores.
ACTITUDINALES:
• Valora las técnicas de análisis de varianza.

• Acepta el trabajo en equipo tolerando las ideas del grupo.
z4 6 z
Esquema conceptual
ANÁLISIS DE LA VARIANZA
Análisis de varianza
Técnicas
Varianza Varianza
con con
dos factores un factor
CONCEPTOS CLAVE
Análisis de la varianza, modelos, efectos fijos, aleatorios, mixtos.
z4 7 z
Lección 4
4.1 Concepto de análisis de la varianza

El análisis de la varianza es un procedimiento estadístico que permite comprobar o
verificar la hipótesis de los valores medios o promedios de dos, tres o más conjuntos de
datos son iguales o diferentes siempre que los conjuntos o poblaciones se encuentren
normalmente distribuidos con igual varianza o que los elementos de los conjuntos ten-
gan las mismas características.
El análisis de varianza es uno de los métodos estadísticos utilizados y elaborados en

la investigación moderna, no obstante su denominación se utiliza para probar hipótesis
preferentes a las medias de población más que a las varianzas de población. Las téc-
nicas anovas se han desarrollado para el análisis de datos en diseños estadísticos muy
complicados.
El análisis de la varianza se debe al estadístico - genético Sir Ronald Aylmer Fisher

(1890-1962), autor del libro Statistics Methods for Research Workers publicado en 1925
y pionero de la aplicación de métodos estadísticos en el diseño de experimentos, intro-
duciendo el concepto de aleatorización.
4.2 Técnicas de análisis de la varianza

El análisis de la varianza es un método para comparar dos o más promedios. Esto
se hace mediante la verificación de la hipótesis de los valores medios de dos o más po-
blaciones iguales. Esta hipótesis se puede aceptar o rechazar de acuerdo al resultado
obtenido. El análisis de varianza es necesario porque cuando se quiere comparar más
de dos valores medios es incorrecto utilizar repetidamente el contraste basado en t de
Student o distribución Normal (Z).
z4 9 z
El método que resuelve ambos problemas es el análisis de la varianza , aunque es

algo más que esto; es un método que permite comparar varias medias en diversas si-
tuaciones; muy ligado, por tanto, al diseño de experimentos y de alguna manera es la
base del análisis multivariante.
Típicamente, el análisis de varianza se utiliza para asociar una probabilidad a la con-

clusión de que la media de un grupo de puntuaciones es distinta de la media de otro
grupo de puntuaciones.
Supuestos previos que han de cumplirse:
a. La variable dependiente debe medirse al menos a nivel de intervalo.

b. Independencia de las observaciones.
c. La distribución de la variable dependiente debe ser normal.
d. Homogeneidad de las varianzas.
Existen tres tipos de modelos:
1. Modelo de efectos fijos.

2. Modelo de efectos aleatorios.
3. Modelos mixtos.
4.2.1 Modelo de efectos fijos

Asume que el experimentador ha considerado para el factor todos los posibles valores
que este puede tomar. Ejemplo: Si el género del individuo es un factor, y el experimen-
tador ha incluido tantos individuos masculinos como femeninos, el género es un factor
fijo en el experimento.
El modelo de efectos fijos de análisis de la varianza se aplica a situaciones en las que

el experimentador ha sometido al grupo o material analizado a varios factores cada uno
de los cuales le afecta sólo a la media, permaneciendo la “variable respuesta” con la
distribución normal.
4.2.2 Modelo de efectos aleatorios

Asumen que en un factor se ha considerado tan solo una muestra de los posibles
valores que éste puede tomar. Ejemplo: Si el método de enseñanza es analizado como
un factor que puede influir sobre el nivel de aprendizaje y se ha considerado en el expe-
rimento sólo tres de los muchos más métodos posibles, el método de enseñanza es un
factor aleatorio en el experimento.
Los modelos de efectos aleatorios se usan para describir situaciones en que ocurren
diferencias incomparables en el material o grupo experimental. El ejemplo más simple es
el de estimar la media desconocida de una población compuesta de individuos diferentes
y en el que esas diferencias se mezclan con los errores del instrumento de medición.
z5 0 z
4.2.3 Los modelos mixtos

Describen situaciones donde están presentes ambos tipos de factores fijos y aleato-
rios. La técnica fundamental consiste en la separación de la suma de cuadrados en com-
ponentes relativos a los factores contemplados en el modelo. Como ejemplo, mostramos
el modelo para un análisis de varianza simplificado con un tipo de factores en diferentes
niveles (si los niveles son cuantitativos y los efectos son lineales, pueden resultar apro-
piado un análisis de regresión lineal).
El número de grados de libertad (gl) puede separarse de forma similar y se corres-

ponde con la forma en que la distribución chi-cuadrado describe la suma de cuadrados
asociada.
Entendemos el número efectivo de observaciones que contribuyen a la suma de cua-

drados en un análisis de la varianza, es decir, el número total de observaciones menos
el número de datos que sean combinación lineal de otros.
4.3 Objetivos del análisis de la varianza

El objetivo principal del análisis de la varianza es contrastar diferencias entre las me-
dias de los niveles de las variables. Cuando solo hay dos medias, el análisis de la varian-
za es equivalente a la prueba t- Student para el contraste de dos medias.
En general, el análisis de la varianza es un procedimiento amplio que ofrece aproxi-

maciones en el caso de que las premisas del modelo no se cumplan rigurosamente.
Muchas veces interesa saber qué medias difieren entre sí después de realizar el análisis
de la varianza. Para realizar contrastes sucesivo es necesario ajustar el error alfa, y para
este objetivo existen diferentes métodos, siendo la corrección de Tukey propuesta por el
matemático John Tukey (1915-2000) la más habitual de todas ellas.
Conjunto A B C
Valor
medio
n n n
Muestra
z5 1 z
Lección 5
CON FACTORES
5.1 Análisis de la varianza con un factor

Este método se utiliza para realizar un análisis de varianza sencillo con un solo factor
explicativo, el cual somete a prueba la hipótesis de que las medias de varias muestras
tomadas de población distintas y fijas son iguales.
Ejemplo:
Una empresa quiere comprobar si el consumo medio o promedio de agua para sus
tres sucursales son iguales.
Tabla de análisis de varianza para un factor

Grado de Cuadro de Relación
Varianza Suma de Cuadrados
Libertad Medias Fc
Entre las
Medias para el C -1
Factor A
Dentro de las
(r – 1)C
muestras (error)
TOTAL ST =SA + SE rC-1
z5 3 z
Donde:
r = Número de datos de la muestra.

= Cada uno de los datos de la muestra.
C = Número de muestras
5.2 Análisis de la varianza con dos factores

Este método nos permite analizar simultáneamente los efectos de dos fuentes de
variación, donde las muestras se han tomado aleatoriamente de un conjunto de pobla-
ciones.
Ejemplo:
Una empresa quiere comprobar si el consumo de sobres y fólderes de manilas en los

departamentos de finanzas, contabilidad y administración son iguales.
Tabla de análisis de varianza para dos factores

Grado de Cuadro de Relación
Varianza Suma de cuadrados
libertad medias Fc
Entre las
medias para el C–1
factor A
Entre las
medias para el C-1
Factor B
Dentro de las SE
SE=ST–SA–SB (r-1)(C-1) MSE =
muestras (r − 1)(c − 1)
TOTAL r C -1
5.3 Pasos a seguir en el análisis de la varianza

Los pasos a seguir son los siguientes:
Paso 1: Se debe determinar el tamaño de la muestra de los conjuntos a ser compa-

rados. (n)
Paso 2: Se debe hallar el promedio de cada muestra.
Paso 3: Se debe hallar el promedio de las muestras
z5 4 z
Paso 4: Se debe estimar o calcular la suma de cuadrados para el factor correspon-

diente. (SA).
Paso 5: Se debe estimar o hallar la suma de cuadrados dentro de la muestra (SE).
Paso 6: Se debe estimar o calcular la relación (F), utilizando la tabla de análisis de la

Varianza (Fc).
Paso 7: Si la relación F calculada es mayor al valor tabulado de F al nivel de sig-

nificación especificado y el correspondiente grado de libertad, se rechaza la hipótesis
planteada. (Fc > Ft).
Ejercicios de análisis de la varianza con un factor

Ejercicio 1. Una empresa comercial en el año 2006 -según su libro de ventas- muestra
las ventas de tres tipos de mantequilla al mismo precio correspondiente a los meses de
enero febrero, marzo. Comprobemos el nivel de significación del 5% si las ventas medias
para cada tipo de mantequilla son iguales,
En miles de soles
Mantequilla
Mantequilla Mantequilla Mantequilla
Tipo A Tipo B Tipo C
Meses
Enero 20 40 30
Febrero 50 70 60
Marzo 64 85 80
Solución:
1) n = 3
2)
3)
4)SA = 3 [(44.67-55.45)2+(65-55.45)2+(56.67-55.45)2]
SA = 626.70
5) SE = (20-44.67)2+(50-44.67)2+(64-44.67)2+(40-65)2+(70-65)2+(85-65)2+
(30-56.67)2+(60-56.67)2+(80-56.67)2
z5 5 z
SE = 3,327.33
6)
SA = 626.70 2
MSA = 313.35 MSA = 0.57
SE = 3,327.33 6
MSE = 554.56 MSE
ST = 3,954.03 8
7) Si el Fc > Ft al N.S.=5% y el grado de libertad = (Ver Tabla de Valores, anexo 2)
0.57 >
/ 5.14
Respuesta: Se acepta la hipótesis de que las ventas promedio de los tres tipos de
mantequilla son iguales.
Ejercicio 2. Una empresa de transporte turística, según su libro de ventas, realizó tres
viajes turísticos al mismo precio en el año 2006 que corresponden al mes de enero, fe-
brero, marzo. Comprobemos al nivel de significación del 1% si las ventas de cada tours
son iguales.
En miles de soles
Tours
Mes A B C
Enero 10 20 30
Febrero 40 30 20
Marzo 30 40 20
Solución:
1) n =3
2)
3)
z5 6 z
4) SA = 3 [(26.67-26.67)2+(30-26.67)2+(23.33-26.67)2]
SA = 66.73
5) SE = (10-26.67)2+(40-26.67)2+(30-26.67)2+(20-30)2+(30-30)2+(40-30)2+
(30-23.33)2+(20-23.33)2+(20-23.33)2
SE = 733.33
6)
SA = 66.73 2
MSA = 33.36 MSA = 0.27
SE = 733.33 6
MSE = 122.22 MSE
ST= 800.06 8
7) Si el Fc > Ft al N.S. = 1% y el grado de libertad =
0.27 >
/ 10.92
Respuesta: Los valores medios de las ventas son iguales.
Ejercicio 3. En una empresa industrial, en el área de contabilidad, aparece en su libro

de compras 3 adquisiciones de insumos a la Empresa Los Andes S.A. al mismo precio en
los meses de abril, mayo y junio del 2006. Comprobemos el nivel de significación del 5%
si las compras medias de insumos son iguales.
En miles de soles
Insumos
A B C
Mes
Abril 5 8 10
Mayo 6 6 6
Junio 5 10 8
Solución:
1) n =3
z5 7 z
2)
3)
4) SA = 3 [(5.33-7.11)2+(8-7.11)2+(8-7.11)2]
SA = 14.26
5) SE = (5-5.33)2+(6-5.33)2+(5-5.33)2+(8-8)2+(6-8.00)2+(10-8.00)2+
(10-8.00)2+(6-8)2+(8-8)2
SE = 16.67
6)
SA = 14.26 2
MSA = 7.13 MSA = 2.56
SE = 16.67 6
MSE = 2.78 MSE
ST = 30.93 8
7) Si el Fc > FT al N.S. = 5% y el grado de libertad =
2.56 >
/ 5.14
Respuesta: Se acepta la hipótesis de que las compras medias de insumos son igua-
les.
Ejercicio 4. Una empresa vende en el año 2006, libros de una misma editorial en tres
presentaciones diferentes al mismo precio. Las muestras obtenidas corresponden a las
ventas en nuevos soles de los meses de enero, febrero, marzo, abril y mayo del 2006 y
se muestra en el siguiente cuadro. Comprobemos al N.S. del 5% si las ventas medias o
el promedio de ventas para cada presentación son iguales.
z5 8 z
Presentación de
libros
A B C
Mes
Enero 98 95 92
Febrero 87 85 93
Marzo 102 98 95
Abril 90 90 92
Mayo 78 81 85
Solución:
1) n =5
2)
3)
4)
SA = 5 [(91-90.73)2+(89.80-90.73)2+(91.40-90.73)2]
SA = 5 [(0.27)2+(-0.93)2+(0.67)2]
SA = 5 (0.073+0.865+0.449)
SA = 5 (0.073+0.865+0.449)
SA =5(1.387)
SA = 6.94
5)
SE = (98-91)2+(87-91)2+(102-91)2+(90-91)2+(78-91)2+
(95-89.80)2+(85-89.80)2+(98-89.80)2+(90-89.80)2+
(81-89.80)2+(92-91.40)2+(93-91.40)2+(95-91.40)2+
(92-91.40)2+(85-91.40)2
SE = (7)2+(-4)2+(11)2+(-1)2+(-13)2+(5.20)2+(-4.80)2+
z5 9 z
(8.20)2+(0.20)2+(-8.8)2+(0.60)2+(1.60)2+(3.60)2+
(0.60)2+(-6.40)2
SE = 49+16+121+1+169+27.04+23.04+67.24+0.04+
77.44+0.36+2.56+12.96+0.36+40.96
SE = 608
6) Tabla de análisis de la varianza x por un factor
Suma de Grado de Cuadro de Relación

Varianza
cuadrados Libertad Medias Fc
Entre las medias
SA = 6.94 2 MSA = 3.47 0.07
para el factor A
Dentro de las
SE = 608 12 MSE = 50.67
muestras – Error.
TOTAL 614.94 14
Si Fc > FT al NS 5% Y grado de libertad (gl) =
0.07 >
/ 3.88
Respuesta: Las ventas promedio de medias para cada presentación de libros son
iguales.
Ejercicio 5. La Empresa Alfa Corporación S.A., vende fideos de una misma marca en 4
presentaciones diferentes al mismo precio. Las muestras obtenidas corresponden a las
ventas de nuevos soles en los meses de octubre, noviembre y diciembre del año 2006 y
se muestra en el siguiente cuadro. Comprobemos al N.S. DE 5% si las ventas medias o
el promedio de ventas para cada presentación son iguales.
Presentación
de fideos
A B C D
Mes
Octubre 340 310 330 300
Noviembre 310 350 320 280
Diciembre 280 300 295 270
Solución:
1) n =3
z6 0 z
2)
3)
4)
SA = 3 [( 310-307.08)2+(320-307.08)2+(315-307.08)2 +(283.33-307.08)2]
SA = 3 [(2.92)2+(12.92)2+(7.92)2+(-23.75)2]
SA = 3 (8.53+166.93+62.73+564.06)
SA = 3 (802.25) =2,406.75
SA = 2,406.75
5)
SE = (340-310)2+(310-310)2+(280-310)2+(310-320)2+
(350-320)2+(300-320)2+(330-315)2+(320-315)2+
(295-315)2+(300-283.33)2+(280-283.33)2+
(270-283.33)2
SE = 4316.64

Varianza
Cuadrados Libertad Medias Fc
Entre las
medias para el SA = 2406.75 3 MSA = 802.25 1.48
factor A
Dentro de las
muestras – SE = 4316.64 8 MSE = 539.58
Error.
TOTAL ST = 6,723.39 11
Si Fc > FT al NS 5% y grado de libertad (gl) =
1.48 >
/ 4.07
z6 1 z
Respuesta: El promedio de las ventas para las 4 presentaciones son iguales; se acep-
ta la hipótesis planteada.
Ejercicio 6. Una bodega vende detergentes de una misma marca en 3 diferentes

presentaciones al mismo precio. Las muestras para cada presentación se muestra en el
siguiente cuadro. Verifiquemos al 1%, si las ventas promedio para cada presentación
son iguales.
Presentación
A B C
Mes
Enero 90 88 92
Febrero 92 85 99
Marzo 100 89 108
Abril 120 110 115
Solución:
1) n =4
2)
3)
4)
SA = 4 [(100.50-99)2+(93-99)2+(103.50-99)2]
SA = 4 (2.25+36+20.25)
SA = 4 (0.073+0.865+0.449)
SA = 4 (58.50) = 234
SA = 234
5)
SE = (90-100.50)2+(92-100.50)2+(100-100.50)2+
(120-100.50)2+(88-93)2+(85-93)2+(89-93)2+
z6 2 z
(110-93)2+(92-103.50)2+(99-103.50)2+(108-103.50)2+
(115-103.50)2
SE = (-10.50)2+(-8.50)2+(-0.50)2+(19.50)2+(5)2+(-8)2+(-4)2+
(17)2+(-11.50)2+(-4.50)2+(4.50)2+(11.50)2
SE = 110.25+72.25+0.25+380.25+(25)+64+16+
289+132.25+20.25+20.25+132.25
SE = 1262

Varianza
Cuadrados Libertad Medias Fc
Entre las medias
SA = 234 2 MSA = 117 0.83
para el factor A
Dentro de las
SE = 1262 9 MSE = 140.22
muestras – Error.
TOTAL ST = 1496 11
Si Fc > FT al NS 1% y grado de libertad (gl) =
0.83 >
/ 8.02
Respuesta: El promedio de las ventas para las 3 presentaciones son iguales.
z6 3 z
RESUMEN
Análisis de varianza. Es un procedimiento estadístico que permite comprobar o verificar la hipó-
tesis de que los valores medios o promedios de dos, tres o más conjuntos de datos son iguales o
diferentes siempre que los conjuntos o poblaciones se encuentren normalmente distribuidos con
igual varianza o que los elementos de los conjuntos tengan las mismas características.
Análisis de la varianza con un factor. Método utilizado para realizar un análisis de varianza senci-
llo con un solo factor explicativo, el cual somete a prueba la hipótesis de que las medias de varias
muestras tomada de población distinta y fija son iguales.
Análisis de la varianza con dos factores. Método que permite analizar simultáneamente los efec-
tos de dos fuentes de variación, donde las muestras se han tomado aleatoriamente de un conjunto
de poblaciones.
El análisis de la varianza (ANOVA) es una técnica estadística de contraste de hipótesis. Tradicio-

nalmente, estas técnicas, conjuntamente con las técnicas de regresión lineal múltiple, de las que
prácticamente son una extensión natural, marcan el comienzo de las técnicas multivariantes. Con
estas técnicas se manejan simultáneamente más de dos variables, y la complejidad del aparato ma-
temático se incrementa proporcionalmente con el número de variables en juego.
Lea las siguientes direcciones para ampliar sus conocimientos sobre análisis de varianza:
1.http://www.monografias.com/trabajos7/anva/anva.shtml
2.www.ugr.es/~jsalinas/weproble/T14res.PDF
3.www.uam.es/departamentos/economicas/econapli/anova.pdf
4.www.elosiodelosantos.com/sergiman/andeva.htm -
5.www.uv.es/~lejarza/anova/anova.html
6.http://www.uiah.fi/projects/metodi/280.htm
7.http://ljk.imag.fr/membres/Bernard.Ycart/emel/cours/ts/node15.html
z6 4 z
Lectura
Las empresas y los negocios*

Una determinada empresa tiene 3 tiendas que se encargan de vender artículos
iguales de primera necesidad en nuevos soles. El gerente general de la indicada
empresa solicita cada seis meses a cada tienda le comunique cuál es la venta
promedio mensual y cuál es la venta total en los seis meses de cada tienda.
Se entiende que las tres tiendas se encuentran ubicadas estratégicamente en
lugares donde las ventas se desarrollan con gran demanda de parte de los con-
sumidores. Al tener el gerente general el reporte semestral de las ventas de cada
tienda, debe verificar o comprobar si las ventas promedio mensual de las tres tien-
das son iguales o no con el fin de tomar decisiones adecuadas en la conducción
de la empresa.
Verificación:
Para realizar la verificación solicitada por el gerente se tendría que hacer uso del
análisis de varianza el cual es explicado en la presente unidad temática.
* Fuente propia del autor
z6 5 z
EJERCICIOS
1. Una librería bazar vende cuadernos de una misma marca en 4 empastes diferentes
al mismo precio. Las muestras en el siguiente cuadro corresponden a las ventas en
nuevos soles de los meses de enero a mayo del 2006. Verifique al N.S. del 5% si
las ventas medias o el promedio de ventas para cada empaste son iguales.
Empastes
A B C D
Mes
Enero 100 110 100 98
Febrero 104 109 98 100
Marzo 106 108 96 99
Abril 99 100 98 96
Mayo 95 98 96 99
Respuesta: El promedio de ventas para los 4 empastes es diferente; se rechaza la hipótesis planteada.
2. La empresa Donofrio vende panetones de la misma marca en 3 cajas diferentes

al mismo precio. Las muestras obtenidas corresponden a las ventas en nuevos
soles de los meses de septiembre, octubre, noviembre y diciembre del 2006.
Verifique al 1%, si las ventas medias son iguales.
Cajas
A B C
Mes
Septiembre 500 498 520
Octubre 520 500 510
Noviembre 518 510 500
Diciembre 550 545 525
Respuesta: El promedio de ventas de panetones es igual.
3. Un comerciante vende champús de una misma marca en 3 presentaciones al

mismo precio, las muestras para cada presentaciones se presenta en el siguien-
te cuadro. Compruebe al N.S. del 5% si las ventas medias son iguales.
Presentación
champús
A B C
Mes
Enero 24 29 32
Febrero 22 20 24
Marzo 20 22 26
Abril 21 23 25
Mayo 26 28 32
Junio 32 40 46
Respuesta: El promedio de ventas para las 3 muestras es igual.

z6 6 z
4. Una distribuidora vende en el año 2006, chocolates de una misma marca con 3
presentaciones distintas, las muestras corresponden a los meses entre febrero
y abril. Compruebe al N.S. de 1% si las ventas medias o el promedio de ventas
para cada presentación son iguales.
Presentación
chocolates
A B C
Mes
Enero 24 18 28
Febrero 18 19 24
Marzo 14 16 25
Abril 21 23 23
Respuesta: Se acepta la hipótesis de que las ventas promedio de chocolates para las tres presen-
taciones son iguales.
5. En una empresa comercial, aparece en su libro de compras que compró tres

tipos de aceite al mismo precio y que corresponden a los meses de junio, Julio
y agosto del 2006. Compruebe o verifique el nivel de significación del 1% si las
ventas medias para cada aceite son iguales.
Ventas en miles de soles

Aceite
A B C
Mes
Junio 2 3 5
Julio 3 8 4
Agosto 4 6 8
Respuesta: Se acepta la hipótesis, porque los valores medios o las ventas promedio son iguales.
6. En una empresa de servicios, en su libro de ventas en nuevos soles, muestra

las ventas de 3 tipos de servicios que brinda la empresa a sus clientes al mis-
mo precio que corresponden a los meses de septiembre, octubre y noviembre
del 2006. Compruebe el nivel de significación del 5% si las ventas medias para
cada servicio son iguales.
Ventas en miles de soles

Servicios
A B C
Mes
Septiembre 2 4 10
Octubre 5 9 5
Noviembre 4 8 12
Respuesta: Se acepta la hipótesis, porque los valores medios o las ventas promedio son iguales.
z6 7 z
7. La empresa Etimundo SAC vende en el año 2006 máquinas etiquetadoras de

la misma marca en 3 cajas distintas pero al mismo precio. Las muestras que
presentan el siguiente cuadro corresponden a las ventas de los 6 meses del
año 2006. Compruebe al nivel de significación del 5% si las ventas medias para
cada máquina etiquetadora son iguales.
CAJAS
A B C
Mes
Enero 98 93 99
Febrero 97 94 98
Marzo 93 95 93
Abril 94 99 96
Mayo 95 96 97
Junio 100 105 103
Respuesta: Se acepta la hipótesis, porque las ventas promedio de las máquinas etiquetadas son
iguales.
z6 8 z
Ejercicios de análisis de la varianza con dos factores

1. Los siguientes datos que se indican en el cuadro corresponden a las muestras de
ventas de computadoras y televisores correspondientes a la empresa importaciones
López S.A. de 5 días tomados aleatoriamente en el año 2006. Compruebe al nivel de
significación del 5% si las ventas promedio de computadoras y televisores son iguales
Computadoras
1 2 3 4 5
Televisores
1 35 48 42 40 25
2 25 50 30 48 30
3 45 46 28 51 40
4 28 50 45 32 35
5 50 32 35 43 45
Solución:
1) nA =5
2)
nB=5
3)
z6 9 z
4)
(36.60-39.12)2 +(45.20-39.12)2+(36.00-39.12)2
SA = 5 = 417.84
+(42.80-39.12)2 +(35.00-39.12)2
(38-39.12)2 +(36.60-39.12)2+(42-39.12)2+
SB = 5 = 103.44
(38-39.12)2 +(41-39.12)2
5) SE=ST – SA -SB
ST = (35-39.12)2+(25-39.12)2+(45-39.12)2+(28-39.12)2+(50-39.12)2+
(48-39.12)2+(50-39.12)2+(46-39.12)2+(50-39.12)2+(32-39.12)2+
(42-39.12)2+(30-39.12)2+(28-39.12)2+(45-39.12)2+(35-39.12)2+
(40-39.12)2+(48-39.12)2+(51-39.12)2+(32-39.12)2+(43-39.12)2+
(25-39.12)2+(30-39.12)2+(40-39.12)2+(35-39.12)2+(45-39.12)2+
ST = 1794.53
SE = 1794.53-417.84-103.44 => 1273.25
6) Tabla de análisis de la varianza por dos factores.
Grado de
Suma de Cuadro de Relación
Varianza Libertad
Cuadrados Medias Fe
(gl)
Entre las medias
SA = 417.84 4 MSA = 104.46 1.31
para el factor A
Entre las medias
SB = 103.44 4 MSB = 25.86 0.32
para el factor B
Dentro de las
SE = 1273.25 16 MSE = 79.58
muestras – Error.
TOTAL ST = 1794.53 24
z7 0 z
A) Si Fc > FT al NS 5% y grado e libertad (gl) =
1.31 >
/ 3.01
Respuesta A: Las ventas promedio de las computadoras son iguales.
B) Si Fc > FT al NS 5% y grado e libertad (gl) =
0.32 >
/ 3.01
Respuesta B: Las ventas promedio de televisores son iguales.
2. La ferretería García & Hermanos S.A. presenta datos que corresponden a las mues-
tras de ventas de ladrillos y cemento, correspondiente a 4 días tomados aleatoriamente
en el año 2006. Compruebe al N.S del 5%, si las ventas promedio de ladrillos y cemen-
tos son iguales.
Ladrillo
1 2 3 Z4
Cemento
1 30 35 38 36
2 40 38 40 45
3 45 40 45 42
4 50 55 52 54
Solución:
1) ηlad. = 4 ηcem. = 4
2)
3)
4)
z7 1 z
SA = 4 [(41.25-42.81)2+(42-42.81)2+(43.75-42.81)2+(44.25-42.81)2]
SA = 24.16
5)
SB = 4 [(34.75-42.81)2+(40.75-42.81)2+(43-42.81)2+(52.75-42.81)2]
SB = 672.16
6) SE = ST – SA – SB
ST = (30-42.81)2+(40-42.81)2+(45-42.81)2+(50-42.81)2+
(35-42.81)2+(38-42.81)2+(40-42.81)2+(55-42.81)2+
(38-42.81)2+(40-42.81)2+(45-42.81)2+(52-42.81)2+
(36-42.81)2+(45-42.81)2+(42-42.81)2+(54-42.81)2
ST = 766.44
SE = ST-SA-SB
SE = 766.44-24.16-672.16=70.06
SE= 70.06
7) Tabla de análisis de la varianza
Grado de
Varianza Libertad
Cuadrados Medias Fc
(gl)
Entre las medias
SA = 24.19 3 MSA = 8.06 1.03
para el factor A
Entre las medias
SB = 672.19 3 MSB = 224.06 28.79
para el factor B
Dentro de las
SE = 70.06 9 MSE = 7.78
muestras – Error.
TOTAL ST = 766.44 15
A) Si Fc > FT al NS 5% y grado e libertad (gl) =
1.03 >
/ 3.86
Respuesta A: Las ventas promedio de ladrillos son iguales.
z7 2 z
28.79 >
/ 3.86
Respuesta B: Las ventas promedio de cemento no son iguales.
3. La librería bazar presenta las muestras de ventas de cuadernos y lapiceros toma-

dos aleatoriamente en la campaña escolar 2007. Compruebe al N.S. 1% si las ventas
promedio para cuadernos y lapiceros son iguales.
Cuadernos
1 2 3 4
Lapiceros
1 10 8 15 18
2 15 10 15 20
3 20 15 16 18
4 18 14 14 19
5 16 13 15 18
Solución:
1) Ncuad. =5 Nlap.=4
2)
3)
4)
SA = 5 [(15.80-15.35)2+(12-15.35)2+(15-15.35)2+(18.60-15.35)2]
SA = 110.55
z7 3 z
5)
SB = 4 [(12.75-15.35)2+(15-15.35)2+(17.25-15.35)2+
(16.25-15.35)2+(15.50-15.35)2]
SB = 45.30
ST = (10-15.35)2+(15-15.35)2+(20-15.35)2+(18-15.35)2+
(16-15.35)2+(8-15.35)2+(10-15.35)2+(15-15.35)2+
(14-15.35)2+(13-15.35)2+(15-15.35)2+(15-15.35)2+
(16-15.35)2+(14-15.35)2+(15-15.35)2+(18-15.35)2
(20-15.35)2+(18-15.35)2+(19-15.35)2+(18-15.35)2
ST = 206.55
SE = ST-SA-SB
SE = 206.55-110.55-45.30
SE= 50.70

Varianza
Cuadrados Libertad (gl) Medias Fc
Entre las medias
SA = 110.55 3 MSA = 36.85 8.73
para el factor A
Entre las medias
SB = 45.30 4 MSB = 11.32 2.68
para el factor B
Dentro de las
SE = 50.70 12 MSE = 4.22 -
muestras–error
TOTAL ST = 206.55 19 - -
A) Si Fc > FT al NS 1% y grado de libertad (gl) =
8.73 > 5.95
Respuesta A: Las ventas promedio de los cuadernos no son iguales.
z7 4 z
2.68 >
/ 5.41
Respuesta B: Las ventas promedio para lapiceros son iguales.
4. Una farmacia presenta las muestras de venta de suero y de alcohol de 3 días to-
mados aleatoriamente. Comprobemos al N.S. del 1% si las ventas promedio para suero
y alcohol son iguales.
Suero
1 2 3 4
Alcohol
1 25 22 24 26
2 20 25 26 23
3 18 20 22 25
Solución:
1) Nsuero. = 3 Nalcohol.= 4
2)
3)
4)
SA = 3 [(21-23)2+(22.33-23)2+(24-23)2+(24.67-23)2]
SA = 24.71
SB = 4 [(24.25-23)2+(23.50-23)2+(21.25-23)2]
SB = 19.50
z7 5 z
ST = (25-23)2+(20-23)2+(18-23)2+(22-23)2+(25-23)2+
(20-23)2+(24-23)2+(26-23)2+(22-23)2+(26-23)2+
(23-23)2+(25-23)2
ST = 76
SE = ST-SA-SB
SE = 76-24.71-19.50
SE= 31.79

Varianza
Cuadrados Libertad (gl) Medias FC
Entre las medias
SA = 24.71 3 MSA = 8.24 1.55
para el factor A
Entre las medias
SB = 19.50 2 MSB = 9.75 1.84
para el factor B
Dentro de las
SE = 31.79 6 MSE = 5.29
muestras – Error
TOTAL ST = 76.00 11
1.55 >
/ 9.78
Respuesta A: Las ventas promedio de sueros son iguales.
B) Si Fc > FT al NS 1% y grado de libertad (gl) =
1.84 ≥ 10.92
Respuesta B: Las ventas promedio de alcohol son iguales.
5. La empresa importaciones Castro presenta las muestras de ventas de cocinas y

refrigeradoras de 4 días tomados aleatoriamente. Comprobemos al N.S. del 1% si las
ventas promedio para cocinas y refrigeradoras son iguales.
Cocinas
1 2 3 4
Refrigeradoras
1 98 100 96 102
2 96 102 98 97
3 95 97 99 98
4 98 96 95 97
z7 6 z
Solución:
1) Ncocina. = 4 Nrefrig.=4
2)
3)
4)
SA = 4 [(96.75-97.75)2+(98.75-97.75)2+(97-97.75)2+(98.50-97.75)2]
SA = 12.50
5)
SB = 4 [(99-97.75)2+ (98.25-97.75)2+(97.25-97.75)2+(96.50-97.75)2]
SB = 14.50
ST = (98-97.75)2+(96-97.75)2+(95-97.75)2+(98-97.75)2+(100-97.75)2+
(102-97.75)2+(97-97.75)2+(96-97.75)2+(96-97.75)2+(98-97.75)2+
(99-97.75)2+(95-97.75)2+(102-97.75)2+(97-97.75)2+(98-97.75)2+
(97-97.75)2
ST = 69
SE = ST-SA-SB
SE = 69-12.50-14.50
SE= 42
z7 7 z
Grado de
Varianza Libertad
Cuadrados Medias FC
(gl)
Entre las medias
SA = 12.50 3 MSA = 4.17 0.89
para el factor A
Entre las medias
SB = 14.50 3 MSB = 4.83 1.03
para el factor B
Dentro de las
SE = 42 9 MSE = 4.66
muestras – Error.
TOTAL ST = 69 15
0.89 >
/ 6.99
Respuesta A: Las ventas promedio de cocinas son iguales.
B) Si Fc > FT al NS 1% y grado de libertad (gl) =
1.03 >
/ 6.99
Respuesta B: Las ventas promedio de refrigeradoras son iguales.
z7 8 z
EJERCICIOS
1. Una distribuidora muestra las ventas de refrigeradoras y cocinas correspon-

dientes a los 3 primeros días del año 2006. Compruebe al N.S. 5% las ventas
promedio de refrigeradoras y cocinas son iguales.
Cocina
1 2 3
Refrigeradora
1 95 35 60
2 32 45 36
3 28 38 51
Respuesta: Las ventas de refrigeradoras promedio entre los 3 primeros días son iguales.
Respuesta: Las ventas promedio de cocinas entre los 3 primeros días son iguales.
2. La empresa Pezet SRL en el flujo de caja en el año 2006 tiene gastos de publi-
cidad y promoción de ventas de 4 días tomados aleatoriamente en el año 2006.
Comprobemos al nivel de significación del 1% si los gastos promedios de publi-
cidad y promoción de ventas son iguales.
Publicidad
1 2 3 4
Promoción
1 72 75 74 76
2 76 78 64 81
3 70 74 78 77
4 87 76 76 84
Respuesta: Se acepta la hipótesis de que el promedio de gastos de publicidad es igual.
Respuesta: Se acepta la hipótesis de que el promedio de gastos de promoción de ventas es igual.
3. La empresa Pezet SRL, en el flujo de caja en el año 2006 tiene ingresos por ven-
ta de pantalones y casacas de 4 días tomadas aleatoriamente en el año 2006.
Comprobar el nivel de significación del 5% de los ingresos promedios por venta
de pantalones y casacas son iguales.
Pantalón
1 2 3 4
Casaca
1 180 176 182 184
2 175 179 178 186
3 178 170 175 178
4 168 182 185 180
Respuesta: Se acepta la hipótesis de que el promedio de ingresos de pantalones es igual.

Respuesta: Se acepta la hipótesis de que el promedio de ingresos de casacas es igual.
z7 9 z
4. En una empresa comercial quieren ver el rendimiento de ventas que corres-

ponden a las muestras de las ventas de arroz y azúcar para 3 días tomados en
el año 2006. Comprobemos el N.S. DEL 1% si las ventas promedio del azúcar y
arroz son iguales.
En miles de soles
Azúcar
1 2 3
Arroz
1 2 4 5
2 4 8 7
3 6 3 9
Respuesta: El rendimiento promedio del azúcar es igual.
Respuesta: El rendimiento promedio del arroz es igual.
5. En una empresa comercial quieren ver el manejo de las compras que corres-
pondan a las muestras de las compras de flan y gelatina para 3 días tomados
en el año 2006. Comprobemos el N.S. del 5% si las compras promedio del flan
y gelatina son iguales.
En miles de soles
Flan
1 2 3
Gelatina
1 4 6 8
2 3 8 9
3 5 7 10
Respuesta: El rendimiento promedio del flan no es igual.
Respuesta: El rendimiento promedio de la gelatina es igual.
6. En una empresa industrial quieren ver el rendimiento de las ventas que corres-
ponden a las muestras de las ventas de camisas y polos para 3 días tomados en
el año 2006. Comprobemos el N.S. del 1% si las ventas promedio de camisas y
polos son iguales,
En miles de soles
Camisas
1 2 3
Polos
1 9 12 6
2 10 3 4
3 8 5 9
Respuesta: El rendimiento promedio de las camisas es igual.

Respuesta: El rendimiento promedio de los polos es igual.
z8 0 z
7. En una empresa industrial quieren saber el manejo de las compras que co-
rresponden a las muestras de las compras de jamonada y queso para 3 días
tomados en el año 2006. Comprobemos el N.S. 5% si las compras promedio de
jamonada y queso son iguales.
En miles de soles
Queso
1 2 3
Jamonada
1 2 6 9
2 3 4 8
3 5 6 10
Respuesta: El rendimiento promedio de la jamonada no es igual.

Respuesta: El rendimiento promedio de queso no es igual.
8. En una empresa de seguros quieren ver el rendimiento de los eventos que co-
rresponden a las muestras de ventas de seguros de automóviles y seguros de
combis para 3 días tomados en el año 2006. Comprobemos el N.S. 1% si las
ventas promedio de seguros de automóviles y seguros de combi son iguales.
En miles de soles
Seguro combi
Seguro
1 2 3
automóviles
1 8 7 12
2 3 8 5
3 4 10 14
Respuesta: El rendimiento promedio de los seguros de auto es igual.

Respuesta: El rendimiento promedio de los seguros de combis es igual.
z8 1 z
1. Una bodega vende en el año 2007 galletas de una misma marca en 3 envolturas
diferentes y al mismo precio. Las muestras corresponden a las ventas en nue-
vos soles de los meses de enero, febrero, marzo y abril del 2007 y se muestra
en el siguiente cuadro. Halle el factor calculado.
Envoltura
A B C
Mes
Enero 87 78 90
Febrero 83 81 91
Marzo 79 79 84
Abril 81 82 82
a) Fc = 1.29
b) Fc = 4.04
c) Fc = 6.15
d) Fc = 8.42
e) Fc = 9.02
2) Una fábrica vende jabón de tocador de una misma marca en 3 envolturas dife-
rentes al mismo precio, las muestras que se presentan en el siguiente cuadro
corresponden a los 6 primeros meses del año 2007. Halle el factor calculado.
Envoltura
A B C
Mes
Enero 43 39 45
Febrero 42 40 44
Marzo 39 41 42
Abril 40 43 43
Mayo 44 45 46
Junio 50 58 56
a) Fc = 2.30
b) Fc = 1.80
c) Fc = 1.42
d) Fc = 0.90
e) Fc = 0.45
3) En el siguiente cuadro se muestra el rendimiento de un terreno agrícola con

cuatro fertilizantes y tres pesticidas. Con los datos de dicho cuadro, construya
una tabla de análisis de la varianza, y halle el factor calculado para fertilizantes
y pesticidas.
Fertilizantes
1 2 3 4
Pesticidas
1 21 12 9 6
2 13 10 8 5
3 8 8 7 1
z8 2 z
a) Fc = 15.07 y 10.43
b) Fc = 10.51 y 14.60
c) Fc = 8.12 y 9.15
d) Fc = 4.10 y 6.25
e) Fc = 8.50 y 8.96
4) Para los datos que se muestran en el siguiente cuadro, halle el factor calculado
de A y B.
A
1 2 3 4
B
1 8 6 12 9
2 13 8 6 11
3 12 6 8 13
4 9 7 12 10
5 8 7 14 8
a) 1.08 y 12.05
b) 6.15 y 9.12
c) 2.17 y 0.085
d) 1.12 y 6.31
e) 10.5 y 15.2
5) Para calcular el grado de libertad entre la medias para un factor, ¿qué fórmula
se utiliza?
a) C – 1
b) (r – 1)c
c) cr. -1
d) n-cr.
e) r (c-1)
6) El factor tabulador (t) al nivel de significación del 5% y gl = es:
a) 1.08
b) 12.06
c) 0.05
d) 3.26
e) 15.01
7) El factor tabulador al nivel de significación del 1% y gl = es:
a) 8.26
b) 5.95
c) 1.25
d) 0.02
e) 8.42
z8 3 z
8) El análisis de la varianza se utiliza para:
a) Verificar si los valores medios de dos conjuntos de datos son iguales.

b) Comprobar si la mediana de dos conjuntos de datos son diferentes.
c) Verificar si los valores medios de dos conjuntos de datos son diferentes.
d) Verificar si los valores medios de dos o más conjuntos de datos son iguales o no.
e) Ninguno de las anteriores.
9) Si el Fc es 0.29 y el Ft = 1.26
a) Se rechaza la hipótesis planteada.

b) Se acepta la hipótesis planteada.
c) Se acepta y rechaza la hipótesis planteada.
d) La hipótesis se acerca al nivel medio.
e) La hipótesis se acerca a la mediana
10) Para calcular la suma de cuadrados para el Factor A, se aplica la fórmula:
a)
b)
c)
d)
e) Ninguno de las anteriores.
1 b, 2 e, 3 a, 4 c, 5 a, 6 d, 7 b, 8 e, 9 b, 10 c
z8 4 z
GLOSARIO
El Anova: Es un método muy flexible que permite construir mo-
delos estadísticos para el análisis de los datos ex-
perimentales cuyo valor ha sido constatado en muy
diversas circunstancias. Básicamente es un procedi-
miento que permite dividir la varianza de la variable
dependiente en dos o más componentes, cada uno de
los cuales puede ser atribuido a una fuente (variable
o factor) identificable.
Número de factores: Se refiere a experimentos que utilizan una sola varia-

ble independiente o factor y una variable dependiente
se analizan mediante varianza llamado de un factor,
de clasificación simple, unidireccional o de una vía
Normalizar o reducir: Significa que eliminamos la influencia de algún factor

bien conocido pero sin interés. Por ejemplo, podemos
eliminar el efecto de la inflación dividiendo todos los
precios por el índice de precios de la fecha de la com-
pra.
Media: La media es una estadística que caracteriza el valor

típico de nuestros datos y elimina la dispersíon alea-
toria de valores.
La Moda: Es el valor más común en nuestro conjunto de datos.
BIBLIOGRAFÍA
1. Canavos, G. C. Probabilidad y estadística. Aplicaciones y métodos. México D. F., McGraw-Hill.
2. Garza García, Jorge de la (1995) Análisis de la información mercadológica a través de la estadística multivariante.
México D. F., Alhambra.
3. Johnson, D. (2000) Métodos multivariado aplicados al análisis de datos. México D. F., Internacional
Thomson.
4. Martín Pliego, F.J. (1994) Introducción a la estadística económica y empresarial (Teoría y práctica). Madrid,
A. C.
z8 5 z
t e r c e r a
UNIDAD
¿Cuáles son los procedimientos del
análisis bivariable en los negocios?
“Las oportunidades pequeñas son el principio de las grandes empresas”.

Demóstenes
1. ¿En qué consiste la regresión estadística?

2. ¿Cuáles son los tipos de regresión estadística?
3. ¿Qué es una correlación?
4. ¿Cómo son los tipos de correlación?
COMPETENCIAS
CONCEPTUALES:
• Explica los principios del análisis bivariable a través del

conocimiento de regresión y correlación estadística y su aplicación
en el desarrollo de la profesión contable.
• Diferencia los tipos de regresión estadística con dos variables.
PROCEDIMENTALES:
• Construye diagramas de dispersión entre variables.

• Resuelve problemas con coeficiente de correlación.
ACTITUDINALES:
• Acepta la aplicación de problemas del área contable.

• Valora la importancia de hallar el coeficiente de correlación.
z8 8 z
Esquema conceptual
PROCEDIMIENTOS DEL ANÁLISIS

BIVARIABLE
ANÁLISIS BIVARIABLE EN LOS NEGOCIOS
Regresión estadística Correlación estadística
Tipos Tipos
Lineal positiva Lineal
Lineal negativa Gradual
Curvilínea Parcial
Circular Múltiple
CONCEPTOS CLAVE
Regresión estadística. Correlación estadística
z8 9 z
Lección 6
ANÁLISIS BIVARIABLE
EN LOS NEGOCIOS
6.1 Concepto de regresión estadística

La regresión estadística es un procedimiento del análisis bivariable que permite decir
cuando la dispersión de puntos que relacionan las variables (X,Y), tienden o se orientan
hacia valores medios representados por una línea recta o curva. Se dice que en dicha
relación existe el concepto de regresión estadística.
El valor numérico que representa a una regresión lineal rectilínea está determinado
por la ecuación de la línea recta representada por: y=a+bx
El valor numérico que representa a una regresión curvilínea está determinado por la
ecuación de la parábola representada por: y=a+bx+cx2
Algunas experiencias o ejemplos entre muchos otros que determinan procesos de

regresión estadística cuando se relacionan 2 variables, son:
1. Los pesos y estatura de un grupo de personas.
2. La producción y ventas de un determinado artículo.
3. Los ingresos y egresos económicos de una casa comercial.
La relación entre dos variables pueden determinar puntos de dispersión cuyos gráfi-
cos serian:
z9 1 z
Aplicación:
Construyamos el Diagrama de Dispersión para la relación entre la producción de azú-

car en toneladas métricas (TM) y sus correspondientes ventas en miles de soles durante
los 20 últimos años.
Producto X 19 27 21 25 14 10 27 25 11 25 17 15 19 21 23 13 18 24 13 15
Ventas Y 35 65 55 75 25 5 70 55 20 65 35 40 45 45 55 25 50 60 30 30
z9 2 z
En el siguiente gráfico observamos que los puntos que relacionan a las variables X, Y
tienen o se orientan hacia un valor representado por una línea recta, lo que determina
que en dichas relaciones existe un proceso de regresión; asimismo, se puede detectar
los puntos óptimos (Po) y los puntos críticos (Pc).
Los puntos óptimos son los que se encuentran en el valor medio o los más cercanos
y nos estarían indicando el punto de mejor relación entre lo que se produce y lo que se
vende. En cambio, los puntos críticos son aquellos que se encuentran alejados o muy
separados del valor medio (línea recta) y nos estarían indicando que estos puntos no
indican buena relación entre lo que se produce y lo que se vende.
6.2 Tipos de regresión estadística

La relación que se da entre dos (2) variables puede determinar los siguientes tipos
de regresión:
a) Regresión lineal positiva
Cuando los puntos que relacionan dos variables tienden o se orientan a valores me-
dios representados por una línea recta de forma ascendente, nos indica que la relación
entre las variables X, Y muestran un proceso de regresión lineal positiva.
b) Regresión lineal negativa
Pero, cuando los puntos que relacionan dos variables tienden o se orientan a valores
medios representados por una línea recta de forma descendente, se dice que la relación
entre las variables X, Y muestra un proceso de regresión lineal negativo.
z9 3 z
c) Regresión curvilínea
Si los puntos que relacionan dos variables determinan una dispersión de puntos que
tienden o se orientan a valores medios representados por una línea curva de forma pa-
rabólica, se dice que la relación entre las variables X, Y muestra un proceso de regresión
curvilínea.
d) Regresión circular
Y cuando los puntos que relacionan dos variables determinan una dispersión que no
tienden a ningún valor medio (línea recta o curva), se dice que la relación entre las va-
riables X, Y muestra un proceso de regresión circular.
Aplicación
Para los datos que se muestran en las tablas de valores, construya el diagrama de
dispersión correspondiente a la relación entre las variables X, Y de cada tabla y diga si
existe regresión estadística indicando el tipo o clase de regresión.
X 2 3 9 7 8 1 5 9 3 6 2 10 8 4 2 9
Y 6 2 12 4 6 16 1 10 10 2 12 16 6 3 9 7
X 12 18 4 8 10 14 16 6 18 16 2 5 14 18 4 12
Y 12 13 3 10 9 15 10 7 15 18 1 4 12 18 6 13
X 5 9 10 1 2 4 6 3 2 7 8 10 5 6 3 7
Y 8 1 4 14 16 8 5 9 12 4 2 2 10 7 12 8
X 10 14 16 4 8 6 12 14 6 12 8 17 10 7 5 16
Y 1 15 6 9 18 15 16 4 3 1 3 15 18 16 12 11
z9 4 z
6.3 Ajuste de valores medios

en un proceso de regresión estadística
La dispersión de puntos determinados por la relación entre dos (2) variables X, Y y
que muestran un proceso de regresión estadística cuando tienden a valores medios, se
ajustan mediante la aplicación de la ecuación de la línea recta para regresiones de tipo
lineal positivo y lineal negativo, y la ecuación de la parábola para la regresión de tipo
curvilínea.Las siguientes son las fórmulas correspondientes a la ecuación de la línea
recta y de la parábola:
Ecuación de la Línea Recta Ecuación de la Parábola
y = a + bx y = a + bx + cx2
Donde: Donde:
Aplicación
Efectuemos el ajuste de valores medios para los procesos de regresión determinados

por las tablas de valores correspondientes a la relación entre X, Y.
TABLA Nº 1
X 2 3 9 7 8 1 5 9 3 6 2 10 8 4 2 9
Y 6 2 12 4 6 16 1 10 10 2 12 16 6 3 9 7
La Tabla Nº 1 muestra para la relación entre X, Y una regresión de tipo curvilínea por
lo tanto para efectuar el ajuste correspondiente se hace uso de la ecuación de la pará-
bola que es:
Y = a + bx +cx2
Donde:
∑y= an+b∑x+c∑x2.............................. Ecuación 1
∑xy= a∑X+b∑x2+c∑x3......................... Ecuación 2
∑x2y= a∑X2+b∑x3+c∑x4....................... Ecuación 3
Para remplazar las ecuaciones por sus valores numéricos se prepara una tabla de
valores.
z9 5 z
Tabla de valores para la ecuación de la parábola

X Y X2 XY X2Y X3 X4
2 6 4 12 24 8 16
3 2 9 6 18 27 81
9 12 81 108 972 729 6561
7 4 49 28 196 343 2401
8 6 64 48 384 512 4096
1 16 1 16 16 1 1
5 1 25 5 25 125 625
9 10 81 90 810 729 6561
3 10 9 30 90 27 81
6 2 36 12 72 216 1296
2 12 4 24 48 8 16
10 16 100 160 1600 1000 10000
8 6 64 48 384 512 4096
4 3 16 12 48 64 256
2 9 4 18 36 8 16
9 7 81 63 567 729 6561
TOTAL 88 122 628 680 5290 5038 42664
Como las variables por hallar son a, b, c, para aplicar la ecuación de la parábola. En-
tonces se procede a remplazar en cada una de las ecuaciones los valores numéricos.
122 = a16 + b88 +c628............................ (1)
680 = a88 + b628 + c5038....................... (2)
5290 = a628 + b5038 + c42664................ (3)
Por lo tanto nos encontramos con un sistema de ecuaciones con tres variables por
hallar
(a, b y c).
Para hallar estas variables, la matemática nos proporciona más de un método, en este
desarrollo utilizaremos el método de sustitución, para lo cual tomamos dos ecuaciones
de la siguiente manera:
Tomamos la ecuación (1), (2) y ordenando tenemos:
122 = 16a + 88b +628c.............................Multiplicamos por -88
680 = 88a + 628b +5038c..........................Multiplicamos por 16
Se tiene: -10736 = -1408a – 7744b-55264c
10880 = 1408a + 10048b + 80608c
Sumanos las dos ecuaciones se tiene:
144 = 2304b + 25344c…………………….............(4)

z9 6 z
Luego tomamos las ecuaciones (2), (3)
680 = 88a + 628b +5038c....................Multiplicamos por -628
5290 = 628a + 5038b +42664c.............Multiplicamos por 88
Se tiene: -427040 = -55264a – 394384b – 3163864c
465520 = 55264a + 443344b + 3754432c
38480 = 48960b + 590568c……………………(5)
Finalmente tomamos las ecuaciones (4), (5)
144 = 2304b +25344c……………….......Multiplicamos por -48960
38480 = 48960b +590568c………………Multiplicamos por 2304
Se tiene: -7050240 = -112803840b – 1240842240c
88657920 = 112803840b + 1360668672c
81607680 = 119826432C……………………….(6)
Despejando la ecuación (6) se halla el valor de la variable C.
C = 0.68.
Reemplazando el valor de C en la ecuación (5) se tiene:
38480 = 48960 b + 590568 (0.68)
38480 = 48960b + 401587
38480 – 401587= 48960b
b = -7.42
Luego reemplazamos los valores de b y c en la ecuación (1)
122 = 16a +88(-7.42)+628 (0.68)
z9 7 z
122 = 16a – 653 + 427
22 = 16a – 226
122 + 226 = 16a
a= 21.75
Una vez hallados los valores de a, b y c diremos que el valor numérico de la parábola
para la Tabla Nº 1 es:
Y = 21.75 + (-7.42) X + 0.68X2
Para graficar la parábola en la relación X, Y de la tabla Nº 1, tomaremos cinco (5)

puntos en X.
Cuando
X=1 Y = 21.75 +(-7.42)1+(0.68)12
Y = 15.01 Y = 21.75 – 7.42 + 0.68
Y = 15.01
Cuando X = 3 Y = 5.61
Cuando X = 5 Y = 1.65
Cuando X = 7 Y = 3.13
Cuando X = 10 Y = 15.55
z9 8 z
Luego graficamos la parábola en la relación X,Y
Tabla Nº 2
X 12 18 4 8 10 14 16 6 18 16 2 5 14 18 4 12
Y 12 13 3 10 9 15 10 7 15 18 1 4 12 18 6 13
Los datos de la Tabla Nº 2 muestran una dispersión de puntos que tienen a un valor
medio representado por una línea recta por lo tanto el ajuste se tiene que hacer con la
ecuación de la línea recta que es:
Y = a + bx
Para hallar los valores de la variables a y b se construye una tabla de valores:
TABLA DE VALORES PARA LA LÍNEA RECTA

X Y X2 XY
12 12 144 144
18 13 324 234
4 3 16 12
8 10 64 80
10 9 100 90
14 15 196 210
16 10 256 160
6 7 36 42
18 15 324 270
16 18 256 288
2 1 4 2
5 4 25 20
14 12 196 168
18 18 324 324
4 6 16 24
12 13 144 156
TOTAL 177 166 2425 2224
Remplazando los valores en la fórmula para hallar a:
Remplazando los valores de la tabla en la fórmula para hallar b.
z9 9 z
Para graficar la línea recta en la relación de X,Y se toma en cuenta solo dos puntos de
X en la ecuación de la línea recta que es:
Y = 1.19 + 0.83X
Cuando X = 2 Y = 1.19 + 0.83 (2)
Y = 2.85
Cuando X = 16 Y = 1.19 + 0.83 (16)
Y= 14.47
Los ajustes de valores medios en los dos casos desarrollados nos permiten detectar
los puntos óptimos y los puntos críticos.
z1 0 0 z
EJERCICIOS
1. Determinemos si existe relación entre la producción (X) y venta (Y) de motores

de la empresa “Motor SA”.
X Y X2 XY
1 14 1 14
5 9 25 45
3 12 9 36
7 5 49 35
6 9 36 54
5 15 25 75
1 17 1 17
10 1 100 10
9 5 81 45
4 13 16 52
2 14 4 28
5 7 25 35
8 7 64 56
3 14 9 42
9 2 81 18
4 9 16 36
∑ 82 153 542 598
Luego:
y = 17.39 +(-1.53)X
Respuesta: Sí existe relación, y es de tipo lineal negativo.

z1 0 1 z
2. Determinemos si existe relación entre los ingresos y egresos de la empresa

“Novi SA”.
X Y X2 XY
2 2 4 4
6 12 36 72
8 16 64 128
4 9 16 36
1 6 1 6
10 15 100 150
5 8 25 40
8 12 64 96
3 7 9 21
7 10 49 70
9 18 81 162
5 11 25 55
4 5 16 20
2 4 4 8
9 14 81 126
6 8 36 48
∑ 89 157 611 1042
Luego:
y = 1.719+1.45X
Respuesta: Sí existe relación y es de tipo lineal positivo.
z1 0 2 z
3. Determinemos si existe relación entre la producción y venta de computadoras

de la empresa “Digitel SA”.
X Y X2 XY
9 12 81 108
14 11 196 154
1 2 1 2
6 6 36 36
18 17 324 306
15 13 225 195
8 10 64 80
5 3 25 15
12 7 144 84
17 14 289 238
10 12 100 120
11 7 121 77
13 14 169 182
3 5 9 15
13 11 169 143
14 18 196 252
∑ 169 162 2149 2007
Luego:
y = 1.537 +0.81(X)
z1 0 3 z
4. Determinemos si existe relación entre la producción (X) y venta (Y) de cuader-

nos de la empresa “Bruño S.A”.
X Y X2 XY
7 8 49 56
16 11 256 176
12 14 144 168
4 3 16 12
9 9 81 81
1 4 1 4
15 16 225 240
11 10 121 110
5 7 25 35
18 17 324 306
7 6 49 42
3 5 9 15
15 18 225 270
10 11 100 110
13 13 169 169
17 15 289 255
∑ 163 167 2083 2049
Luego:
y = 2.05 +0.82(X)
z1 0 4 z
5. Determinemos si existe relación entre los ingresos (X) y egresos (Y) de la em-
presa “Nueva Era S.A”.
X Y X2 XY
18 2 324 36
2 15 4 30
5 16 25 80
6 9 36 54
10 10 100 100
8 12 64 96
4 13 16 52
16 7 256 112
13 4 169 52
9 7 81 63
12 6 144 72
2 18 4 36
14 5 196 70
8 8 64 64
4 10 16 40
16 1 256 16
∑ 147 143 1755 973
Luego:
y = 16.67 +(-0.84)X
Respuesta: Sí existe relación y es de tipo lineal negativo.
z1 0 5 z
presa “Real S.A.”
X Y X2 XY X3 X2Y X4
2 18 4 36 8 72 16
10 1 100 10 1000 100 10000
5 10 25 50 125 250 625
18 18 324 324 5832 5832 104976
16 14 256 224 4096 3584 65536
6 4 36 24 216 144 1296
16 6 256 96 4096 1536 65536
4 14 16 56 64 224 256
13 7 169 91 2197 1183 28561
17 12 289 204 4913 3468 83521
4 8 16 32 64 128 256
3 13 9 39 27 117 81
8 5 64 40 512 320 4096
15 2 225 30 3375 450 50625
13 3 169 39 2197 507 28561
16 11 256 176 4096 2816 65536
∑ 166 146 2214 1471 32818 20731 509478
146 = 16a + 166b +2214c (1)
1471 = 166a + 2214b + 32818c (2)
20731= 2214a + 32818b + 509478c (3)
-1514.75 = -166a -1722.25b - 22970.25c(1) (x-10.375)

1471 = 166a + 2214b + 32818c (2)
-43.75 = 0 + 491.75b +9847.75c (4)
-20202.75 = -2214a - 22970.25b – 306362c (1) (x – 138.375)

20731 = 2214a + 32818b + 509478c (3)
528.25 = 0 + 9847.75b + 203115.75c (5)
z1 0 6 z
876.13 = -9847.75b – 197210.33c (4) (x-20.0259278)

528.25 = 9847.75b + 203115.75c (5)
1404.38 = 0 + 5905.49c
C = 0.24
-43.75 = 491.75b + 9847.75 (0.24) (4)
B = -4.90
146 = 16ª +166(-4.90)+2214(0.24) (1)
a = 26.75
Luego:
y = 26.75 +(-4.90x)+ 0.24x2
Respuesta: Sí existe relación y es de tipo lineal curvilíneo.
presa “Lasocie S.A.”
X Y X2 XY X3 X2Y X4
1 18 1 18 1 18 1
8 6 64 48 512 384 4096
2 3 4 6 8 12 16
10 14 100 140 1000 1400 10000
5 1 25 5 125 25 625
3 12 9 36 27 108 81
9 10 81 90 729 810 6561
9 17 81 153 729 1377 6561
4 7 16 28 64 112 256
1 12 1 12 1 12 1
z1 0 7 z
8 15 64 120 512 960 4096

7 2 49 14 343 98 2401
3 5 9 15 27 45 81
2 7 4 14 8 28 16
6 3 36 18 216 108 1296
2 16 4 32 8 64 16
∑ 80 148 548 749 4310 5561 36104
148 = 16a + 80b +548c (1)
749 = 80a + 548b + 4310c (2)
5561 = 548a + 4310b + 36104c (3)
-740 = -80a - 400b - 2740c (1) (x-5)

-749 = 80a + 548b + 4310c (2)
9= 0 + 148b + 1570c (4)
-5069 = -548a - 2740b - 1236562c (1) (x-34.25)

5561 = 548a + 4310b + 36104c (3)
492 =0 + 1570b - 1200458c (5)
-95.47 = -1570b - 16654.73c (4) (x-10.6081081)

492 = 1570b - 1200458c (5)
396.53 = 0 - 1183803.27c
c= 0.00033496
9 = 148b +1570(-0.00033496) (4)
b= 0.06
148 = 16a +80(0.06)+348(-0.00033496) (1)
A = 8.96
Luego:
y = 8.96+0.06(x) +(-0.0033)(x2)
z1 0 8 z
Respuesta: Sí existe relación y es de tipo lineal curvilíneo
8. Determinemos si existe relación entre la producción (X) en miles de unidades

de los televisores y refrigeradoras (Y) de la empresa “Línea S.A.”
X Y X2 XY X3 X2Y X4
3 18 9 54 27 162 81
8 3 64 24 512 192 4096
2 11 4 22 8 44 16
2 1 4 2 8 4 16
10 7 100 70 1000 700 10000
9 12 81 108 729 972 6561
4 3 16 12 64 48 256
7 1 49 7 343 49 2401
3 14 9 42 27 126 81
3 6 9 18 27 54 81
5 2 25 10 125 50 625
9 16 81 144 729 1296 6561
8 13 64 104 512 832 4096
7 4 49 28 343 196 2401
2 7 4 14 8 28 16
8 8 64 64 512 512 4096
∑ 90 126 632 723 4974 5265 41384
126 = 16a + 90b +632c (1)
723 = 90a + 632b + 4974c (2)
5265 = 632a + 4974b + 41384c (3)
z1 0 9 z
-708.75 = -90a - 506.25b - 3555c (1) (x-5.625)

-723 = 90a + 632b + 4974c (2)
14.25 = 0 + 125.75b + 1419c (4)
-4977 = -632a - 3555b - 24964c (1) (x-39.50)

5265 = 632a + 4974b + 41384c (3)
288 =0 + 1419b - 16240c (5)
-160.80 = -1419b - 16012.41c (4) (x-11.2842942)

288 = 1419b + 16240c (5)
127.20 = 0 + 227.59c
c= 0.56
14.25= 125.75b +1419(0.56) (4)
b= -6.22
126 = 16a +90(6.46)+632(0.56) (1)
a = -50.58
Luego:
y = -50.58+(-6.22)(x) +0.56(x2)
Respuesta: Sí existe relación entre la producción de televisores y refrigeradoras.
z1 1 0 z
9. Determinemos si existe relación entre la producción (X) y la venta (Y) de fraza-

das de la empresa Santa Catalina S.A.
X Y X2 XY
1 15 1 15
3 12 9 36
5 13 25 65
8 12 64 96
10 16 100 160
2 10 4 20
15 16 225 240
12 10 144 120
5 9 25 45
6 8 36 48
8 16 64 128
9 18 81 162
4 15 16 60
2 14 4 28
9 13 81 117
TOTAL 99 197 879 1340
a = (∑y)(∑x2) - (∑x)(∑xy) = (197)(879)-(99)(1340) = 173163 – 132660 = 40503
N∑x2 – (∑x)2 15(879)-(99)2 13185-9801 3384
a = 11.96
b = N∑xy - (∑x)(∑y) = (15)(1340)-(99)(197) = 20100 – 19503 = 1937 = 0.1764

N∑x2 - (∑x)2 15(879)-(99)2 13185-9801 3384
Luego:
y = 11.96 + 0.1764x
Rpta.: Si hay regresión estadística de tipo lineal positivo.

z1 1 1 z
presa CONSTRUCCIONES S.A.
X Y X2 XY
1 16 1 16
3 12 9 36
4 9 16 36
7 15 49 105
5 17 25 85
8 14 64 112
6 9 36 54
2 15 4 30
10 13 100 130
12 10 144 120
2 12 4 24
9 14 81 126
2 16 4 32
15 18 225 270
3 10 9 30
2 9 4 18
TOTAL 91 209 775 1224
a = (∑y)(∑x2)- (∑xy) = (209)(775)-(91)(1224) = 161975 – 111384 = 50591
N∑x2 - (∑x)2 16(775)-(91)2 12400-82851 4119
a = 12.28
b = N∑xy - (∑x)(∑y) = (16)(1224)-(91)(209) = 19584 – 19019 = 565 = 0.13

N∑x2 - ( ∑x)2 16(775)-(91)2 12400-8281 4119
Luego:
y =12.28 +0.13x
Resuesta: Sí hay regresión estadística de tipo lineal positivo
z1 1 2 z
Lección 7
CORRELACIÓN ESTADÍSTICA
7.1 Concepto de correlación estadística

La correlación estadística viene a ser el grado de relación o el grado de dependencia
que existe entre los puntos que se relacionan con respecto a su valor medio, ocupando
generalmente toda el área de dispersión de puntos en un proceso de regresión estadís-
tica.
La correlación estadística se representa por un valor numérico llamado coeficiente de

correlación (r) y que se halla utilizando la siguiente fórmula o relación matemática.
Gráfico de la correlación
z1 1 3 z
7.2 Condiciones de la correlación

La correlación estadística representado por su correspondiente coeficiente de correla-
ción debe cumplir con las siguientes condiciones:
Primera condición:
El coeficiente de correlación es un valor numérico comprendido entre +1 y -1.
Segunda condición:
Si el valor numérico del coeficiente de correlación tiende o se acerca a +1, se dice que
la relación entre las variables X, Y determina un proceso de regresión lineal positivo.
Tercera condición:
Si el valor numérico del coeficiente de correlación tiende o se acerca a -1, se dice que
la relación entre las variables X,Y determina un proceso de regresión lineal negativo.
Cuarta condición:
Si el valor numérico del coeficiente de correlación tiende o se acerca a cero, se dice

que la relación entre las variables X,Y determina una regresión circular lo que indica que
no hay relación entre X,Y.
z1 1 4 z
Hallemos el coeficiente de correlación para la relación: producción de algodón en TM

(X) y sus correspondientes ventas en miles de soles (Y).
X 4 18 14 12 5 2 16 18 6 16 14 10 8 4 8 12
Y 6 18 12 13 4 1 18 15 7 10 15 9 10 3 13 12
Para aplicar la fórmula del coeficiente de correlación, se tiene que elaborar un cuadro
de valores.
X Y X2 Y2 X,Y
4 6 16 36 24
18 18 324 324 324
14 12 196 144 168
12 13 144 169 156
5 4 25 16 20
2 1 4 1 2
16 18 256 324 288
18 15 324 225 270
6 7 36 49 42
16 10 256 100 160
14 15 196 225 210
10 9 100 81 90
8 10 64 100 80
4 3 16 9 12
18 13 324 169 234
12 12 144 144 144
TOTAL 177 166 2425 2116 2224
Remplazando los valores de la tabla en la fórmula:
z1 1 5 z
El coeficiente de correlación (r = 0.90) está indicado que existe regresión estadística

de tipo lineal positivo porque r se acerca a uno y además los puntos que relacionan las
variables X,Y están cercanos al valor medio que es la línea recta.
7.3 Tipos de correlación

Con el fin de facilitar la elaboración de informes en el proceso de regresión y correla-
ción estadística, es necesario conocer y diferenciar los diferentes tipos de correlaciones,
siendo estos:
a. Correlación lineal
En un proceso de regresión estadística, se dice que existe correlación lineal cuando se

relacionan dos variables (X,Y) que tienen diferente unidad de medida.
Ejemplos:
La relación entre la producción de arroz en toneladas métricas (TM) con sus corres-
pondientes ventas en nuevos soles.
La relación entre los pesos en kilogramos y estaturas en mts. de un grupo de perso-

nas.
La relación entre el número de automóviles vendidos con relación a las ventas en

dólares.
b. Correlación gradual
En un proceso de regresión estadística, se dice que la correlación es gradual cuando

las variables que se relacionan tienen igual unidad de medida.
Ejemplos:
La relación de ventas de televisores en nuevos soles con las ventas de radios en nue-
vos soles.
Las ganancias (X) y pérdidas (Y) en nuevos soles de una casa comercial.
z1 1 6 z
La relación de calificativos de estadística y matemáticas de un grupo de alumnos.
c. Correlación parcial
Comprende la relación de una variable independiente con un conjunto de variables

dependientes que intervienen en el proceso de regresión estadística, en este tipo de
correlación algunas de las variables dependientes son necesarias o imprescindibles en
la relación.
Ejemplo:
El rendimiento académico con relación a las variables estudio, asistencia, alimentación.
Las ventas de TV con relación a la propaganda, calidad y precio.
d. Correlación múltiple
Corresponde a la relación de una variable (independiente) con un conjunto de varia-

bles (dependientes) que intervienen en el proceso de regresión estadística. En este tipo
de correlación a diferencia de la correlación parcial todas las variables dependientes son
necesarias.
Ejemplo:
El rendimiento académico con relación a las variables estudio, libros, asistencia, atención,
alimentación, etc.
z1 1 7 z
Las ventas de TV con relación a la programada, calidad, precio, marca, color, oca-
sión.
z1 1 8 z
RESUMEN
Regresión estadística es un procedimiento del análisis bivariable que permite decir cuando la dispersión de
puntos que relacionan las variables (X,Y), tienden o se orientan hacia valores medios representados por una
línea recta o curva, se dice que en dicha relación existe el concepto de regresión estadística.
Regresión lineal positiva es cuando los puntos que relacionan dos variables tienen o se orientan a valores
medios representados por una línea recta de forma ascendente.
Regresión lineal negativa es cuando los puntos que relacionan dos variables tienen o se orientan a valores
medios representados por una línea recta de forma descendente, se dice que la relación entre las variables X,
Y muestra un proceso de regresión lineal negativo.
Regresión curvilínea es cuando los puntos que relacionan dos variables determinan una dispersión de pun-
tos que tienden o se orientan a valores medios representados por una línea curva de forma parabólica, se dice
que la relación entre las variables X, Y muestra un proceso de regresión curvilínea.
Regresión circular es cuando los puntos que relacionan dos variables determinan una dispersión que no
tienden a ningún valor medio (línea recta o curva), se dice que la relación entre las variables X, Y muestra un
proceso de regresión circular.
Correlación estadística es el grado de relación o el grado de dependencia que existe entre los puntos que
se relacionan con respecto a su valor medio, ocupando generalmente toda el área de dispersión de puntos en
un proceso de regresión estadística.
Correlación lineal, proceso de regresión estadística, se dice que existe correlación lineal cuando se relacio-
nan dos variables (X,Y) que tienen diferente unidad de medida.
Correlación gradual, proceso de regresión estadística, se dice que la correlación es gradual cuando las va-
riables que se relacionan tienen igual unidad de medida.
Correlación parcial, comprende la relación de una variable independiente con un conjunto de variables
dependientes que intervienen en el proceso de regresión estadística, en este tipo de correlación algunas de las
variables dependientes son necesarias o imprescindibles en la relación.
Correlación múltiple, corresponde a la relación de una variable (independiente) con un conjunto de varia-
bles (dependientes) que intervienen en el proceso de regresión estadística.
z1 1 9 z
1.http://www.monografias.com/trabajos26/estadistica-inferencial
2.http://www.fisicanet.com.ar/matematica/estadisticas/ap07_regresion_y_correlacion
3.http://www.cyta.com.ar/biblioteca/bddoc/bdlibros/guia_estadistica/modulo_12.htm
4.http://www.aulafacil.com/econometria/curso/Lecc-3.htm
z1 2 0 z
Lectura
Regresión y correlación*
El dueño de una fábrica que produce baterías para autos desea saber cómo se
muestra en la realidad la relación entre la producción de baterías y la venta de
baterías durante los doce meses del año 2006 para lo cual solicita al departa-
mento de producción y ventas que realicen dicho trabajo con el fin de conocer la
producción óptima en relación a la demanda del parque automotor.
Para cumplir con lo solicitado por el dueño de la fábrica se tiene que hacer
uso de los procedimientos que se indican en los temas de regresión y correlación
materia de estudio de la presente unidad temática.
Regresión estadística
Valor medio
Punto óptimo
Punto crítico
Correlación estadística
PRODUCCIÓN (TM)
*Fuente: Elaboración propia
z1 2 1 z
EJERCICIOS
1. Hallemos el coeficiente de correlación (r) para la relación entre las variables X e

Y que se indica en la siguiente tabla:
X Y X2 X.Y X3 X2.Y X4 Y2
12 5 144 25 1728 720 20736 25
3 15 9 225 27 135 81 225
19 9 361 81 6859 3249 130321 81
5 18 25 324 125 450 625 324
11 13 121 169 1331 1573 14641 169
23 34 529 1156 12167 17986 279841 1156
8 6 64 36 512 384 4096 36
17 7 289 49 4913 2023 83521 49
9 11 81 121 729 891 6561 121
7 16 49 256 343 784 2401 256
14 5 196 25 2744 980 38416 25
30 8 900 64 27000 7200 81000 64
TOTAL 158 147 2768 2531 58478 36375 1391240 2531
r = 0.8403437925
Respuesta. El coeficiente de correlación determina que la relación entre X e Y muestra una regre-
sión de tipo lineal positivo.
2. Hallemos el coeficiente de correlación (r) para la relación entre las variables X

e Y que se indica en la siguiente tabla:
28 2 784 56 21952 1568 614656 4
30 46 900 1380 27000 41400 810000 2116
19 29 361 551 6859 10469 130321 841
45 9 2025 405 91125 18225 4100625 81
36 15 1296 540 46656 19440 1679616 225
11 18 121 198 1331 2178 14641 324
24 21 576 504 13824 12096 331776 441
13 30 169 390 2197 5070 28561 900
z1 2 2 z
9 19 81 171 729 1539 6561 361

26 4 676 104 17576 2704 456976 16
17 5 289 85 4913 1445 83521 25
8 22 64 176 512 1408 4096 484
10 38 100 380 1000 3800 10000 1444
TOTAL 276 258 7442 4940 235674 1211342 8271350 7262
r = -0.2920018048
sión de tipo circular.

Y que se indica en la siguiente tabla
5 36 25 180 125 900 625 1296
12 2 144 24 1728 288 20736 4
8 15 64 120 512 960 4096 225
14 19 196 266 2744 3724 38416 361
6 7 36 42 216 252 1296 49
19 21 361 399 6859 7581 130321 441
20 30 400 600 8000 12000 160000 900
17 18 289 306 4913 5202 83521 324
2 14 4 28 8 56 16 196
6 8 36 48 216 288 12966 64
4 17 16 68 64 272 256 289
9 24 81 216 729 1944 6561 576
16 2 256 32 4096 512 65536 4
25 4 625 100 15625 2500 390625 16
TOTAL 163 217 2533 2429 45835 36479 903301 4745
z1 2 3 z

Y que se indica en la siguiente tabla
9 3 81 27 729 243 6561 9
5 9 25 45 125 225 625 81
10 15 100 150 1000 1500 1000 225
6 16 36 96 216 576 1296 256
5 12 25 60 125 300 625 144
4 8 16 32 64 128 256 64
3 9 9 27 27 81 81 81
12 7 144 84 1728 1008 20736 49
1 19 1 19 1 19 1 361
16 3 256 48 4096 768 65536 9
8 14 64 112 512 896 4096 196
19 5 361 95 6859 1805 130321 25
17 9 289 153 4913 2601 83521 81
11 6 121 66 1331 726 14641 36
2 11 4 22 8 44 16 121
TOTAL 128 146 1532 1036 21734 10920 338312 1738
r =-0.5621663051
sión de tipo lineal negativa.
z1 2 4 z

15 2 225 30 3375 450 50625 4
13 11 169 143 2197 1859 28561 121
25 5 625 125 15625 2125 390625 25
6 9 36 54 216 324 1296 81
8 15 64 120 512 960 4096 225
14 26 196 364 2744 5096 38416 676
38 19 1444 722 54872 27436 2085136 361
45 36 2025 1620 91125 72900 4100625 1296
16 11 256 176 4096 2816 65536 121
29 42 841 1218 24389 35322 707281 1764
7 8 49 56 343 392 2401 64
3 14 9 42 27 126 81 196
16 20 256 320 4096 5120 65536 400
31 7 961 217 29791 6727 923521 49
22 10 484 220 10648 4840 234256 100
5 3 25 15 125 75 625 9
TOTAL 293 238 7665 5442 244181 167568 8698617 5492
17338
r =
1148909348
r = 0.5115
sión de tipo lineal positivo.
z1 2 5 z

6 8 36 48 216 288 1296 64
3 15 9 45 27 135 81 225
11 2 121 22 1331 242 14641 4
5 13 25 65 125 325 625 169
18 7 324 126 5832 2268 104976 49
20 9 400 180 8000 3600 160000 81
8 12 64 96 512 768 4096 144
3 18 9 54 27 162 81 324
9 5 81 45 729 405 6561 25
19 3 361 57 6859 1083 130321 9
13 7 169 91 2197 1183 28561 49
4 12 16 48 64 192 256 144
7 11 49 77 343 539 2401 121
13 18 169 234 2197 3042 28561 324
10 2 100 20 1000 200 10000 4
21 7 441 147 9261 3087 194481 49
2 3 4 6 8 12 16 9
TOTAL: 172 152 2378 1361 38728 17531 686954 1794
r = 0.3358450901
z1 2 6 z

6 24 36 144 216 864 1296 576
11 31 121 341 1331 3751 14641 961
8 15 64 120 512 960 4096 225
3 28 9 84 27 252 81 225
19 16 361 304 6859 5776 130321 784
5 19 25 95 125 475 625 256
4 11 16 44 64 176 256 361
6 9 36 54 216 324 1296 121
2 6 4 12 8 24 16 81
9 14 81 126 729 1134 6561 36
10 13 100 130 1000 1300 10000 196
3 5 9 15 27 45 81 25
6 17 36 102 216 612 1296 289
7 20 49 140 343 980 2401 400
1 12 1 12 1 12 1 144
8 10 64 80 512 640 4096 100
12 6 144 72 1728 864 20736 36
10 7 100 70 1000 700 10000 49
TOTAL 130 263 1256 1945 14914 18889 207800 4809
r = 0.243663241
z1 2 7 z

25 11 625 275 15625 6875 390625 121
36 2 1296 72 46656 2592 1679616 4
12 8 144 96 1728 1152 20736 64
15 14 225 210 3375 3150 50625 196
28 16 784 448 21952 12544 614656 256
5 30 25 150 125 750 625 900
19 4 361 76 6859 1444 130321 16
4 26 16 104 64 416 256 676
30 2 900 60 27000 1800 810000 4
11 9 121 99 1331 1089 14641 81
18 18 324 324 5832 5832 104976 324
38 17 1444 646 54872 24548 2085136 289
9 29 81 261 729 2349 2085136 841
20 7 400 140 8000 2800 6561 49
6 39 36 234 216 1404 160000 1521
14 16 196 224 2744 3136 1296 256
11 19 121 209 1331 2299 38416 361
21 20 441 420 9261 8820 14641 400
34 33 1156 1122 39304 38148 194481 1089
48 7 2304 336 110592 16128 1336336 49
TOTAL 404 327 11000 5506 357596 137276 12962360 7497
r = 0.00000900285.
Respuesta. El coeficiente de correlación determina que la relación entre X e Y muestra una regresión
de tipo circular.
z1 2 8 z
EJERCICIOS PROPUESTOS
1. Halle el coeficiente de correlación (r) para la relación entre las toneladas (X) de
producción de polos con los precios de ventas (Y) y en nuevos soles.
X Y
2 8
3 4
8 2
7 9
5 1
6 14
7 10
1 5
8 2
1 4
7 7
9 3
2 4
5 2
6 1
3 10
80 86
Respuesta : r = - 0.058
2. Halle el coeficiente de correlación (r) para la relación entre los días (X) y metros
(Y) que se debe terminar una pista.
X Y
4 7
8 3
10 4
3 10
1 16
12 5
9 6
7 2
3 11
5 9
13 8
5 7
6 1
2 17
4 14
15 3
107 123
z1 2 9 z
3. Halle el coeficiente de correlación (r) para la relación entre la venta de periódi-

cos (x) y la venta de Revistas (Y) y en nuevos soles.
X Y
3 5
2 4
1 10
6 7
12 9
15 8
7 3
3 5
9 6
8 2
2 10
15 8
11 9
1 2
3 3
17 7
115 98
Respuesta : r = 0.3246
4. Identifique el coeficiente de correlación (r) para la relación entre la altura de

las vitrinas producidas por la Empresa “BRINDA” SAC (x) y las vitrinas de la
Empresa “ALTHEZA” SAC (y).
X Y
8 7
3 5
5 9
13 8
12 8
6 3
7 4
2 1
5 2
4 9
10 17
9 2
8 3
7 6
2 9
1 2
102 95
5. Halle el coeficiente de correlación (r) para la relación entre la velocidad por mi-
nuto (x) que la empresa “Naike” SAC produce gorras y el precio de venta (y)
de estas.
z1 3 0 z
X Y
2 3
4 5
6 7
8 9
13 10
5 2
1 4
13 17
8 15
11 13
9 9
7 5
5 1
4 10
1 5
12 7
109 122
Rpta: r = - 0.673
6. Identifique el coeficiente de correlación (r) para la relación entre las calificacio-

nes obtenidas por un grupo de universitarios de la Universidad Inca Garcilaso
de la Vega en los cursos de Contabilidad Superior (x) y Fundamentos de Costos
(y).
X Y
3 10
5 2
7 3
9 6
2 7
4 9
6 13
11 4
13 5
15 8
2 9
6 9
8 8
1 7
12 11
5 13
109 124
z1 3 1 z
7. Halle el coeficiente de correlación (r) para la relación entre las ventas de televi-
sores (x) en soles con la venta de Dvd’s (y) de la empresa “ELEKTRAST” SAC
X Y
8 5
3 4
2 7
7 3
13 6
16 9
15 10
12 11
9 4
6 3
5 5
10 7
8 8
5 8
4 5
3 6
126 100
8. Identifique el coeficiente de correlación (r) para la relación entre los números

de buses interprovinciales con los que cuenta la empresa “CIBAS” SAC (x) y los
que posee la empresa “TERRAPERÚ” (y)
X Y
9 3
4 5
8 6
7 8
6 10
15 4
13 3
9 4
8 5
3 8
12 9
11 3
10 4
7 2
6 8
5 2
133 84
z1 3 2 z
9. Halle el coeficiente de correlación (r) para la relación entre variables X e Y que

se indica en el siguiente cuadro:
X Y
8 5
9 15
10 23
24 2
16 5
15 7
9 16
17 13
12 12
3 7
5 9
7 8
135 122
r = -0.2723
Respuesta . El coeficiente de correlación determina que la relación entre X e Y muestra una regre-
sión circular.
10. Halle el coeficiente de correlación (r) para la relación entre variables X e Y que
se indica en el siguiente cuadro:
X Y
10 11
5 10
3 7
4 9
78 12
9 13
6 15
2 13
12 11
11 10
16 9
7 13
163 133
r = 0.110918146
sión circular.
z1 3 3 z
1. Cuando la dispersión de puntos que relacionan las variables tienden hacia una
línea recta o una línea curva, existe:
a) Correlación estadística.
b) Alianza de la varianza.
c) Regresión estadística.
d) Ensayo de medias.
e) Series de tiempos.
2. Regresión lineal positiva es cuando los puntos se orientan hacia valores medios
representados por:
a) La ecuación de la parábola.
b) Línea curva de forma parabólica.
c) Línea recta de forma ascendente.
d) Línea recta de forma descendente.
e) Solo c y d.
3. y = a+ bx +cx2 es la ecuación de la:
a) La parábola.
b) Índice de Passche.
c) El coeficiente de correlación.
d) Números Índice.
e) La línea recta.
4. Denominada también regresión no relacionada.
a) Regresión curvilínea.
b) Regresión lineal positiva.
c) Regresión lineal negativa.
d) Regresión circular.
e) N.A.
5. Las experiencias que determinan procesos de regresión estadística es cuando

se relacionan:
a) Una variable.
b) Ninguna variable.
c) Dos variables.
d) Tres variables.
e) N.A.
z1 3 4 z
6 ¿Cuáles son los tipos de correlación?
a) Lineal, total, gradual, múltiple.

b) Plana, circular, múltiple, lineal.
c) Lineal, parcial, gradual, múltiple.
d) Circular, parcial, lineal, múltiple.
7. Correlación gradual:
a) Cuando las variables tienen diferentes tipos de medida.

b) Cuando relacionamos dos variables con igual unidad de medida.
c) Cuando relacionamos más de dos variables de acuerdo a su grado.
e) N.A.
8. El coeficiente de correlación es un valor numérico comprendido entre:
a) 0 y + 1.
b) -1y + 1.
c) -1 y 0.
d) -0.5 y +0.5.
e) N.A.
9. La correlación estadística es el grado de ________ o el grado de __________

que existe entre las ______________ que se relacionan con respecto a su valor
medio.
a) Acción, relación, factores.

b) Relación, acción, variables.
c) Dependencia, acción, factores.
d) Relación, dependencia, variables.
e) N.A.
10. Si el valor del coeficiente de correlación se acerca o tiene a + 1 se dice que las
_____________ determina una regresión lineal _____________.
a) Factores, positiva.
b) Variables, positiva.
c) Producto, positiva
d) Causas, mayor.
e) N.A.
1. c, 2. c, 3. a, 4. d, 5. c, 6. c, 7. b, 8. b, 9. d, 10. b
z1 3 5 z
GLOSARIO
Regresión: Es una técnica estadística utilizada para simular la re-
lación existente entre dos o más variables. Por lo tanto
se puede emplear para construir un modelo que permi-
ta predecir el comportamiento de una variable dada.
Diagrama de dispersión: Representación gráfica de la relación entre dos variables,

muy utilizada en las fases de comprobación de teorías e
identificación de causas raíz y en el diseño de soluciones
y mantenimiento de los resultados obtenidos.
Acomodación: Cambio en los esquemas mentales de un individuo a fin

de encajar en ellos las nuevas experiencias.
Análisis de correlación: Grupo de técnicas estadísticas usadas para medir la

intensidad de la relación entre dos variables.
Variable dependiente: (respuesta, predicha, endógena): es la variable que se

desea predecir o estimar.
Variables independientes: Proveen las bases para estimar.
BIBLIOGRAFÍA
1. Barone, Sergio Víctor (1995) Índices de precios y cantidades: una aplicación desde la convertibilidad. Córdo-
ba, Banco.
2. Bonini Charles (2003) Análisis cuantitativos para los negocios. Madrid, Mc Graw Hill.
3. Díaz, Aldo (1979) Una formulación compacta de la teoría de los números índices. Buenos Aires,
La Plata. Univ. Nac. Fac. de Ciencias Económicas.
4. Dominick, Salvatore (2001) Econometría. Teoría y problemas. Series de compendios Schaum. Madrid Mc
Graw-Hill.
5. García Oré, Celestino (2007) Estadística descriptiva y probabilidades Lima, Santa Ursula.
6. Hillier Lieberman (2007) Métodos cuantitativos para administración. Madrid, Mc Graw – Hill.
z1 3 6 z
c u a r t a
UNIDAD
¿Cuáles son las principales
características de las series de
tiempo?
“Una máquina puede hacer el trabajo de 50 hombres corrientes. Pero no existe ninguna máquina
que pueda hacer el trabajo de un hombre extraordinario.”
Elbert Hubbard
1. ¿En qué consiste la serie de tiempo?

2. ¿Qué tipos de serie de tiempo existen?
3. ¿Cuál es el método para suavizar series de tiempo?
COMPETENCIAS
CONCEPTUALES:
• Explica las series de tiempo en un organizador visual.

• Describe los componentes de una serie de tiempo.
• Identifica el modelo adecuado para las series en proceso de
análisis.
PROCEDIMENTALES:
• Diseña modelos de series de tiempo, mediante los componentes

de tendencia, estacional y un término de error aleatorio.
• Detecta los componentes esenciales de la serie en un gráfico.
ACTITUDINALES:
• Acepta los métodos de suavización de series de tiempo.

• Muestra responsabilidad y laboriosidad en el diseño de modelos
de series.
z1 3 8 z
Esquema conceptual
TIPOS DE SERIES DE TIEMPO
TIPOS DE SERIES DE
TIEMPO
Larga duración
Tiempo cíclico
Tiempo estacionario
Tiempo irregular
CONCEPTOS CLAVE
Series de tiempo, métodos de series de tiempo, tipos de series de tiempo
z1 3 9 z
Lección 8
SERIES DE TIEMPO
8.1 Concepto de series de tiempo

Las series de tiempo son llamadas también “Series cronológicas” y viene a ser el mo-
vimiento lineal que representa al conjunto de observaciones sobre situaciones que se
van dando en la realidad y que se realiza a través del tiempo generalmente a espacios
o intervalos iguales, pudiendo ser dichas observaciones en segundos, minutos, horas,
días, semanas, meses, años, etc.
Una serie de tiempo nos permite mediante las observaciones, proyectarnos al futuro
y poder predecir o pronosticar nuevos posibles puntos a presentarse.
Así por ejemplo son observaciones de series de tiempo:
- La producción de cobre en el Perú en los diez últimos años.
- La población del Perú en los 20 últimos años.
- La venta de TV en los doce meses del año 2007.
- Las pulsaciones del corazón de las personas.
z1 4 1 z
8.2 Representación gráfica de una serie de tiempo

Consumo de energía eléctrica en Kw. /h
Fuente: Facturación
Las series de tiempo se representan mediante un gráfico lineal dentro de un sistema

de ejes coordenadas (X,Y) en donde X muestra el tiempo de los puntos observados y
en el eje Y se muestra las frecuencias de cantidades de la situación o fenómeno obser-
vado.
z1 4 2 z
Lección 9
TIPOS DE SERIES DE TIEMPO
9.1Tipos de series de tiempo

La gran cantidad de movimientos lineales correspondientes a observaciones sobre si-
tuaciones que se van dando en la realidad muestran diferentes formas o tendencias y la
estadística para un mejor análisis de dichos movimientos, los clasifica en cuatro formas
o tipos de series de tiempo, siendo estos:
a. Series de tiempo de larga duración
Las series de tiempo de larga duración son todas aquellas observaciones que se dan
a través de tiempo generando un movimiento lineal cuya tendencia es de aumento o
crecimiento.
Son ejemplos de series de tiempo de larga duración entre otros:
– El incremento poblacional en el Perú en los últimos 20 años.
– El incremento del parque automotriz en la ciudad de Lima en los 10 últimos años.
z1 4 3 z
Gráfico de una serie de tiempo de larga duración
b. Series de tiempo cíclico
Las series de tiempo cíclico son todas aquellas observaciones que se dan a través del
tiempo, generando movimiento lineal de tendencia ondulatoria o de aumento y dismi-
nución.
Son ejemplos de series de tiempo cíclico entre otros:
– El cambio de la moneda extranjera durante los 7 días de la semana.
– El consumo de energía eléctrica en los 30 días de un mes.
c. Serie de tiempo estacionario
Las series de tiempo de tipo estacionaria son todas aquellas observaciones que se dan
a través del tiempo generando puntos que se repiten con las mismas características en
espacios o intervalos de tiempo exactamente iguales. Son ejemplos de series de tiempo
estacionario entre otros:
z1 4 4 z
– Las pulsaciones del corazón de una persona sana.
– Las ventas de una casa comercial en los meses de mayo, julio y diciembre.
– La programación de los canales de TV.
d. Serie de tiempo irregular
Las series de tiempo irregular son todas aquellas observaciones que se dan a través
del tiempo generando puntos que en su proyección no permiten saber que es lo que va
suceder con el siguiente punto a presentarse, este movimiento no permite proyectarse
al futuro.
Son ejemplos de series de tiempo irregular entre otros:
– Las pulsaciones del corazón de una persona enferma.
– La quiebra de una empresa.
– Los movimientos sísmicos.
z1 4 5 z
PRÁCTICA
El siguiente cuadro de datos muestra las observaciones mensuales del registro de

ventas de abarrotes, según facturas en miles de soles de una determinada bodega du-
rante el año 2007.
Para dichas observaciones la serie de tiempo correspondiente será:
Mes (X) Ventas en miles de soles (Y)

Enero 1
Febrero 4
Marzo 3
Abril 5
Mayo 15
Junio 8
Julio 26
Agosto 5
Septiembre 7
Octubre 6
Noviembre 2
Diciembre 27
VENTA DE ABARROTES EN MILES DE SOLES
Fuente: Registro de ventas
z1 4 6 z
Lección 10
MÉTODOS PARA SUAVIZAR UNA

SERIE DE TIEMPO
10.1 Suavización de series de tiempo

En la realidad las observaciones que se van a registrar a través del tiempo sobre si-
tuaciones que se vienen dando, determinan movimientos de diferentes tendencias que
al ser analizados no permiten tomar decisiones en forma inmediata, por lo que es reco-
mendable mejorar la serie de tiempo original o dicho de otra forma es necesario suavizar
al movimiento; reducir el número de observaciones es una forma de suavizar la serie de
tiempo original y la estadística proporciona cuatro (4) métodos o formas de suavizar un
movimiento original.
z1 4 7 z
10.2 Métodos para suavizar series de tiempo

a. Método libre (M.L.)
Consiste en suavizar la serie de tiempo original mediante un nuevo movimiento re-

presentado por una línea recta que muestra la tendencia del movimiento original y que
generalmente se hace a la simple observación de la serie de tiempo original.
Es recomendable en la práctica que este método sea realizado por personas que ten-
gan experiencia en el análisis de series de tiempo con el fin de no cometer error al tomar
una decisión utilizando este método. En la aplicación práctica del grafico anterior sería:
Ejemplo:
b. Método de semi-medios (MSM)
Consiste en dividir la totalidad de puntos observados en dos partes exactamente

iguales con el fin de obtener 2 nuevos puntos (valor medio) que representen a las dos
partes. La unión de estos dos nuevos puntos mediante una línea recta, será el nuevo
movimiento que suavice la serie de tiempo original.
Ejemplo:
Mes Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Set. Oct. Nov. Dic.
Ventas 1 4 3 5 15 8 26 5 7 6 2 27
El punto P1 se coloca entre los meses de marzo y abril y el punto P2 entre los meses
de septiembre y octubre por ser la mediana de cada parte.
z1 4 8 z
c. Método de movimiento medios de orden N
Este método consiste en dividir en tres o más grupos el total de puntos observados
de la serie de tiempo original. Los grupos deben estar conformados por un orden N de
puntos (N = 2, 3, 4,5….) observados de tal modo que cada grupo esté representado por
un nuevo punto que es el promedio.
La unión de estos nuevos puntos será el movimiento que suavice la serie de tiempo
original.
Ejemplo:
Suavizar la serie de tiempo, siendo N = 5
Mes Ene. Feb. Mar. Abr. May. Jun. Jul. Ago. Set. Oct. Nov. Dic.
Ventas 1 4 3 5 15 8 26 5 7 6 2 27
Trabajando el nuevo movimiento según los nuevos puntos obtenidos, se tiene:
z1 4 9 z
d. Método de la línea recta (MLR)
Para suavizar una serie de tiempo mediante la aplicación de la línea recta, lo que se
tiene que hacer es utilizar la ecuación de la línea recta que es:
Y = a + bx
Donde:
Para hallar los valores de a y b, se construye una tabla de valores con los datos de la
serie de tiempo original, que es:
X X Y X2 XY
Enero -6 1 36 -6
Febrero -5 4 25 -20
Marzo -4 3 16 -12
Abril -3 5 9 -15
Mayo -2 15 4 -30
Junio -1 8 1 -8
Julio 1 26 1 26
Agosto 2 5 4 10
Septiembre 3 7 9 21
Octubre 4 6 16 24
Noviembre 5 2 25 10
Diciembre 6 27 36 162
Total 0 109 182 162
Los meses (x) se ha reemplazado por valores numéricos, de tal modo que no altere
las operaciones.
z1 5 0 z
Reemplazando los valores de la tabla en las fórmulas para hallar a y b, se tiene:
Reemplazando en la fórmula de la línea recta, se tiene:
Y = 9.08 + 0.89 X
Luego dándole 2 valores a X, tendremos:
Cuando: X1 = -4 (mes de marzo)
Y = 9.08 + 0.89 (-4)
Y = 9.08 – 3.56
Y = 5.52
Cuando: X2 = 4 (mes de octubre)
Y = 9.08 + 0.89 (4)
Y = 9.08 – 3.56
Y = 12.64
Finalmente, graficando la línea recta en la serie de tiempo original:
z1 5 1 z
Analizando el movimiento original mencionaremos hipotéticamente que las ventas

son de tipo irregular y no se sabe qué sucede durante todo el año, pero al suavizar o
mejorar la serie de tiempo con el método de la ecuación de la línea recta, estaríamos
indicando sin lugar a dudas que las ventas durante todo el año fueron en aumento, o se
incrementaron de enero a diciembre.
z1 5 2 z
RESUMEN
Series de tiempo o series cronológicas. Movimiento lineal que representa al conjunto de observaciones
sobre situaciones que se van dando en la realidad y que se realiza a través del tiempo generalmente a espacios
o intervalos iguales pudiendo ser dichas observaciones en segundos minutos, horas, días, semanas, meses,
años, etc.
Series de tiempo de larga duración. Son todas aquellas observaciones que se dan a través de tiempo gene-
rando un movimiento lineal cuya tendencia es de aumento o decrecimiento.
Series de tiempo cíclico. Son todas aquellas observaciones que se dan a través del tiempo generando mo-
vimiento lineal de tendencia ondulatorio o de aumento y disminución.
Serie de tiempo estacionario. Son todas aquellas observaciones que se dan a través del tiempo generando
puntos que se repiten con las mismas características en espacios o intervalos de tiempo exactamente iguales.
Serie de tiempo irregular. Son todas aquellas observaciones que se dan a través del tiempo generando
puntos que en su proyección no permite saber que es lo que va suceder con el siguiente punto a presentarse,
este movimiento no permite proyectarse al futuro.
Método libre (M.L.). Consiste en suavizar la serie de tiempo original mediante un nuevo movimiento re-
presentado por una línea recta que muestra la tendencia del movimiento original y que generalmente se hace
a la simple observación de la serie de tiempo original.
Método de Semi-medios (MSM). Consiste en dividir la totalidad de puntos observados en dos partes exac-
tamente iguales con el fin de obtener 2 nuevos puntos (valor medio) que representen a las dos partes. La
unión de estos dos nuevos puntos mediante una línea recta, será el nuevo movimiento que suavice la serie
de tiempo original.
Método de Movimiento Medios de Orden N. Consiste en dividir en tres o más grupos el total de puntos
observados de la serie de tiempo original. Los grupos deben estar conformados por un orden N de puntos
(N = 2, 3, 4,5….) observados de tal modo que cada grupo esté representado por un nuevo punto que es el
promedio.
1. http://www.monografias.com/trabajos30/software-ilegales/software-legales.shtml
2. http://www.geocities.com/SiliconValley/Pines/7894/modelos/metodos.
3. ftp://ftp.ehu.es/cidira/profs/oepriber/Tema1IO.pdf
4. http://www.ciencias.holguin.cu/2002/Junio/articulos/ARTI3.htm
5. www.cinvestav.edu.mx/saltillo/robotica/mariocastelan/simulacion/probabilidad.pdf
z1 5 3 z
Lectura
Series de tiempo*
El dueño de una casa comercial que vende artefactos eléctricos desea saber
como se muestra la venta total de artefactos eléctricos en cada uno de los meses
del año 2007, con el fin de tomar decisiones más adecuadas en la administración
de su empresa.
Para poder mostrar las ventas mensuales del año 2007, el encargado de la
tienda prepara o elabora una serie de tiempo que es el gráfico que corresponde
a las ventas dadas en los meses de enero a diciembre. Al observar y analizar las
ventas mes a mes el dueño observa que las mejores ventas se da en los meses de
mayo, julio y diciembre, las ventas más bajas o peores en los meses de febrero,
junio y noviembre.
De acuerdo a este análisis de la serie de tiempo o serie cronológica, el dueño
toma las siguientes decisiones; entre otras:
1. Estoquea el almacén con artefactos eléctricos para los meses de mayo,
julio y diciembre.
2. Contrata más personal para los meses de mayor venta.
3. No puede salir el personal de vacaciones los meses de mayo, julio y diciem-
bre (meses de mayor venta).
4. El personal en su mayoría debe salir de vacaciones en los meses de menos
venta.
*Fuente: Elaboración propia
z1 5 4 z
EJERCICIOS
1. El siguiente cuadro muestra en miles de soles la venta de leche registrada por

una tienda durante el año 2007, para dichas observaciones construir la serie de
tiempo correspondiente.
Mes Venta
Enero 20
Febrero 10
Marzo 4
Abril 15
Mayo 35
Junio 49
Julio 10
Agosto 25
Septiembre 50
Octubre 60
Noviembre 55
Diciembre 65
Distribuidora “Pamela”
Venta de leche en miles de soles, año 2007
Dpto. de ventas 01/01/2007

Rpta: Movimiento irregular
z1 5 5 z
2. El siguiente cuadro muestra las ventas en miles de soles de lentejas registradas

por la bodega “Weng” durante el año 2006 para dichas observaciones, cons-
truir la serie de tiempo correspondiente al artículo e indicar luego del análisis
del movimiento el tipo de serie de tiempo.
Mes Lentejas en kg
Enero 28
Febrero 15
Marzo 10
Abril 30
Mayo 25
Junio 8
Julio 12
Agosto 6
Septiembre 29
Octubre 15
Noviembre 50
Diciembre 45
Bodega Weng
Venta de lentejas en miles de soles, año 2006

Rpta.: Movimiento irregular
z1 5 6 z
3. En el cuadro presentamos los ingresos observados en el año 2005 por la venta

de computadoras en la Empresa Compuplaza S.A.C., mostrar la serie de tiempo
correspondiente.
Mes Computadoras
Enero 50
Febrero 70
Marzo 80
Abril 40
Mayo 35
Junio 20
Julio 15
Agosto 70
Septiembre 45
Octubre 55
Noviembre 20
Diciembre 75
Empresa Compuplaza S.A.C.

Venta de computadoras en soles del año 2005

z1 5 7 z
4. El siguiente cuadro presenta la venta de cigarrillos realizadas en miles de so-

les del comercial Humito S.A.C. en el año 2005. Construir la serie de tiempo
correspondiente.
Mes Cigarrillos
Enero 15
Febrero 30
Marzo 25
Abril 45
Mayo 10
Junio 25
Julio 10
Agosto 20
Septiembre 35
Octubre 50
Noviembre 80
Diciembre 90
Comercial Humito S.A.C.

Venta de Cigarrillos en miles de soles, año 2005

Rpta. Movimiento de larga duración
z1 5 8 z
5. Presentamos las ventas realizadas en los últimos 6 meses del año 2006 por el
comercio de arroz en la Empresa La ESPIGA E.I.R.L.
Mes ARROZ
Julio 10
Agosto 20
Septiembre 35
Octubre 50
Noviembre 80
Diciembre 90
Empresa La Espiga E.I.R.L.

Venta de arroz en miles soles, año 2006
Dpto. de Ventas 01/01/2007

Rpta.: Movimiento de larga duración
z1 5 9 z
6. Los datos registrados en el siguiente cuadro son referentes a la venta de café en

el año 2004 por el comercial COLITA S.A.C.
Mes Cafe
Enero 10
Febrero 40
Marzo 50
Abril 20
Mayo 30
Junio 80
Julio 70
Agosto 40
Septiembre 30
Octubre 60
Noviembre 90
Diciembre 100
Comercial Cholita S.A.C.

Venta de café en miles soles, año 2004

Rpta: Movimiento irregular
z1 6 0 z
7. Los datos encontrados en el cuadro reflejan los egresos que tiene el distribuidor
DANIELITO S.A. en el año 2002.
Mes Egresos
Enero 15
Febrero 10
Marzo 30
Abril 10
Mayo 25
Junio 40
Julio 45
Agosto 30
Septiembre 70
Octubre 80
Noviembre 60
Diciembre 90
Distribuidor Danielito S.A.

Egresos en soles, año 2002

Rpta.: Movimiento de larga duración
z1 6 1 z
8. El siguiente cuadro muestra las observaciones mensuales registradas según

factura de las ventas de botellas de vino en miles de soles de la empresa EL
EMBOTELLAMIENTO S.A.C. durante el año 2007.
Mes Botellas
Enero 2000
Febrero 10000
Marzo 15000
Abril 16000
Mayo 8000
Junio 20000
Julio 9000
Agosto 7000
Septiembre 2000
Octubre 5000
Noviembre 3000
Diciembre 16000
Empresa El Embotellamiento S.A.C.

Ventas de Botellas de vino en soles, año 2007

z1 6 2 z
9. En la siguiente representación muestra el índice de las compras para artículos

de útiles de limpieza de la empresa PINESOL S.A.C. en soles del año 2006.
Mes Útiles de limpieza

Enero 10000
Febrero 12000
Marzo 4000
Abril 2000
Mayo 4000
Junio 20000
Julio 22000
Agosto 28000
SeptiembrE 3000
Octubre 1000
Noviembre 1700
Diciembre 1500
Empresa Pinesol S.A.C.

Venta de útiles de limpieza en soles, año 2006
Dpto. de ventas 01/0182007

z1 6 3 z
10. En el siguiente cuadro se muestran las observaciones mensuales registradas

según facturas obtenidas por las ventas de uniformes en soles de la empresa EL
TELAR S.A.C. del año 2007.
Mes Uniformes
Enero 120
Febrero 100
Marzo 80
Abril 60
Mayo 100
Junio 140
Julio 90
Agosto 50
Septiembre 110
Octubre 115
Noviembre 90
Diciembre 160
Empresa El Telar S.A.C.

Venta de uniformes en soles, año 2007
Dpto. de Ventas 01/01/2008

Rpta.: Movimiento cíclico
z1 6 4 z
EJERCICIOS PROPUESTOS
1. El siguiente cuadro muestra las observaciones mensuales registradas según
factura de las ventas en miles de soles por el departamento de ventas de la em-
presa MODELO SAC para los artículos de dormitorio durante el año 2006. Para
dichas observaciones diga qué tipo de serie se da:
Ventas E F M A M J J A S O N D
Artículo de
1000 1100 1000 1100 1200 1100 1200 1300 1200 1400 1300 1500
dormitorio
Rpta.: serie de tipo de larga duración
2. El siguiente cuadro muestra las observaciones durante 12 meses del año 2006,
sobre la venta de carne en miles de soles. Para dichas observaciones diga qué
tipo de serie se da:
Meses E F M A M J J A S O N D
Artículo
8 10 7 8 15 5 8 6 17 8 11 14
carne
Rpta.: serie de tipo estacionario
sobre la venta de polos en miles de soles. Para dichas observaciones diga qué
Artículo
7 12 11 17 8 14 9 19 14 5 9 1
polos
Rpta.: serie de tipo de tipo irregular
sobre la venta de pantalones de vestir para dama en miles de soles. Para dichas
observaciones diga qué tipo de serie se da:
Artículo
5 8 7 10 9 13 12 12 15 16 18 21
pantalones
5. El siguiente cuadro muestra las observaciones durante 12 meses del año 2006
sobre la venta de carros último modelo en miles de soles. Para dichas observa-
ciones diga qué tipo de serie se da:
Artículo
10 17 6 16 7 8 7 14 6 18 6 11
Carros
Rpta.: serie de tipo cíclico
z1 6 5 z
sobre la venta de pantalón de vestir para caballeros en miles de soles. Para di-
chas observaciones diga qué tipo de serie se da:
Artículo
10 12 9 10 17 7 10 8 19 10 13 15
pantalón
Rpta.: serie de tipo de estacionario
sobre la venta de televisores en miles de soles. Para dichas observaciones diga
qué tipo de serie se da:
Artículo
9 12 11 14 13 17 16 16 19 20 22 25
televisor
sobre la venta de DVD en miles de soles. Para dichas observaciones diga qué
Artículo
4 8 7 13 4 10 5 15 10 1 5 1
DVD
Rpta.: serie de tipo irregular
sobre la venta de computadoras en miles de soles. Para dichas observaciones
diga qué tipo de serie se da:
Artículo
6 8 5 6 13 3 6 4 15 6 9 12
computadora
Rpta.: serie de tipo estacionario
sobre la venta de refrigeradoras en miles de soles. Para dichas observaciones
diga qué tipo de serie se da:
Artículo
8 15 4 14 5 6 5 12 4 16 4 9
refrigeradora
Rpta.: serie de tipo cíclico.
z1 6 6 z
1. Las series de tiempo también son llamadas:
a) Series en movimiento.
b) Series temporal.
c) Series cronológicas.
d) Serie parcial.
e) N.A.
2. La serie de tiempo se representa mediante un:
a) Gráfico curvilíneo.
b) Gráfico lineal.
c) Gráfico circular.
d) Todos los anteriores.
e) N.A.
3. Una de las alternativas no es un tipo de serie de tiempo
a) Movimiento o serie de tiempo de corta duración.

b) Movimiento o serie de tiempo cíclico.
c) Movimiento o serie de tiempo estacionario.
d) Movimiento o serie de tiempo irregular.
e) N.A.
4. ¿Cuál de las alternativas son observaciones de series de tiempo?
a) Las ventas de TV de una casa comercial en los 12 meses del año 2007.
b) La producción de cobre en el Perú en los 10 últimos años.
c) El incremento poblacional en la ciudad de Lima en los 20 últimos años.
d) Las pulsaciones del corazón de una persona.
e) Todas las anteriores.
5. Son todos aquellos movimientos o series de tiempo que muestran un gráfico

lineal cuya tendencia es aumento o de incremento de la situación observada a
través del tiempo.
a) Movimiento o serie de tiempo de larga duración.

b) Movimiento o serie de tiempo cíclico.
c) Movimiento o serie de tiempo estacionario.
d) Movimiento o serie de tiempo irregular.
e) N.A.
z1 6 7 z
6. Es un ejemplo de movimiento o serie de tiempo cíclico.
a) El incremento poblacional en la ciudad de Trujillo.

b) Pulsaciones del corazón de una persona sana.
c) Inversiones en la bolsa.
d) El cambio de la moneda extranjera.
7. El movimiento o serie de tiempo cíclico muestra un movimiento:
a) Lineal de aumento.
b) Lineal de aumento y disminución en forma homogénea.
c) Lineal en disminución.
d) Todas las anteriores.
e) N.A.
8. Es cuando las observaciones que se dan a través del tiempo muestran puntos
que se repiten con las mismas características en espacio o intervalos exacta-
mente iguales, nos referimos al tipo de movimiento:
a) Movimiento de tiempo cíclico.

b) Movimiento de tiempo de corta duración.
c) Movimiento de tipo estacionario.
d) Movimiento de tiempo regular.
e) N.A.
9. No es un ejemplo de movimiento o serie de tiempo irregular
a) Las pulsaciones del corazón de una persona enferma.

b) Inversiones en la bolsa.
c) Movimiento sísmico.
d) Consumo de energía eléctrica, agua.
10. ¿Qué nos permite una serie de tiempo?
a) Proyectarnos en el futuro.
b) Analizar el presente.
c) Verificar el pasado.
d) Poder pronosticar nuevos posibles puntos a presentarse.
e) a y d.
1 c, 2 b, 3 a, 4 e, 5 a, 6 d, 7 b, 8 c, 9 d, 10 e
z1 6 8 z
GLOSARIO
Series de tiempo: Son una serie temporal o cronológica. Son también, un

conjunto de observaciones de una variable, ordenadas
según transcurre el tiempo.
Tendencia: Es un movimiento de larga duración que muestra la

evolución general de la serie en el tiempo.
Variaciones estacionales: Se habla de este tipo de variaciones usualmente cuan-

do el comportamiento de la variable en el tiempo en
un periodo está relacionado con la época o un periodo
particular, por lo general en el espacio cronológico pre-
sente
Variaciones cíclicas: Se llama a las oscilaciones a lo largo de una tendencia

con un periodo superior al año. El ciclo sugiere la idea
de que este tipo de movimiento se repite cada cierto
periodo con característica parecida.
BIBLIOGRAFÍA
1. García Ore, Celestino (2007) Estadística descriptiva y probabilidades. Lima, Santa Ursula.
2. Levin, Richard I. (1988) Estadística para administradores. México D.F., Prentice-Hall Hispanoamericana.
3. Toledo Muñoz, Isabel (1994) Estadística. México D.F., Alhambra Mexicana S. A.
4. Webster Allen, J. (2006) Estadística aplicada a los negocios y la economía. Bogotá, Mc Graw-Hill.
z1 6 9 z
q u i n t a
UNIDAD
¿Cómo se realiza el análisis
de indicadores cualitativos y
cuantitativos en los negocios?
“Ganar y tener éxito no lo es todo; pero, anhelar el éxito sí lo es”.
V. Lombardi
¿Qué son los números índices?

¿Cuándo se aplica los números índices?
¿Cuál es la diferencia entre inflación, deflación e indexación?
COMPETENCIAS
CONCEPTUALES:
• Explica los números índice valorando su importancia en la

variación de una variable en momentos distintos.
• Describe los índices simples y compuestos.
• Diferencia inflación, deflación e indexación.
PROCEDIMENTALES:
• Esquematiza los índices simples y compuestos.

• Resuelve ejercicios y problemas de números índice, inflación,
deflación e indexación.
ACTITUDINALES:
• Valora la aplicación de números índice en el área contable.

• Critica los índices variaciones de precios y cantidades de
consumos.
• Acepta resolver problemas de números índice, inflación, deflación
e indexación.
z1 7 2 z
Esquema conceptual
REALIZACIÓN DEL ANÁLISIS DE INDICADORES

CUALITATIVOS Y CUANTITATIVOS EN LOS
NEGOCIOS
INDICADORES CUALITATIVOS Y CUANTITATIVOS EN

LOS NEGOCIOS
Número de índice Aplicación de números índice
Medida estadística diseñada Índices simples Índices compuestos

para poner de relieve cambios
en una variable o en un grupo
de variables
Precios relativos Laspeyres
Cantidad relativa Passche
Valor relativo Fisher
CONCEPTOS CLAVE
Número índice, índice simples, precios relativos, cantidadrelativa, valor relativo,

índice compuestos Laspeyres, Passche, Fisher
z1 7 3 z
Lección 11
ANÁLISIS DE INDICADORES
CUALITATIVOS Y CUANTITATIVOS
EN LOS NEGOCIOS
11.1 Concepto de número índice

Los números índices son valores relativos que muestran o indican la variación que
existe en una variable determinada en dos momentos distintos, siendo estos momentos:
uno actual y el otro de referencia o comparación.
La relación matemática o fórmula que permite calcular los números índices es:
Donde:
I = Es el número índice en %.
Xn = Es la variable del tiempo actual.
Xo = Es la variable del tiempo base de referencia o comparación.
100 =Es la constante porcentual.
Los números índice se usan generalmente para comparar la variación de precios y

cantidades de consumo de uno o más artículos.
z1 7 5 z
11.2 Aplicaciones de los números índice

Las aplicaciones de los números índices son muchas pero los de mayor uso son:
a. Los índices simples:
Como por ejemplo los índices de precios relativos, los índices de cantidades relativas
y los índices de valores relativos.
b. Los índices compuesto o ponderados:
Como por ejemplo los índices de Laspeyres, índice de Passche y el índice de Fisher.
Para hacer la aplicación de los números índices se tomará en cuenta el siguiente cua-
dro que muestra los precios y cantidades de consumo para cinco (5) artículos de primera
necesidad.
Periodo Enero 2007 Diciembre 2007

Artículo Precio Cantidad Precio Cantidad
Arroz 2.10 10 2.80 10
Azúcar 2.60 8 2.70 7
Leche 2.20 60 2.60 50
Carne 14.00 10 18.00 12
Aceite 4.80 5 4.20 4
Fuente: Datos proporcionados por familias de 5 personas.
z1 7 6 z
Lección 12
ÍNDICES SIMPLES Y COMPUESTOS
12.1 Índices simples

La aplicación de los números índices en su forma simple:
a. Índice de precios relativos (PR)
Los índices de precios relativos están referidos a mostrar la variación de precios en

valores relativos (porcentajes) en dos momentos distintos, para lo cual se aplica la si-
guiente relación matemática:
Donde:
Pn = Es el precio del momento actual.
Po = Es el precio del tiempo base o tomado como referencia o comparación.
100 = Es la constante porcentual.
Ejemplo 1:
Tomando los datos registrados en el cuadro, ¿cuál es el índice de precios relativos del
artículo arroz en diciembre 2007 con respecto a enero 2007?
z1 7 7 z
Luego, la variación según el índice de precio relativo será:
VPR = 133.33% - 100%
VPR = 33.33%
Esto quiere decir que la variación del precio del arroz en diciembre 2007 con respecto
al precio de enero 2007 es de 33.33% de aumento.
Ejemplo 2:
¿Cuál es la variación del precio del azúcar en el mes de diciembre 2007 con respecto
al mes de enero 2007 según el número índice de precio relativo?
PR = 1.0384 x 100
PR = 103.84 %.
Luego, las variaciones según el índice de precio relativo serán:
VPR = 103.843% - 100%
VPR = 3.84%
Esto quiere decir que la variación del precio del azúcar en diciembre con respecto a
enero 2007 se incrementó en un 3.84%.
Ejemplo 3:
¿Cuál es la variación de precio de aceite en el mes de diciembre 2007 con respecto al

mes de enero 2007, según el índice de precios relativos?
PR = 0.875 x 100
PR = 87.5%.
z1 7 8 z
Luego las variaciones según el índice de precio relativo serán:
VPR = 87.5% - 100%
VPR = -12.5%
Esto quiere decir que la variación del precio del aceite en diciembre 2007 con respecto
a enero 2007 ha disminuido en un 12.5%.
b. Índice de cantidades relativas (qR)
Los índices de cantidades relativas, están referidos a mostrar la variación de cantida-

des de consumo en valores relativos (porcentajes) en dos momentos distintos, para lo
cual se aplicará la siguiente relación matemática.
Donde:
qn = Es la cantidad de consumo del momento actual.

qo = Es la cantidad de consumo del tiempo base o de referencia.
Ejemplo 1:
Tomado los datos registrados en el cuadro de precios y cantidades de consumo, ha-

llemos el índice de cantidad relativa del artículo leche en diciembre 2007 con respecto
a enero 2007.
qR = 0.8333 x 100
qR = 83.33%.
Luego las variaciones según el índice de cantidad relativo serán:
VqR = 83.335% - 100%
VqR = -16.67%
Esto quiere decir que la variación de la cantidad de consumo del artículo leche en
diciembre 2007 con respecto a enero 2007 ha disminuido en un 16.67%.
Ejemplo 2:
¿Cuál es la variación de la cantidad de consumo del artículo carne en diciembre 2007

con respecto a enero 2007?
z1 7 9 z
qR = 1.2 x 100
qR = 120%.
Luego, las variaciones según el índice de cantidad relativo serán:
VqR = 120% - 100%
VqR = 20%
Esto quiere decir que la variación de la cantidad de consumo del artículo carne en
diciembre 2007 con respecto a enero 2007 se incrementó en un 20%.
c. Índice de valores relativos (VR)
Los índices de valores relativos están referidos a mostrar la variación de precios y

cantidad de consumo de los artículos en dos momentos distintos, para lo cual se hace
uso de la siguiente relación matemática, fórmula o estadígrafo.
VR = PR x qR
Ejemplo 1:
Tomando la información registrada en el cuadro de precios y cantidades de consumo

hallemos o calculemos la variación del valor relativo para el artículo arroz en el mes de
diciembre 2007 con respecto a enero 2007.
Aplicando la fórmula tenemos:
VR =(1.333 X 1)X 100
VR =1.33.3%
Luego las variaciones del valor relativo (precio y cantidad de consumo), será:
VVR = 133.3% - 100%
VVR = 33.3%
z1 8 0 z
Lo que quiere decir que la variación del valor relativo para el artículo arroz en cuanto
al precio y cantidad de consumo en diciembre 2007 con respecto a enero 2007 es de un
aumento o incremento del 33.3%.
Ejemplo 2:
Hallemos la variación del valor relativo para el artículo carne en diciembre del 2007
con respecto a enero 2007.
Aplicando la fórmula tenemos:
VR =(1.2857 X 1.2) x 100
VR =1.5428 x 100
VR =154.28%
Luego las variaciones del valor relativo (precio y cantidad de consumo), será:
VVR = 154.28% - 100%
VVR = 54.28%
Lo que quiere decir que la variación del valor relativo para el artículo carne en cuanto
al precio y cantidad de consumo en diciembre 2007 con respecto a enero 2007 es de un
aumento o incremento del 54.28%.
z1 8 1 z
EJERCICIOS
Precios relativos
1. El propietario de una pequeña empresa quiere comparar las ventas y precios

del año 2007 con los del año anterior de que empezó a hacerse cargo del ne-
gocio.Los datos representan valores del primer cuatrimestre de ambos años.
Calculemos el índice de precios relativos para el mes de febrero.
Cuadro Nº 1
Precios y cantidades de frutas vendidas en el primer cuatrimestre
AÑOS 2006 y 2007
2006 2007
Ventas de frutas precio 200 Jabas 250 Jabas
Enero
por mayor 15.00 18.00
Febrero
por mayor 13.00 10.00
Marzo
por mayor 12.00 14.00
Abril
por mayor 11.00 13.00
Fuente: Área de logística
PR = 0.76923 x 100
PR = 76.92%
VPR = (76.92 – 100) %
VPR = -23.08 %
Decimos que en el mes de febrero se muestra una disminución en la variación de

precios de -23.08% para el año 2007 con respecto al año 2006.
2. Una compañía de transporte de carga pesada, desea comparar precios utilizan-

do el año 2000 como año base. Calcule el número de índice de precios para el
mes de octubre 2001.
z1 8 2 z
Cuadro Nº 2
Capacidad y costo de toneladas de los últimos 3 meses (en miles)
Años 2000 y 2001
2000 2001
Toneladas embarcadas costos 400 Tn 420 Tn
Octubre
por tonelada 50.00 52.00
Noviembre
Diciembre
Fuente: Departamento de Logística
PR = 104 x 100
PR = 104%
VPR = (104 – 100) %
VPR = 4 %
En el mes de octubre se muestra un incrementó de 4% en el año 2001 con respecto

al año 2000.
Cuadro Nº 3
Producción de fábrica y precio al por mayor de mantequilla y del queso en el país
2000 - 2004
2000 2001 2002 2003 2004

Producción de la
1136.7 1142.5 1101.9 918.6 952.1
mantequilla
Precios al por mayor 0.704 0.693 0.696 0.689 0.674
Producción del queso 1425.9 1517.5 1644.3 1672.5 1832.1
Precios al por mayor 0.649 0.671 0.714 0.843 0.973
Fuente: Departamento de Logística
3. Con referencia al cuadro Nº 3 y utilizando el año 2000 como el año base, calcule
el precio relativo de la mantequilla para el año 2004.
z1 8 3 z
PR = 0.957386 x 100
PR = 95.74%
VPR = (95.74 – 100) %
VPR = -4.26 %
4. Con referencia al cuadro Nº 3 y utilizando 2000 como el año base, calcule el

precio relativo del queso para el año 2004.
PR = 1.499229 x 100
PR = 149.90%
VPR = (149.90 – 100) %
VPR = 49.90 %
Cantidad Relativa
Cuadro Nº 4
Bodega de esquina
Precios y cantidades de consumo efectuado por la familia de cinco personas
Periodo Enero 2007 Diciembre 2007
Arroz 2.10 30 2.35 21
Azúcar 2.23 10 2.45 10
Leche 2.40 4 3.00 9
Carne 12.30 6 14.50 10
Aceite 4.10 8 4.20 4
Fuente: Según encuesta realizada por la bodega 28/10/2000
5. Hallar el índice de cantidad relativa del artículo leche. (Cuadro Nº 4)
z1 8 4 z
qR = 2.25 x 100
qR = 225
VqR = (225 – 100)%
VqR = 125%
El artículo leche muestra un aumento del 125% en el mes de diciembre del 2007 con
respecto al mes de enero del 2007.
6. Hallar el índice de cantidad relativa del artículo aceite (Cuadro Nº 4).
qR = 50%
VqR = (50 – 100) %
VqR = -50%
El artículo aceite muestra una disminución del 50% en el mes de diciembre 2007 con
respecto a enero 2007 para la cantidad de consumo.
Cuadro Nº 5
Empresa E and O S.A.C.
Precios y Cantidades de Útiles de Escritorio
Periodo Enero 2007 Julio 2007
Lapiceros 2.40 50 2.60 55
Grampas 5.00 50 5.50 60
Hojas 3.50 100 3.70 90
Lápices 1.00 50 1.10 45
Fuente: Área de Logística
7. Hallemos el índice de cantidad relativa del artículo hojas (Cuadro Nº 5)
qR = 90%
z1 8 5 z
VqR = (90 – 100) %
VqR = -10%
El artículo hojas muestra una disminución del -10% en el mes de julio con respecto a
enero del 2007 para la cantidad de consumo.
8. Hallemos el índice de cantidad relativa del artículo lápices
qR = 90%
VqR = (90 – 100)%
VqR = -10%
El artículo lápices muestra una disminución del 10% en el mes de julio del 2007 con
respecto a enero 2007 para la cantidad de consumo.
Valores relativos
Cuadro Nº 6
Precios promedios y consumo mensual de una muestra seleccionada de útiles
de escritorio en el departamento de contabilidad de la empresa De mi tierra lo
mejor S.A.
Unidad de Periodo Marzo 2007 Julio 2007

Cotización Artículo Precio Cantidad Precio Cantidad
Ciento Papel bond 4.50 30.00 4.60 27.50
Unidad Bolígrafos 2.50 13.00 2.50 10.00
Unidad Lápices 1.00 8.00 1.10 11.00
Caja Clips de papel 2.50 1.50 2.30 2.00
Fuente: Departamento de Contabilidad
9. Sobre la base del cuadro anterior, hallar el valor relativo para el artículo lápices.
z1 8 6 z
VR = 1.5125 X 100
VR = 151.25%
VPR = [151.25-100]%
VPR = 51.25%
Decimos que la variación para el artículo lápices muestra un aumento de 51.25% en

el mes de julio del 2007 con respecto al mes de marzo del 2007.
Cuadro Nº 7
La empresa El sueño S.A. tiene los siguientes precios y cantidades (en miles de
soles) de ventas de 4 productos o artículos tal como se muestra en el siguiente
cuadro.
Periodo Enero 2007 Julio 2007
Pantalones 50.00 30 52.00 40
Camisas 15.00 25 15.00 27
Polos 16.00 50 14.00 48
Shorts 40.00 40 35.00 20
Fuente: Departamento de Contabilidad
10. Con respecto al cuadro anterior, hallemos el valor relativo para el artículo ca-
misas.
VR = 1.08 X 100
VR = 108.00%
VPR = [108-100]%
VPR = 8.00%
Decimos que la variación para el artículo camisas muestra un aumento de 8% en el

mes de julio del 2007 con respecto al mes de enero del 2007.
z1 8 7 z
Cuadro Nº 8
Precios y cantidades de compras mensuales de la empresa Comercial Netar
E.I.R.L.
Periodo Abril 2007 Julio 2007
Botas 110.00 480 100.00 550
Zapatillas 105.00 540 120.00 620
Zapatos zuecos 60.00 350 65.00 330
Sandalias 43.00 450 45.00 530
Fuente: Departamento de Compras
11. Tomando como base el cuadro anterior, hallemos el valor relativo para el
artículo botas.
VR = (0.9090 x 1.1458)x 100
VR = 1.0415 x 100
VR = 104.15
VPR = [104.15-100]%
VPR = 4.15%
Decimos que la variación para el artículo botas muestra un aumento de 4.15% en el

mes de julio del 2007 con respecto al mes de abril del 2007.
12. 2 Índices compuestos

a. Índice de Laspeyres (IL)
El índice de Laspeyres es un índice compuesto o ponderado y permite hallar la va-

riación de precios y cantidades de consumo para 2 o más artículos. Este índice le da
importancia a las cantidades de consumo del tiempo base o de referencia por lo que se
aplica la siguiente fórmula o relación matemática.
z1 8 8 z
Ejemplo 1:
Hallar el índice compuesto de variación según Laspeyres para los precios y cantidades
de consumo de los cuatro artículos que se muestran en el siguiente cuadro.
Periodo Junio 2007 Diciembre 2007

Fideos 1.90 4 2.10 4
Aceite 4.20 4 4.80 3
Menestra 2.10 10 2.00 12
Queso 12.00 5 15.00 4
IL = 1.16318 x 100
IL = 116.31%
Luego la variación de precios y cantidades de consumo según el índice de Laspeyres es:
VIL = 116.31% - 100%
VIL = 16.31%
Este resultado nos indica que en el mes de diciembre 2007 con respecto a junio 2007
la variación de precios y cantidades de consumo para los cuatro artículos muestra un
aumento de 16.31%.
Ejemplo 2:
Hallar el índice compuesto de variación de precios y cantidades de consumo según el

índice de Laspeyres para los datos que se muestran en el siguiente cuadro:
Periodo Julio 2007 Diciembre 2007

Cuaderno 2.40 10 3.10 10
Lápiz 1.20 2 1.80 3
Borrador 1.50 2 1.60 1
z1 8 9 z
IL = 1.2857 x 100
IL = 128.57%
Luego la variación de precios y cantidades de consumo según el índice de Laspeyres

es:
VIL = 128.57% - 100%
VIL = 28.57%
El resultado indica que la variación de precio y cantidades de consumo muestra un

aumento o incremento de 28.57% en diciembre 2007 con respecto a julio 2007 para los
tres artículos que se indica en el cuadro.
b. Índice de Passche (IP)
El índice de Passche es otro índice compuesto o ponderado que permite hallar la variación
de precios y cantidades de consumo para 2 o más artículos al mismo tiempo. Este índice le
da importancia a las cantidades de consumo del tiempo actual o del momento actual.
Para hallar este índice se aplica la siguiente fórmula o relación matemática:
Ejemplo 1:
Hallemos el índice compuesto de variación según Passche para los precios y cantida-
des de consumo de los artículos que se muestran en el siguiente cuadro:

Fideos 1.90 4 2.10 4
Aceite 4.20 4 4.80 3
Menestra 2.10 10 2.00 12
Queso 12.00 5 15.00 4
z1 9 0 z
Aplicando la fórmula se tiene:
Ip = 1.1434 x 100
Ip = 114.34%
Luego, la variación de precios y cantidades de consume según Passche es:
VIp = 114.34% - 100%
VIp = 14.34%
Este resultado nos indica que en el mes de diciembre 2007 la variación de precios y
cantidades de consumo se incrementa en 14.34% con respecto al mes de julio 2007.
Ejemplo 2:
Hallemos el índice compuesto de variación de los precios y cantidades de consumo

según el índice de Passche para los datos que se muestra en el siguiente cuadro:

Cuaderno 2.40 10 3.10 10
Lápiz 1.20 2 1.80 3
Borrador 1.50 2 1.60 1
Aplicando la fórmula se tiene:
Ip = 1.3058 x 100
z1 9 1 z
Ip = 130.58%
Luego la variación de precios y cantidades de consumo según Passche es:
VIp = 130.58% - 100%
VI p = 30.58%
Este resultado nos indica que en el mes de diciembre 2007 la variación de precios y
cantidades de consumo se incrementa en 30.58% con respecto al mes de Julio 2007.
c. Índice de Fisher (IF)
El índice de Fisher, llamado también índice Ideal, es otro índice compuesto o ponde-
rado que permite hallar la variación de precios y cantidades de consumo para dos o más
artículos. Es necesario señalar que este índice, a diferencia de los dos índices compues-
tos anteriores, le da importancia a los consumos de tiempo actual o del momento, como
también al consumo del tiempo base o de referencia. La fórmula o relación matemática
que permite hallar el índice de Fisher es:
∑ Pn .q0 ∑ Pn .qn
IF = x x 100
∑ Po .qO ∑ Po .qn
Ejemplo 1:
Hallemos el índice compuesto de variación según Fisher para los precios y cantidades
de consumo de los artículos que se muestran en el siguiente cuadro:

Fideos 1.90 4 2.10 4
Aceite 4.20 4 4.80 3
Arroz 2.10 10 2.00 12
Queso 12.0 5 15.00 4
z1 9 2 z
If = 1.1529 x 100
If = 115.29%
Luego, la variación de precios y cantidades de consumo según Fisher será:
VIf = 115.29% - 100%
VIf = 15.29%
Esto significa que los precios y las cantidades de consumo en diciembre 2007 se in-
crementan en un 15.29% con relación a los precios y cantidades de consumo del mes
de julio 2007.
z1 9 3 z
EJERCICIOS
ÍNDICES COMPUESTOS
a) Índices de Laspeyres:
1. En base al cuadro Nº 1, hallemos el índice de Laspeyres.
IL = 109.47
VIL =(109.47 -100)%
VIL = 9.47%
2. En base al Cuadro Nº 2, hallemos el índice de Laspeyres.
IL = 106.02
VIL =(106.02 -100)%
VIL = 6.02%
3. En base al Cuadro Nº 6, hallemos el índice de Lasperyres
IL = 101.95
z1 9 4 z
VIL =(101.95 -100)%
VIL = 1.95%
IL = 94.39
VIL =(94.39 -100)%
VIL = -5.61%
IL = 103.97
VIL = (103.97 -100) %
VIL = 3.97%
b) Índice de Passche:
6. En base al Cuadro Nº 1, hallemos el índice de Passche
Ip = 112.89
VIp =(112.89 -100)%
VIp = 12.89%
z1 9 5 z
7. En base al Cuadro Nº 2, hallemos el índice de Passche
IP = 106.01
VIP =(106.01 -100)%
VIP = 6.01%
8. En base al Cuadro Nº 6, hallemos el índice de Passche.
IP = 102.34
VIP =(102.34-100)%
VIP = 2.34%
IP = 47.04%
VIP =(47.04-100)%
VIP = -52.96%
z1 9 6 z
IP = 103.87
VIP =(103.87-100)%
VIP = 3.87%
c) Índice De Fisher:
11. En base al Cuadro Nº 1, hallemos el índice de Fisher.
If = 1.1113 X 100
If = 111.13%
VIf = (111.13 – 100)%
VIf = 11.13%
If = 1.06012 X 100
If = 106.01%
VIf = (106.01 – 100)%
VIf = 6.01%
If = 102.14 %
VIf = (102.14 – 100)%
VIf = 2.14%
z1 9 7 z
If = 0.66634 X 100
If =66.634%
VIf = (66.634 – 100)%
VIf = -33.36%
If = 105.91 X 100
VIf = (105.91 – 100) %
VIf = 5.91%
z1 9 8 z
Lección 13
INFLACIÓN, DEFLACIÓN E
INDEXACIÓN
13.1 Inflación
Cuando los precios y las cantidades de consumo a través de los índices de precios al
consumidor (IPC), muestran un incremento progresivo y significativo en el tiempo po-
demos estar frente a un fenómeno de inflación, por lo que la inflación se puede calcular
en un determinado momento con la siguiente fórmula.
Donde:
% = Es la inflación.
IPcn = Es el índice de precios al consumidor del mes de estudio.
IPco = Es el índice de precios al consumidor del mes anterior al mes de estudio.
Ejemplo 1:
Hallemos la inflación (%) en el mes de diciembre del 2006 (Toman en cuenta los ín-
dices de precios promedio mensual al consumidor de Lima Metropolitana que se indica
en el siguiente cuadro).
z1 9 9 z
Índice de precios promedio mensual al consumidor

de Lima Metropolitana
(Base = Diciembre 2005)
Mes – 2006 IPC
Enero 102.5
Febrero 103.8
Marzo 104.5
Abril 105.5
Mayo 107.6
Junio 108.6
Julio 110.5
Agosto 111.6
Septiembre 112.5
Octubre 114.4
Noviembre 116.5
Diciembre 119.6
Fuente: Datos estimados por el autor para efectos de enseñanza
Resolviendo el ejemplo Nº 1, tenemos:
% =1.0266 x 100
% =102.66
Luego la inflación será:
% = 102.66 – 100
% = 2.66
Esto quiere decir que la inflación en el mes de diciembre 2006 fue de 2.66% con res-
pecto al mes de noviembre 2006.
Ejemplo 2:
Hallemos la inflación en el mes de julio del 2006
% =1.0174 x 100
% =101.74
z2 0 0 z
Luego la inflación será:
% = 101.74 – 100
% = 1.74
13.2 Deflación
El concepto de deflación es determinar o hallar el valor real de un valor nominal como
consecuencia de la inflación, esto quiere decir que cuando los precios van incrementan-
do a través del tiempo el poder de compra va disminuyendo siendo este fenómeno muy
notorio en los sueldos o remuneraciones de los trabajadores o empleados a un salario
determinado o fijo. La fórmula o relación matemática que nos permite hallar o calcular
la deflación en un momento determinado:
Donde:
VR = Es el valor real a calcular
VN = Es el valor nominal.
IPC o Deflactor = Son los índices de precio al consumidor del mes de estudio.
Para hacer las aplicaciones de deflación podemos tomar en cuenta el siguiente cuadro
de remuneraciones:
Remuneración Mensual Promedio en Nuevos Soles
(Año 2006)
Mes Nuevos soles
Enero 1,220
Febrero 1,221
Marzo 1,221
Abril 1,225
Mayo 1,230
Junio 1,226
Julio 1,226
Agosto 1,227
Septiembre 1,229
Octubre 1,230
Noviembre 1,231
Diciembre 1,231
Fuente: Datos estimados por el autor para efectos de enseñanza.

z2 0 1 z
Ejemplo 1.
Hallemos el valor real o remuneración real de un trabajador en el mes de julio 2006
Vn = Es el valor nominal (remuneración del mes de julio 2006).
Deflactor = Es el índice de precio al consumidor (IPC) del mes de julio del 2006.
1, 231
VR = x 100
119.6
VR = 11.0950 x 100
VR = 1109.50
Luego el valor nominal de S/. 1,226 que es la remuneración del mes de julio 2006, se
ha convertido por efecto de la deflación en un valor real de S/. 1109.50
Ejemplo 2.
Hallemos el valor real o remuneración real de un trabajador en el mes de diciembre

2006
1, 231
VR = x 100
119.6
VR = 10.2956 X 100
VR = 1029.26
Luego la remuneración real en diciembre 2006 es de S/. 1029.26.
13.3 Indexación
La indexación es una operación contraria a la deflación pues nos permite hallar el
valor nominal actualizado frente a un valor nominal en referencia, teniendo como datos
importantes para hallar, el índice de precios promedios mensual al consumidor y el cua-
dro de remuneraciones mensual promedio. La relación matemática o fórmula que nos
permite hallar la indexación es:
Donde:
VNAC = Valor nominal actual
VNAn = Valor nominal anterior
z2 0 2 z
IPCA = Índices de precios al consumidor actual.
IPCB = Índices de precios al consumidor del tiempo base o de referencia.
Ejemplo 1.
¿Cuánto debe ganar un trabajador en el mes de julio 2006 si tomamos como referen-
cia del mes de enero del 2006?
VNAC = 1220 x 1.0780
VNAC = 1,315.16
El valor nominal actualizado (VNAC) indica que la nueva remuneración en julio 2006
debe ser S/. 1,315.16
Ejemplo 2.
Actualicemos la remuneración del mes de diciembre 2006 con respecto al mes de

enero 2006 por efectos de la inflación.
VNAC = 1220 x 1.1668292
VNAC = 1423.53
Luego la remuneración del mes de diciembre se actualiza en S/. 1,423.53 nuevos

soles con respecto a la remuneración de enero 2007.
z2 0 3 z
EJERCICIOS
Inflación – Deflación – Indexación

Índice promedio mensual de precios al consumidor
de Lima Metropolitana: 2006 – 2007
(Base: Diciembre 2005)
Enero 2006 109.81
Febrero 2006 110.42
Marzo 2006 110.92
Abril 2006 111.49
Mayo 2006 110.90
Junio 2006 110.75
Julio 2006 110.56
Agosto 2006 110.72
Septiembre 2006 110.75
Octubre 2006 110.79
Noviembre 2006 110.48
Diciembre 2006 110.51
Enero 2007 110.52
Febrero 2007 110.81
Marzo 2007 111.19
Abril 2007 111.39
Mayo 2007 111.94
Junio 2007 112.47
Fuente: Datos estimados por el autor
z2 0 4 z
Remuneración mensual promedio

Año 2006 - 2007
Enero 2006 1,400.00
Febrero 2006 1,450.00
Marzo 2006 1,500.00
Abril 2006 1,530.00
Mayo 2006 1,570.00
Junio 2006 1,600.00
Julio 2006 1,910.00
Agosto 2006 2,100.00
Septiembre 2006 2,170.00
Octubre 2006 2,250.00
Noviembre 2006 2,330.00
Diciembre 2006 2,550.00
Enero 2007 2,600.00
Febrero 2007 2,670.00
Marzo 2007 2,680.00
Abril 2007 2,710.00
Mayo 2007 2,740.00
Junio 2007 2,800.00
Fuente: Datos estimados por el autor.
a) Inflación:
1. Hallemos la inflación en el mes de julio del 2006 con respecto al mes de enero
del 2006.
I = 100.68%
VI = (100.68 – 100)%
VI = 0.68%
Se dice que hay un aumento en la inflación de 0.68% en el mes de julio 2006 con respecto al mes
de enero del 2006.
z2 0 5 z
2. Hallar la inflación del mes de julio del 2006 con respecto al mes de febrero
2006.
I = 100.45%
VI = (100.45-100) %
VI = 0.45%
Se dice que hay un aumento en la variación de la inflación de 0.45% en el mes de julio del 2006
con respecto al mes de febrero del 2006
b) Deflación:
3. Hallemos la deflación en el mes de diciembre 2006, para los datos correspon-

dientes tanto en el cuadro de remuneraciones y el índice de promedios de pre-
cios al consumidor.
VR = 2307.48
Se dice que el valor de la remuneración es de 2307.48 para el mes de diciembre del 2006.
4. Hallemos el valor de remuneración en el mes de enero 2006
VR = 1274.93
Se dice que el valor de la remuneración es de 1274.93 para el mes de enero del 2006.
c) Indexación:
5. ¿Cuánto debe ganar un empleado en el mes de setiembre del 2006, si se toma

como referencia la remuneración de enero del año 2006?
z2 0 6 z
VNAc = 1,400 x 1.01
VNAc = 1,414
Decimos que el empleador debería ganar 1,414 en el mes de setiembre del 2006 con respecto a
enero del 2006.
6. ¿Cuánto debe ser la remuneración de un empleado en el mes de junio del 2007

si toma como referencia la remuneración del mes de febrero del 2007?
VNAc = 2670 x 1.0149
VNAc = 2709.78
Decimos que el empleado debería ganar 2709.78 en el mes de junio del 2007 con respecto a
febrero del 2007.
z2 0 7 z
RESUMEN
Números índices. Son valores relativos que muestran o indican la variación que existe en una variable deter-
minada en dos momentos distintos, siendo estos momentos: uno actual y el otro de referencia o comparación.
Índice simple corresponde los índices de precios relativos, los índices de cantidades relativas y los índices
de valores relativos.
Índice compuesto o ponderados comprende los índices de Laspeyres, índice de Passche y el índice de
Fisher.
Índice de precios relativos (PR) referidos a mostrar la variación de precios en valores relativos (porcentajes)
en dos momentos distintos.
Índice de cantidades relativas (qR) referidos a mostrar la variación de cantidades de consumo en valores
relativos (porcentajes) en dos momentos distintos
Índice de valores relativos (VR) referidos a mostrar la variación de precios y cantidad de consumo de los
artículos en dos momentos distintos.
Índice de Laspeyres (IL) es un índice compuesto o ponderado y permite hallar la variación de precios y
cantidades de consumo para 2 o más artículos.
Índice de Passche (Ip) es otro índice compuesto o ponderado que permite hallar la variación de precios y
cantidades de consumo para 2 o más artículos al mismo tiempo.
Índice de Fisher (IF) denominado índice ideal es otro índice compuesto o ponderado que permite hallar la
variación de precios y cantidades de consumo para dos o más artículos. Es necesario señalar que este índice
—a diferencia de los dos índices compuestos anteriores— le da importancia a los consumos de tiempo actual
o del momento como también al consumo del tiempo base o de referencia.
1. http://www.monografias.com/trabajos13/numin/numin.shtml
2. es.mimi.hu/economia/numero_indice.html - 10k
3. www.eumed.net/cursecon/libreria/2004/jsf/5.pdf
4.146.83.41.79/macroeconomia/pdfs/Ind.y%20Series%20cronolog.pdf
5. www.indec.gov.ar/glosario/como_actualizo.pdf
z2 0 8 z
Lectura
Índices de variaciones de precios y
cantidades de consumo
Un joven empresario desea abrir o instalar un negocio que le permita obtener,
en el mediano y largo plazo, ganancias satisfactorias, para lo cual consulta a otros
empresarios exitosos sobre cuál fue el factor importante que le permitió satisfac-
ciones comerciales en su negocio, a esta consulta el común denominador de los
empresarios fue que antes de emprender un negocio es necesario hacer la consulta
al INEI (Instituto Nacional de Estadística e Informática), sobre los índices (variaciones
de precios y cantidades de consumo), de los diferentes artículos y productos que se
venden y se consumen en el mercado comercial. Luego de esta consulta, el joven
empresario determinará qué tipo de artículo o producto es el de mayor venta o de
mayor demanda por el público consumidor. Entonces, este podría ser el negocio
a abrir. Los aspectos que le permitirán tomar la decisión de hacerlo es materia de
estudio en la presente unidad temática.
* Fuente: Elaboración propia
z2 0 9 z
EJERCICIOS
ÍNDICES SIMPLES
1. Índices de precios relativos (PR)
Precios y cantidades de consumo efectuado por la familia Cáceres

Período Enero 2007 Diciembre 2007
Azúcar 2.10 10 2.40 8
Arroz 2.30 12 2.80 15
Leche 2.20 30 2.50 50
Carne 10.50 15 15.00 10
Aceite 4.10 4 4.60 3
Fuente: Sra. Cáceres
1. Halle el índice de precios relativos del artículo arroz.
Rpta.: La variación del precio del artículo arroz en el mes de diciembre 2007 aumentó un 21.73%
con respecto al mes de enero del 2007.
2. Halle el índice de precios relativos del artículo aceite.
Rpta.: La variación del precio del artículo aceite en el mes de diciembre 2007 aumentó un 12.20%
con respecto al mes de enero del 2007.
3. Halle el índice de precios relativos del artículo leche.
Rpta.: La variación del precio del artículo leche en el mes de diciembre 2007 AUMENTO un
13.63% con respecto al mes de enero del 2007.
2. Índices de cantidades relativas (QR)

Precios y cantidades de consumo efectuados por Minimarket Juan
Período Enero 2007 Noviembre 2007
Azúcar 2.10 11 2.40 9
Arroz 2.40 12 2.60 17
Leche 2.20 60 2.50 40
Carne 11.00 20 15.00 14
Aceite 4.10 4 4.60 3
Fuente: Minimarket Juan
z2 1 0 z
4. Halle el índice de cantidades relativas del artículo carne.
Rpta.: La cantidad de consumo del artículo carne en el mes de noviembre 2007 DISMINUYE un
30% con respecto al mes de enero 2007.
5. Halle el índice de cantidades relativas del artículo arroz.
Rpta.: La cantidad de consumo del artículo arroz en el mes de noviembre 2007 AUMENTÓ un
41.67% con respecto al mes de enero 2007.
6. Halle el índice de cantidades relativas del artículo azúcar.
Rpta.: La cantidad de consumo del artículo azúcar en el mes de noviembre 2007 DISMINUYÓ un
3. Índices de valores relativos (VR)
Precios y cantidades de consumo estimado por tienda Don Pedro

Período Enero 2007 Diciembre 2007
AZÚCAR 2.10 10 2.40 8
ARROZ 2.20 12 2.60 15
LECHE 2.20 60 2.50 60
CARNE 11.00 13 16.00 8
ACEITE 4.30 4 5.00 3
Fuente: Tienda Don Pedro
7. Halle el índice de valores relativos del artículo leche.
Rpta.: La variación total para el artículo leche en el mes de diciembre 2007 AUMENTÓ un 13.64%
con respecto al mes de enero 2007.
8. Halle el índice de valores relativos del artículo carne.
Rpta.: La variación total para el artículo carne en el mes de diciembre 2007 disminuyó en 10.49%
con respecto al mes de enero 2007.
9. Halle el índice de valores relativos del artículo aceite.
Rpta.: La variación total para el artículo aceite en el mes de diciembre 2007 DISMINUYE un
10. Halle el índice de valores relativos del artículo azúcar.
Rpta.: La variación del valor relativo del artículo azúcar DISMINUYE en 8.58% en diciembre 2007
con respecto a enero 2007.
z2 1 1 z
ÍNDICES COMPUESTOS
Artículos con precios y cantidades de consumo

efectuados por familias con 5 personas
Enero 2007 Noviembre 2007
Artículo
Precio Cantidad Precio Cantidad
Arroz 2.10 10 2.40 8
Azúcar 2.20 12 2.60 15
Leche 2.20 60 2.50 60
Carne 11.0 15 15.00 14
Aceite 4.10 4 4.60 3
Pollo 4.50 20 5.50 17
Papa 0.80 20 1.20 16
Limón 1.00 8 1.50 6
Huevos 4.50 16 4.80 13
Cebolla 1.20 5 1.80 3
Datos estimados por el autor.
1. Halle el índice compuesto por 3 artículos (arroz, azúcar, leche) del cuadro según
Laspeyres.
Rpta.: Según el IL, la variación de precio y cantidad de consumo en el mes de noviembre aumentó
un 14.44% con respecto al mes de enero 2007.
2. Halle el índice compuesto para 3 artículos (limón, huevos, cebolla), del cuadro,
según Laspeyres.
3. Halle el índice compuesto para los cuatro artículos (arroz, leche, aceite, papa)
del cuadro, según Passche.
Rpta.: Según el IP, la variación de precio y cantidad de consumo en el mes de noviembre aumentó
4. Halle el índice compuesto para los cuatro artículos (azúcar, cebolla, huevos,
limón) del cuadro, según Passche.
z2 1 2 z
5. Halle el índice compuesto para los cuatro artículos (carne, aceite, pollo, papa)
del cuadro, según Fisher.
Rpta.: Según el IF, la variación de precio y cantidad de consumo en el mes de noviembre aumentó
6. Halle el índice compuesto por los 3 artículos (papa, leche, huevos) del cuadro,
según Laspeyres.
un 14% con respecto al mes de enero 2007.
7. Halle el índice compuesto para los 3 artículos (limón, aceite, carne) del cuadro,
según Laspeyres.
8. Halle el índice compuesto para los 3 artículos (leche, pollo, arroz) del cuadro,
según Passche.
9. Halle el índice compuesto para los 3 artículos (papa, leche, huevos) del cuadro,
según Passche
10. Halle el índice compuesto para los artículos (papa, leche, huevos) del cuadro,
según Fisher.
Rpta.: Según el IF, la variación de precio y cantidad de consumo en el mes de noviembre aumentó
z2 1 3 z
Inflación – Deflación – Indexación

Índice promedio mensual de precios al consumidor
de Lima Metropolitana. Año 2006 – 2007
Enero 2006 109.81
Febrero 2006 110.42
Marzo 2006 110.92
Abril 2006 111.49
Mayo 2006 110.90
Junio 2006 110.75
Julio 2006 110.56
Agosto 2006 110.72
Octubre 2006 110.79
Enero 2007 110.52
Febrero 2007 110.81
Marzo 2007 111.19
Abril 2007 111.39
Mayo 2007 111.94
Junio 2007 112.47

z2 1 4 z
Remuneración mensual promedio

Año 2006 – 2007
Enero 2006 1400.00
Febrero 2006 1450.00
Marzo 2006 1500.00
Abril 2006 1530.00
Mayo 2006 1570.00
Junio 2006 1600.00
Julio 2006 1910.00
Agosto 2006 2100.00
Octubre 2006 2250.00
Enero 2007 2600.00
Febrero 2007 2670.00
Marzo 2007 2680.00
Abril 2007 2710.00
Mayo 2007 2740.00
Junio 2007 2800.00
a. Inflación
1. Halle la inflación en el mes de julio del 2006 con respecto al mes de enero del
2006.
Rpta.: Se dice que hay un aumento en la inflación de 0.68% en el mes de julio 2006 con respecto
al mes de enero 2006.
2. Halle la inflación en el mes de julio del 2006 con respecto al mes de febrero del
2006.
Rpta: Se dice que hay un aumento en la inflación de 0.13 en el mes de julio 2006 con respecto al
mes de enero 2006.
3. Halle la inflación en el mes de junio del 2007 con respecto al mes de enero del
2007.
Rpta.: Se dice que hay un aumento en la inflación de 1.76 en el mes de junio 2007 con respecto al
mes de enero 2007.
z2 1 5 z
4. Halle la inflación en el mes de mayo del 2007 con respecto al mes de marzo del
2007.
Rpta.: Se dice que hay un aumento en la inflación de 0.67 en el mes de mayo 2007 con respecto
al mes de marzo 2007.
5. Halle la inflación en el mes de mayo del 2007 con respecto al mes de abril del
2007.
Rpta.: Se dice que hay un aumento en la inflación de 0.49 en el mes de mayo 2006 con respecto
al mes de abril 2007.
b. Deflación
6. Halle la deflación en el mes de diciembre 2006.
Rpta.: Se dice que el valor de la remuneración es de 2306.02 para el mes de diciembre del 2006.
7. Halle la deflación en el mes de enero 2006.
Rpta.: Se dice que el valor de la remuneración es de 1274.93 para el mes de enero del 2006.
8. Halle la deflación en el mes de mayo 2006.
Rpta.: Se dice que el valor de la remuneración es de 1415.69 para el mes de mayo del 2006.
9. Halle la deflación en el mes de marzo 2007.
Rpta.: Se dice que el valor de la remuneración es de 2410.29 para el mes de marzo del 2007.
10. Halle la deflación en el mes de febrero 2007.
Rpta.: Se dice que el valor de la remuneración es de 2409.53 para el mes de febrero del 2007.
c. Indexación
11. ¿Cuánto deberá ser la remuneración de un empleado en el mes de diciem-

bre del 2006 si toma como referencia la remuneración del mes de febrero del
2006?
Rpta: Decimos que el empleado debería ganar 1452.10 en el mes de diciembre del 2006 con res-
pecto al mes de febrero del 2006.
12. ¿Cuánto deberá ser la remuneración de un empleado en el mes de junio del

2007 si toma como referencia la remuneración del mes de febrero del 2007?
Rpta: Decimos que el empleado debería ganar 2710 en el mes de junio del 2007 con respecto al
mes de febrero del 2007.
z2 1 6 z
13. ¿Cuánto debería ser la remuneración de un empleado en el mes de mayo del

2006 si toma como referencia la remuneración del mes de enero del 2006?
Rpta: Decimos que el empleado debería ganar 1413.90 en el mes de mayo del 2006 con respecto al
mes de enero del 2006.
14. ¿Cuánto deberá ser la remuneración de un empleado en el mes de noviembre

del 2006 si toma como referencia la remuneración del mes de enero del 2006?
Rpta: Decimos que el empleado debería ganar 1408.54 en el mes de noviembre del 2006 con res-
pecto al mes de enero del 2006.
d. Inflación
15. Halle la inflación en el mes de abril del 2006 con respecto al mes de febrero
del 2006.
Rpta: Se dice que hay un aumento en la inflación del 0.97% en el mes de abril 2006 con respecto al
mes de febrero.
16. Hallar la inflación en el mes de julio del 2006 con respecto al mes de febrero
del 2006.
Rpta: Se dice que hay un aumento en la inflación del 0.13% en el mes de julio 2006 con respecto al mes de mayo.
e. Deflación
17. Hallar la deflación en el mes de mayo 2006.
Rpta: Se dice que el valor de la remuneración es de 1415.69 para el mes de mayo del 2006.
18. Hallar la deflación en el mes de octubre 2006.
Rpta: Se dice que el valor de la remuneración es de 2030.87 para el mes de octubre del 2006.
f. Indexación
19 ¿Cuánto deberá ser la remuneración de un empleado en el mes de abril del 2006

si toma como referencia la remuneración del mes de enero del 2006?
Rpta: Decimos que el empleado debería ganar 1421.42 en el mes de abril del 2006 con respecto
al mes de enero del 2006.
20. ¿Cuánto deberá ser la remuneración de un empleado en el mes de mayo del

2007 si toma como referencia la remuneración del mes de enero del 2007?
Rpta.: Decimos que el empleado debería ganar 2633.41 en el mes de mayo del 2007 con respecto
al mes de enero del 2007.
z2 1 7 z
1. ¿Cuál es el índice que se caracteriza por dar importancia a las cantidades de

consumo del tiempo base y el tiempo actual?
a) Índice de Laspeyres.
b) Índice de Passhe.
c) Índice de Fisher.
d) Índice de precios relativos.
e) Índice de valores relativos.
2. El organismo encargado de elaborar los índices de precios al consumidor

(IPC):
a) INDECOPI.
b) SEDAPA.
c) CAPECO.
d) INEI.
e) PRONA.
3. ¿Cuál es el índice que se caracteriza por dar importancia a las cantidades de

consumo al tiempo base?
a) Índice de Fisher.
b) Índice de valores relativos.
c) Índice de Laspeyres.
d) Índice de Passhe.
e) Í ndice de precios relativos.
4. ¿Cuál se caracteriza por dar importancia a la cantidad de consumo del tiempo

actual?
a) Índice de Laspeyres.
b) Índice de precios relativos.
c) Índice de cantidades relativas.
d) Índice de Passche.
e) Índice de valores relativos.
5. ¿Qué índice se le conoce como Índice ideal?
a) Índice de valores relativos.

b) Índice de Laspeyres.
c) Índice de Fisher.
d) Índice de Passche.
e) Índice de precios relativos.
z2 1 8 z
6. ¿Qué es la inflación?
a) Movimiento ascendente y sostenido en el nivel general de precios.

b) En el descenso del nivel general de los precios.
c) Es la disminución de la renta.
d) Es el crecimiento porcentual de la producción.
e) Es el aumento en el consumo de un bien.
7. ¿Cómo se mide el índice de precios al consumidor?
a) Con la base de precios de meses a comparar.

b) Con el índice de consumos del mes.
c) Con el índice compuestos de precios.
d) Con las cantidades de consumo del mes.
e) Con los valores relativos de las cantidades.
8. ¿Qué es la deflación?
a) Es el aumento porcentual de los precios.

b) Es la disminución de la renta.
c) Es el descenso del nivel general de los precios.
d) Es el aumento en el consumo de un bien.
e) Es el crecimiento porcentual de la producción.
9. ¿En qué áreas básicamente repercute la deflación?
a) En el precio de los bienes.

b) Remuneraciones salariales, indemnizaciones, etc.
c) En los valor de los servicios.
d) En la producción.
e) En el tipo de cambio.
10. ¿Qué es la indexación?
a) Es un proceso resarcitorio de la deflación.

b) Es el aumento económico relacionado con capital-trabajo.
c) Es el crecimiento porcentual de la producción.
d) Es la disminución de la renta.
e) Reajuste de las remuneraciones salariales en función de los IPC.
1 c, 2 d, 3 c, 4 d, 5 c, 6 a, 7 a, 8 c, 9 b, 10 e
z2 1 9 z
GLOSARIO
Número índice: Es una medida estadística que tiene como finalidad

comparar una variable o magnitud económica con el
tiempo.
Cambios de calidad: El tratamiento de los cambios de calidad es uno de los

temas que más afectan a cualquier índice de precios.
Un cambio de calidad ocurre cuando cambia alguna de
las características de la variedad para la que se recoge
el precio y se considera que este cambio implica un
cambio en la utilidad que le reporta al consumidor.
Índices de cantidad: También podemos utilizar números índice para descri-

bir cambios en cantidades y en valores.
Índices de valor: Mide cambios generales en el valor total de alguna

variable. Como el valor está determinado tanto por el
precio como por la calidad, un índice de valor realmen-
te mide los efectos combinados de los cambios de pre-
cios y cantidad. La principal desventaja de un índice de
valor es que no hace diferencia alguna entre los efectos
de estados de dos componentes.
z2 2 0 z
BIBLIOGRAFÍA
1. Aliaga Acosta, Robertom (2002) Estadística para los negocios con Excel. Lima. Impresiones Graficas Américas
S.R.L.
2. Anderson Sweeney ( 2004) Métodos cuantitativo para los negocios. México D.F., Thomson UNAM.
Williams.
3. Barone, Sergio Víctor (1995) Índices de precios y cantidades: una aplicación desde la convertibilidad. Córdo-
ba, Banco.
4.Bonini Charles (2003) Análisis cuantitativos para los negocios. Madrid, Mc Graw-Hill.
5. Díaz, Aldo (1979) Una formulación compacta de la teoría de los números índices. Buenos Aires, La
Plata. Univ. Nac. Fac. de Cs. Económicas.
6. Dominick Salvatore (2001) Econometría. Teoría y problemas. Series de compendios Shaum. Madrid, Mc
Graw-Hill.
7. García Ore, Celestino (2001) Econometría. Teoría y problemas. Series de compendios Shaum. Madrid Mc
Graw-Hill.
8. Hillier Lieberman (2007) Métodos cuantitativos para administración. Madrid, Mc Graw-Hill.
9. Levin, Richard I. (1988) Estadística para administradores. México D.F., Prentice-Hall Hispanoamericana.
10. Webster Allen, J. (2006) Estadística aplicada a los negocios y la economía. Bogotá, Mc Graw Hill.
z2 2 1 z
Anexo
z2 2 2 z
z2 2 3 z
1964

Metodos Cuantitativos para Los Negocios

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Metodos Cuantitativos para Los Negocios

Încărcat de

Drepturi de autor:

Formate disponibile

1964

Universidad Inca Garcilaso de la Vega

© Universidad Inca Garcilaso de la Vega

El diseño, elaboración y edición de textos para educación a

La educación a distancia es una experiencia, en la galaxia

 Jefe del Fondo Editorial

Los conceptos teóricos y las aplicaciones de las diferentes

óptimos y críticos cuando se relacionan dos variables. De igual

 Santiago R. Castro Escalante

La asignatura Métodos cuantitativos para los negocios

1. ¿Qué es la decisión estadística?

• Explica las técnicas de decisión estadística valorando su aplicación

• Maneja técnicas de la decisión estadística resolviendo problemas

• Participa en la solución de problemas.

Decisión estadística, hipótesis inicial, nula, alternativa, ensayos de medias, ensa-

1.2 Concepto de decisión estadística

La decisión estadística no permite cometer errores porque está basado en la expe-

1.3 Tipos de hipótesis

Es la primera conjetura o primer supuesto (resultado) de una población o muestra

1.3.2 Hipótesis nula (Ho)

1.3.3 Hipótesis alternativa (Hi)

2.1 Error de tipo I

2.2 Error de tipo II

3.1 Ensayo de hipótesis

Por ejemplo: Si en 20 lanzamientos de una moneda, se obtiene la ocurrencia de 16

El siguiente esquema nos grafica claramente la ubicación de los márgenes de errores

3.2 Ensayos referentes a la distribución normal

Ejercicios prácticos para determinar

En términos de probabilidad, para hallar los valores de Z en la tabla:

Luego, los valores de los puntos críticos ± Z al NS del 1% es ± 2.57

2. Hallar los puntos críticos de ± Z al nivel de significación del 2%.

Respuesta. Los valores críticos de ± Z al NS del 2% es ± 2,33.

3. Hallar los puntos críticos de ± Z al nivel de significación del 3%.

Respuesta. Los valores críticos de ± Z al NS del 3% es ± 2.17

4.Hallar los puntos críticos de ± Z al nivel de significación del 4%.

Respuesta. Los valores críticos de ± Z al nivel de injustificación del 4% es ±2.05

Respuesta. Los valores críticos de ± Z al nivel de significación del 5% es ± 1.96

Respuesta. El valor del punto crítico de –Z al nivel de significación del 2% es -2,05.

3.3 Ensayos de medias

Z = Es el valor calculado según la fórmula y que nos va permitir decir si aceptamos

= Es el valor medio o promedio de los datos que tiene la muestra.

1) En una experiencia se determina que en una muestra de 100 lapiceros de tinta

Respuesta: Como se está verificando al NS del 5% cuyo punto crítico en Z tabulado es

2) La duración media o el promedio de duración de 50 baterías de carros producidos

Reemplazando los datos en la fórmula:

Respuesta: Como el valor de Zc es -4,65 y el valor de Zt al NS del 3.5% es 2.11,

Reemplazando los datos:

Respuesta. Como el Z tabulado al NS del 2% es 2,33, el Z calculado es 3.847, entonces

Reemplazamos los datos:

Respuesta: El rendimiento que indica la fábrica es correcto.

3.4 Ensayos de proporciones

La relación matemática, fórmula o estadígrafo que permite hacer el ensayo de pro-

± Z = Es el punto crítico en la distribución normal al nivel de significación (NS) de-

Los datos a reemplazar son:

±Z = Al nivel de significación del 5% es ±1.96

X1 = (1.96 X 2.236) +10

X2 = (-1.96 X 2.236) +10

Respuesta. La moneda está bien hecha o bien confeccionada, cuando en 20 lanza-

2) Diseñemos o preparemos una regla de decisión para ensayar la hipótesis o el su-

Reemplazando los datos:

X1=(2,17x2.04) +5= 9.42 Redondeando = 9.

X2=(-2,17x2.04) +5=0.57 Redondeando = 1.

Respuesta. El dado está bien hecho si en 30 lanzamientos del dado se registran de 1

Jefe del Fondo Editorial

Santiago R. Castro Escalante