Free Essay

Estadística Descriptiva

In: Miscellaneous

Submitted By apulyna
Words 800
Pages 4
Estadística descriptiva.

Ciencia que proporciona técnicas precisas para obtener información (recolección y presentación de datos), así como métodos para el análisis, validación y presentación de ésta. La estadística se divide en dos ramas que son: Estadística descriptiva Estadística inferencial

Definiciones básicas
Estadística descriptiva
Contiene la recolección, organización, presentación y resumen de una serie de datos en forma tabular, gráfica o numérica. El análisis se limita en sí mismo a los datos recolectados y no se puede realizar inferencia (generalización) alguna acerca de la población de donde provienen esos datos. Ejemplo: Analizar el comportamiento del monto de un lote de 100 facturas.

Definiciones básicas
Estadística inferencial
Hace posible la estimación de una característica de una población o la toma de una decisión referente a una población, fundamentándose sólo en los resultados de la muestra. Ejemplo: Conocer la tendencia electoral con base en una encuesta realizada en las principales ciudades del país.

Definiciones básicas
• Experimentación Proceso de generar datos. • Población Conjunto de observaciones en las cuales se está interesado. • Muestra Subconjunto de una población. Debe ser representativa, es decir que todas las características de una población estén representadas. • Muestra aleatoria Aquella en la cual todos los elementos de una población tienen la misma oportunidad (probabilidad) de ser seleccionados.

Definiciones básicas
• Datos Característica medible, contable o apreciable en cada elemento de una muestra. • Datos cualitativos (por atributos) Características no medibles de un elemento de la muestra. Ejemplo: Calidad en un artículo (bueno/malo) Sazón de una comida (salada/desabrida) • Datos cuantitativos (variables) Condiciones medibles o contables en un elemento de la muestra. Ejemplo: Contenido de una lata de refresco Número de estudiantes foráneos en un salón

Definiciones básicas
• Datos variables discretos Números enteros. Resultan de un conteo. Ejemplo: 21 artículos defectuosos 15 alumnos aprobados • Datos variables continuos Pueden tomar su valor dentro de un rango continuo de valores. Resultan de una medición. Ejemplo: 1.67

Algo sobre muestreo
Para seleccionar una muestra es posible recurrir a técnicas de muestreo, con ello se aseguran dos resultados para la muestra. • Es aleatoria, todos los elementos tienen la misma probabilidad de ser elegidos. • Representativa, las características más importantes de la población son representadas en la muestra. De las diversas técnicas el muestreo aleatorio simple es bastante utilizado en la práctica por su sencillez.

Histograma
Un histograma muestra de manera gráfica la distribución de un conjunto de medidas y la variabilidad dentro de un proceso o fenómeno, tomando datos variables (tales como alturas, pesos, densidades, tiempo, temperaturas, etc.) para desplegar dicha distribución.
Polígono de frecuencias

• Un polígono de frecuencias es un diagrama de trazos que resulta de unir la parte media superior de cada una de las barras de un histograma; es decir, de unir las marcas de cada clase. • Sirve para ver, mediante una línea continua, la forma de los datos y darnos una idea de cómo es la población de donde provienen.

Diagrama de Pareto
El diagrama de Pareto es una herramienta gráfica que permite jerarquizar los eventos más importantes de un fenómeno (ya sea un problema o un proceso administrativo o productivo), los cuales son llamados los “pocos y vitales” y aquellos que son menos importantes se llaman los “muchos y triviales”. De esta manera nos podemos concentrar en los eventos más importantes y tratar de resolverlos (en caso de que sean problemas) o determinar cuál actividad es la que más contribuye a nuestro negocio. El diagrama se atribuye a Wilfredo Pareto, un economista italiano, quien afirmaba que el 80% del ingreso de un país se acumulaba en el 20% de la población y el 20% del ingreso restante se acumulaba en el 80% de la población. Este diagrama también se conoce con el nombre de 80/20, por la relación descrita en el párrafo anterior.

Medidas de tendencia central y de dispersión
• Tendencia central Disposición de los datos para acercarse a un valor (generalmente el centro)
• Dispersión Grado en que los datos se alejan del ese valor

Tendencia central: mediana
• Se define como el valor central de una serie ordenada de n datos. • Si esta cantidad n es impar, se toma el valor central.

Tendencia central: moda
• La moda x se define como el valor que más se repite en una serie de datos.
• Puede darse el caso de que no exista moda o que exista más de una moda.

Dispersión: rango
• En una serie de datos se define como la diferencia entre el mayor y el menor de los datos.

Dispersión: varianza
• Se define como el promedio del cuadrado de las diferencias de cada observación xi respecto al promedio muestral.

Dispersión: desviación estándar
• Se define como la raíz cuadrada positiva de la varianza, es decir:

Similar Documents

Free Essay

Bniniuh

...ASIGNATURA ESTADÍSTICA Curso 2015- 2016 (Fecha última actualización:20-Mayo-2015) MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO Formación Básica Estadística 1º 2º 6 Básica PROFESOR(ES) DIRECCIÓN COMPLETA DE CONTACTO PARA TUTORÍAS (Dirección postal, teléfono, correo electrónico, etc.) Javier Álvarez Liébana Correo electrónico: javialvaliebana@ugr.es Beatriz Cobo Rodríguez Teléfono: 958 241571 Correo electrónico: beacr@ugr.es TEORÍA A: Nuria Rico Castro B: Nuria Rico Castro C: María Dolores Huete Morales D: Mari Cruz Melchor Ferrer E: María Dolores Huete Morales F: Mari Cruz Melchor Ferrer F: María Dolores Huete Morales PRÁCTICAS Javier Álvarez Liébana Beatriz Cobo Rodríguez María Dolores Huete Morales Mari Cruz Melchor Ferrer David Molina Muñoz Rocío Raya Miranda Nuria Rico Castro María Dolores Huete Morales Teléfono: 958 242989 Correo electrónico: mdhuete@ugr.es Mari Cruz Melchor Ferrer Teléfono: 958 240835 Correo electrónico: mmelchor@ugr.es David Molina Muñoz Correo electrónico: dmolinam@ugr.es Rocío Raya Miranda Teléfono: 958 243712 Correo electrónico: rraya@ugr.es Nuria Rico Castro Teléfono: 958 246306 Correo electrónico: nrico@ugr.es HORARIO DE TUTORÍAS Javier Álvarez Liébana Cuatrimestre 1º: Lunes de 17h a 18h. Miércoles de 11h a 12h. Departamento de Estadística e I.O. (Facultad de Ciencias) Cuatrimestre 2º: Lunes de 17h a 18h. Miércoles de 11h a 12h. Departamento de Estadística e I...

Words: 2578 - Pages: 11

Free Essay

Estadistica

...Lunes 6 junio de 2011. CAPITULO I ¿Qué es la estadística? Una de las herramientas utilizadas para tomar decisiones es la estadística. Como estudiante de administración, se requieren conocimientos básicos y habilidades para organizar, analizar y transformar datos, así como para presentar la información. Para tomar una decisión informada es necesario llevar a cabo lo siguiente: 1. Determinar si existe información adecuada o si requiere info adicional. 2. Reunir info adicional, de manera que no se obtenga resultados erróneos. 3. Resumir los datos de manera útil e informativa. 4. Analizar la info posible. 5. Obtener conclusiones y hacer inferencias al mismo tiempo que se evalúa el riesgo de tomar una decisión incorrecta. Estadística: ciencia que recoge, organiza, presenta, analiza e interpreta datos con el fin de propiciar la toma de decisiones mas eficaz. Tipos de estadística: • E. Descriptiva.- método para organizar, resumir y presentar datos de manera informativa. Los datos se ordenan en una distribución de frecuencia. • E. Inferencial.- el objetivo es encontrar algo relacionado con la población a partir de una muestra de dicha población. Población: conjunto de individuos u objetos de interés o medidas obtenidas a partir de todos los individuos u objetos de interés. Con el objeto de inferir algo sobre una población, lo común es que se tome una muestra de la población. Muestra: porción o parte de la población e interés. ...

Words: 419 - Pages: 2

Free Essay

Mine

...promocionales, los directivos consideran que las ventas hechas a quienes presentaron un cupón de descuento son ventas que de otro modo no se hubieran hecho. Es claro que FairPlay espera que los clientes promocionales continúen comprando con ellos. La mayor parte de las variables que aparecen en la archivo adjunto se explican por sí mismas, pero dos de las variables deben ser aclaradas. Artículos El número total de artículos comprados Ventas netas Cantidad total cargada a la tarjeta de crédito Los directivos de FairPlay desean emplear estos datos muestrales para tener información acerca de sus clientes y para evaluar la promoción utilizando los cupones de descuento. REPORTE GERENCIAL Emplee los métodos tabulares y gráficos de la estadística descriptiva para ayudar a los gerentes de FairPlay a elaborar un perfil de sus clientes y a evaluar la promoción. Su informe debe contener, por lo menos, lo siguiente: 1. Distribuciones de frecuencia porcentual de las variables clave. De lo anterior, se pueden apreciar...

Words: 804 - Pages: 4

Free Essay

Analisis Estadistico Multivariado

...Universidad Iberoamericana Finanzas 6° Semestre Análisis Estadístico Multivariado Trabajo 1 - Sector Construcción 24 de Marzo de 2011 Estadística Descriptiva: Calcularemos por año desde el 2007 hasta enero del 2011 los estadísticos descriptivos mas importantes para las empresas de nuestro sector, los cuales nos servirán de guía para suponer pruebas de hipótesis y así comparar el desempeño de las empresas.     Tras haber calculado los estadísticos más importantes, haremos pruebas de hipótesis para poder comparar los rendimientos diarios de las acciones del sector. Comenzaremos con la comparación de CEMEX e ICA en cada año. Para 2007: No tienen distribución normal Ho: µica = µcemex H1: µica>µcemex Como son muchos datos, sabemos que el promedio de los rendimientos se distribuye normal, además de que son muestras dependientes por ser tomadas en las mismas fechas, por lo que aplicamos la siguiente prueba: Paired T-Test and CI: ICA 07, CEMEX 07 Paired T for ICA 07 - CEMEX 07 N Mean StDev SE Mean ICA 07 251 0.00252 0.02195 0.00139 CEMEX 07 251 -0.00057 0.01998 0.00126 Difference 251 0.00308 0.02155 0.00136 95% lower bound for mean difference: 0.00084 T-Test of mean difference = 0 (vs > 0): T-Value = 2.27 P-Value = 0.012 Como el valor de P es muy pequeño se rechaza la hipótesis nula, ya que alfa tendría que ser menor a 0.012 para que la aceptaramos. Por lo tanto se acepta...

Words: 257 - Pages: 2

Free Essay

Eficiencia de Algoritmos de Compresión de Archivos En Tablets Android

...Eficiencia de algoritmos de compresión de archivos en tablets android Isaac Torres, Leonardo Larrea, Carlos Gualán, Freddy Tandazo, Jorge García Facultad de Ingeniería en Electricidad y Computación Escuela Superior Politécnica del Litoral Campus “Gustavo Galindo”, Km 30,5 vía Perimetral. Casilla 09-01-5863, Guayaquil, Ecuador ismatorr@espol.edu.ec, jalarrea@espol.edu.ec, camagual@espol.edu.ec, fatandaz@espol.edu.ec, joregarc@espol.edu.ec Resumen En el presente trabajo se buscó determinar el algoritmo de compresión de archivos más eficiente según su grupo, de acuerdo a dos factores, éstos son, tiempo de compresión y porcentaje de compresión, los grupos de algoritmos son: algoritmos estadísticos, algoritmos híbridos y algoritmos de diccionario. Para ello se hizo un muestreo estratificado de archivos con respecto a su tamaño y su redundancia de información. Para analizar la eficiencia de cada algoritmo se utilizó diferencias de medias y varianzas entre el tiempo de compresión y el porcentaje de compresión. Los resultados fueron que los archivos muy pequeños, en lugar de disminuir su tamaño, éstos aumentan. Para los archivos medianos, los algoritmos híbridos y de diccionario tienen un mejor tiempo de compresión y descompresión que los algoritmos estadísticos, mientras que para los archivos grandes, los algoritmos híbridos tienen una clara ventaja sobre los algoritmos estadísticos y de diccionario. Palabras Claves: ESPOL, factores, universidad. Abstract In...

Words: 2161 - Pages: 9

Free Essay

Caso “Marriot Rooms Forecasting”

...Pronósticos de Negocios Caso “Marriot Rooms Forecasting” I. Antecedentes del Caso Un cuarto de hotel es un bien perecedero, si una noche se encuentra vacante, la ganancia se pierde para siempre. En el sector hotelero, hay distintas situaciones que se deben tomar en cuenta al momento de hacer una reservación: es común que los clientes que han hecho una reservación cancelen en último momento o simplemente no se presenten en el hotel; adicionalmente, algunos clientes deciden quedarse una noche más hospedados o hacer un “late check out” o “early check out”, lo cual dificulta las operaciones de la gerencia al momento de recibir a los nuevos clientes. El problema principal para un gerente de hotel, se encuentra en tener que decirle a un cliente con una reservación que no existe un cuarto disponible para él. Los problemas del manejo de capacidad pueden verse disminuidos con un buen pronóstico sobre cuántos cuartos disponibles serán necesarios en una fecha futura. El caso nos presenta al Hotel Hamilton operado por la cadena hotelera Marriot; los gerentes de dicha compañía son premiados por la habilidad de alinear objetivos de ocupación con objetivos de ganancia, para lo cual se apoyan en pronósticos que son usados entre otras cosas para determinar el número de personal necesario para la limpieza de las habitaciones, la recepción, los restaurantes, etc. En dicho hotel se presenta la situación de una solicitud de un tour para reservar al menos 60 habitaciones para el Sábado...

Words: 867 - Pages: 4

Free Essay

Introducion Al Eviews

...Introducción al E-views Importante: Este manual está todavía en proceso (de hecho sos el primero en utilizarlo) así que se agradecerá todos los errores u horrores que encuentres, así como sugerencias para mejorarlo. Correcciones a: ndepetris@utdt.edu o ivanca@arnet.com.ar . El producto E-views provee herramientas de regresión y predicción bajo Windows. Con E-views usted puede revelar una relación estadística desde sus datos y luego utilizar esta relación para predecir valores futuros de los mismos. Dentro de las áreas en donde E-views puede ser útil están: Predicción de ventas Análisis y predicción de costos. Análisis Financiero. Predicción macroeconómica. Simulación. Análisis científico de los datos y evaluación. E-views es una nueva versión del conjunto de herramientas para manipular series de tiempo originalmente desarrolladas en el software Time Series Processor para grandes computadoras. El predecesor inmediato de E-views fue el MicroTSP, lanzado por primera vez en 1981. Aunque Eviews fue desarrollado por economistas y la mayoría de sus usos están en la economía, no hay nada que haga limitar su utilidad a las series de tiempo económicas. Inclusive considerables proyectos de corte transversal pueden llevarse a cabo en E-views. El objeto básico dentro de E-views es la serie de tiempo. Cada serie posee un nombre, y usted puede realizar cualquier tipo de operación sobre todas las observaciones simplemente mencionando el nombre de la serie. E-views provee convenientes...

Words: 8183 - Pages: 33

Free Essay

Maritime Commerce

...UNIVERSITAT ROVIRA I VIRGILI EL SISTEMA PORTUARIO ESPAÑOL: REGULACIÓN, ENTORNO COMPETITIVO Y RESULTADOS. UNA APLICACIÓN DEL ANÁLISIS ENVOLVENTE DE DATOS Mónica Martín Bofarull ISBN:978-84-693-4063-9/DL:T-1162-2010 5. EFICIENCIA Y PRODUCTIVIDAD DEL SISTEMA PORTUARIO ESPAÑOL: UN ESTUDIO EMPÍRICO UNIVERSITAT ROVIRA I VIRGILI EL SISTEMA PORTUARIO ESPAÑOL: REGULACIÓN, ENTORNO COMPETITIVO Y RESULTADOS. UNA APLICACIÓN DEL ANÁLISIS ENVOLVENTE DE DATOS Mónica Martín Bofarull ISBN:978-84-693-4063-9/DL:T-1162-2010 UNIVERSITAT ROVIRA I VIRGILI EL SISTEMA PORTUARIO ESPAÑOL: REGULACIÓN, ENTORNO COMPETITIVO Y RESULTADOS. UNA APLICACIÓN DEL ANÁLISIS ENVOLVENTE DE DATOS Mónica Martín Bofarull ISBN:978-84-693-4063-9/DL:T-1162-2010 5.1. Modelización de la producción del sistema portuario español: variables para la estimación empírica _________________________ 209 5.2. Análisis comparativo de la eficiencia técnica: un enfoque a corto plazo ____________________________________________________ 219 5.3. Análisis comparativo de la evolución de la productividad: una aproximación a través del índice de Malmquist _________________ 229 5.4. Conclusiones __________________________________________ 239 UNIVERSITAT ROVIRA I VIRGILI EL SISTEMA PORTUARIO ESPAÑOL: REGULACIÓN, ENTORNO COMPETITIVO Y RESULTADOS. UNA APLICACIÓN DEL ANÁLISIS ENVOLVENTE DE DATOS Mónica Martín Bofarull ISBN:978-84-693-4063-9/DL:T-1162-2010 UNIVERSITAT ROVIRA I VIRGILI EL SISTEMA PORTUARIO ESPAÑOL: REGULACIÓN, ENTORNO...

Words: 11682 - Pages: 47

Free Essay

This Is a Project

...1 Capítulo I 2 ¿De que se trata esto?  En pocas palabras, la econometría consiste en la aplicación estadística matemática a la información económica para dar soporte empírico a los modelos construidos por la economía y de ese modo obtener resultados significativos 3 ¿Cuál es su utilidad? 1. Nos permite probar teorías económicas, vale decir, se busca examinar las relaciones que existen entre distintas variables explicativas y variables explicadas Los econometristas al identificar relaciones entre variables en el tiempo, pueden predecir y/o pronosticar valores probables de estas, por ejemplo, el valor promedio de las ventas en años posteriores. 2. 3. Una vez formulados los modelos econométricos, es posible diseñar políticas 4 Aspectos importantes  La econometría y la economía no son unívocos, esto es, no se debe vincular la economía exclusivamente con la econometría en lo relativo a teorías económicas. Es importante desligarse del paradigma de la ocupación de la econometría.  Existe la economía del crimen, de la salud, del deporte, que llevan el nombre por la supuesta racionalidad de las personas y la disyuntiva costo-beneficio. 5  Es útil para formular políticas públicas y para evaluar su impacto en la ciudadanía, también proyecciones y estimaciones de ventas. para  Por consiguiente, podemos usar la econometría tanto en el sector público como en el sector privado ya que presenta un bagaje de alternativas para...

Words: 8701 - Pages: 35

Free Essay

Test Elliot

...TEST DE ELLIOT - ROTHENBERG Y STOCK El ERS señala la prueba optima es basado en la regresión cuasi-diferenciando definida en la ecuación dyta=dxtaδa+ ηt. Al definir los residuos de dyta=dxtaδa+ ηt como ηta=dyta- dxtaδ(a) y permitio SSRa=ηt2 (a) sea la función de los residuos suma de los cuadrados. El ERS (factible) señala el estadístico de la prueba óptima de la hipótesis nula α=1 que contra la alternativa α=a que, se define entonces como: Pt=(SSRa-aSSR1)f0 H0: La serie tiene una raíz unitaria H1: La serie no tiene una raíz unitaria. Donde es f0 un estimador del espectro residual al cero de frecuencia y donde es una función residual acumulativa. Los valores críticos para el ERS prueban la estadística, se computan interpolando los resultados de la simulación proporcionados por ERS para T=50,100,200…∞. El método busca minimizar la diferencia cuadrática entre los valores de la serie y los valores de la tendencia determinística, para distintos valores de (que dependen del parámetro c) y para =1. Una vez obtenidos los residuos de la estimación eficiente (es decir, aquella que minimiza la diferencia mencionada), se aplica un test de Dickey-Fuller sin constante o deriva y sin tendencia, por cuanto se trabaja con una serie transformada por precisamente la remoción de la tendencia determinística. EJEMPLO CON DATOS DEL PIB EN EVIEWS UNIT ROOT EN NIVELES CON 11 REZAGOS Null Hypothesis: PIB has a unit root | | Exogenous: Constant | | | Lag length: 4 (Spectral...

Words: 1796 - Pages: 8

Free Essay

Estadistica

...Moda La moda, Mo, es el valor que tiene mayor frecuencia absoluta. 1º Todos los intervalos tienen la misma amplitud. [pic] Li-1 es el límite inferior de la clase modal. fi es la frecuencia absoluta de la clase modal. fi--1 es la frecuencia absoluta inmediatamente inferior a la en clase modal. fi-+1 es la frecuencia absoluta inmediatamente posterior a la clase modal. ai es la amplitud de la clase. También se utiliza otra fórmula de la moda que da un valor aproximado de ésta: [pic] 2º Los intervalos tienen amplitudes distintas. En primer lugar tenemos que hallar las alturas. [pic] La clase modal es la que tiene mayor altura. [pic] La fórmula de la moda aproximada cuando existen distintas amplitudes es: [pic] Mediana Es el valor que ocupa el lugar central de todos los datos cuando éstos están ordenados de menor a mayor. 1 Si la serie tiene un número impar de medidas la mediana es la puntuación central de la misma. 2 Si la serie tiene un número par de puntuaciones la mediana es la media entre las dos puntuaciones centrales. Mediana para datos agrupados [pic] [pic] es la semisuma de las frecuencias absolutas. Li-1 es el límite inferior de la clase donde se encuentra [pic]. Fi-1 es la frecuencia acumulada anterior a la clase mediana. ...

Words: 648 - Pages: 3

Free Essay

Analisis de La Eficiencia Hospitalaria En La Comunidad Valenciana. Influencia Del Modelo de GestióN

...Análisis de la eficiencia hospitalaria en la Comunidad Valenciana. Influencia del modelo de gestión. Tesis presentada por Antonio Clemente en Octubre 2014. Calificada Cum Laude en la UPV, actualmente nominada a premio extraordinario de doctorado. Premio nacional al mejor trabajo en gestión sanitaria por la fundación SEDISA y Abbott. Comunicación oral presentada en el X congreso mundial de Health Economics en Dublín INTRODUCCION La colaboración público-privada en la producción y provisión de servicios sanitarios ha llegado para quedarse. El debate sobre la eficiencia o no del modelo concesional respecto al de gestión directa es una constante tanto en el sector como en los medios de comunicación, por la importancia y preocupación social que se traslada a los ciudadanos. Existen diversos estudios que abordan parte de esta comparativa, como por ejemplo: la eficiencia asistencial o el gasto capitativo respecto al presupuesto. Pero ninguno de la bibliografía consultada integra las variables fundamentales en la prestación sanitaria: la eficiencia económica y la calidad asistencial. Es por ello que hemos realizado un estudio comparativo objetivo y con una metodología validada que nos permite alcanzar conclusiones representativas en este campo. OBJETIVO
 Analizar y comparar la influenza del modelo de gestión sanitaria público o de gestión directa, frente al de colaboración público privada desde la perspectiva de calidad asistencial y la eficiencia económica. Página...

Words: 857 - Pages: 4

Free Essay

Emerging Markets

...La población y el territorio como factores determinantes del éxito de las potencias económicas emergentes, BRIC Y CIVETS. Juntos los países que conforman los BRIC representan el 26% de la masa terrestre del planeta y es el hogar de 46 % de la población mundial, mientras que los CIVETS son el hogar del 9% de la población mundial y representan el 2% del planeta tierra, al fusionar estos 10 países nos encontramos con unas cifras asombrosas, representan el 55% de la población mundial y el 28% del territorio mundial, seguimos con las estadísticas económicas y nos encontramos con que estos 10 países representan casi el 20% del PIB mundial, dadas estas cifras podemos comprender la importancia y peso de estas naciones en el ámbito internacional. Al seguir analizando, esta vez en el plano cartesiano, comprendemos que su poder va mas allá de lo que anteriormente citamos, la ubicación de estos países es envidiable, se adentran en cada uno de los océanos en su basta extensión y se imponen ante el mundo no solo como potencias económicas si no también potencias marítimas a las que el mundo en algún momento recurrirá. Fuentes: http://brics6.itamaraty.gov.br/about-brics/economic-data Base de datos World Economic Outlook ("Perspectiva de la economía mundial"), Fondo Monetario Internacional (FMI), actualizada a su edición del 9 de octubre de 2012.  Fondo Monetario Internacional (FMI) (octubre de 2014). «Report for Selected Countries and Subjects» (ASPX). World Economic Outlook Database...

Words: 257 - Pages: 2

Free Essay

Wells

...INFORME: CASO WELLS Y ASOCIADOS 1. Introducción El presente informe tiene por finalidad describir el perfil actual del personal que se contrata para el grupo de adiestramiento financiero de la empresa. Así mismo, este documento mostrará el perfil de las personas contratadas que han tenido una evaluación satisfactoria al final del segundo año de desempeño en el cargo. Finalmente, luego del análisis estadístico de la información, se exponen conclusiones y recomendaciones a fin de mejorar la eficacia en el proceso de contratación, que tendrá como resultado un ahorro monetario para la firma. 2. Descripción del perfil actual del contratado del grupo de adiestramiento financiero Para obtener la descripción del perfil actual del contratado del grupo de adiestramiento financiero de la empresa, se seleccionaron 145 fichas de los más de 2000 candidatos que han sido contratados y que tienen como mínimo dos años de experiencia en la empresa. Las variables obtenidas en este proceso son las siguientes: * Género (masculino o femenino) * Edad (en años) * Promedio ponderado de notas universitarias (escala de 0 a 20) * Calidad de la universidad de procedencia (Excelente, muy buena, buena y regular) * Nota de la prueba de aptitudes. (donde 0 es muy improbable que tenga éxito en el trabajo a 100 muy probable que tenga éxito en el trabajo) * Nota de la prueba de rendimiento al final del segundo año (donde 0 es muy mal rendimiento y 100 demuestra un excelente...

Words: 904 - Pages: 4

Free Essay

Tamaño de La Muestra Con Excel

...Cálculo del tamaño de la muestra mediante la hoja de Cálculo ‘EXCEL’ Presentación.- • Esta práctica tiene por objeto ilustrar y permitir el cálculo del tamaño necesario para una muestra, de cara a un estudio sociológico cuya realización incluya la administración de un cuestionario, encuesta, a una muestra representativa de una población más amplia. • Para ello se usará una planilla predefinida en una hoja de cálculo, que permita especificar a la hoja de cálculo los datos necesarios para el cálculo, de forma que a continuación EXCEL nos muestre el tamaño necesario para una muestra que cumpla las características solicitadas. Se proporcionarán así mismo, los conocimientos básicos necesarios para introducir manualmente en EXCEL la correspondiente formula, para proceder directamente al cálculo, sin necesidad de la citada planilla. • La práctica presupone el conocimiento de los temas ‘Muestreo’ y ‘Tamaño de la Muestra’, que se pueden seguir, por ejemplo, en el Cuaderno Metodológico del C.I.S., correspondiente a Septiembre de 1.991, dedicado monográficamente al tema del muestreo. No obstante, se recordarán a continuación las fórmulas usadas para los el cálculo del tamaño muestral. Cálculo del tamaño de la muestra.- El tamaño necesario para la muestra dependerá de varios factores: • El error de muestreo que se esté dispuesto a tolerar en las estimaciones. En las proporciones vendrá dado en términos de proporción, es decir de tanto por uno. En las variables...

Words: 2183 - Pages: 9