Dossier formativo Estadística Inferencial

Modelo matemático de mejor ajuste para las ventas de la empresa META SPORT S.A.S

Natalia Rodríguez – 222146

Lauri Stefanny carrascal – 222154

Andrea Kamilia Sánchez – 231408

Universidad Francisco de Paula Santander Ocaña, Facultad de Ciencias administrativas

Contaduría publica

Ing. Aura Esmir Navarro Carrascal

Junio 2023

Introducción

META SPORT S.A.S es una empresa dedicada a la compra y venta de muebles y enseres, manejando los mejores precios a la mejor calidad.

Con ayuda de la estadística inferencial, la cual se utiliza en una empresa para hacer predicciones y tomar decisiones basadas en datos recopilados a partir de una muestra representativa. De esta manera, se pueden hacer estimaciones sobre el rendimiento futuro, la satisfacción del cliente, la eficiencia operativa, entre otros aspectos importantes para la toma de decisiones empresariales, la cual se hará un pronóstico con dos variables, la de nuestra empresa

META SPORT Y ZHANET TIENDA SPORT, dando a conocer la variable dependiente e independiente con su diagrama de dispersión, además de la media, varianza, desviación estándar, covarianza, etc.

1.1 Objetivos

1.1.1 objetivo general

Calcular el comportamiento de la relación entre las variables de nuestra empresa META

SPORT S.A.S con relación ZHANET TIENDA SPORT S.A.S, para lograr su entendimiento funcional e implementar las correctas deducciones.

1.1.2 objetivos específicos

 Con la información obtenida Construir tabla de datos

 Construir la respectiva grafica de dispersión

 Aplicar el pronóstico obtenido para la toma de decisiones y mejorar la rentabilidad de la empresa

1.2 Justificación

La estadística inferencial nos permite recopilar datos importantes para estudiar situaciones cotidianas y nos permite responder a los problemas de una manera útil y significativa. Es necesaria para cubrir muchas de las necesidades que la sociedad actual necesite

La estadística inferencial se dedica a la generación de modelos, inferencias y predicciones relacionadas con los fenómenos en cuestión, teniendo en cuenta la aleatoriedad de las observaciones. Se utiliza para modelar patrones en los datos y sacar conclusiones sobre la población en estudio. Estas inferencias pueden tomar la forma de respuestas a preguntas de sí/no (prueba de hipótesis), estimación de características numéricas (estimaciones), predicción de futuras observaciones, descripción de asociaciones (correlación) o modelado de la relación entre variables (análisis de regresión).

Para ejecutar el pronóstico de la empresa META SPORT S.A.S

2.1 Metodología

La empresa META SPORT S.A.S ha tomado la decisión de utilizar la estadística inferencial, como el mecanismo adecuado para hacer predicción a largo plazo, con datos recolectados en dos empresas, por medio de la comercialización. El pronóstico contribuirá a la toma decisiones en el presente y realizar planeación y proyección a largo plazo. Este pronóstico nos ayudara a disponer del tiempo para mejorar las compras o ventas y elaborar nuevas estrategias para no decrecer.

3.1 Análisis de datos

3.2 Tabla de datos

Datos de nuestra empresa y la competencia para la elaboración de análisis

4.1 variable independiente y dependiente

La variable X será META SPORT y la variable Y será ZHANET TIENDA SPORT S.A.S

4.2 Diagrama de dispersión

4.3 Media, varianza, la desviación estándar y la covarianza.

Se procede a calcular la media, la varianza, la desviación estándar y la covarianza de “X”

= $ 1.403.337,50

= 49443578400000 8 - $ 1.403.337,50

² = $ 6.180.445.932.912,50

Desviación estándar

���� = √6.180.445.932.912,50

���� = $ 2.486.050,27

Se procede a calcular la media, la varianza, la desviación estándar y la covarianza de “Y”

���� ² = 4.213.150.609.375,00

Desviación estándar

���� = √4.213.150.609.375,00

����= 2.052.596,07

4.4 Los parámetros b y c en la recta de regresión

1) ∑ ���� = ������ ∑ ���� + ��������

2) ∑ �������� = ������ ∑ ���� ² + ∑ ����������

2) 49.497.578.400.000 =������ (49.443.578.690.000) +������(11.226.700)

1) 11265000 =������(11226700)+������ (8) (-1.403.337)

2)

1) 15808596937500 =������(

33.688.981.462.500 =������

33.688.981.462.500 33688729578750 =������

1,000007477 =������

“2 en 1”

4.6 coeficiente de correlación y determinación

A continuación, se va a calcular la correlación para determinar cuanta relación existen entre las dos variables y determinar si la predicción es confiable.

Correlación

r=R= (8)(49.497.578.400.000) (11.226.700)(11.265.000)

√(8)(49443578690000) (11226700)2√(8)(49567733000000) (11265000)2

r= R= (395.980.627.200.000) (126.468.775.500.000)

√(395548629520000) (126038792890000)√(396541864000000) (126900225000000)

r=R= (269.511.851.700.000)

√(269509836630000)√(269641639000000)

r=R= (269.511.851.700.000)

(16.416.754,75)(16.420.768,53)

r=R= (269511851700000)

(269575729759812,00)

r=R=0,999763042

5.1 Conclusiones

Aprendimos a recolectar datos, organizarlos y utilizar fórmulas apropiadas respectivamente para ciertas circunstancias, así como graficar las respuestas para una mejor comprensión.

Se interpretó las respuestas para lograr resolver incógnitas y que la empresa pueda entender los resultados.