Teoria Metodos Cuantitativos

El análisis cuantitativo es el método científico más adecuado para apoyar la toma de decisiones administrativas. Las corazonadas, sentimientos, emociones no forman parte de él.

Definición del Problema: Podemos decir que todas las partes son importantes dentro del proceso, sin embargo si iniciamos con una

pobre definición del problema es muy probable que al finalizar todo el proceso cuantitativo no lleguemos a la solución del problema.

Desarrollo del Modelo: Una vez que ya determinamos los objetivos, es hora de desarrollar el modelo. Hay muchas formas de hacerlo, y esto no es exclusivo de alguna rama científica en especial, se aplica en todos los ámbitos, aunque tal vez no todos lo aplican de manera matemática, lo cual no es incorrecto.

Recopilación de Datos: Otra de las partes esenciales del proceso, y en

ocasiones la más tardada debido a que en primer lugar tenemos que ver si ya contamos con un historial de la información, o si necesitamos iniciar a recopilarlos a partir de este momento.

Desarrollo de la Situación: En este paso debemos seleccionar el método con el cual vamos a resolver el problema, en este curso veremos algunos métodos de solución que te servirán para solucionar problemas en tu ámbito laboral. El objetivo de este punto es manipular los datos del

modelo para llegar a la mejor solución posible.

Prueba de la Solución: Antes de implementar los resultados encontrados,

tenemos que hacer una prueba, esto para evitar un error.

Análisis e Implementación de los Resultados: En esta fase tenemos que analizar las implicaciones de la solución.

miu: Es el promedio de datos de un universo

X: Promedio de datos de una muestra.

Media aritmética: Promedio matemático cada medición “pesa” por su frecuencia de ocurrencia y puede considerarse como el centro de gravedad de un grupo.

Moda: La moda de una serie de mediciones se define como la medición que ocurre con mayor frecuencia.

Desviación estándar : es una medición del grado de dispersión con respecto a la media.

Población: Conjunto de datos que consisten en mediciones de todos los miembros de algún grupo

Rango: El rango de un conjunto de mediciones, es la diferencia entre el valor mayor y el valor menor del conjunto.

Varianza es la suma de las desviaciones cuadradas de todos los valores de la media multiplicados por su frecuencia de ocurrencia

La más simple de todas las distribuciones de probabilidad discreta es una donde la variable aleatoria toma cada uno de sus valores con una probabilidad idéntica. Tal distribución de probabilidad se denomina Distribución Uniforme Discreta.

Distribución Binomial: Este tipo de experiencias se caracteriza por estar formada por un número predeterminado n de experimentos iguales. Cada uno de los experimentos es independiente de los restantes (la probabilidad del resultado de un experimento no depende del resultado del resto). El resultado de cada experimento ha de admitir sólo dos categorías (a las que se denomina éxito y fracaso).

Distribución Hipergeométrica es una distribución discreta relacionada con muestreos aleatorios y sin reemplazo.

Distribución Geométrica Si pruebas independientes repetidas pueden tener como resultado un éxito con probabilidad p y un fracaso con probabilidad q = 1 – p

La distribución de probabilidad de la variable aleatoria de Poisson X, que representa el número de resultados que ocurren en un intervalo dado o región específica que se denota con t

La variable aleatoria continua X tiene una distribución exponencial, con parámetro β

Una variable aleatoria continua X que tiene la distribución en forma de campana se llama variable aleatoria normal.

Hay algunas características importantes que tenemos que tomar en cuenta sobre la distribución normal:

La curva tiene forma de campana, La media, moda y mediana son iguales y se localizan al centro de la distribución, La distribución normal es simétrica alrededor de su media. Por lo tanto, la mitad del área bajo la curva está antes del punto central y la otra mitad después, El área total bajo la curva es igual a 1, La curva normal se aproxima al eje horizontal de manera asintótica conforme nos alejamos de la media en cualquier dirección.

Z se la denomina variable tipificada de X, y a la curva de su función de densidad se le conoce como la curva normal estándar.

Teoría de Decisiones El análisis de decisión se puede usar para seleccionar una estrategia cuando quien tiene que tomar decisiones enfrenta varias alternativas y un patrón incierto de eventos futuros. Este análisis es un procedimiento lógico para determinar y valorar los factores que afectan la decisión. Una decisión es el proceso de elegir la solución para un problema suponiendo que existen varias alternativas.

Probabilidad: es emitir un enunciado sobre lo que es probable que ocurra en el futuro.

Los árboles de decisión son normalmente construidos a partir de la descripción de la narrativa de un problema. Ellos proveen una visión gráfica de la toma de decisiones necesaria, especifican las variables que son evaluadas, qué acciones deben ser tomadas y el orden en la cual la toma de decisión será efectuada. Se recomienda el uso del árbol de decisión cuando el número de acciones es pequeño y no son posibles todas las combinaciones.

Un nodo es un punto de unión. Una rama es un arco conector.

Condiciones: Son todas aquellas situaciones dependientes de una variable del sistema que involucran la bifurcación del flujo de control en un conjunto de alternativas.

Alternativas: Son cada uno de los conjuntos de estados relevantes que asume la condición (deben conformar un conjunto disjunto). La situación de alternativas no-disjuntas se conoce como contradicción.

Acciones: Para cada combinación de las distintas alternativas de cada condición se establece una o más acciones.

El objetivo general de un análisis de regresión múltiple es aprender más acerca de la relación entre variables independientes o predictoras y una variable dependiente o variable respuesta.

La diferencia entre el análisis de regresión lineal simple y múltiple es sencilla, la regresión lineal simple es con una sola variable predictora, y la regresión lineal múltiple es con al menos dos variables regresoras.

Un objetivo importante del análisis de regresión es estimar los parámetros desconocidos

...