SISTEMA DE INFORMACION DE LOS NEGOCIOS

Asignatura

Métodos Cuantitativos Para Gerentes

"Simulador Simbls". Análisis de regresión y correlación múltiple.

Jennifer Alt. Báez García A00079275

Dominga T. Medina Brito A00112568

Yrlanda C. Ortiz Contreras A00112504

Goirys A. Valdez De Cenal A00110455

Cesar G. Hidalgo Hidalgo 21-020536

Estudiantes

Mirtha González

Profesor

Santo Domingo, Rep. Dominicana 23 de Septiembre del año 2022

 Introducción
 

En este análisis podrá ver un caso de una cadena de negocio llamada coffee
Time´s. Esta cadena quiere obtener un mayor desarrollo y a raíz de esto al
pasar los años tener el interés de lograr un plan de negocios identificado áreas
donde puedan sacar un mayor beneficio.

Dentro del plan se resalta que primero hay que fortalecer la presencia de la
marca frente a su principal competencia. Segundo, introducir una nueva
propuesta de producto para satisfacer los clientes del nuevo mercado se
estaría implementadas técnicas y métodos cuantitativos para tener un
propósito donde se pueda analizar los informes de negocios y así poder tomar
las decisiones acertadas para el funcionamiento de la cadena en apertura.
 
Describa qué entiende por un simulador: 

Es una herramienta digital, con un compendio de algoritmos (codificación informática)

que integran un programa que brinda la posibilidad de hacer prácticas profesionales
con características parecidas a las de la realidad y ayuda a ver varias conclusiones.

Explique brevemente, cuál es el caso que resuelve el simulador y cuáles son

(Nombre) las variables que intervienen en el mismo.

Caso

Coffee time´s

La popular cadena de cafeterías en América del Norte y Europa, entró en la India y su

primera y única salida en el país en Mumbai ha reportado ganancias.  Como gerente
de CoffeeTime para desarrollo comercial, lo enviaron a la India en un período de 6
meses.

En su plan de negocios para el año siguiente, CoffeeTime ha identificado dos áreas de

enfoque:
1. Fortalecer la presencia en India frente a la competencia de Quick Brew (una
cafetería local)
2. Introducir un nuevo refrigerio para satisfacer el gusto de los clientes indios.

Identifique qué problema se plantea en cada escenario del simulador y ¿Cuál es

el método estadístico que la resuelve?

La batalla del mercado entre Coffee Time y Quick Brew ha sido principalmente en
publicidad (principalmente en televisión e impresos) y promociones (principalmente
regalos para los clientes). Con Coffee Time buscando establecerse firmemente en la
India y Quick Brew tratando de no salir perdiendo, apenas ha habido una pausa en las
actividades de marketing en los últimos seis meses. A través de una empresa de
supervisión de medios, CoffeeTime obtiene semanalmente estimaciones de los gastos
de publicidad de Quick Brew. Como parte de su plan de negocios en mercados
sensibles a los precios como India, Coffee Time mantiene un índice de precios para
sus productos de café. El índice es un indicador del precio efectivo para el cliente de
toda la cartera de café de CoffeeTime. Factores como la inflación y la disponibilidad
estacional de granos de café tienden a aumentar el índice. Las promociones tienden a
disminuir el índice.

PARA EL PRIMER ESCENARIO.

En su primera asignación en la India, se le pidió que construyera un modelo de

regresión múltiple para predecir los ingresos semanales de Coffee Time. 
Las variables que intervienen son las siguientes: 
Y es la variable dependiente y X1, X2, X3, X4, X5 y X6 son las variables
independientes.
X1 = Gastos semanales en publicidad de Coffee Time’s
X2 = Índice de precio de Coffee Time’s 
X3 = Estimación de gastos semanales de publicidad Quick Brew 
X4 = Gastos semanales en publicidad histórico de CoffeeTime’s 
X5 = Índice de precio histórico de Coffee Time’s  
X6 = Estimación de gastos semanales de publicidad histórico de Quick Brew  
Y   = Ingresos semanales de Coffee Time’s.

1. Haga 5 combinaciones diferentes de dos variables independientes y guarde

sus resultados.
2. Llegue a conclusiones con relación al valor de la variable dependiente y la
fuerza de la relación entre la variable dependiente e independientes, así como
si la relación es directa o inversa (pendiente positiva o negativa
respectivamente).

X1= 24,100
X5= 96.40

Y= 136,698.383 + 6.104(24,100) + 572.525(96.40)

Y=136,698.383 +147,106.4 + 55,191.41

Y=338,996.193
La relación que existe entre la variable independiente X1, es directa con relación a la
variable dependiente Y, porque es positiva. La relación que existe entre la variable
independiente X5, es directa con relación a la variable dependiente Y, porque es
positiva.

X3= 29,450.00
X6= 34,214.00
Y= 213,561.300 +3.107(29,450)+2.619(34,214)
Y= 213,561.00+91,501.15+89,606.47
Y= 394,668.62
La relación que existe entre la variable independiente X3, es directa con relación a la
variable dependiente Y, porque es positiva. La relación que existe entre la variable
independiente X6, es directa con relación a la variable dependiente Y, porque es
positiva.
X1=24,100 
X4=27,500
Y= 145,396.615 + 4.949(24,100) + 2.700(27,500)
Y= 145,396.615 + 119,270.9 + 74,250
Y=338,917.515 
 
La relación que existe entre la variable independiente X1, es directa con relación a la
variable dependiente Y, porque es positiva. La relación que existe entre la variable
independiente X4, es directa con relación a la variable dependiente Y, porque es
positiva.
 

X1= 24,100.00
X6= 34,214.00
Y= 143,675.485 + 5.945(24,100)+1.753 (34,214)
Y= 143,675.485 + 143,274.5 + 59,977.142
Y= 346,927.127
La relación que existe entre la variable independiente X1, es directa con relación a la
variable dependiente Y, porque es positiva. La relación que existe entre la variable
independiente X6, es directa con relación a la variable dependiente Y, porque es
positiva.

X2= 100
X5= 96.40
Y= -53,817.817 + 3669.108 (100) + 816.726(96.40)
Y= -53,817.817 + 366,910.8 + 78,732.3864
Y=391,825.6694
La relación que existe entre la variable independiente X2, es directa con relación a la
variable dependiente Y, porque es positiva. La relación que existe entre la variable
independiente X5, es directa con relación a la variable dependiente Y, porque es
positiva.
 
 
 
 
 

 
 
 
 
 
Elija de las combinaciones realizadas anteriormente cual es la mejor y con la
recta de estimación de esta, pronostique usando los valores de x de la semana
que usted elija y que aparece en la tabla de datos.
La mejor combinación realizada es la 2da: X3= 29,450.00 y X6= 34,214.00
La estimación de gastos semanales de publicidad Quick Brew representada por X3 y
estimación de gastos semanales de publicidad histórico de Quick Brew presentada por
X6 con unos ingresos semanales de  394,668.62
Aunque esto significa que solo el 33.4% de la variación en los ingresos de coffee time
pueden explicarse mediante la estimación de los gastos publicitarios semanales de
Quick Brew y la estimación de su gasto semanal, sin embargo podría haber optimizado
más al incluir el costo de publicidad semanal de coffee time.
4. Haga 5 combinaciones diferentes de tres variables independientes y guarde sus
resultados.
5. Llegue a conclusiones con relación al valor de la variable dependiente y la fuerza de
la relación entre la variable dependiente e independientes, así como si la relación es
directa o inversa (pendiente positiva o negativa respectivamente).

Aquí obteniendo la determinación que el valor de la variable dependiente Ingresos

semanales previstos con la fuerza de relación de las variables independientes.

Estimado en los gastos de publicidad semanales de Quick Brew (x3)” y Gastos

semanales de publicidad de Coffee Time poseen una relación directamente
proporcional. Es decir, que la pendiente es positiva.

En el sentido de una pendiente positiva, teniendo el valor más alto en el Múltiple R de

0.760, dando de esta manera la siguiente ecuación de regresión múltiple: Y =
172,334.938 + 3.167X3 = 3.815X4

6. Elija de las combinaciones realizadas anteriormente cual es la mejor y con la

recta de estimación de esta, pronostique usando los valores de x de la semana
que usted elija y que aparece en la tabla de datos.

Relacionando y analizando el ejercicio anterior, la mejor combinación con la mejor

recta, eligiendo la semana número 6 y los valores de X3 y X4. Y = 172,334.938 +
3.167 (34,250) + 3.815 (22,950) Y = 172,334.938 + 108,469.75 + 87,554.25 Y =
213,257.938 
7. Haga 5 combinaciones diferentes de cuatro variables independientes y guarde sus
resultados.
7. Llegue a conclusiones con relación al valor de la variable dependiente y la
fuerza de la relación es directa o inversa así como si la relación es directa o
inversa (pendiente positiva o negativa respectivamente).

x1= 24,100 x2= 100  x4= 27,500 x5=096.40

ŷ = 243,823.153+4.758X1 - 736.017X2 +4.484X4 -772.940X5

ŷ = 243,823.153+ 4.758 (24,100) -736.017(100) +4.484(27,500) -
772.940(96.40)
ŷ= 243,823.153+114,667.8 -73,601.7 +123,310 -74,511.416
ŷ= 333,687.837

La relación que existe entre la variable independiente X1, es directa con relación a la
variable dependiente Y, porque es positiva. La relación que existe entre la variable
independiente X4, es directa con relación a la variable dependiente Y, porque es
positiva, la relación que existe entre la variable x5 es directa con relación a la variable
Y.
 X2=95.70 X3=28,456.00 X595.70  X6=22,590.00
ŷ=68,513.569+
2630.192(95.70)+3.416(28,456.00)+598.490(95.70)+1.032(22,590.00)
ŷ=68,513.569+251,709.374+97,205.696+57,275.493.23,312.88
ŷ=360,989.874

La relación que existe entre la variable independiente X2, es directa con relación a la
variable dependiente Y, porque es positiva. La relación que existe entre la variable
independiente X3, es directa con relación a la variable dependiente Y, porque es
positiva, la relación que existe entre la variable x5 es directa con relación a la variable
Y. la relación que existe entre entre la variable independiente x6 es directa porque es
positiva.
 X1=27,500 X3=34,214  X5=0  X6=0
ŷ=162,766.259+6944(27,500)-1.468(34214)-69.861(0)+1.802(0)
ŷ=162,766.259+190,960.000-50,226.152-0+0
ŷ=191,072,540

La relación que existe entre la variable independiente X1, es directa con relación a la
variable dependiente Y, porque es positiva. La relación que existe entre la variable
independiente X3, es directa con relación a la variable dependiente Y, porque es
positiva, la relación que existe entre la variable x5 es indirecta con relación a la
variable Y. la relación que existe entre entre la variable independiente x6 es directa
porque es positiva.

X2= 95.70 X3=22,590.00 X4=31,540  X5=101.40

ŷ= 194,804.085+12.359X2 +2.781X3 +5.364X4 -738.519X5
ŷ=194,804.085+12.359(95.70)+2.781(22,590.00)+ 5.364(31,540) -738.519(101.40)
ŷ=194,804.085+1,182.7563+62,822.79+ 169,180.56 -74,885.8266
ŷ=353,104.365 
La relación que existe entre la variable independiente X2, es directa con relación a la
variable dependiente Y, porque es positiva. La relación que existe entre la variable
independiente X3, es directa con relación a la variable dependiente Y, porque es
positiva, la relación que existe entre la variable x4 es directa con relación a la variable
Y. la relación que existe entre entre la variable independiente x5 es indirecta porque es
negativa.

9. Elija de las combinaciones realizadas anteriormente cual es la mejor y con la

recta de estimación de la misma, pronostique usando los valores de x de la
semana que usted elija y que aparece en la tabla de datos.

La combinación con mejores resultados es la combinación # 1, con un

Coeficiente de correlación de 85.9% con relación a la variable dependiente.
Ecuación de la recta de estimación X1, Gastos en publicidad semanal de
Coffee Time (normal).
Ŷ= 5.137X + 182,980.267
Ŷ= 182,980.267+5.137X
Ŷ= 182,980.267+5.137(31,540.00)
Ŷ= 182,980.267+162,020.980 = 345,001.247
El pronóstico es de 31,540.00
Ecuación de la recta de estimación X3, Estimación de los gastos en
Publicidad semanal de Quick Brew (normal)
Ŷ= 0.598X + 182,980.267
Ŷ= 182,980.267+0.598X
Ŷ= 182,980.267+0.598(33,500.00)
Ŷ= 182,980.267+20,033.00 = 203,013.267
El pronóstico es de 33,500.00
Ecuación de la recta de estimación X4, Gastos en publicidad semanal de
Coffee Time (históricos).
Ŷ= 4.334X + 182,980.267
Ŷ= 182,980.267+4.334X
Ŷ= 182,980.267+4.334(36,000.00)
Ŷ= 182,980.267+156,024.00= 339,004.267
El pronóstico es de 36,000.00
Ecuación de la recta de estimación X5, Índice de precios de Coffee Time
(históricos).
Ŷ= 788.860X + 182,980.267
Ŷ= 182,980.267+788.860X
Ŷ= 182,980.267+788.860*101.40
Ŷ= 182,980.267+79,990.404= 262,970.671
El pronóstico es de 262,970.671

10. Haga 3 combinaciones diferentes de cinco variables independientes y guarde sus

resultados.
11. Llegue a conclusiones con relación al valor de la variable dependiente y la
fuerza de la relación entre la variable dependiente e independientes, así como
si la relación es directa o inversa (pendiente positiva o negativa
respectivamente).
Análisis  de las combinaciones 
Y= 258,125.939+5.224(X1) +792.042(X2)-0.638 (X3)+4.471(X4)-807.927(X4)
Y=258,125.939+5.224(27,500)-792.042(96.40)-0.638(34,214)+4.471(00)-807.927(00)
Y=258,125.939+143,660-76,352.84-21,828.53-0.00
Y=303,604.55
Y=246,491+4.556(X1)-699.171(X2)+5.714(X4)-624.925(X2)-1.729(X6)
Y=246,491+135,085-69,917.1+137,827.9-6242-50,919.05
Y=336,075.75
Y=179,610.610+4.440(X1)+0.082(X3)+5.625(X4)-602.596(X5)+1.764(X6)
Y=179,610.610+148,296+2,480+166781.25-60,259.6-49,127.4
Y=387,780,86
 Elija de las combinaciones realizadas anteriormente cual es la mejor y con la recta de
estimación de esta, pronostique usando los valores de x de la semana que usted elija
y que aparece en la tabla de datos.
Semana 4
Y=179,610.610+4.440(X1)+0.082(X3)+5.625(X4)-602.596(X5)+1.764(X6)
Y=179,610.610+148,296+2,480+166781.25-60,259.6-49,127.4
Y=387,780,86
X1,X3,X4,X5,X6
X1=33,400.00
X3=31,000.00
X4=96.40
X5=100
X6=27,850
X=92,446.4
X=92,446.65= 18,489.28
Y=387,780.865= 77,556.2

X2= 341,853,474
M= XY - NXY X2-N(X)2= 170,002(5)(18489.28)(77556)341853474-
5(18489)2= 1.2188751.1686025= 1.043
b= 77,556.2 - (1.04) (18489.28)
b= 77,556.2 - 19,228.9
b= 58,371
y= mx + b 
y= 1.04 x + 58371
y= 1.04(5)+ 58371
y= 58,376.2 

PARA EL SEGUNDO ESCENARIO

1. Según la selección de los datos que utilice llegue a conclusiones en esta

segunda situación:
Coffee Time quiere determinar si hay evidencia de que a más de 30% de la población
le gustarán los sandwiches, la hipótesis nula y la alternativa que seleccionamos es un
reflejo exacto del problema del coffee time.

Para tomar una decisión sobre la hipótesis nula, calculamos el valor crítico, Z, del
estadístico de prueba. El valor crítico divide las regiones de rechazo y de no rechazo.
El tamaño de la región de rechazo depende de los riesgos involucrados en usar solo
evidencia de muestra para tomar decisiones sobre un parámetro de población. Para
una prueba Z de una muestra para la proporción, la regla de decisión es rechazar la
hipótesis nula, Ho, si el valor de la proporción muestral estandarizada, z, es mayor que
el valor crítico, Z. Si el valor de la muestra estandarizada proporción, z, es menor que
el valor crítico, Z, se acepta la hipótesis nula. En este caso, la proporción muestral
estandarizada, z=-1.434 es menor que el valor crítico, Z = 0.840. Por lo tanto,
teníamos razón al aceptar la hipótesis nula.

PARA EL TERCER ESCENARIO

1. Indique qué situación quiere resolver.

2. Identifique cuál es su ámbito laboral o en la sociedad una situación similar
donde pudiera aplicar estos estudios estadísticos que aparecen en este
Objeto de Aprendizaje.
3. Entregue un informe por equipo que contenga todo el análisis anterior
realizado y suba el mismo a la plataforma.

Al estudiar las preferencias de los clientes por los sándwiches, el Gerente de

Marketing de CoffeeTime siente que la proporción de hombres que prefieren los
sándwiches podría ser mayor que la proporción de mujeres. Ella planea lanzar
actividades de promoción de ventas basadas en esta hipótesis. El gerente de la
sucursal responde afirmando que podría no haber diferencia entre hombres y mujeres
en su preferencia por el sabor de los sándwiches. Ambos formulan sus propias
hipótesis y acuerdan probarlas al nivel de significancia de 0.05. 
¿Qué procedimiento utilizará para probar las hipótesis del Gerente de Marketing y el
Gerente de Sucursal?
Para resolver los problemas del gerente de mercadeo utilizamos el procedimiento
“pruebaZ”.
El gerente de marketing quiere probar si hay evidencia de que la proporción de
hombres a los que les gustan los sándwiches es mayor que la proporción de mujeres a
las que les gustan los sándwiches. Esta es una prueba direccional para la diferencia
en dos proporciones de muestra. 

Por lo tanto, la prueba Z para la diferencia en dos proporciones muestrales funciona

bien:
Para resolver la hipótesis del Gerente de Sucursal usamos la prueba de chi-cuadrado.
El Gerente de Sucursal quiere averiguar si existe una diferencia significativa entre la
proporción de hombres y mujeres que dejan inches. En otras palabras, quiere validar
la homogeneidad de las proporciones establecidas en la hipótesis nula frente a la
hipótesis alternativa de que las verdaderas proporciones de la población no son
iguales. Dado que la hipótesis alternativa no es direccional, también podría usar la
prueba Z para las diferencias entre las proporciones de la población t La prueba Z
compara directamente las proporciones de éxito mientras que la prueba de chi-
cuadrado ve los datos en términos de la frecuencia de éxito en dos grupos:
 Conclusión
 

Para el análisis realizado a la  popular cadena de cafeterías en América del

Norte y Europa Coffee Time´s, utilizamos diferentes tipos de métodos
cuantitativos. En la regresión múltiple combinamos diferentes variables
independientes realizando pronósticos de ventas, con la prueba de hipótesis de
una cola determinamos evidencias de sí a más de 30% de la población le
gustarán los sándwiches, con el chi-cuadrado y prueba z resolvimos las
hipótesis del gerente de sucursal y el gerente de marca de coffee Time´s.

Estos métodos estadísticos nos permiten ver el estudio de nuestros

consumidores y poder tomar decisiones para el manejo de nuestros productos
o servicios saber hacia dónde van las empresas y tomar la mejor decisión ante
una situación presentada además de analizar las variables que puedan afectar
nuestros ingresos como empresa y las pérdidas que nos dejen las decisiones
equivocadas , entonces es por esto que es importantes estos métodos
estadísticos para la toma de decisiones que se nos presentan en el día a día en
las empresas o en nuestro lugar de trabajo.

 
Elija de las combinaciones realizadas anteriormente cual es la mejor y con la recta de
estimación de esta, pronostique usando los valores de x de la semana que usted elija
y que aparece en la tabla de datos.
La mejor combinación realizada es la 2da: X3= 29,450.00 y X6= 34,214.00
La estimación de gastos semanales de publicidad Quick Brew representada por X3 y
estimación de gastos semanales de publicidad histórico de Quick Brew presentada por
X6 con unos ingresos semanales de 394,668.62
Aunque esto significa que solo el 33.4% de la variación en los ingresos de coffee time
pueden explicarse mediante la estimación de los gastos publicitarios semanales de
Quick Brew y la estimación de su gasto semanal, sin embargo podría haber optimizado
más al incluir el costo de publicidad semanal de coffee time.

Haga 5 combinaciones diferentes de tres variables independientes y guarde sus

resultados.
Llegue a conclusiones con relación al valor de la variable dependiente y la fuerza de la
relación entre la variable dependiente e independientes, así como si la relación es
directa o inversa (pendiente positiva o negativa respectivamente).
Aquí obteniendo la determinación que el valor de la variable dependiente Ingresos
semanales previstos con la fuerza de relación de las variables independientes
Estimado en los gastos de publicidad semanales de Quick Brew (x3)” y Gastos
semanales de publicidad de Coffee Time poseen una relación directamente
proporcional. Es decir, que la pendiente es positiva.
En el sentido de una pendiente positiva, teniendo el valor más alto en el Múltiple R de
0.760, dando de esta manera la siguiente ecuación de regresión múltiple: Y =
172,334.938 + 3.167X3 = 3.815X4
Elija de las combinaciones realizadas anteriormente cual es la mejor y con la recta de
estimación de esta, pronostique usando los valores de x de la semana que usted elija
y que aparece en la tabla de datos.
Relacionando y analizando el ejercicio anterior, la mejor combinación con la mejor
recta, eligiendo la semana número 6 y los valores de X3 y X4. Y = 172,334.938 +
3.167 (34,250) + 3.815 (22,950) Y = 172,334.938 + 108,469.75 + 87,554.25 Y =
213,257.938

Haga 5 combinaciones diferentes de cuatro variables independientes y guarde sus

resultados.
Llegue a conclusiones con relación al valor de la variable dependiente y la fuerza de la
relación es directa o inversa así como si la relación es directa o inversa (pendiente
positiva o negativa respectivamente).

x1= 24,100 x2= 100 x4= 27,500 x5=096.40

ŷ = 243,823.153+4.758X1 - 736.017X2 +4.484X4 -772.940X5

ŷ = 243,823.153+ 4.758 (24,100) -736.017(100) +4.484(27,500) -772.940(96.40)
ŷ= 243,823.153+114,667.8 -73,601.7 +123,310 -74,511.416
ŷ= 333,687.837
La relación que existe entre la variable independiente X1, es directa con relación a la
variable dependiente Y, porque es positiva. La relación que existe entre la variable
independiente X4, es directa con relación a la variable dependiente Y, porque es
positiva, la relación que existe entre la variable x5 es directa con relación a la variable
Y.

X2=95.70 X3=28,456.00 X595.70 X6=22,590.00

ŷ=68,513.569+ 2630.192(95.70)+3.416(28,456.00)+598.490(95.70)+1.032(22,590.00)
ŷ=68,513.569+251,709.374+97,205.696+57,275.493.23,312.88
ŷ=360,989.874
La relación que existe entre la variable independiente X2, es directa con relación a la
variable dependiente Y, porque es positiva. La relación que existe entre la variable
independiente X3, es directa con relación a la variable dependiente Y, porque es
positiva, la relación que existe entre la variable x5 es directa con relación a la variable
Y. la relación que existe entre entre la variable independiente x6 es directa porque es
positiva.

X1=27,500 X3=34,214 X5=0 X6=0

ŷ=162,766.259+6944(27,500)-1.468(34214)-69.861(0)+1.802(0)
ŷ=162,766.259+190,960.000-50,226.152-0+0
ŷ=191,072,540
La relación que existe entre la variable independiente X1, es directa con relación a la
variable dependiente Y, porque es positiva. La relación que existe entre la variable
independiente X3, es directa con relación a la variable dependiente Y, porque es
positiva, la relación que existe entre la variable x5 es indirecta con relación a la
variable Y. la relación que existe entre entre la variable independiente x6 es directa
porque es positiva.

X2= 95.70 X3=22,590.00 X4=31,540 X5=101.40

ŷ= 194,804.085+12.359X2 +2.781X3 +5.364X4 -738.519X5
ŷ=194,804.085+12.359(95.70)+2.781(22,590.00)+ 5.364(31,540) -738.519(101.40)
ŷ=194,804.085+1,182.7563+62,822.79+ 169,180.56 -74,885.8266
ŷ=353,104.365
La relación que existe entre la variable independiente X2, es directa con relación a la
variable dependiente Y, porque es positiva. La relación que existe entre la variable
independiente X3, es directa con relación a la variable dependiente Y, porque es
positiva, la relación que existe entre la variable x4 es directa con relación a la variable
Y. la relación que existe entre entre la variable independiente x5 es indirecta porque es
negativa.

Elija de las combinaciones realizadas anteriormente cual es la mejor y con la recta de

estimación de la misma, pronostique usando los valores de x de la semana que usted
elija y que aparece en la tabla de datos.
La combinación con mejores resultados es la combinación # 1, con un
Coeficiente de correlación de 85.9% con relación a la variable dependiente.
Ecuación de la recta de estimación X1, Gastos en publicidad semanal de
Coffee Time (normal).
Ŷ= 5.137X + 182,980.267
Ŷ= 182,980.267+5.137X
Ŷ= 182,980.267+5.137(31,540.00)
Ŷ= 182,980.267+162,020.980 = 345,001.247
El pronóstico es de 31,540.00
Ecuación de la recta de estimación X3, Estimación de los gastos en
Publicidad semanal de Quick Brew (normal)
Ŷ= 0.598X + 182,980.267
Ŷ= 182,980.267+0.598X
Ŷ= 182,980.267+0.598(33,500.00)
Ŷ= 182,980.267+20,033.00 = 203,013.267
El pronóstico es de 33,500.00
Ecuación de la recta de estimación X4, Gastos en publicidad semanal de
Coffee Time (históricos).
Ŷ= 4.334X + 182,980.267
Ŷ= 182,980.267+4.334X
Ŷ= 182,980.267+4.334(36,000.00)
Ŷ= 182,980.267+156,024.00= 339,004.267
El pronóstico es de 36,000.00
Ecuación de la recta de estimación X5, Índice de precios de Coffee Time
(históricos).
Ŷ= 788.860X + 182,980.267
Ŷ= 182,980.267+788.860X
Ŷ= 182,980.267+788.860*101.40
Ŷ= 182,980.267+79,990.404= 262,970.671
El pronóstico es de 262,970.671

Haga 3 combinaciones diferentes de cinco variables independientes y guarde sus

resultados.

Llegue a conclusiones con relación al valor de la variable dependiente y la fuerza de la

relación entre la variable dependiente e independientes, así como si la relación es
directa o inversa (pendiente positiva o negativa respectivamente).

Y= 258,125.939+5.224(X1) +792.042(X2)-0.638 (X3)+4.471(X4)-807.927(X4)

Y=258,125.939+5.224(27,500)-792.042(96.40)-0.638(34,214)+4.471(00)-807.927(00)
Y=258,125.939+143,660-76,352.84-21,828.53-0.00
Y=303,604.55
Y=246,491+4.556(X1)-699.171(X2)+5.714(X4)-624.925(X2)-1.729(X6)
Y=246,491+135,085-69,917.1+137,827.9-6242-50,919.05
Y=336,075.75
Y=179,610.610+4.440(X1)+0.082(X3)+5.625(X4)-602.596(X5)+1.764(X6)
Y=179,610.610+148,296+2,480+166781.25-60,259.6-49,127.4
Y=387,780,86
La relación existente entre la variable dependiente Y y la variable independiente X y la
fuerza de la relación es directa positiva ya que la primera muestra nos arroja un 4.09
siendo un valor positivo.
 Elija de las combinaciones realizadas anteriormente cual es la mejor y con la recta de
estimación de esta, pronostique usando los valores de x de la semana que usted elija
y que aparece en la tabla de datos.

Y=179,610.610+4.440(X1)+0.082(X3)+5.625(X4)-602.596(X5)+1.764(X6)
Y=179,610.610+148,296+2,480+166781.25-60,259.6-49,127.4
Y=387,780,86
X1,X3,X4,X5,X6
X1=33,400.00
X3=31,000.00
X4=96.40
X5=100
X6=27,850
X=92,446.4
X=92,446.65= 18,489.28
Y=387,780.865= 77,556.2
X2= 341,853,474
M= XY - NXY X2-N(X)2= 170,002(5)(18489.28)(77556)341853474-5(18489)2=
1.2188751.1686025= 1.043
b= 77,556.2 - (1.04) (18489.28)
b= 77,556.2 - 19,228.9
b= 58,371
y= mx + b
y= 1.04 x + 58371
y= 1.04(5)+ 58371
y= 58,376.2

PARA EL SEGUNDO ESCENARIO

Según la selección de los datos que utilice llegue a conclusiones en esta segunda
situación:
Coffee Time quiere determinar si hay evidencia de que a más de 30% de la población
le gustarán los sandwiches, la hipótesis nula y la alternativa que seleccionamos es un
reflejo exacto del problema del coffee time.
Para tomar una decisión sobre la hipótesis nula, calculamos el valor crítico, Z, del
estadístico de prueba. El valor crítico divide las regiones de rechazo y de no rechazo.
El tamaño de la región de rechazo depende de los riesgos involucrados en usar solo
evidencia de muestra para tomar decisiones sobre un parámetro de población. Para
una prueba Z de una muestra para la proporción, la regla de decisión es rechazar la
hipótesis nula, Ho, si el valor de la proporción muestral estandarizada, z, es mayor que
el valor crítico, Z. Si el valor de la muestra estandarizada proporción, z, es menor que
el valor crítico, Z, se acepta la hipótesis nula. En este caso, la proporción muestral
estandarizada, z=-1.434 es menor que el valor crítico, Z = 0.840. Por lo tanto,
teníamos razón al aceptar la hipótesis nula.
PARA EL TERCER ESCENARIO
Indique qué situación quiere resolver.
Identifique cuál es su ámbito laboral o en la sociedad una situación similar donde
pudiera aplicar estos estudios estadísticos que aparecen en este Objeto de
Aprendizaje.
Entregue un informe por equipo que contenga todo el análisis anterior realizado y suba
el mismo a la plataforma.
Al estudiar las preferencias de los clientes por los sándwiches, el Gerente de
Marketing de CoffeeTime siente que la proporción de hombres que prefieren los
sándwiches podría ser mayor que la proporción de mujeres. Ella planea lanzar
actividades de promoción de ventas basadas en esta hipótesis. El gerente de la
sucursal responde afirmando que podría no haber diferencia entre hombres y mujeres
en su preferencia por el sabor de los sándwiches. Ambos formulan sus propias
hipótesis y acuerdan probarlas al nivel de significancia de 0.05.
¿Qué procedimiento utilizará para probar las hipótesis del Gerente de Marketing y el
Gerente de Sucursal?

Para resolver los problemas del gerente de mercadeo utilizamos el procedimiento

“prueba Z” .
El gerente de marketing quiere probar si hay evidencia de que la proporción de
hombres a los que les gustan los sándwiches es mayor que la proporción de mujeres a
las que les gustan los sándwiches. Esta es una prueba direccional para la diferencia
en dos proporciones de muestra.

Por lo tanto, la prueba Z para la diferencia en dos proporciones muestrales funciona

bien:
Para resolver la hipótesis del Gerente de Sucursal usamos la prueba de chi-cuadrado.
El Gerente de Sucursal quiere averiguar si existe una diferencia significativa entre la
proporción de hombres y mujeres que dejan inches. En otras palabras, quiere validar
la homogeneidad de las proporciones establecidas en la hipótesis nula frente a la
hipótesis alternativa de que las verdaderas proporciones de la población no son
iguales. Dado que la hipótesis alternativa no es direccional, también podría usar la
prueba Z para las diferencias entre las proporciones de la población t La prueba Z
compara directamente las proporciones de éxito mientras que la prueba de chi-
cuadrado ve los datos en términos de la frecuencia de éxito en dos grupos:

Conclusión

Para el análisis realizado a la popular cadena de cafeterías en América del Norte y

Europa Coffee Time´s, utilizamos diferentes tipos de métodos cuantitativos. En la
regresión múltiple combinamos diferentes variables independientes realizando
pronósticos de ventas, con la prueba de hipótesis de una cola determinamos
evidencias de sí a más de 30% de la población le gustarán los sándwiches, con el chi-
cuadrado y prueba z resolvimos las hipótesis del gerente de sucursal y el gerente de
marca de coffee Time´s.
Estos métodos estadísticos nos permiten ver el estudio de nuestros consumidores y
poder tomar decisiones para el manejo de nuestros productos o servicios saber hacia
dónde van las empresas y tomar la mejor decisión ante una situación presentada
además de analizar las variables que puedan afectar nuestros ingresos como empresa
y las pérdidas que nos dejen las decisiones equivocadas , entonces es por esto que es
importantes estos métodos estadísticos para la toma de decisiones que se nos
presentan en el día a día en las empresas o en nuestro lugar de trabajo.