Universidad

Metropolitana de
Monterrey

Lic. Negocios Internacionales

“Estadística Aplicada a los
Negocios”

Alumno: Mario André Lara Canales

Modelos Cuantitativos y Cualitativos
Modelo Cuantitativo

Es una manera de observar algo, una perspectiva. El modelo cuantitativo es uno de

los más utilizados en las ciencias exactas, supone que el conocimiento es un
producto exclusivo de la razón.
De acuerdo a Francis Bacon, John Locke e Immanuel Kant, la observación racional
y objetiva de la naturaleza es el único criterio para acceder al conocimiento
verdadero.
Comte es considerado el fundador del enfoque cuantitativo. Para este enfoque es
posible descubrir y conocer la realidad utilizando mecanismos racionales de
interpretación.

Características del modelo cuantitativo de investigación: Utiliza la medición

numérica y el análisis estadístico a partir de la recopilación de datos para comprobar
la o las hipótesis. La investigación de los aspectos observables y medibles permite
llegar a la ciencia.
Ventajas del método cuantitativo:

Los resultados tienen la posibilidad de generalizarse.

Es el modelo específico de las ciencias exactas pero ofrece herramientas para
realizar investigaciones sociales.
Asegura la objetividad.
Ordena los datos y promueve herramientas como el uso de la estadística.
Presenta una secuencia de pasos ordenados que orientan la investigación
Método Cualitativo.

Surge como una alternativa al paradigma cuantitativo dado que hay problemáticas
de las ciencias sociales que no pueden ser investigadas desde los principios del
método científico tradicional.
Su forma de proceder permite plantear nuevas preguntas de investigación a lo largo
del desarrollo de la misma. Presenta un modo más flexible de aproximarse a la
realidad estudiada
Método de investigación cualitativa.

Estudio de casos: Estudio de un fenómeno especifico que se elige por ser

interesante. Su objetivo es conocer las singularidades de los hechos.
Teorema de Bayes

El teorema de Bayes es utilizado para calcular la probabilidad de un suceso,

teniendo información de antemano sobre ese suceso.

Podemos calcular la probabilidad de un suceso A, sabiendo además que ese A

cumple cierta característica que condiciona su probabilidad. El teorema de Bayes
entiende la probabilidad de forma inversa al teorema de la probabilidad total. El
teorema de la probabilidad total hace inferencia sobre un suceso B, a partir de los
resultados de los sucesos A. Por su parte, Bayes calcula la probabilidad de A
condicionado a B.
Formula del Teorema de Bayes

Para calcular la probabilidad tal como la definió Bayes en este tipo de sucesos,
necesitamos una formula. La fórmula se define matemáticamente como:

Distribución Binomial

Una distribución binomial es una distribución de probabilidad ampliamente utilizada de una

variable aleatoria discreta es la distribución binomial. Esta describe varios procesos de interés para
los administradores.
Describe datos discretos, resultantes de un experimento denominado proceso de Bernoulli en
honor del matemático suizo Jacob Bernoulli, quien vivió en el siglo XVII.

Empleo del proceso de Bernoulli

Podemos servirnos de los resultados de un número fijo de lanzamientos de una moneda como
ejemplo de un proceso de Bernoulli. Este proceso lo describimos así:

1.- Cada ensayo tiene solo 2 resultados posibles: lado A o lado B, si no, éxito o fracaso.
2.- La probabilidad del resultado de cualquier ensayo permanece fija con el tiempo. Tratándose de
una moneda la probabilidad de que salga del lado A sigue siendo de 0.5 en cada lanzamiento
cualquiera que sea el número de veces que la moneda sea arrojada.
3.- Los ensayos son estadísticamente independientes, es decir el resultado de un lanzamiento no
afecta al de cualquier otro lanzamiento

En el lenguaje más formal, el símbolo p representa la probabilidad de tener éxito el símbolo q

representa la probabilidad de tener fracaso. Para representar cierto número de éxitos,
utilizaremos el símbolo r y para simbolizar el número total de ensayos emplearemos el símbolo n.
 P Probabilidad de tener éxito
q Probabilidad de tener fracaso
r Cierto número de éxitos
n Total de ensayos

Muestreo
En la referencia estadística se conoce como muestreo a la técnica para la selección
de una muestra a partir de una población estadística.1

Al elegir una muestra aleatoria se espera conseguir que sus propiedades sean
extrapolables a la población. Este proceso permite ahorrar recursos, y a la vez
obtener resultados parecidos a los que se alcanzarían si se realizase un estudio de
toda la población. En las investigaciones llevadas por empresarios y de la medicina
se usa muestreo extensivamente en recoger información sobre poblaciones.2

Cabe mencionar que para que el muestreo sea válido y se pueda realizar un estudio
adecuado (que consienta no solo hacer estimaciones de la población sino estimar
también los márgenes de error correspondientes a dichas estimaciones), debe
cumplir ciertos requisitos. Nunca podremos estar enteramente seguros de que el
resultado sea una muestra representativa, pero sí podemos actuar de manera que
esta condición se alcance con una probabilidad alta.

En el muestreo, si el tamaño de la muestra es más pequeño que el tamaño de la

población, se puede extraer dos o más muestras de la misma población. Al conjunto
de muestras que se pueden obtener de la población se denomina espacio muestral.
La variable que asocia a cada muestra su probabilidad de extracción, sigue la
llamada distribución muestral.