Una introducción al concepto de Benchmarketing

El presente trabajo pretende aclarar el concepto y las aplicaciones del

Benchmarketing en la empresa. Entender y aplicar los métodos de trabajo
existentes así como los aspectos más importantes de esta herramienta.

Introducción
¿Para qué sirve el Benchmarketing?

¿Benchmarketing consiste en COPIAR?

¿Cómo se aplica en Benchmarketing?

Objetivos

I Conocer los conceptos y definiciones posibles de

Benchmarketing

II Aprender los diferentes tipos de Benchmarketing

III Aplicar diferentes técnicas y metodologías de
Benchmarketing

Apartad
os

I Introducción
II Definiciones posibles
III Categorías de Benchmarketing
 IV Técnicas y Metodologías
 V Factores de riesgo
BENCHMARKETIN BENCHMARKETING (Un acercamiento al
G
concepto)

1) INTRODUCCION:
El Benchmarking es un concepto que empezó a utilizarse hace unos 20 años. En
muchos casos más de forma teórica que práctica. Pero no ha sido hasta entrados
en la década de los 90 que las principales empresas a nivel mundial comienzan a
interesarse por este tema.
La competencia cada vez mayor a la que se ven sometidas muchas compañías las
ha obligado .a buscar recursos y técnicas novedosas con las que poder competir.
Una de estas técnicas es el Benchmarketing.

Al principio, en la década de los 80 la idea del Benchmarketing era comparar a las

empresas norteamericanas con las japonesas. En la actualidad el Benchmarketing
consiste en comparar a tu empresa, con la mejor del mundo.

Seguramente habrán oído hablar de Benchmarking pero no del Benchmarketing. En

definitiva es el mismo concepto, pero utilizamos Benchmarketing para hacer incapié
en la función comercial o marketing.

2) DEFINICIONES POSIBLES
Existen numerosas definiciones respecto a este concepto. Sin embargo, de forma
genérica, la mayoría de los autores coinciden, con algunos matices en los principios
fundamentales. Así, algunas posibles definiciones podrían ser:

"Benchmarketing es el proceso continuo de medir

productos, servicios y prácticas contra los
competidores reconocidos como líderes en su sector"
(David T. Kearns, Director General de Xerox
Corporation)

Concretamente Xerox Corporation fue la primera en aplicar el Benchmarketing en

1979 como técnica y proceso competitivo frente a sus competidoras, formalizando y
dirigiendo sus análisis a Fuji.

Otras posibles definiciones:

"Entendemos Benchmarketing al proceso de

comparar y medir las operaciones de una
organización o sus procesos internos/externos contra
los de un reconocido líder de mercado, tanto interior
como exterior al mercado de referencia"

"Al proceso continuo de medir y comparar una organización

con las organizaciones líderes en cualquier lugar del mundo
para obtener información que les ayude a ejecutar acciones
para mejorar su desempeño se denomina, Benchmarketing
o estudios de desempeño comparativo"

Así tenemos que en la práctica una organización que aplica Benchmarketing, en

realidad lo que hace es buscar organizaciones sean o no competidores y analizar
procesos de mejora. Se trata de aprender basándonos en la experiencia de los
demás. No es precisamente un análisis comparativo de un producto de la
competencia frente al nuestro. El Benchmarketing va mucho más allá comparando
los procesos de fabricación, lanzamiento, estrategia, organización, calidad etc...

También debe entenderse como un proceso continuo de comparación y no

meramente como un echo puntual.

En realidad, en muchas ocasiones, necesitamos de un patrón de medida para poder

juzgar y evaluar la corrección de nuestros procedimientos. Precisamos, en
definitiva, de un standard o punto de referencia.

"Benchmarketing es la búsqueda de las mejores

prácticas de la industria que conducen a un
desempeño excelente " (Robert C. Camp)

Viendo todo lo anterior podríamos pensar que sólo se centra en COPIAR lo que los
otros hacen bien. Evidentemente no siempre es así o al menos, no debería serlo.
Una empresa que lo aplique correctamente, debería identificar qué es lo que hacen
bien otras empresas e intentar mejorar sus procedimientos. Pero en la práctica, no
todas las teorías se llevan a buen puerto.

En la actualidad las empresas no disponen de tiempo para implantar sistemas de

mejora gradual en las áreas o departamentos en los que la empresa se encuentra
más desfavorecida o atrasada. El BM puede ayudarnos a decirnos exactamente
dónde nos encontramos respecto a los mejores. Sin embargo, los mejores no
siempre tienen que ser nuestros competidores.

El Benchmarketing no consiste sólo en compararnos con nuestros competidores

sino con los mejores, sean o no competencia.

"El Benchmarketing se suele hacer entre

organizaciones que así lo acuerdan"

"El Benchmarketing se centra en procesos y

prácticas y no solo en productos"

3) CATEGORÍAS
Existen diferentes categorías a la hora de hablar de BM, así podemos diferenciar:

Benchmarketing interno

Benchmarketing Externo

Competitivo
Genérico

Benchmarketing funcional

 
3.1) Benchmarketing Interno.

Entendemos por BM interno a las operaciones de comparación que podemos

efectuar dentro de una misma empresa, filiales o delegaciones. Esto, en
general, es aplicable a grandes compañias, donde lo que se busca es ver qué
procesos dentro de la misma compañía son más eficientes y eficaces. Podemos así
establecer patrones de comparación con departamentos o secciones tomándolos
como standard para iniciar procesos de mejora continua.

Uno de los riesgos del enfoque interno es que no sean conscientes de la

comparación de que sus métodos son menos eficientes que los del mejor. Un
enfoque predominantemente interno impide tener una visión global del exterior.

3.2) Benchmarketing Externo.

Se subdivide en dos categorías. El BM competitivo y el BM genérico.

Benchmarketing Competitivo.

Este suele ser el más conocido por las empresas. En general consiste en efectuar
pruebas de comparabilidad así como investigaciones que nos permitan conocer
todas las ventajas y desventajas de nuestros competidores más directos. La
matriz DAFO puede ser una buena herramienta.

Esta matriz se utiliza para conocer las:

Debilidades

Amenazas

Fuerzas

Oportunidades

Tanto de nuestra competencia como de nuestra propia empresa.

Benchmarketing Genérico

Existen funciones y procesos que pueden ser idénticos en empresas de sectores y

actividades diferentes. Así departamentos de contabilidad, facturación, control de
stocks, logística etc., de otras empresas pueden mostrar similitudes con nuestra
compañía, así que también puede parecer lógica la comparación de las mejores
prácticas de estas empresas y la adecuación a nuevos sistemas o procesos de
mejora.

Podremos observar, por lo tanto, cómo han funcionado nuevas tecnologías o

métodos de trabajo en otras organizaciones sin necesidad de aplicar el método
Ensayo-Errror. Es decir, perfeccionar un sistema por nuestra cuenta a base, en
muchos casos de cometer errores. Además de ser un método lento, suele ser
costoso.
 

3.3) Benchmarketing Funcional

En este caso no nos detenemos solo con compararnos con los competidores
directos de nuestros productos.

En muchos casos se puede utilizar información compartida entre empresas de

diferentes sectores. Se dice la la razón fundamental del Benchmarketing reside en
que no tiene sentido estar investigando un proceso o sistema determinado si
resulta que ese proceso ya existe.

4) TECNICAS Y METODOLOGIAS
A continuación ofrecemos algunas técnicas o métodos para aplicar el proceso de
Benchmarketing.

Algunos pasos a considerar pueden ser los siguientes:

Definir qué queremos analizar

Determinar qué clientes utilizaremos para la información de

Benchmarketing

Identificación de los factores críticos (éxito/fracaso)

Determinación del proceso de Benchmarketing

Crear los equipos de trabajo necesarios

Qué equipos utilizaremos

Grupos funcionales de trabajo

Equipos interfuncionales

Quiénes serán las personas implicadas

Especialistas internos

Especialistas externos

Colaboradores

Determinar las funciones y tareas de los equipos, así como sus

responsabilidades
Formación de empleados en el caso de que sea necesario

Programación de actividades

Elegir las empresas a las que vamos a estudiar

Redes de Benchmarketing

Determinar qué empresas tienen las mejores prácticas en la

industria

Formar acuerdos con los socios de benchmarketing

Desarrollar sistemas de recogida de información

Identificar fuentes de información y documentación

Recopilar y organizar la información

Análisis de la información

Resúmen de datos

Establecer diferencias entre ámbas organizaciones

Identificar todas las ideas de mejora

Aplicación

Desarrollo del plan estratégico para igualar y superar al

mejor

Puesta en práctica y revisión del sistema

Uno de los puntos clave de toda esta metodología consiste en la formación de

acuerdos con los socios de Benchmarketing. Consiste en identificar qué persona o
personas de la empresa elegida pueden servirnos para establecer los primeros
contactos de colaboración. Por supuesto, el mejor sistema de BM es el que cuenta
con socios o empresas que colaboran en el intercambio de información y datos de
forma conjunta y de mútuo acuerdo. Deberemos establecer límites en cuanto a
qué información podemos o no divulgar.
5) FACTORES DE RIESGO
No elegir de forma adecuada al mejor

Documentación e información excesiva

Poco apoyo por parte de la dirección

Entender el BM como un proceso puntual y no

como un proceso sin fin

Recursos inadecuados

Falta de voluntad o compromiso entre los socios de BM

Objetivos demasiado amplios o mal enfocados

Personal inadecuado o poco formando

Miedo al cambio o a la innovación

Falta de voluntad o compromiso por parte de los socios

Calendarios poco efectivos

Falta de sistemas de control de BM

Objetivos de BM demasiado amplios

Ese es el motivo por el que Amazon sigue dando pérdidas: prefiere optar
por una agresiva estrategia de expansión a muchos países, lo que
implica altísimos costes, a cambio de una clara apuesta de futuro.
BENCHMARKETING Reflexión
Benchmarketing es un proceso de mejora continua

Se relaciona con procesos y prácticas y no solo con productos

Compara tu proceso o práctica con el mejor de la clase

El objetivo es obtener mejoras de desempeño de forma rápida

Se realiza entre organizaciones que así lo acuerdan

Los socios suelen ser de empresas de sectores diferentes

Debe verse como un proceso sin fin

La meta es llegar a ser el mejor, no simplemente mejorar

Benchmarketing no consiste solo en copiar

Debe contar con el compromiso de dirección

Debe existir voluntad de cambio

"Benchmarketing es el proceso continuo de medir

productos, servicios y prácticas contra los
competidores reconocidos como líderes en su sector"
(David T. Kearns, Director General de Xerox
Corporation)
"Entendemos Benchmarketing al proceso de
comparar y medir las operaciones de una
organización o sus procesos internos/externos contra
los de un reconocido líder de mercado, tanto interior
como exterior al mercado de referencia"
"Al proceso continuo de medir y comparar una organización con las
organizaciones líderes en cualquier lugar del mundo para obtener
información que les ayude a ejecutar acciones para mejorar su
desempeño se denomina, Benchmarketing o estudios de desempeño
comparativo"
"Benchmarketing es la búsqueda de las mejores prácticas de la industria
que conducen a un desempeño excelente " (Robert C. Camp)

ENCHMARKETING

Fuentes de información de la lección

Bibliografía Direcciones de Internet

BENCHMARKETING

Bibliografía

· Benchmarking. José María Prats Canet

· Benchmarking Estratégico. Gregory Watson

· Benchmarking para competir con éxito. Robert J. Boxwell

· Guía práctica del Benchmarking. Antonio Valls

· Benchmarking. Michael Spendolini

BENCHMARKETING

Direcciones de Internet

* Asociaciones de Economía [Asociaciones de interés para economistas]

* Asociaciones de Empresa [Asociaciones empresariales]
* Capital Intelectual [Enlaces sobre gestión del conocimiento y capital intelectual]
* Empresas líderes [Lo que hay en los servidores de las principales empresas]
* Impuestos [Selección comentada de enlaces sobre fiscalidad e impuestos]
* Legislación [Servidores sobre legislación]
* Listas y Grupos de Economía [Listas y grupos que debaten temas de economía]
* Listas y Grupos de Empresa [Listas y grupos que debaten temas de empresa]
* Revistas de Economía [Revistas de Economía]
* Revistas de Empresa [Revistas de Empresa]
* Sector Público [Selección comentada de enlaces sobre Sector Público]
* Software de Econometría [software estadístico]
* Otros Enlaces [Otros servidores sobre economía]

Análisis
Multivariante Introducción
¿Es posible predecir el gasto en consumir de un cliente a partir
de su nivel de ingresos, su nivel educativo, su edad y su estilo de
vida?

¿Cuáles son los factores que determinan que un individuo

encuentre trabajo antes que otro?

¿ Existe discriminación por sexos en una empresa?

¿Cuáles son los atributos de un producto que más influyen en la decisión de

compra de un conjunto de consumidores?
 ¿Es posible predecir si una empresa va a quebrar en función de un conjunto de
indicadores financieros?
¿Es posible clasificar un grupo de alimentos en función de sus valores nutritivos?

¿Cuáles son los atributos que un consumidor utiliza para distinguir las distintas
marcas y modelos de coches deportivos?

Analizar la composición del paro en Aragón en función de la provincia, el sexo, la

edad y el nivel de estudios del parado... Analizar la influencia ejercida por la actitud
hacia la bebida del conductor con su forma de conducir

... en esta lección trataremos de responder a estas cuestiones

Análisis Multivariante
Apartados
I ¿Qué es el Análisis Multivariante?

II Tipos de técnicas multivariantes

III Etapas de un Análisis Multivariante

Lección
Introducción al Análisis
Estadística Multivariante
© Citar como: Salvador Figueras, M (2000): "Introducción al Análisis
Multivariante", [en línea] 5campus.com, Estadística
<http://www.5campus.com/leccion/anamul> [y añadir fecha consulta]

 
 

1.- ¿QUÉ ES EL ANÁLISIS MULTIVARIANTE?

Es el conjunto de métodos estadísticos cuya finalidad es analizar

simultáneamente conjuntos de datos multivariantes en el sentido de que hay
varias variables medidas para cada individuo ú objeto estudiado.

Su razón de ser radica en un mejor entendimiento del fenómeno objeto de

estudio obteniendo información que los métodos estadísticos univariantes y
bivariantes son incapaces de conseguir.
 Así, como Hair et al. (1999) dicen:

“Las mujeres y hombres de negocios de hoy no pueden seguir

aproximaciones ya pasadas en las que los consumidores eran considerados
homogéneos y caracterizados por un número pequeño de variables
demográficas. En su lugar, deben desarrollar estrategias que atraigan a
numerosos segmentos de clientes con características demográficas y
psicográficas diversas en un mercado con múltiples restricciones (legales,
económicas, competitivas, tecnológicas, etc). Sólo a través del análisis
multivariante las relaciones múltiples de este tipo podrán ser examinadas
adecuadamente para obtener un entendimiento más completo y real del entorno
que permita tomar las decisiónes más adecuadas.”

1.1.           Objetivos del Análisis Multivariante

Pueden sintetizarse en dos:

1) Proporcionar métodos cuya finalidad es el estudio conjunto de datos

multivariantes que el análisis estadístico uni y bidimensional es incapaz de
conseguir

2) Ayudar al analista o investigador a tomar decisiones óptimas en el contexto en

el que se encuentre teniendo en cuenta la información disponible por el conjunto
de datos analizado
2.- TIPOS DE TECNICAS MULTIVARIANTES

Se pueden clasificar en tres grandes grupos (ver esquema adjunto):

1)     Métodos de dependencia

Suponen que las variables analizadas están divididas en dos grupos: las
variables dependientes y las variables independientes. El objetivo de los métodos
de dependencia consiste en determinar si el conjunto de variables independientes
afecta al conjunto de variables dependientes y de qué forma.

2)     Métodos de interdependencia

Estos métodos no distinguen entre variables dependientes e independientes y su

objetivo consiste en identificar qué variables están relacionadas, cómo lo están y
por qué.

3)     Métodos estructurales

Suponen que las variables están divididas en dos grupos: el de las variables
dependientes y el de las independientes. El objetivo de estos métodos es análizar,
no sólo como las variables independientes afectan a las variables dependientes,
sino también cómo están relacionadas las variables de los dos grupos entre sí.
 2.1 Métodos de dependencia

Se pueden clasificar en dos grandes subgrupos según que la variable (s)

dependiente (s) sea (n) cuantitativas o cualitativas.

Si la variable dependiente es cuantitativa algunas de las técnicas que se

pueden aplicar son las siguientes:

1) Análisis de Regresión

Es la técnica adecuada si en el análisis hay una o varias variables

dependientes métricas cuyo valor depende de una o varias variables
independientes métricas.

Por ejemplo, intentar predecir el gasto anual en cine de una persona a

partir de su nivel de ingresos, nivel educativo, sexo y edad.

2) Análisis de Supervivencia
 Es similar al análisis de regresión pero con la diferencia de que la variable
independiente es el tiempo de supervivencia de un individuo ú objeto.

Por ejemplo, intentar predecir el tiempo de permanencia en el desempleo

de un individuo a partir de su nivel de estudios y de su edad.

3) Análisis de la varianza

Se utilizan en situaciones en las que la muestra total está dividida en

varios grupos basados en una o varias variables independientes no métricas y las
variables dependientes analizadas son métricas. Su objetivo es averiguar si hay
diferencias significativas entre dichos grupos en cuanto a las variables
dependientes se refiere.

Por ejemplo, ¿hay diferencias en el nivel de colesterol por sexos? ¿afecta,

también, el tipo de ocupación?.

4) Correlación Canónica

Su objetivo es relacionar simultáneamente varias variables métricas

dependientes e independientes calculando combinaciones lineales de cada
conjunto de variables que maximicen la correlación existente entre los dos
conjuntos de variables.

Por ejemplo, analizar cómo están relacionadas el tiempo dedicado al

trabajo y al ocio de una persona con su nivel de ingresos, su edad y su nivel de
educación

Si la variable dependiente es cualitativa algunas de las técnicas que se

pueden aplicar son las siguientes:

1) Análisis Discriminante
 Esta técnica proporciona reglas de clasificación óptimas de nuevas
observaciones de las que se desconoce su grupo de procedencia basándose en la
información proporcionada los valores que en ella toman las variables
independientes.

Por ejemplo, determinar los ratios financieros que mejor permiten

discriminar entre empresas rentables y poco rentables.

2) Modelos de regresión logística

Son modelos de regresión en los que la variable dependiente es no

métrica. Se utilizan como una alternativa al análisis discriminante cuando no hay
normalidad

3) Análisis Conjoint

Es una técnica que analiza el efecto de variables independientes no

métricas sobre variables métricas o no métricas. La diferencia con el Análisis de
la Varianza radica en dos hechos: las variables dependientes pueden ser no
métricas y los valores de las variables independientes no métricas son fijadas por
el analista. En otras disciplinas se conoce con el nombre de Diseño de
Experimentos.

Por ejemplo, una empresa quiere diseñar un nuevo producto y para ello
necesita especificar la forma del envase, su precio , el contenido por envase y su
composición química. Presenta diversas composiciones de estos cuatro factores.
100 clientes proporcionan un ranking de las combinaciones que se le presentan.
Se quiere determinar los valores óptimos de estos 4 factores.

 
2.2 Métodos de Interdependencia

Se pueden clasificar en dos grandes grupos según que el tipo de datos que
analicen sean métricos o no métricos.

Si los datos son métricos se pueden utilizar, entre otras, las siguientes
técnicas:

1) Análisis Factorial y Análisis de Componentes Principales

Se utiliza para analizar interrelaciones entre un número elevado de

variables métricas explicando dichas interrelaciones en términos de un número
menor de variables denominadas factores (si son inobservables) o componentes
principales (si son observables).

Así, por ejemplo, si un analista financiero quiere determinar la cual es el

estado de salud financiero de una empresa a partir del conocimiento de un
número de ratios financieros, construyendo varios índices numéricos que definan
su situación, el problema se resolvería mediante un Análisis de Componentes
Principales.

Si un psicólogo quiere determinar los factores que caracterizan la

inteligencia de un individuo a partir de sus respuestas a un test de inteligencia,
utilizaría para resolver este problema un Análisis Factorial.

2) Escalas Multidimensionales

Su objetivo es transformar juicios de semejanza o preferencia en distancias

representadas en un espacio multidimensional. Como consecuencia se construye
un mapa en el que se dibujan las posiciones de los objetos comparados de forma
que aquéllos percibidos como similares están cercanos unos de otros y alejados
de objetos percibidos como distintos.

Por ejemplo, analizar, en el mercado de refrescos, las percepciones que un

grupo de consumidores tiene acerca de una lista de refrescos y marcas con el fin
de estudiar qué factores subjetivos utiliza un consumidor a la hora de clasificar
dichos productos.

3) Análisis Cluster

Su objetivo es clasificar una muestra de entidades (individuos o variables)

en un número pequeño de grupos de forma que las observaciones pertenecientes
a un grupo sean muy similares entre sí y muy disimilares del resto. A diferencia
del Análisis Discriminante se desconoce el número y la composición de dichos
grupos.

Por ejemplo, clasificar grupos de alimentos (pescados, carnes, vegetales y

leche) en función de sus valores nutritivos.

Si los datos son no métricos se pueden utilizar, además de las Escalas

Multidimensionales y el Análisis Cluster, las siguientes técnicas:

1) Análisis de Correspondencias

Se aplica a tablas de contingencia multidimensionales y persigue un

objetivo similar al de las escalas multidimensionales pero representando
simultáneamente las filas y columnas de las tablas de contingencia.

Por ejemplo, analizar el paro en Aragón teniendo en cuenta la provincia,

sexo, edad y nivel de estudios del parado
 

2) Modelos log-lineales

Se aplican a tablas de contingencia multidimensionales y modelizan

relaciones de dependencia multidimensional de las variables observadas que
buscan explicar las frecuencias observadas.

2.3 Métodos estructurales

Analizan las relaciones existentes entre un grupo de variables

representadas por sistemas de ecuaciones simultáneas en las que se suponen que
algunas de ellas (denominadas constructos) se miden con error a partir de otras
variables observables denominadas indicadores.

Los modelos utilizados constan, por lo tanto, de dos partes: un modelo

estructural que especifica las relaciones de dependencia existente entre las
constructos latentes y un modelo de medida que especifica como los indicadores
se relacionan con sus correspondientes constructos.

Por ejemplo, analizar cómo se relacionan los niveles de utilización de los

servicios de una empresa con las percepciones que sus clientes tienen de ella.

 
3.- ETAPAS DE UN ANALISIS MULTIVARIANTE

Pueden sintetizarse en 6:

1) Objetivos del análisis

Se define el problema especificando los objetivos y las técnicas

multivariantes que se van a utilizar

El investigador debe establecer el problema en términos conceptuales

definiendo los conceptos y las relaciones fundamentales que se van a investigar.
Se deben establecer si dichas relaciones van a ser relaciones de dependencia o de
interdependencia. Con todo esto se determinan las variables a observar.

2) Diseño del análisis.

Se determina el tamaño muestral, las ecuaciones a estimar (si procede), las

distancias a calcular (si procede) y las técnicas de estimación a emplear. Una vez
determinado todo esto se proceden a observar los datos

3) Hipótesis del análisis

Se evaluan las hipótesis subyacentes a la técnica multivariante. Dichas

hipótesis pueden ser de normalidad, linealidad, independencia, homocedasticidad, etc.
También se debe decidir qué hacer con los datos missing

4) Realización del análisis

 Se estima el modelo y se evalúa el ajuste a los datos. En este paso pueden
aparecer observaciones atípicas (outliers) o influyentes cuya influencia sobre las
estimaciones y la bondad de ajuste se debe analizar.

5) Interpretación de los resultados

Dichas interpretaciones pueden llevar a reespecificaciones adicionales de

las variables o del modelo con lo cual se puede volver de nuevo a los pasos 3) y
4)

6) Validación del análisis

Consiste en establecer la validez de los resultados obtenidos analizando

sí los resultados obtenidos con la muestra se generalizar a la población de la que
procede. Para ello se puede dividir la muestra en varias partes en las que el model
se vuelve a estimar y se compararn los resultados. Otras técnicas que se pueden
utilizar aquí son las técnicas de remuestreo (jacknife y bootstrap)

En el ejemplo siguiente concretamos en qué consistirían dichas etapas para

un Análisis de Regresión Múltiple:

Ejemplo: Análisis de Regresión Múltiple

1) Objetivos del análisis

Predecir el gasto en cine de una persona a partir de su nivel de ingresos,

nivel educativo, sexo y edad lo cual nos permitiría entender mejor cuáles son las
pautas de comportamiento de la población.
 Para ello se propone un análisis de regresión múltiple en el que la variable
dependiente sería el gasto en cine y como variables independientes el resto.

2) Diseño del análisis

Se decidiría cómo elegir la muestra, el tamaño de la misma y cómo medir

las variables implicadas en el análisis. El gasto en cine podría medirse como el
gasto anual en cine medido en pesetas. El nivel de ingresos podría medirse con
una variable ordinal, dadas las reticencias a dar información precisa sobre este
tipo de variables; el nivel educativo sería una variable ordinal; el sexo una
variable binaria y la edad una variable cuantitativa medida en años.

El tamaño de la muestra se eligiría en función de la potencia que se quiera

dar a la regresión múltiple. Así, por ejemplo, con un tamaño muestral de 100
observaciones se podría detectar, en una regresión múltiple lineal, las relaciones
con un coeficiente de correlación múltiple (R2) de aproximadamente igual a 0.3
con una potencia de 0.8% utilizando un nivel de significación igual a 0.01.
Conviene, además, que el ratio del número de observaciones al número de
parámetros a estimar sea lo suficientemente amplio para estimar los parámetros
del modelo con el menor error posible

3) Hipótesis del análisis

Hay que comprobar la linealidad de la relación, la normalidad y la

homocedasticidad. No hay datos missing y se deben estudiar la posible existencia
de ouliers en cada una de las variables.

4) Realización del análisis

 Se puede utilizar el estimador de mínimos cuadrados del que se conoce su
distribución muestral bajo hipótesis de normalidad. Dicho estimador coincide con
el máximo verosimil y es eficiente. Se puede también utilizar el método de
regresión paso a paso para determinar las variables independientes a incluir en la
regresión. Una vez estimada la ecuación de regresión se estudia la bondad de
ajuste mediante el cálculo de R2 y el análisis de los resíduos. Se estudiaría la
homocedasticidad, independencia, posible omisión de variables, existencia de
outliers e influencia de observaciones individuales

5) Interpretación de los resultados

Se interpretaría el valor de los coeficientes obtenidos así como su signo

teniendo cuidado con la posible existencia de multicolinealidad

6) Validación del análisis

Se divide la muestra en dos submuestras de tamaño 50 y se vuelve a

estimar la ecuación de regresión en cada submuestra comparando los resultados.

 
 Resumen

El Análisis Multivariante es el conjunto de métodos estadísticos cuya

finalidad es analizar simultáneamente conjuntos de datos multivariantes en el
sentido de que hay varias variables medidas para cada individuo ú objeto
estudiado.

Su razón de ser radica en un mejor entendimiento del fenómeno objeto de

estudio obteniendo información que los métodos estadísticos univariantes y
bivariantes son incapaces de conseguir.

Dicho conjunto de métodos puede dividirse en tres grandes grupos según

el papel que juegen en el análisis las variables consideradas:

1)     Métodos de dependencia

2)     Métodos de interdependencia

3)     Métodos estructurales

Para llevar a cabo un análisis de este tipo se deben los siguientes pasos:

1)     Establecer los objetivos del análisis

2)     Diseñar el análisis

3)     Evaluar las hipótesis subyacentes a la técnica a utilizar

4)     Realizar el análisis

5)     Interpretar los resultados obtenidos

6)     Validar dichos resultados

 Bibliografía

Como libro de consulta dedicado exclusivamente al Análisis Multivariante

y con un montón de referencias adicionales recomiendo:

GRIM, L. and YARNOLD, P.R. (1994). Reading and understanding multivariate statistics.
American Psycological Association. Washington D.C

HAIR, J., ANDERSON, R., TATHAM, R. y BLACK, W. (1999). Análisis Multivariante. 5ª

Edición. Prentice Hall.

MARTINEZ ARIAS, R. (2000). El Análisis Multivariante en la Investigación Científica.

Cuadernos de Estadística. Editorial La Muralla

Otros libros interesantes son:

AFIFI, A.A. and CLARK, V. (1996) Computer-Aided Multivariate Analysis. Third Edition.
Texts in Statistical Science. Chapman and Hall.

EVERITT, B. And GRAHAM, D. (1991). Applied Multivariate Data Analysis. Arnold.

SHARMA, S. (1998). Applied Multivariate Techiques. John Wiley and Sons.

URIEL, E. (1995). Análisis de Datos: Series temporales y Análisis Multivariante. Colección

Plan Nuevo. Editorial AC.

Desde un punto de vista más matemático:

 

JOBSON, J.D. (1992) Applied Multivariate Data Analysis. Volume II: Categorical and
Multivariate Methods. Springer-Verlag.

LEBART, L; MORINEAU, A. and PIRON, M. (2000). Statistique Exploratoire

Multidimensionnelle. 3ª Edition. DUNOD.

MARDIA, K.V., KENT, J.T. y BIBBY, J.M. (1994). Multivariate Analysis. Academic Press.

Enfocados hacia SPSS:

FERRAN, M. (1997). SPSS para WINDOWS. Programación y Análisis Estadístico. Mc.Graw

Hill.
VISAUTA, B. (1998) Análisis Estadístico con SPSS para WINDOWS (Vol II. Análisis
Multivariante). Mc-Graw Hill.

Análisis
Multivariante
Direcciones de Internet para la lección

* Buscadores y Portales [¿Cómo buscar en Internet?]

* Tutoriales [Cursos gratis, manuales de programas y tutoriales sobre temas diversos]
* Hardware [Enlaces de equipos y componentes informáticos]
* Listas y Grupos sobre tecnología [Listas y grupos de debate sobre tecnología]
* Revistas [Revistas de Tecnología]
* Seguridad Informática [Enlaces sobre seguridad en los ordenadores]
* Software [Selección de servidores con miles de programas]
* Otros Enlaces [Buena selección de otros servidores sobre tecnología]

Le sugerimos que visite nuestra Selección de Enlaces y otras

Lecciones de Estadística:
Lección
Introducción a la Probabilidad
Estadística

Concepción Alonso y Ana I. Zamora

Universidad de Alcalá de Henares (España)

En la vida cotidiana aparecen muchas situaciones en las que los resultados

observados son diferentes aunque las condiciones iniciales en las que se produce la
experiencia sean las mismas. Por ejemplo, al lanzar una moneda unas veces
resultará cara y otras cruz.. Estos fenómenos, denominados aleatorios, se ven
afectados por la incertidumbre.

En el lenguaje habitual, frases como "probablemente...", "es poco probable que...",

"hay muchas posibilidades de que..." hacen referencia a esta incertidumbre.
La teoría de la probabilidad pretende ser una herramienta para modelizar y
tratar con situaciones de este tipo; Por otra parte, cuando aplicamos las técnicas
estadísticas a la recogida, análisis e interpretación de los datos, la teoría de la
probabilidad proporciona una base para evaluar la fiabilidad de las
conclusiones alcanzadas y las inferencias realizadas. Debido al importante
papel desempeñado por la probabilidad dentro de la estadística, es necesario
familiarizarse con sus elementos básicos, lo que constituye el objetivo del presente
tema.
Comenzamos con una motivación sobre la incertidumbre y los distintos grados de
incertidumbre, relacionándolos de manera intuitiva con los enfoques más
tradicionales para asignar probabilidades. Posteriormente, se introduce el sentido
de la probabilidad en términos de experimentos aleatorios, espacio muestral,
sucesos, etc. , llegando a la formalización axiomática de la probabilidad y
sus principales propiedades, junto con las expresiones de la probabilidad
condicionada y los teoremas de la probabilidad compuesta o del producto, de
la probabilidad total y de Bayes.

Esta lección tiene unos objetivos importantes:

 Familiarizar al lector con experiencias de la vida cotidiana en las que interviene el azar.
 Comprender los enfoques de la probabilidad más usuales así como sus peculiaridades, ventajas e
inconvenientes.
 Conocer la axiomática de la probabilidad formulada por Kolmogorov.
 Manejar el lenguaje de la probabilidad, sus propiedades y aplicarlo a problemas concretos.
 Entender los teoremas de la probabilidad producto, la probabilidad total y el de Bayes.

© Citar como: Alonso, C y Zamora, AI (2001): "Introducción a la Probabilidad", [en línea] 5campus.org, Estadística
Empresarial <http://www.5campus.org/leccion/probabil> [y añadir fecha consulta]
Probabilidad

Introducción

¿Qué es la probabilidad?

¿Cuales son las propiedades de la probabilidad?

¿Qué dicen los Teoremas de la Probabilidad total y de Bayes?

... en esta lección trataremos de responder a estas cuestiones

Probabilidad
Apartados
I ¿Qué es la Probabilidad?.

II Experimentos y Sucesos aleatorios.

III Probabilidad y propiedades.

IV Probabilidad condicionada e independencia de sucesos.

V Teoremas de la Probabilidad Total y de Bayes.

Estadística   Introducción a la Probabilidad