Simulador Actividad 1

El caso

¿Ampliar la capacidad del centro de atención los fines de semana?

200

solicitudes en 4 fines de semana consecutivos

18 / 14

minutos de atención: media / mediana

11 min

desviación estándar

20 %

de solicitudes tardó más de 30 minutos

30 %

de los fines de semana tenía alta demanda (histórico)

Alternativa A · Decidir con la muestra disponible

Usar descriptivos, probabilidades observadas e historia para estimar el servicio y un modelo determinístico sencillo de capacidad en un escenario esperado. Posponer también cuesta.

Alternativa B · Ampliar la muestra antes de decidir

Cuatro fines consecutivos pueden no representar el comportamiento habitual y uno coincidió con una campaña promocional que podría sesgar las estimaciones.

Dato adicional

Cuando hay alta demanda, históricamente es mucho más frecuente observar tiempos de atención superiores a 30 minutos. Ese dato puede combinarse con la información previa para reconsiderar la probabilidad de que hoy se enfrente un escenario de alta demanda.

Pregunta detonante. ¿Recomendarías decidir con la muestra disponible o ampliar primero la evidencia, y cómo sustentarías tu postura con estadística descriptiva, probabilidad, estimación, muestreo y un modelo determinístico sencillo?

Voto del grupo

Registra los votos que lleguen al chat. El conteo vive solo en esta pantalla.

Voto inicial

Voto final

Lo que evalúa el foro

Lista de cotejo, cumple o no cumple

Aporte inicial · 50 %
Postura clara, justificación, criterios técnicos y conclusión. 150 palabras en 2 o 3 párrafos.

Réplicas · 30 %
A dos participantes distintos, 80 a 100 palabras cada una. Auditar, comparar o mejorar.

Síntesis · 20 %
Cuatro preguntas de cierre, 80 palabras cada respuesta. Debe mostrar evolución.

Estadística descriptiva

¿Qué dicen la media, la mediana y la dispersión?

4 min

diferencia media − mediana

1.09

asimetría de Pearson 3(x̄ − Me) / s

61 %

coeficiente de variación s / x̄

solicitudes de 200 tardaron más de 30 min

Forma ilustrativa de la distribución

Curva ilustrativa con media 18 y mediana 14, no son los datos reales. Sirve para ver por qué la media queda a la derecha de la mediana.

Preguntas para tu argumento

1. Si la media supera a la mediana, ¿qué tipo de casos jalan el promedio hacia arriba?

2. Para dimensionar personal, ¿conviene usar la media, la mediana o un percentil alto? ¿Qué riesgo asumes con cada una?

3. Un CV cercano a 60 % indica alta variabilidad. ¿Qué implica para un modelo determinístico que usa un solo valor de tiempo?

4. El 20 % que tarda más de 30 min, ¿está repartido en los 4 fines o concentrado en uno? ¿Cómo lo sabrías?

Estimación y muestreo

¿Qué tan precisa es la estimación con 200 solicitudes?

Datos de la muestra

Media (min) 18 Desviación estándar (min) 11 Tamaño de muestra n 200 Proporción > 30 min 20 % Nivel de confianza

Si la muestra fuera aleatoria simple

16.5 a 19.5

IC para la media en minutos: x̄ ± z · s / √n

14.5 % a 25.5 %

IC para la proporción > 30 min: p̂ ± z · √(p̂(1 − p̂) / n)

Con n grande, t y z casi coinciden. Este cálculo supone 200 solicitudes independientes.

Pero la muestra viene en 4 fines de semana

Las solicitudes de un mismo fin de semana se parecen entre sí. Eso es un muestreo por conglomerados.

Fines de semana distintos k 4 Correlación dentro del fin (ICC) 0.05

tamaño efectivo de muestra = n / [1 + (m − 1) · ICC]

15.4 a 20.6 min

IC para la media ajustado por conglomerados

¿Cuántos datos necesitarías?

Margen de error deseado para la media (min) 1.0

Muestra aleatoria simple: 465 solicitudes.
Con conglomerados de 50 solicitudes por fin de semana: ≈ 33 fines de semana.

n = (z · s / E)² multiplicado por el efecto de diseño 1 + (m − 1) · ICC.

Sensibilidad a la campaña promocional

Media supuesta del fin de semana con campaña (min) 26

Si los 4 fines aportaron 50 solicitudes cada uno, la media sin el fin de campaña sería 15.3 minutos.

Supuesto didáctico: el caso no reporta datos por fin de semana. Mueve el control para ver cuánto podría mover un solo fin atípico la estimación.

Probabilidad condicional y teorema de Bayes

¿Qué tan probable es que hoy estemos en alta demanda?

Supuestos editables

P(alta demanda) previa 0.30 P(> 30 min | alta demanda) 0.40 P(> 30 min | demanda normal) 0.10

El caso dice que en alta demanda los tiempos largos son mucho más frecuentes, pero no da cifras. Declara tus valores como supuestos en el foro.

Resultado

0.63

P(alta demanda | solicitud > 30 min)

0.19

P(> 30 min) por probabilidad total. Observado en la muestra: 0.20

Previa contra posterior

La fórmula

P(A | B) = P(B | A) · P(A) / [ P(B | A) · P(A) + P(B | Aᶜ) · P(Aᶜ) ]

Modelo determinístico

¿Cuántos agentes hacen falta en cada escenario?

Entradas

Solicitudes por día de fin de semana (escenario normal) 300 Incremento de volumen en alta demanda 40 % Tiempo de atención usado Horas productivas por agente 7 Ocupación objetivo 85 % Agentes actuales 12 Probabilidad de alta demanda para el escenario ponderado

Agentes requeridos = ⌈ volumen × tiempo de atención / (60 × horas × ocupación) ⌉

Escenario	Volumen	Carga (h)	Agentes	Brecha vs actuales

Todos los valores de volumen, horas, ocupación y agentes actuales son supuestos didácticos: el caso no los reporta. Lo importante es ver qué supuesto mueve más la decisión.

Para el equipo auditor

¿Qué tiempo usar? Cambia media, mediana y percentil. ¿Cuántos agentes cambian?

¿Qué probabilidad usar? Compara el escenario ponderado con la previa y con la posterior.

¿Qué supuesto falta? El modelo trata el tiempo como fijo. ¿Qué pasa con las colas cuando la ocupación se acerca a 100 %?

Fase 1 · Aporte inicial

Arma el borrador de tu aporte

1 · Mi postura

Decidir ya con la muestra (A) Ampliar la muestra primero (B) Decisión temporal y ampliar la muestra

2 · Criterios técnicos que usaré

Media contra mediana y asimetría Dispersión o coeficiente de variación Intervalo de confianza de la media o la proporción Representatividad, campaña y conglomerados Probabilidad previa y actualización con Bayes Supuestos del modelo determinístico

Elige al menos tres criterios.

3 · Escribe tu aporte (150 palabras, 2 o 3 párrafos)

0 palabras · 0 párrafos

Fase 3 · Preguntas de cierre. ¿Qué argumento te pareció más relevante? ¿Qué parte de tu postura cambió o se precisó? ¿Qué aporte de un compañero te ayudó? ¿Cuál es tu postura final y qué criterio la sostiene?

Dinámica de clase · 35 minutos

Tribunal de la evidencia

Fases

0 a 5 min · Voto inicial
Leer el dilema y votar A o B en el chat

5 a 15 min · Breakouts
Cada equipo trabaja con su pestaña

15 a 28 min · Plenaria
2 min por equipo: un dato y un riesgo. Auditoría replica

28 a 35 min · Cierre
Voto final y borrador del aporte en la pestaña 6

Voto inicial

05:00

Roles de los equipos

A Decidir ya. Pestañas 2 y 5: defiende la Alternativa A con el modelo de capacidad.

B Ampliar muestra. Pestaña 3: IC, campaña y conglomerados.

P Bayes. Pestaña 4: actualiza la probabilidad de alta demanda.

? Auditoría. Revisa supuestos de los tres y replica en plenaria, como en la Fase 2 del foro.

Regla de la plenaria

Cada intervención trae un dato del caso, un criterio técnico del tema y un riesgo de su propia postura. No se vale "estoy de acuerdo" sin análisis: es la netiqueta del foro.