1 Planteamiento del Problema

El análisis sistemático de las ventas es fundamental para la toma de decisiones estratégicas en cualquier negocio. Para el caso de la Surtidora de Aves ubicada en el municipio de Chocontá, Cundinamarca, contar con información precisa sobre el comportamiento de las ventas a lo largo del tiempo permite identificar patrones de consumo, optimizar el manejo de inventarios y planificar acciones comerciales acordes con la demanda real del mercado.

Durante el año 2024, el establecimiento ha registrado sus ventas mensualmente, permitiendo reunir datos que posibilitan un análisis estadístico más riguroso. No obstante, hasta el momento no se ha estimado formalmente si existen diferencias estadísticamente significativas en el comportamiento de las ventas entre los distintos meses o entre trimestres específicos del año. En particular, resulta relevante determinar si los volúmenes de ventas presentan variaciones significativas entre los meses de agosto y septiembre, así como entre un conjunto más amplio de meses que abarcan dos trimestres consecutivos: agosto, septiembre, octubre, noviembre, diciembre y enero.

Esta falta de análisis impide identificar con claridad los periodos de mayor y menor desempeño comercial, lo que podría estar limitando el aprovechamiento de oportunidades estratégicas en temporadas específicas del año. Por tanto, surge la necesidad de aplicar técnicas estadísticas como análisis de la varianza (ANOVA) y pruebas de hipótesis, con el fin de estimar de manera objetiva si existen diferencias significativas en los promedios de ventas mensuales y trimestrales, y así respaldar futuras decisiones de gestión comercial y operativa en la empresa.

2 Objetivo General

Estimar si existen diferencias significativas en las ventas de la surtidora de aves ubicada en Choconta durante 2 triemstres del año 2024.

3 Objetivos Específicos

Analizar las ventas por mes del establecimiento surtidora de aves de Choconta.
Estimar si existen diferencias significativas entre el promedio de ventas en los meses agosto y septiembre del año 2024 del asadero surtidora de aves de Choconta.
Estimar si existen diferencias significativas entre el promedio de ventas en los meses agosto, septiembre, octubre, noviembre, diciembre y enero.

4 Antecedentes

4.1 Evaluaión del Impacto del Coemrcoio Electronico en las Ventas de las PYMES en Colombia: Un Análisis Econométrico.

Este estudio se realizo con el fin de determinar el impacto del comercio electrónico en las ventas de las PYMES en Colombia durante el periodo 2012-2016. Teniendo en cuenta la evolución tecnológica la cual influye tanto en consumidores como en empresas, promoviendo transformaciones orientadas a mejorar la productividad y reducir costos. Con base en información proporcionada a por el DANE, se seleccionaron diversos sectores económicos para realizar el análisis. Además, se aplicó el método de diferencias en diferencias para tener estimaciones confiables.

Se formularon las siguientes hipótesis:

H1: La adopción del CE tiene impacto sobre las ventas totales de las empresas.

H2: El sector económico en el que operan las empresas influye en el impacto del CE sobre las ventas.

H3: El tamaño de la empresa es un factor determinante para la adopción del CE.

Y se analizaron 2177 empresas clasificadas de la siguiente manera:

Sector Comercio: Medianas 1226, pequeñas 2699.
Sector Industria: Medianas 553, pequeñas 166.
Sector Servicios: Medianas 1421, pequeñas 756.

Finalmente, se concluyó que el Comercio Electrónico posee un efecto positivo a largo plazo. En Colombia, el impacto de la implementación del CE se da en el mediano y largo plazo. Presentando un desarrollo lento. En relación con el objetivo de la investigación, se valida la hipótesis 1 al comprobar que la adopción del CE tiene impacto sobre las ventas totales de las empresas. Asi mismo se confirma la hipótesis 2, al evidenciar que en Colombia el sector de servicios es el que presenta un mayor impacto en las ventas derivado de la adopción del CE, en comparación con el sector industrial y comercial. Esto permite concluir que el sector económico en el que operan las empresas influye en el impacto del CE sobre las ventas. En consecuencia se refuta la hipótesis 3 ya que se demuestra que dicho impacto no depende necesariamente de la empresa.

4.2 Análisis del Impacto en Ventas por el COVID 19 y la Inflación en Dos Tiendas de Conveniencia en Acapulco 2021-2022

Este estudio se realizó con el objetivo de analizar el impacto del COVID 19 y la inflación en las ventas de dos tiendas de conveniencia denominadas Neto, ubicadas en Acapulco durante el período 2021-2022. El estudio tuvo un enfoque cuantitativo, con un diseño no experimental y un muestreo no probabilístico, se realizó en dos tiendas de conveniencia del 1 al 28 de octubre del 2022 y del 3 a 31 de mayo del mismo año.

Para el análisis, se elaboró una base de datos donde se registraron todos los ingresos y los productos de venta de cada Neto. Con el fin de evaluar la normalidad de los datos, se aplicaron las pruebas de Kolmogorov-Smirnov y Shapiro-Wilk. Posteriormente, se utilizo la prueba no paramétrica de Mann-Whitney para comparar las ventas entre ambas tiendas. El software utilizado fue el SPSS y Excel.

Entre los principales resultados, se identificó que el rango promedio del costo total de ventas del Neto de puerto Marqués (139.38) fue mayor al Neto de Jardín (98.78). Por el contrario, el rango promedio de la cantidad de productos vendidos en le Neto de Puerto Marqués (127.06) fue menor al registrado en el Neto de Jardín (200.69)

La prueba de Mann Whitney, determino un p-valor menor de 0.05 tanto para el costo total de ventas como para la cantidad de productos vendidos. Esto permite rechazar la hipótesis nula la cual planteaba que la mediana del total de ventas y la cantidad de productos vendidos en el Neto de puerto marqués era igual a la mediana de estos mismos indicadores en el Neto de Jardín con un nivel de significancia del 5%.

En cuanto a las compras de productos de la canasta básica, Se observo que la tienda Neto de Jardín registró una mayor proporción de compras con un 17.24%, teniendo una inflación de 7.13%. Por el contrario, la tienda Neto de Puerto Marques, presento una menor proporción de ventas de la canasta básica, con 5.42%, en un entorno de inflación más elevada, del 8.27%, lo que marcó la diferencia entre las dos tiendas.

A pesar de ello, se concluye que el Neto de Puerto Marqués reportó mayores ventas generales en comparación con el Neto de la Jardín. Esta diferencia puede atribuirse a la ubicación estratégica del establecimiento en un corredor turístico de Punta Diamante, lo que incrementa la afluencia de clientes y, por ende, las ventas totales.

5 Desarrollo del Proyecto

Tipo de estudio: Cuantitativo, inferencial, comparativo.

Se aplicó estadística inferencial para comparar las medias de ventas del asadero Surtidora de Aves, ubicado en Chocontá, durante cinco meses del año 2024 y un mes del año 2025. El procesamiento, análisis y documentación del estudio se realizaron utilizando la herramienta de programación RStudio con R Markdown.

Para el debido análisis se utilizaron diferentes técnicas como lo son:

Análisis descriptivo por mes para observar la media, mediana, desviación estandar, minimos y maximos de ventas en cada mes nombrado anteriormente.
Prueba t para comparar medias de dos meses específicos (agosto vs. septiembre). Con el fin de determinar diferencias claras entre las ventas de diferentes productos entre estos meses.
ANOVA (Análisis de Varianza) para evaluar diferencias entre múltiples meses (agosto a enero). Estableciendo hipotesis que luego fueron comprobadas con un nivel de significancia del 95%.

## [1] "PROYECTO ESTADISTICA.xlsx"

## # A tibble: 348 × 4
##    Mes    Productos             Cantidad `Valor Total`
##    <chr>  <chr>                    <dbl>         <dbl>
##  1 Agosto Gaseosa 350ML              549       1537200
##  2 Agosto Gaseosa 1.5L               281       1686000
##  3 Agosto Gaseosa 2.5L                38        266000
##  4 Agosto Jugo Natural en Agua        80        320000
##  5 Agosto Jugo Natural en Leche       67        335000
##  6 Agosto Limonada Natural            22         99000
##  7 Agosto Cerveza Botella            280        980000
##  8 Agosto Cerveza en Lata              0            NA
##  9 Agosto Friopack                    54        189000
## 10 Agosto Botella Agua                68        170000
## # ℹ 338 more rows

## # A tibble: 348 × 4
##    Mes    Productos             Cantidad `Valor Total`
##    <chr>  <chr>                    <dbl>         <dbl>
##  1 Agosto Gaseosa 350ML              549       1537200
##  2 Agosto Gaseosa 1.5L               281       1686000
##  3 Agosto Gaseosa 2.5L                38        266000
##  4 Agosto Jugo Natural en Agua        80        320000
##  5 Agosto Jugo Natural en Leche       67        335000
##  6 Agosto Limonada Natural            22         99000
##  7 Agosto Cerveza Botella            280        980000
##  8 Agosto Cerveza en Lata              0            NA
##  9 Agosto Friopack                    54        189000
## 10 Agosto Botella Agua                68        170000
## # ℹ 338 more rows

6 Desarrollo Objetivo 1

## # A tibble: 6 × 7
##   Mes           media mediana desviacion minimo    maximo     n
##   <chr>         <dbl>   <dbl>      <dbl>  <dbl>     <dbl> <int>
## 1 Agosto     1725780.  303000   4113917.   9000 26912000     59
## 2 Diciembre  1983377.  390000   4538137.   4000 29962283.    59
## 3 Enero      1722486.  343000   3846173.  28000 24800000     58
## 4 Noviembre  1653905.  348000   3594761.  20000 22860000     58
## 5 Octubre    1732129.  301500   3814755.   5000 23760000     58
## 6 Septiembre 1706588.  334000   3982110.   9500 25547000     56

6.0.1 1. Análisis de la tabla

*Diciembre tiene la media más alta, lo que podría deberse a una mayor demanda por festividades.

*Noviembre muestra la media más baja, aunque su mediana es más alta que algunos otros meses.

La diferencia entre la media y la mediana en todos los meses sugiere una distribución sesgada con valores atípicos muy altos (outliers), lo cual también se refleja en las desviaciones estándar elevadas.

6.0.2 2. Análisis de la gráfica

*Se observa una distribución altamente asimétrica con múltiples valores atípicos altos en todos los meses.

*A pesar de esto, la altura de las cajas (IQR) es bastante parecida entre los meses, lo que indica que la mayoría de las ventas están concentradas en un rango bajo, mientras que algunos valores extremos elevan la media.

*Todos los meses tienen una estructura similar en dispersión, pero con diferentes concentraciones de outliers.

7 Desarrollo Objetivo 2

## 
##     Agosto Septiembre 
##         56         56

## tibble [112 × 4] (S3: tbl_df/tbl/data.frame)
##  $ Mes        : chr [1:112] "Agosto" "Agosto" "Agosto" "Agosto" ...
##  $ Productos  : chr [1:112] "Gaseosa 350ML" "Gaseosa 1.5L" "Gaseosa 2.5L" "Jugo Natural en Agua" ...
##  $ Cantidad   : num [1:112] 549 281 38 80 67 22 280 54 68 18 ...
##  $ Valor Total: num [1:112] 1537200 1686000 266000 320000 335000 ...

## Levene's Test for Homogeneity of Variance (center = median: data_filtrada)
##        Df F value Pr(>F)
## group   1  0.0025 0.9602
##       110

## 
##  Welch Two Sample t-test
## 
## data:  data_filtrada$`Valor Total` by data_filtrada$Mes
## t = 0.025084, df = 109.88, p-value = 0.98
## alternative hypothesis: true difference in means between group Agosto and group Septiembre is not equal to 0
## 95 percent confidence interval:
##  -1497083  1535466
## sample estimates:
##     mean in group Agosto mean in group Septiembre 
##                  1725780                  1706588

7.1 Análisis Estadistico

En el gráfico de cajas (boxplot) para Agosto y Septiembre, se observa que ambos meses presentan una distribución con valores atípicos (outliers), pero visualmente las medianas y la dispersión de los datos son similares. Según la tabla de resumen:

Media Agosto: 1.725.780

Media Septiembre: 1.706.588

La diferencia de medias es poco significativa a nivel numérico.

7.1.1 1. Prueba de Supuestos para el T-test

Homogeneidad de varianzas (Prueba de Levene):

*Valor p = 0.9602 → No se rechaza la hipótesis nula, lo cual indica que las varianzas son homogéneas.

*Se cumple el supuesto para aplicar un T-test.

7.1.2 2. Prueba de hipótesis (Welch Two Sample T-test)

*Hipótesis nula (H₀): No hay diferencia significativa entre las medias de Agosto y Septiembre.

*Hipótesis alternativa (H₁): Sí hay una diferencia significativa.

Resultados del T-test:

*Valor t = 0.025084

*Grados de libertad = 109.88

*Valor p = 0.98

7.1.3 3. Interpretación

Dado que el valor p = 0.98 es muy superior a 0.05, no se rechaza la hipótesis nula. Esto indica que:

No hay una diferencia estadísticamente significativa entre las ventas promedio en los meses de Agosto y Septiembre de 2024.

8 Desarrollo del objetivo 3

##              Df    Sum Sq   Mean Sq F value Pr(>F)
## Mes           4 3.866e+12 9.666e+11    0.06  0.993
## Residuals   282 4.564e+15 1.618e+13

##   Tukey multiple comparisons of means
##     95% family-wise confidence level
## 
## Fit: aov(formula = `Valor Total` ~ Mes, data = data_anova)
## 
## $Mes
##                            diff      lwr     upr     p adj
## Septiembre-Agosto    -19191.964 -2106420 2068036 0.9999999
## Octubre-Agosto         6348.953 -2062808 2075506 1.0000000
## Noviembre-Agosto     -71875.185 -2141032 1997281 0.9999812
## Diciembre-Agosto     257596.947 -1802928 2318122 0.9970043
## Octubre-Septiembre    25540.917 -2043616 2094698 0.9999997
## Noviembre-Septiembre -52683.220 -2121840 2016473 0.9999946
## Diciembre-Septiembre 276788.911 -1783736 2337314 0.9960407
## Noviembre-Octubre    -78224.138 -2129150 1972702 0.9999727
## Diciembre-Octubre    251247.994 -1790969 2293465 0.9971855
## Diciembre-Noviembre  329472.132 -1712745 2371689 0.9919907

8.1 Análisis estadístico:

8.1.1 1. Gráfico de cajas (“boxplot”) por mes

Observación: El gráfico muestra la distribución de los valores totales de venta por mes.
Se evidencian varios valores atípicos (outliers) en todos los meses.
La mediana y la dispersión parecen visualmente similares entre los meses.

8.1.2 2. ANOVA de un factor (One-way ANOVA)

Resultado principal:

Factor	F value	p-value
Mes	0.06	0.993

Interpretación:
- El valor de p = 0.993 indica que no hay evidencia estadísticamente significativa para rechazar la hipótesis nula.
- En otras palabras, no se detectan diferencias significativas en los promedios de ventas entre los diferentes meses.

8.1.3 3. Prueba post hoc de Tukey

Las comparaciones múltiples entre pares de meses muestran valores de p ajustados todos muy altos (p > 0.99).
Esto confirma lo observado en el ANOVA: no hay diferencias significativas entre ninguno de los pares de meses evaluados.

9 Conclusiones

9.1 Conclusión del Objetivo 1

Se logró analizar las ventas mensuales con claridad mediante herramientas estadísticas descriptivas y visuales. Existen diferencias en los promedios mensuales, aunque la variabilidad interna (outliers) es muy alta en todos los meses.

9.2 Conclusión del Objetivo 2

El objetivo fue cumplido, ya que se aplicaron correctamente las herramientas estadísticas (análisis descriptivo, prueba de Levene y t-test) para estimar la diferencia de medias. Sin embargo, no se encontraron diferencias significativas entre los promedios de ventas en los meses analizados, lo que sugiere un comportamiento similar en esos periodos del año.

9.3 Conclusión del Objetivo 3

No se encontraron diferencias estadísticamente significativas entre los promedios de ventas mensuales de agosto, septiembre, octubre, noviembre, diciembre y enero en el año evaluado. Esto sugiere que el comportamiento de las ventas fue estable a lo largo de estos meses, sin incrementos o reducciones notables en el total de ventas promedio mensual.

10 Bibliografía

Angulo Camargo, M., Corrales Liévano, J., Ruiz Medina, C. (2019). Evaluación de impacto del comercio electrónico en las ventas de las pymes en colombia:: Un análisis econométrico. Clío América, 13(26), 328-339.

https://dialnet.unirioja.es/servlet/articulo?codigo=7678075

Arroyo Rosas, C., Barrera García, E., Cabrera Luna, S. Guzmán Balderas, D., Reyes Peña, D. (2023). Análisis del impacto en ventas por el Covid 19 y la inflación en dos tiendas de conveniencia en Acapulco 2021-2022. FACE: Revista de la Facultad de Ciencias Económicas y Empresariales, 23(3), 36-45.

https://ojs.unipamplona.edu.co/index.php/face/article/view/2614/7372

Estimativo de ventas de la surtidora de aves de Choconta

Miguel Angel Guayacundo, Anny Youly Beltran Aguilar, Angela Rocio Díaz Limas, Luz Ángela García Ríos.