Impacto del sector de la peluquería en la ciudad de Medellín.
Hecho por: Jhon Alexander Ríos García y Santiago Restrepo Álvarez.
1. Introducción.
El cambio o mejora en la apariencia física del ser humano ha sido siempre una prioridad para la mayoría de hombres y mujeres. Con el fin de satisfacer esta necesidad creciente en las personas, se han creado gran cantidad de negocios especializados en el tema. Uno de estos negocios es el enfocado en el corte y cuidado del cabello.
Si se analiza de forma directa el negocio de las peluquerías en medellín, se puede observar que por cada 1.131 habitantes de la ciudad existe uno de estos sitios, lo que representa un 8,8% de estos negocios en colombia. (Servinformación,2014) Lo anterior muestra la importancia del sector para la economía de Colombia y en especial de Medellín.
El gran crecimiento de estos establecimientos por toda la ciudad de la eterna primavera, se debe a que están siendo vistos como una forma de emprendimiento que, aunque también tiene dificultades, genera un mayor campo de maniobrabilidad al momento de afrontar el riesgo de crear el negocio. Lo anterior, unido a la vanidad que caracteriza a los habitantes de este territorio son dos de las razones que hacen que estos lugares pululen en la ciudad y sean el segundo, después de la tienda de barrio, más apetecido a la hora de hacer empresa. (Victor A.A., 2014). Todo esto hace que gran cantidad de familias se beneficien del empleo que brinda este sector.
En los últimos tiempos, gracias al internet y en especial a las redes sociales, se han creado gran cantidad de tendencias en cuanto a los cortes de cabello y a la forma en como los establecimientos físicos deberían lucir. Esta influencia, que viene desde otros países, hace que se creen conceptos alrededor de las peluquerías. Uno de ellos, y que se observa bastante, es el de las barberías, el cual es preponderante entre la población de hombres jóvenes que han adaptado un estilo propio tanto en los cortes de cabello como en las formas de prestar sus servicios.
Por otro lado, es importante tener en cuenta que para llevar a cabo las actividades de peluquería, también se necesitan de una variedad de productos especializados en el tema. Este es otro negocio que mueve gran cantidad de dinero y personal de trabajo. Esto se puede ver en que los colombianos consumen 13,7 billones de pesos al año en productos y servicios para el cuidado personal e higiene. De este valor más de 1,5 billones son por cortes de cabello y servicios relacionados (Fenalco,2012).
Por lo anterior, el sector de la belleza, en especial el de la peluquería, es una pieza importante en el contexto económico y social en la ciudad de medellín que, aunque las restricciones debidas a la pandemia ha golpeado, se reinventa constantemente generando empleos y crecimiento económico.
1.1 Presentación del proyecto.
Con este proyecto se determinó el impacto que tiene el sector de los peluqueros en la economía de Medellín. Para esto, se necesitó de información con la que se desarrolló el proceso de estimación de funciones y medidas numéricas que permitieron entender el rol de este tipo de establecimientos en la economía de la ciudad. La consecución de los datos necesarios se realizó por medio de elicitaciones hechas a tres expertos en el tema. A estos expertos se les preguntó sobre tres items específicos:
- El número de peluqueros que hay en la ciudad de medellín.
- El número promedio de servicios a clientes que atiende cada peluquero en un mes en medellín.
- El ingreso promedio por servicio de peluquería en medellín.
La finalidad de las elicitaciones mencionadas anteriormente, es generar una distribución que explique el ingreso total del sector de la peluquería por mes en la ciudad de medellín.
Notas:
- Para el item 1 y 2 se realizó la elicitación por medio del formato que se presenta en la sección 2.
- Para el item 3 se utilizó la elicitación vía muestras hipotéticas(el procedimiento se especifica en la sección 3).
2. Elicitación del número de peluqueros en Medellín:
Se elicitaron 3 expertos en el tema (en este caso peluqueros) para que con sus opiniones, basadas en el conocimiento, aporten a la creación de una distribución discreta que ayude a explicar el número de peluqueros que hay en la ciudad de medellín.
- Elicitación hecha al primer experto.
Número de peluqueros por el experto 1
- Elicitación hecha al segundo experto.
Número de peluqueros por el experto 2
- Elicitación hecha al tercer experto.
Número de peluqueros por el experto 3
2.1 Tabulación y simulación de datos.
En el código siguiente se guardaron los datos obtenidos por medio de las elicitaciones a los expertos. La variable \(exp11\) contiene los datos elicitados al experto 1, \(exp12\) los datos elicitados al experto 2 y \(exp13\) los datos elicitados al experto 3.
set.seed(123)
exp11 = data.frame(NumeroPeluqueros = c(seq(2000,50000,by = 2000)),
Alturasev = c(0,0,0,0,0,5,5,15,15,15,15,20,20,20,25,
25,25,30,30,30,30,30,30,40,5))exp12 = data.frame(NumeroPeluqueros = c(seq(2000,50000,by = 2000)),
Alturasev = c(0,0,0,0,0,0,5,5,5,10,10,15,15,
15,20,20,20,20,25,25,25,25,30,30,30))exp13 = data.frame(NumeroPeluqueros = c(seq(2000,50000,by = 2000)),
Alturasev = c(0,0,0,0,0,5,5,5,5,5,5,5,5,5,10,
10,10,10,10,10,15,15,15,15,20))En el código que sigue se generan muestras simuladas basadas en los datos elicitados a los expertos. Luego se crean tablas de frecuencias relativas para ver cuáles observaciones tuvieron mayor cantidad de apariciones y por tanto mayor probabilidad de estar en la muestra tomada. En base a esto se creó la tabla de proporciones para la cantidad de peluqueros en Medellín.
NumeroSimulaciones = 10000
muestra11 = sample(exp11[,1],NumeroSimulaciones,replace = T, prob = exp11[,2]) muestra12 = sample(exp12[,1],NumeroSimulaciones,replace = T, prob = exp12[,2]) muestra13 = sample(exp13[,1],NumeroSimulaciones,replace = T, prob = exp13[,2]) res11 = prop.table(exp11[,2])
res12 = prop.table(exp12[,2])
res13 = prop.table(exp13[,2])res1tot = prop.table(table(c(2000,4000,6000,8000,10000,muestra11,muestra12,muestra13)))2.2 Tabla de proporciones para la cantidad de peluqueros en Medellín.
En la tabla se observa que, según los expertos elicitados, 48000 es el valor que ven más correcto para el número de peluqueros en Medellín, seguido de 46000,44000 y 42000. En general, los expertos ven que el numero de peluqueros en medellín debe ser una cantidad grande,desde 18000 a 50000, ya que estos valores representan una proporción mayor entre las opiniones de los expertos. Lo anterior explica la forma de la distribución elicitada que se presenta a continuación.
2.3 Distribución del número de peluqueros en Medellín.
NumeroPeluqueros = seq(from = 2000, to = 50000, by = 2000)plot(NumeroPeluqueros,res11,type="l",ylab="Densidad",
xlab="Numero de peluqueros en Medellín",
ylim = c(0.0,0.15))
title(main="Distribución del número de peluqueros en Medellín")
lines(NumeroPeluqueros,res12,col="blue")
lines(NumeroPeluqueros,res13, col = "red")
lines(sort(unique(c(2000,4000,6000,8000,10000,muestra11,muestra12,muestra13))),
res1tot,col="green")
legend(5000,0.15,c("Experto 1","Experto 2","Experto 3","Promedio"),
lty=c(1,1,1,1),cex = 0.8,
col=c("black","blue","red","green"))
La tendencia creciente de la distribución muestra que los expertos ven con mayor probabilidad a los valores más grandes para ser el número correcto de peluqueros en Medellín.
3. Elicitación del número promedio de servicios mensuales.
por peluquero en Medellín.}
Al igual que en la elicitación anterior, se tomarán las opiniones de 3 expertos para crear una distribución que explique el número promedio de servicios mensuales por peluquero en medellín.
- Elicitación hecha al primer experto.
Número promedio de servicios mensuales/peluquero por el experto 1
- Elicitación hecha al segundo experto.
Número promedio de servicios mensuales/peluquero por el experto 2
- Elicitación hecha al tercer experto.
Número promedio de servicios mensuales/peluquero por el experto 3
En este caso se realiza el mismo proceso descrito en la elicitación mostrada anteriormente.
3.1 Tabulación y simulación de datos.
exp21 = data.frame(NumeroPeluqueros = c(seq(50,1000,by = 50)),
Alturasev = c(0,20,20,25,30,25,20,10,5,0,0,0,0,0,0,0,0,0,0,0))exp22 = data.frame(NumeroPeluqueros = c(seq(50,1000,by = 50)),
Alturasev = c(5,10,15,15,20,30,30,25,20,
10,5,5,0,0,0,0,0,0,0,0))exp23 = data.frame(NumeroPeluqueros = c(seq(50,1000,by = 50)),
Alturasev = c(0,5,15,20,25,30,30,20,15,
10,5,5,5,0,0,0,0,0,0,0))muestra21 = sample(exp21[,1],NumeroSimulaciones,replace = T, prob = exp21[,2]) muestra22 = sample(exp22[,1],NumeroSimulaciones,replace = T, prob = exp22[,2]) muestra23 = sample(exp23[,1],NumeroSimulaciones,replace = T, prob = exp23[,2]) res21 = prop.table(exp21[,2])
res22 = prop.table(exp22[,2])
res23 = prop.table(exp23[,2])res2tot = prop.table(table(c(muestra21,muestra22,muestra23,700,750,800,850,900,950,1000)))Se observa en la tabla que, según los expertos elicitados, el valor 300 tiene una probabilidad más grande de ser el valor para la cantidad promedio de servicios mensuales por peluquero en Medellín. En general, los expertos ven a los valores entre 100 y 650 como las cantidades con una mayor probabilidad de ser la cantidad promedio de servicios mensuales. Con la información obtenida se puede generar una distribución que describa el comportamiento que siguen las opiniones de los expertos para la cantidad promedio de servicios. Esa distribución se puede ver a continuación.
3.3 Distribución del número promedio de servicios mensuales por peluquero.
NumeroServiciosMes = seq(from = 50, to = 1000, by = 50)plot(NumeroServiciosMes,res21,type="l",
ylab="Densidad",
xlab="Numero promedio de servicios mensual",
ylim = c(0.0,0.3))
title(main="Distribución del número promedio de servicios mensuales \n por peluquero")
points(NumeroServiciosMes,res22,type="l",col="blue")
points(NumeroServiciosMes,res23, type = "l", col = "red")
points(sort(unique(c(muestra21,muestra22,muestra23,700,750,800,850,900,950,1000))),
res2tot,type="l",
col="green")
legend(750,0.2,c("Experto 1","Experto 2","Experto 3","Promedio"),lty=c(1,1,1,1),cex = 0.7,
col=c("black","blue","red","green"))
En la gráfica de la distribución se observa que las densidades más grandes se encuentran entre los valores 100 y 500 servicios de peluquería en promedio al mes, lo que muestra que los expertos creen que estos valores tienen mayor probabilidad de ser el verdadero número promedio de servicios mensuales por peluquero en Medellín. En particular, los valores elicitados al experto 1 se diferencian un poco de los valores ofrecidos por los demás expertos.
4. Elicitación del costo promedio por servicio de peluquería
Para realizar esta elicitación se usó el método via muestras hipotéticas. Este método se desarrolló de la siguiente manera:
Se le dijo al experto que tenía una muestra grande de n = 1000 peluqueros de la ciudad de Medellín. Además, se decidió que el rango de valores sobre los cuales se va a elicitar es entre 8000 y 68000, estos valores están en unidades monetarias de pesos colombianos, ya que representan el costo promedio por servicio de peluquería.
Se le pide al experto que distribuya la muestra en cada uno de los costos promedio por servicio de peluquería, como se llevó a cabo en las siguientes tablas.
- Elicitación hecha al primer experto (distribución de la muestra n=1000 en los valores del ingreso).
| Ingreso promedio por servicio | 8000 | 13000 | 18000 | 23000 |
|---|---|---|---|---|
| Nro. de peluqueros | 500 | 200 | 100 | 100 |
| Ingreso promedio por servicio | 28000 | 33000 | 38000 | 43000 |
|---|---|---|---|---|
| Nro. de peluqueros | 25 | 25 | 25 | 25 |
| Ingreso promedio por servicio | 48000 | 53000 | 58000 | 63000 | 68000 |
|---|---|---|---|---|---|
| Nro. de peluqueros | 0 | 0 | 0 | 0 | 0 |
- Elicitación hecha al segundo experto.
| Ingreso promedio por servicio | 8000 | 13000 | 18000 | 23000 |
|---|---|---|---|---|
| Nro. de peluqueros | 400 | 150 | 100 | 80 |
| Ingreso promedio por servicio | 28000 | 33000 | 38000 | 43000 |
|---|---|---|---|---|
| Nro. de peluqueros | 70 | 50 | 30 | 30 |
| Ingreso promedio por servicio | 48000 | 53000 | 58000 | 63000 | 68000 |
|---|---|---|---|---|---|
| Nro. de peluqueros | 25 | 20 | 20 | 15 | 10 |
- Elicitación hecha al tercer experto.
| Ingreso promedio por servicio | 8000 | 13000 | 18000 | 23000 |
|---|---|---|---|---|
| Nro. de peluqueros | 400 | 200 | 130 | 125 |
| Ingreso promedio por servicio | 28000 | 33000 | 38000 | 43000 |
|---|---|---|---|---|
| Nro. de peluqueros | 60 | 35 | 25 | 15 |
| Ingreso promedio por servicio | 48000 | 53000 | 58000 | 63000 | 68000 |
|---|---|---|---|---|---|
| Nro. de peluqueros | 10 | 0 | 0 | 0 | 0 |
Después de que los expertos distribuyeron la muestra propuesta, se necesitó definir cuál es el nivel de seguridad o conocimiento que el experto tiene sobre la información que aportó. Esto se hace para identificar cuál será el tamaño de muestra a tomar en la simulación. Para esto se usa la siguiente tabla:
| Nivel de conocimiento | Tamaño muestral equivalente |
|---|---|
| Muy bajo | De 1 a 2 |
| Bajo | De 3 a 5 |
| Algo de conocimiento | De 6 a 10 |
| Bueno | De 10 a 15 |
| Muy bueno | De 16 a 30 |
En el caso en el que se trabajó se obtuvieron los siguientes niveles de conocimiento para cada experto:
- Experto 1: Bueno(Muestra de tamaño 10)
- Experto 2: Algo de conocimiento(Muestra de tamaño 6)
- Experto 3: Bueno(Muestra de tamaño 10)
4.1 Tabulación y simulación de datos.
Ahora, se tabulan los datos obtenidos en la elicitación con cada experto. \(frec1\) son los datos recolectados con el experto 1, \(frec2\) con el experto 2 y \(frec3\) con el experto 3. Luego, como se hizo en las elicitaciones anteriores, se generan muestras simuladas para crear la distribución apriori, esto se hace así:
Se fijan el número de muestras de tamaño \(n_{seguridad}\) (De acuerdo al nivel de seguridad) y \(N_{sim}\) = 1000.
A cada muestra simulada se le calcula el promedio y se guarda en una variable, en este caso \(medias1\) \(medias2\) y \(medias3\)
Luego se construye el histograma (u otro estimador de densidad). Esta es la distribución apriori (no paramétrica).
precios<-seq(8000,68000,by=5000)
frec1<-c(500,200,100,100,25,25,25,25,0,0,0,0,0)
n.seguridad1<-10frec2<-c(400,150,100,80,70,50,30,30,25,20,20,15,10)
n.seguridad2<-6frec3<-c(400,200,130,125,60,35,25,15,10,0,0,0,0)
n.seguridad3<-10muestra31 <- sample(precios,NumeroSimulaciones*n.seguridad1,replace=T,prob=frec1)muestra32 <- sample(precios,NumeroSimulaciones*n.seguridad2,replace=T,prob=frec2)muestra33 <- sample(precios,NumeroSimulaciones*n.seguridad3,replace=T,prob=frec3)medias1<-apply(matrix(muestra31,ncol=n.seguridad1),1,mean)
medias2<-apply(matrix(muestra32,ncol=n.seguridad2),1,mean)
medias3<-apply(matrix(muestra33,ncol=n.seguridad3),1,mean)4.2 Distribuciones apriori del costo por servicio de peluquería.
A partir de las anteriores muestras, podemos asumir entonces un conocimiento base antes de comenzar a inferir sobre el negocio de los peluqueros en Medellín.
par(mfrow=c(2,2))
hist(medias1,freq=F,xlab="Costo promedio según experto 1", main=" ",ylab="Densidad",
col="chartreuse")
hist(medias2,freq=F,xlab="Costo promedio según experto 2", main=" ", ylab="Densidad",
col="lightblue")
hist(medias3,freq=F,xlab="Costo promedio según experto 3", main=" ", ylab="Densidad",
col="orange")
En los histogramas individuales se puede observar que todos son similares. En particular, el histograma hecho para el experto 2 toma un rango más amplio de valores en el eje x, ya que él repartió parte de la muestra (n = 1000) para los valores del costo promedio más grandes, algo que los demás expertos no hicieron porque para ellos estos numeros eran muy altos para representar el costo por un servicio de peluquería.
4.3 Medidas de resumen para los tres expertos.
Se hacen tablas resumen con el comando summary() para el costo por servicio de peluquería según los 3 expertos.
| Min. | 1st Qu. | Median | Mean | 3rd Qu. | Max | |
|---|---|---|---|---|---|---|
| Experto 1 | 8000 | 12000 | 14000 | 14270 | 16000 | 27000 |
| Experto 2 | 8000 | 15500 | 18833 | 19859 | 23833 | 46333 |
| Experto 3 | 8500 | 14000 | 15500 | 15954 | 18000 | 31500 |
| Desviación estándar | |
|---|---|
| Experto 1 | 2791.375 |
| Experto 2 | 6056.419 |
| Experto 3 | 2953.306 |
Lo que se dijo en los histogramas individuales anteriores, se puede observar en el promedio para los valores elicitados a cada experto, mientras que el promedio del ingreso por servicio de peluquería para el experto 2 es igual a $19859 pesos colombianos, para el experto 1 es 14270 pesos y para el experto 2 15954 pesos, ahí se observa la diferencia. Además, el ingreso por servicio de peluquería tiene una dispersión muy alta para el segundo experto, es el único que asume la posibilidad de que un servicio valga más de 45.000 pesos colombianos.
4.4 Percentiles de la distribución para cada experto.
| 5% | 10% | 20% | 30% | 40% | 50% | 60% | |
|---|---|---|---|---|---|---|---|
| Experto 1 | 10000 | 11000 | 12000 | 125000 | 13500 | 14000 | 15000 |
| Experto 2 | 11333.3 | 12166.67 | 14666.67 | 16333.33 | 18000 | 19666.67 | 21333.33 |
| Experto 3 | 11500 | 12450 | 13500 | 14000 | 15000 | 16000 | 16500 |
| 60% | 70% | 80% | 90% | 95% | Rango IQ | |
|---|---|---|---|---|---|---|
| Experto 1 | 15000 | 15500 | 16500 | 18000 | 19000 | 4000 |
| Experto 2 | 21333.33 | 23000 | 24666.67 | 28000 | 30500 | 8333.33 |
| Experto 3 | 16500 | 17500 | 18500 | 20000 | 21000 | 4000 |
A parte de la dispersión para el segundo experto, se observa que la diferencia entre Q3 (Percentil 3) y Q1 (Percentil 1) es la más alta, se asume entonces que la dispersión del ingreso por servicio de peluquería para este experto es homogénea para todo el rango de su opinión.
4.5 Distribución del costo promedio por servicio.
A partir de los datos simulados se construyeron tablas de probabilidad para cada experto, y una tabla de probabilidad para el promedio de los 3 expertos, lo cuál nos entrega lo siguiente:
res31<-prop.table(frec1)
res32<-prop.table(frec2)
res33<-prop.table(frec3)
res3tot<-prop.table(table(c(muestra31,muestra32,muestra33)))plot(precios,res31,type="l",ylab="Densidad",xlab="Precio", ylim = c(0.0,0.6))
title(main="Distribución del costo promedio por servicio")
points(precios,res32,type="l",col="blue")
points(precios,res33, type = "l", col = "red")
points(sort(unique(c(muestra31,muestra32,muestra33))),res3tot,type="l",col="green")
legend(50000,0.40,c("Experto 1","Experto 2","Experto 3","Promedio"),lty=c(1,1,1,1),cex = 0.7,
col=c("black","blue","red","green"))
En la distribución se observa que los expertos creen que los valores entre 8000 pesos colombianos y alrededor de 45000 son los que tienen una mayor probabilidad de ser el valor correcto para el costo promedio por servicio de peluquería en Medellín. Por lo anterior, la gráfica tiene una especie de tendencia a la baja, es decir, los expertos creen que el costo promedio por el servicio de peluquería es difícil que sea mayor a 50.000 pesos colombianos.
5. Obtención del ingreso total del sector por mes.
Ahora, para obtener los ingresos del sector por mes se necesitan 3 variables:
- P = Número de peluqueros.
- SC = Número promedio de servicios a clientes.
- IS = Ingreso por servicio de peluquería.
Además, se define:
- IT = Ingreso total mensual del sector de la peluquería.
Por tanto : \(IT = P*SC*IS\)
Se muestran las distribuciones para estas 3 variables, luego se simulan las muestras a partir de las opiniones de los 3 expertos y se multiplican para hallar los ingresos totales al mes del sector de peluqueros en la ciudad de Medellín.
# Distribución para el Número de peluqueros en Medellín.
res1tot <- as.data.frame(res1tot)# Distribución para el número promedio mensual de servicio de peluquería.
res2tot <- as.data.frame(res2tot)# Distribución para el Ingreso promedio por servicio se peluquería.
res3tot <- as.data.frame(res3tot)muestraNumeroPel <- sample(NumeroPeluqueros,10000,replace = TRUE,prob = res1tot[,2])muestraNumeroserv <- sample(NumeroServiciosMes,10000,replace = TRUE,prob = res2tot[,2]) muestraPrecio <- sample(precios,10000,replace = TRUE,prob = res3tot[,2]) A continuación se observa la muestra simulada resultante, la cual se generó en base al producto de las tres muestras simuladas anteriores, tal como se planteó al inicio de la seccion 5.
# Simulación resultante.
IngresoTotalMes <- muestraNumeroPel*muestraNumeroserv*muestraPrecio5.1 Histograma del ingreso total del sector por mes.
hist(IngresoTotalMes/1000000,xlim = c(0,2000000),ylim=c(0,0.000006),freq = F,
col = "green",
xlab = "Ingreso total del sector mensual(en millones)",
main = "Histograma y densidad del ingreso total del sector por mes")
lines(density(IngresoTotalMes/1000000), col = "red", lwd = 2)
El comportamiento de la función de densidad ajustada al histograma muestra un comportamiento en el que los valores con mayores probabilidades para ser el ingreso total mensual del sector peluquero se encuentran entre el rango de cero y 500000 (en millones de pesos colombianos). Por otra parte, se observa que la cola izquierda de la función esta tomando valores negativos, lo que no tiene lógica porque los valores en el eje x tienen unidades de pesos colombianos.
5.2 Densidad del total de ingresos mensuales en millones.
Con el siguiente código se obtuvieron valores analíticos importantes para revisar el comportamiento de la distribución del total de ingresos mensuales obtenida.
density(IngresoTotalMes/1000000)##
## Call:
## density.default(x = IngresoTotalMes/1e+06)
##
## Data: IngresoTotalMes/1e+06 (10000 obs.); Bandwidth 'bw' = 1.524e+04
##
## x y
## Min. : -39322 Min. :0.000e+00
## 1st Qu.: 446039 1st Qu.:1.601e-09
## Median : 931400 Median :2.662e-08
## Mean : 931400 Mean :5.146e-07
## 3rd Qu.:1416761 3rd Qu.:3.150e-07
## Max. :1902122 Max. :5.208e-06Al observar la tabla anterior, el valor mínimo de la variables x en la función de densidad empírica es igual a un número negativo que es algo que no tiene ningún sentido, como se dijo con anterioridad. Por tanto, para que la función quede dentro de los limites adecuados se ajustará el código para que los valores de x en la distribución inicien desde cero.
density(IngresoTotalMes/1000000,from = 0)##
## Call:
## density.default(x = IngresoTotalMes/1e+06, from = 0)
##
## Data: IngresoTotalMes/1e+06 (10000 obs.); Bandwidth 'bw' = 1.524e+04
##
## x y
## Min. : 0 Min. :0.000e+00
## 1st Qu.: 475531 1st Qu.:1.464e-09
## Median : 951061 Median :2.649e-08
## Mean : 951061 Mean :5.236e-07
## 3rd Qu.:1426592 3rd Qu.:3.195e-07
## Max. :1902122 Max. :5.211e-06Ahora, se genera el gráfico de la densidad que inicia desde cero.
hist(IngresoTotalMes/1000000,ylim=c(0,0.000006),xlim = c(0,2000000),freq = F,
col = "green",
xlab = "Ingreso total del sector mensual(en millones)",
main = "Histograma y densidad del ingreso total del sector por mes")
lines(density(IngresoTotalMes/1000000,from = 0), col = "red", lwd = 2)
Algunas medidas importantes de la función de densidad empírica anterior son:
| Media(x) | Max(x) | Min(x) | Mediana(x) | Media(y) | Max(y) | Min(y) | Mediana(y) |
|---|---|---|---|---|---|---|---|
| 951061 | 1902122 | 0 | 951061 | 5.236e-07 | 5.211e-06 | 0 | 2.649e-08 |
Un valor importante que se observa en la tabla es el promedio de ingresos totales mensuales para el sector en Medellín, cuyo valor es de $951.061’000.000 pesos colombianos. Por otro lado, el valor máximo de la densidad “y” muestra cuál es el número que, en base al conocimiento de los expertos, tiene una mayor probabilidad de ser el ingreso total mensual para el sector de la peluquería, el cuál es igual a $85.614.110.000 pesos colombianos con una densidad de probabilidad igual a 5.211038e-06.
6. Conclusiones.
El conocimiento de expertos en temáticas de interés es de gran importancia al momento de tratar de encontrar información válida para generar conclusiones. Lo anterior se vió reflejado en este proyecto, ya que gracias a los expertos se pudo entender de forma más directa la actividad del peluquero.
Con los valores descriptivos que se encontraron en la función de densidad para los ingresos totales mensuales se pudo observar la importancia que tiene el sector en cuanto al dinero que genera, esto quiere decir que aporta de forma activa en el desarrollo económico de Medellín. De igual manera se encontró, en la distribución para el número de peluqueros en la ciudad, que este es un negocio que acoge gran cantidad de mano de obra, lo que permite el mantenimiento económico de muchas familias.También se entendió como los precios por servicios de peluquería pueden cambiar de forma importante dependiendo del lugar del territorio, del plus que tenga el servicio y de como luzca el sitio donde se realizan estos trabajos.
Por otro lado, la distribución para el número promedio de servicios de peluquería a clientes permitió entender la gran cantidad de personas que acuden a las peluquerías mensualmente para realizarse un corte de cabello, esto evidencia como los peluqueros, al desarrollar sus actividades, ayudan a las personas no sólo a mejorar su aspecto fisico sino a sentirse bien y seguros de si mismos.
Bibliografia.
- A continuación se puede encontrar el link del video que se hizo como documentación del proceso de elicitación con los expertos.
https://drive.google.com/file/d/1m-uNTWC1H5Z_6lYtUNKf1qFrafSXo1df/view?usp=sharing
- Nota de Victor A.A. donde también se presenta el estudio hecho por SERVINFORMACIÓN, 2014:
https://www.elcolombiano.com/historico/medellin_tiene_88_de_peluquerias_del_pais-NGEC_307903
- Datos sobre productos cosméticos en colombia:
- Nota FENALCO, 2012